Agent Zero API 비용: 주 모델, 유틸리티 모델 및 임베딩 모델

오픈 소스 AI 에이전트 프레임워크인 Agent Zero의 비용은 $0입니다. LICENSE 파일에는 MIT 조건과 저작권자 Agent Zero, s.r.o.가 명시되어 있고, agent-zero.ai에는 가격 페이지, 요금제 또는 유료 호스팅 티어가 없으므로 "Agent Zero pricing"은 그 아래에서 사용되는 모델 API 요금을 의미합니다. 단일 모델 에이전트와 다른 점은 Agent Zero가 이 비용을 세 가지 모델 역할로 나누고, 각 역할을 별도로 구성하고 별도로 청구한다는 것입니다. 주 모델, 유틸리티 모델, 임베딩 모델입니다. Kunavo는 임베딩 모델을 제공하지 않으므로 여기서 구매되는 역할은 처음 두 가지뿐이며, 세 번째 역할은 로컬 기본값으로 유지하거나 해당 단계를 판매하는 제공업체로 보냅니다. 따라서 채팅 응답 하나를 받았다고 통합이 완료된 것은 아닙니다. 세 역할 중 하나가 응답했다는 뜻일 뿐입니다.

먼저 검색 결과 페이지에 실제로 나타나는 항목과 관련된 구분을 하나 짚겠습니다. Agent Zero Token (A0T)은 Base의 암호화폐이며, 2026년 9월 17일 기록된 이 페이지의 "agent zero pricing" 단일 검색 결과 추출에서 4위에 올랐고 Coinbase 가격 페이지는 7위였습니다. 한 번의 추출 결과는 순위가 아닙니다. CoinGecko의 공식 링크 블록이 agent-zero.ai와 프로젝트의 GitHub 저장소를 가리키므로 이 토큰은 실제로 프로젝트 자체의 토큰이며, 이것이 가격표로 착각하기 쉽습니다. 하지만 가격표가 아닙니다. 어떤 토큰 시세도 이 소프트웨어의 가격을 의미하지 않으며, 이 페이지는 투자 또는 거래 조언을 제공하지 않습니다. 아래에서 토큰은 무료 엔드포인트의 명시된 조건으로만 언급됩니다.

이 소프트웨어의 가격이 아닌 "Agent Zero" 네 가지

아래 첫 번째 행만 "agent zero pricing" 검색 결과 추출에서 관찰되었습니다. 나머지 세 가지는 조사 중 마주치는 이름 충돌이며, 해당 페이지가 반환한 항목이 아닙니다.

2026년 9월 21일 확인한 출처: LICENSE 파일(MIT, 저작권자 Agent Zero, s.r.o.), PyPI 프로젝트 페이지, 그리고 서비스가 "Agent Zero 커뮤니티를 위한 무료 보너스 기능"이며 "상업적 또는 유료 제공이 아님"을 명시한 LLM API 약관입니다. 이 서비스는 토큰을 보유하고 스테이킹하는 사용자에게 제공되며, 할당량은 "동적으로 결정되며 보장되지 않습니다". 이 페이지에서 확인할 수 있는 곳에는 스테이킹 기준과 그에 따른 할당량이 게시되어 있지 않으므로 어느 쪽도 여기서 명시하지 않습니다. 소프트웨어 자체에 대해서는 agent0ai/agent-zero 저장소의 GitHub API가 저장소가 보관 처리되지 않았고 비활성화되지 않았으며 별 19,227개임을 보고하고, 최신 릴리스는 2026년 9월 9일 게시된 v2.12로 보고합니다.

세 역할, 세 개의 별도 청구서

Agent Zero의 Model Presets 가이드는 모든 설정에 주 모델, 유틸리티 모델, 임베딩 모델이 포함된다고 설명합니다. 이는 v1의 잔재가 아닙니다. conf/model_providers.yaml에는 main 최상위 섹션이 정확히 두 개 있으며, 각각 chat:에는 제공업체 29개, embedding:에는 16개가 있고, 주 역할과 유틸리티 역할 모두 채팅 목록에서 가져옵니다. 설치 가이드는 기본 제공 Browser에 자체적으로 분리된 기본 모델 슬롯이 없다고 덧붙입니다.

