GPT-5.6 모델이 등장하면서 성능 향상에 많은 관심이 쏠립니다. 하지만 Codex 환경에서 기본 설정을 그대로 사용하면 모델 성능이 떨어지거나 API 쿼터가 빠르게 소모되는 현상이 일어납니다. 이 문제는 모델 자체의 한계라기보다 인프라와 오케스트레이션 설정의 영향이 큽니다. config.toml 과 시스템 프롬프트 설정을 고치면 성능과 비용을 모두 지킵니다.

시스템 프롬프트 최적화로 성능 제약 해결

기본 system prompt 에는 30초마다 진행 상황을 보고하라는 명령이 들어 있습니다. 이 지시문 때문에 모델은 일정 길이에 도달하면 스스로 reasoning token 사용량을 줄입니다. 실제로 로그를 분석하면 추론 토큰 수가 항상 특정 공식으로 끝나며 잘립니다. GPT-5.6 수준의 고성능 모델도 이 제약 조건 아래에서는 제 실력을 발휘하기 어렵습니다.

이 문제는 전체 지침을 재설계한 system prompt 로 교체하여 해결합니다. 30초 보고 명령을 제거하고 주어진 턴 안에서 작업을 완결하도록 autonomy 지침을 부여합니다. 기존 레포지토리 패턴을 우선하고 불필요한 추상화를 지양하는 지침을 추가하면 결과물 품질이 좋아집니다. 아래 설정을 config.toml 에 추가하고 새 프롬프트 파일을 지정하면 동작합니다.

disable_response_storage = true
model_instructions_file = 'path\gpt-base-instructions.md'

새 프롬프트를 적용하면 불필요한 토큰 낭비를 줄입니다. 차이가 큽니다.

서브에이전트 제어로 API 쿼터 소모 방지

또 다른 문제는 subagent orchestration 구조에서 발생합니다. 현재 spawn_agent 함수는 하위 에이전트를 생성할 때 추론 성능이나 모델을 제한하지 못합니다. 상위 에이전트가 호출되면 하위 에이전트들이 연쇄적으로 생성되면서 단순한 작업에도 수백 개의 에이전트가 동시에 실행됩니다. 각 에이전트마다 컨텍스트 로드와 도구 호출이 개별 발생하여 쿼터가 빠르게 고갈됩니다.

비용을 제어하는 방식은 두 가지입니다. 첫 번째는 멀티 에이전트 버전을 V1으로 낮추고 생성 깊이를 제한하는 방식입니다. 하위 에이전트가 또 다른 에이전트를 만드는 연쇄 반응을 차단하여 자원 소모를 통제합니다.

[features]
multi_agent = true
multi_agent_v2 = false

[agents]
max_depth = 1
max_threads = 6

두 번째는 V2 버전을 유지하면서 동시 실행 쓰레드 제한을 낮추는 방식입니다. 동시 쓰레드 수를 줄여 급격한 트래픽 스파이크를 완화하는 방식입니다.

[features.multi_agent_v2]
enabled = true
max_concurrent_threads_per_session = 2

이 설정으로 에이전트를 효율적으로 관리합니다.

인프라 환경과 오케스트레이션 설정을 튜닝하는 과정은 LLM 애플리케이션 운영에 필수적입니다. 모델 성능을 의심하기 전에 개발 환경의 기본 설정을 먼저 점검하기를 권합니다.

요약

  • Codex의 기본 시스템 프롬프트에 포함된 주기적 보고 명령이 모델의 추론 토큰 제어 논리를 방해하여 성능 저하를 유발합니다.
  • 멀티 에이전트 구조에서 하위 에이전트의 생성 깊이와 동시 실행 쓰레드 수를 제어하지 않으면 API 쿼터가 급격히 고갈될 수 있습니다.
  • LLM 애플리케이션의 성능과 자원 최적화는 모델 자체의 변경 이전에 오케스트레이션 프레임워크와 환경 설정 튜닝으로 해결 가능한 영역이 많습니다.