이동하기 전에 기본값을 이해할 필요가 있습니다. models.py에서 제공업체가 huggingface이고 모델 이름이 sentence-transformers/으로 시작하는 임베딩 호출은 로컬 SentenceTransformer 래퍼로 바로 전환됩니다. HTTP 요청도 키도 필요하지 않습니다. 또한 선별된 Default 프리셋은 이 역할을 sentence-transformers/all-MiniLM-L6-v2으로 고정합니다. 설치 가이드에는 embedding_llm를 변경하면 "A0의 모든 메모리를 다시 색인한다"고도 명시되어 있습니다. 따라서 이 슬롯은 설정 변경이 아니라 마이그레이션으로 다뤄야 합니다. 계획을 세우고, 변경하기 전에 메모리 디렉터리를 백업하세요. 검색 품질과 저장소의 상호작용에 관한 더 넓은 내용은 이 프레임워크 외부에서 같은 결정을 다루는 RAG 구현을 참조하세요.

Agent Zero 사용자 지정 API: 엔드포인트와 키를 입력하는 위치

2026년 9월 17일 기록된 검색 결과 추출에서 "agent zero custom api"라는 검색어로 프로젝트의 api-integration 가이드가 3위에 올랐습니다. 그러나 그 문서는 다른 질문에 답합니다. 실제 제목은 "Adding External APIs Without Code"이며, LLM 제공업체를 선택하는 방법이 아니라 에이전트가 서드파티 API를 호출하도록 가르치는 내용입니다. 대신 저장소에서 2026년 9월 21일 확인한 제공업체 경로는 다음과 같습니다.

1. 제공업체를 선택하세요. 해당 ID는 other입니다. conf/model_providers.yaml에서는 이를 Other OpenAI compatible로 명명하고 chat: 및 embedding: 섹션 모두에 나열합니다. 설치 가이드에서는 같은 항목을 OpenAI Compatible으로 표기하므로 인터페이스에서 두 레이블이 모두 표시될 수 있습니다.
2. External Services에 키를 입력하세요. 가이드의 표현은 "External Services -> Other OpenAI-compatible API keys에서 API 키를 추가한 다음, 모델 설정에서 OpenAI Compatible을 제공업체로 선택"하는 것입니다.
3. 이동하려는 각 역할에 API URL을 설정하세요. 역할별 필드이며 프리셋 파일에 api_base로 저장됩니다. 가이드에서는 이를 "채팅 모델의 API 엔드포인트 URL"이라고 설명합니다.
4. 모델 ID를 직접 입력하고, 게이트웨이 카탈로그에 표기된 방식과 정확히 일치시키세요. 또한 접두사 규칙을 지켜야 합니다. 네이티브 제공업체는 ID만 입력하고, 게이트웨이는 보통 공급업체 접두사를 요구합니다.

# One Model Preset, three independent blocks. Each carries its own
# provider, model name and api_base, so the three roles can point at
# three different endpoints — and its own rl_* rate-limit fields.
# Schema read from agent0ai/a0-presets
# on September 21, 2026; the values below are an illustration.
chat:
  provider: other        # the UI calls it 'Other OpenAI compatible'
  name: <the id your gateway's own catalog lists>
  api_base: "https://api.kunavo.com/v1"
  ctx_length: 200000
utility:
  provider: other
  name: <a cheaper id from the same catalog>
  api_base: "https://api.kunavo.com/v1"
  ctx_length: 128000
embedding:
  provider: huggingface  # shipped default: local, CPU, no HTTP call
  name: sentence-transformers/all-MiniLM-L6-v2
  api_base: ""

내부적으로 models.py는 호출 직전에 제공업체를 다시 씁니다. 소스의 주석은 remap other to openai for litellm입니다. 따라서 사용자 지정 엔드포인트는 OpenAI Chat Completions 형식을 지원해야 하며, 카탈로그의 모든 채팅 제공업체에는 a0_api_mode: chat가 있습니다. LiteLLM은 이 모든 요청의 전송 계층이며, requirements.txt에서 litellm==1.88.1로 고정되어 있고 "CVE-2026-42271 fix: patched floor is 1.83.7"이라는 주석이 있습니다. 자격 증명을 인터페이스에 직접 입력하지 않으려면 환경 변수 경로는 다음 순서로 읽힙니다:

# models.py get_api_key() reads these three spellings in this order,
# for provider id `other`. A comma-separated value is round-robined
# across calls. Read from main on September 21, 2026.
API_KEY_OTHER=your-key
# OTHER_API_KEY=your-key
# OTHER_API_TOKEN=your-key

설치 가이드에서 다시 강조할 만한 Docker 함정이 하나 있습니다. 컨테이너 내부에서 API 기본 URL의 localhost 및 127.0.0.1은 호스트가 아니라 Agent Zero 컨테이너를 의미합니다. 따라서 호스트에서 실행 중인 모델 서버에는 http://host.docker.internal:<port> 또는 브리지 주소가 필요합니다. 이는 로컬 런타임에 해당하며 공용 HTTPS 엔드포인트에는 해당하지 않습니다.

공식 설정 문서를 그대로 따르기 전에 알아둘 만한 결함이 두 가지 있으며, 둘 다 2026년 9월 21일 확인되었습니다. 첫째, 설치 가이드의 A0 Launcher 다운로드 링크는 v0.9로 하드코딩되어 있고 본문은 "the A0 Launcher v0.9 release"를 가리킵니다. 반면 런처 자체의 릴리스 페이지에는 2026년 9월 9일 게시된 v1.7이 표시되어 있으며, 8개 릴리스 더 최신입니다. 고정된 다운로드 URL 대신 릴리스 페이지를 사용하세요. 둘째, 가이드의 "Model Naming by Provider" 표는 OpenAI 행의 예시 셀에 Anthropic 모델 ID를 넣고 있습니다. 주변 설명은 구분을 올바르게 설명합니다. 일반 규칙은 표의 해당 행이 아니라 본문 설명을 따르세요. 네이티브 제공업체는 모델 ID만 사용하고, 게이트웨이는 보통 공급업체 접두사를 요구합니다.

사용자 지정 엔드포인트가 마주치는 네 가지 제한

예산을 변경할 가능성이 가장 큰 것은 캐싱 게이트이므로 소스가 정확히 무엇을 말하는지 설명하겠습니다. _supports_cache_control_markers는 api_base에 openrouter.ai 또는 anthropic.com가 포함되거나, 정규화된 제공업체가 anthropic, bedrock, gemini, minimax, openrouter 및 vertex_ai를 포함하는 고정 집합에 속할 때만 true를 반환합니다. other 제공업체는 openai로 정규화되며, 이 집합에는 포함되지 않습니다. 두 번째 경로인 _is_openai_prompt_cache_provider는 api_base가 api.openai.com 또는 openai.azure.com가 아닌 경우 false를 반환합니다. 따라서 이 네 호스트 이름 중 어느 것도 포함하지 않는 기본 URL에 대해 제공업체가 openai로 정규화되면 Agent Zero는 Anthropic 방식의 중단점도 OpenAI 캐시 키도 적용하지 않습니다. 범위를 정확히 한정하세요. 이는 Agent Zero가 무엇을 전송하는지에 대한 설명이지, 캐시 할인이 불가능하다는 주장이 아닙니다.

두 버그 보고서는 실제 성격 그대로 기술하세요. Issue #1769는 사용자 보고서로, 2026년 9월 21일 현재 열린 상태이며 제목은 "LiteLLM calls exit(-9) when a model in model_cost has a litellm_provider that differs from the provider's actual litellm_provider mapping"입니다. 자체 범위 설명에는 "여러 출처의 모델을 재판매하거나 프록시하는 모든 제공업체"에 영향을 준다고 되어 있으며, 이는 게이트웨이를 설명합니다. 이 페이지를 위해 누구도 이를 재현하지 않았고, 특정 모델 ID에서 발생하는지는 테스트되지 않았습니다. PR #1437은 LiteLLM 1.80.11 이상이 설정되지 않은 경우 encoding_format: null를 전송하며 엄격한 검증기가 이를 422로 거부한다고 보고합니다. 또한 임베딩 모델의 컨텍스트를 초과할 수 있는 잘리지 않은 메모리 회상 쿼리도 보고합니다. 이 PR은 열린 상태이며 병합되지 않았습니다. 상위 이슈 #1436은 종료되었지만 해당 이슈가 어떻게 해결되었는지는 확인할 수 없었으므로 여기서는 문제가 "수정되었다"거나 "현재도 발생한다"고 주장하지 않습니다.

역할별 비용 추정 예시

이는 측정된 작업 비용이나 청구 상한이 아니라 예시용 토큰 산술입니다. 일주일 동안 꾸준히 사용한다고 가정합니다. 주 역할에서 6백만 개의 캐시되지 않은 입력 토큰과 300,000개의 출력 토큰, 유틸리티 역할에서 1.5백만 개의 입력 토큰과 150,000개의 출력 토큰을 사용한다고 가정합니다. 이 분할은 예시를 위한 가정이며, 이 페이지를 위해 Agent Zero 루프를 계측한 사람은 없습니다. 요금은 백만 토큰당 Kunavo 카탈로그의 현재 가격입니다.

두 가지 관점이 있으며 서로 반대 방향을 가리킵니다. 첫째, 이러한 가정에서 주 역할 모델 선택은 위 표의 가장 비싼 행과 가장 저렴한 행 사이에서 주당 $10.14의 차이를 보이는 반면, 유틸리티 역할 선택의 차이는 $0.10입니다. 작업량이 비정상적으로 백그라운드 중심이 아닌 한 두 번째 슬롯을 최적화하는 것은 비용의 핵심이 아닙니다. 게다가 설치 가이드는 이 역할에서 지나치게 작은 모델을 사용하지 말라고 경고합니다. 4B를 예로 들며, 매우 작은 모델은 신뢰할 수 있는 메모리 추출에 자주 실패하기 때문입니다. 둘째, 두 역할은 독립적으로 결합됩니다. GPT-5.6 Terra와 Claude Haiku 4.5의 조합은 주당 $7.03로 추정되며, $17.28인 GPT-5.6 Sol와 GPT-5.6 Terra의 조합과 비교됩니다. 세 번째 역할은 로컬 CPU 기본값으로 유지되는 동안 API 비용을 전혀 추가하지 않습니다.

프로젝트 자체의 선택과 비교하기 위해, Agent Zero는 저장된 컬렉션이 없을 때 최초 시작 시 선별된 프리셋 세 가지를 다운로드합니다. Default는 GPT-5.6 Terra 채팅 모델과 Google flash-lite 유틸리티 모델을 조합합니다. Power는 GPT-5.6 Sol과 GPT-5.6 Luna를 조합합니다. Efficiency는 GLM 채팅 모델과 DeepSeek 유틸리티 모델을 조합합니다. 임베딩 역할을 명시적으로 작성한 것은 Default뿐이며, 로컬 CPU 모델로 고정합니다. Efficiency와 Power는 해당 파일에 임베딩 블록이 전혀 없습니다. 이 참조값들은 해당 파일이 사용하는 OpenRouter 형식으로 작성되어 있으므로, 표기된 그대로는 어느 것도 Kunavo ID가 아닙니다. Kunavo 자체 카탈로그에 나열된 ID를 사용하세요. 이 파일은 2026년 7월 17일에 마지막으로 푸시되었으므로 모델 선택이 시장을 따라가지 못할 수 있습니다.

이 내용을 예산으로 간주하기 전에 실제 사용 주 수에 맞게 계산하세요. Kunavo 카탈로그 금액은 상한이 아니라 청구 하한입니다. 업스트림이 요금을 보고하면 청구액은 카탈로그 비용과 업스트림 비용에 해당 마크업을 곱한 금액 중 더 큰 값입니다. 캐시 요금과 외부 도구 비용은 이 예시에 포함되지 않습니다. Kunavo의 최소 충전액은 선불 크레딧 $10이며, 이는 자금 충전 최소액이지 작업 요금이나 구독료가 아닙니다. 청구 세부 정보를 참조하세요.

Agent Zero에 가장 적합한 API: 상황별로 어떤 경로가 유리한가

퍼스트파티 세부 정보 하나가 역할별 논의를 이론이 아니라 구체적인 내용으로 만들어 줍니다. Cline Pass 플러그인은 스트리밍만 지원하는 구독 API가 특히 유틸리티 호출을 중단시키기 때문에 일부 존재합니다. 이 플러그인은 스트리밍하지 않는 콜백을 주입하여 채팅 이름 지정, 압축, 메모리 통합과 같은 백그라운드 작업이 계속 작동하도록 합니다. 역할은 별도로 실패하며, 이것이 채팅 응답 하나의 성공이 통합 테스트가 될 수 없는 이유입니다. Agent Zero에는 사용량을 호출 유형별로 그룹화하는 LLM Cost Tracker 플러그인도 포함되어 있습니다. 주 채팅, 하위 에이전트, 유틸리티 등이 그 예입니다. 이 플러그인에는 가격이 전혀 포함되어 있지 않으며 "제공업체의 공식 가격 페이지에서 요금을 입력하세요"라고 안내합니다. 역할별로 입력하지 않으면 대시보드는 입력한 단일 요율을 모든 유형에 적용하여 청구합니다.

설정한 다음 세 역할을 모두 확인하세요

Kunavo는 Agent Zero를 자체 엔드포인트에서 런타임 테스트하지 않았으며 Agent Zero 통합 페이지도 게시하지 않습니다. 위의 모든 내용은 2026년 9월 21일 Agent Zero 자체 소스와 문서에서 확인한 것입니다. 따라서 첫 번째 응답이 아니라 역할별로 검증하세요. 주 역할에 채팅 메시지 하나를 보낸 다음 백그라운드 작업을 실행합니다. 새 대화를 시작해 자동 이름 지정이 실행되도록 하거나, 세션을 충분히 오래 실행해 압축이 일어나도록 한 뒤 유틸리티 모델이 응답했는지 확인하세요. 임베딩 역할은 마이그레이션하기로 결정한 경우가 아니라면 로컬 기본값으로 유지하세요. 변경하면 메모리가 다시 색인됩니다. 정상 작동하는 연결 경로를 내내 사용할 수 있게 유지하고, 하나의 범위가 제한된 작업을 실행한 뒤, 계정에 기록된 요금과 비용 추적기 자체의 추정치를 비교해 확인하세요.

두 유료 역할을 하나의 엔드포인트로 라우팅한다면 빠른 시작 가이드에서 기본 URL과 첫 번째 요청을 확인할 수 있으며, Kunavo 계정 생성에는 구독 없이 $10의 선불 최소 충전액이 필요합니다. 더 넓은 결정에 관해서는 OpenAI 호환 API 참조가 Agent Zero가 사용하는 엔드포인트 형식을 다루고, Agent Zero와 OpenClaw 비교가 실행과 메모리 측면에서 두 하니스를 비교하며, LiteLLM 대안이 Agent Zero의 모든 호출이 통과하는 전송 계층을 다루고, AI 비용 최적화가 요금표가 아니라 실제 작업을 측정하는 방법을 다룹니다.

자주 묻는 질문

Agent Zero 저장소 상태, 최신 릴리스, 이슈 및 풀 리퀘스트 상태, 제공업체 카탈로그, models.py, LiteLLM 전송 계층, requirements, 선별된 프리셋 파일, 설치 및 문제 해결 가이드, LLM API 약관, PyPI 이름 충돌은 모두 2026년 9월 21일 확인했습니다. 검색 결과의 위치는 2026년 9월 17일 기록된 단 한 번의 검색 결과 추출에서 가져온 것으로, 단일 관측일 뿐 일반적인 순위 평가가 아닙니다. Kunavo 토큰 요율은 실시간 카탈로그에서 확인하며, 이 페이지의 모든 달러 금액은 명시된 가정을 바탕으로 한 예시용 토큰 산술이지 측정된 작업 비용이 아닙니다.