BMAD 워크플로우의 토큰 비용 문제와 린(Lean)한 실행 방식으로의 전환 논의

실용적 조언

기능별로 새로운 채팅 세션을 시작하여 컨텍스트 윈도우를 깨끗하게 유지할 것.
세션 시작 시 '기술 스택 + 현재 진행 상황 + 구현 목표'로 구성된 짧은 요약본만 제공할 것.
이미 정의된 에픽(Epic)이 있다면 에이전트를 통한 상세 스토리 생성 과정을 생략하고 바로 코딩에 착수할 것.

섹션별 상세

BMAD 방법론의 구조적 장점과 실행 단계에서의 비용적 한계가 명확히 드러났다. PRD, 아키텍처 문서, 에픽, 스토리로 이어지는 체계적인 흐름은 초기 기획 단계에서 명확성을 제공하지만, 실제 코딩 단계에서는 매번 방대한 문서를 다시 로드해야 하므로 토큰 소모가 극심해지는 문제가 발생했다.

제안된 '린(Lean) 실행 워크플로우'는 기획 단계에서만 BMAD를 유지하고 실행 단계에서는 기술 스택, 완료된 작업, 현재 목표만을 담은 짧은 컨텍스트 블록을 사용하는 방식이다. 기능별로 새로운 채팅 세션을 시작하여 컨텍스트 비대화를 방지하고 모델의 집중력을 높이는 전략이 핵심이다.

컨텍스트 관리 및 상태 유지 전략에 대한 고민이 공유되었다. 세션 간의 연속성을 유지하기 위해 매번 전체 문서를 읽히는 대신, 현재 진행 상황을 요약한 '상태 노트(State Note)'를 유지하거나 기존 스토리를 단순한 할 일 목록으로 취급하여 에이전트 흐름의 오버헤드를 줄이는 방안이 논의되었다.

용어 해설

BMAD 방법론(BMAD): — Build-Measure-Act-Decide의 약자로, AI를 활용한 소프트웨어 개발 시 PRD 작성부터 아키텍처 설계, 에픽 및 스토리 정의까지 체계적인 단계를 거치는 구조화된 워크플로우이다. 프로젝트의 명확성을 높여주지만 단계별 문서량이 많아 컨텍스트 유지 비용이 발생한다.
컨텍스트 비대화(Context Bloat): — LLM과의 대화 세션에 너무 많은 정보가 누적되어 모델의 추론 정확도가 떨어지거나 토큰 소모량이 급증하는 현상이다. 특히 매 세션마다 방대한 설계 문서를 다시 입력할 때 발생하며, 이는 모델의 응답 속도 저하와 비용 상승의 원인이 된다.
제품 요구사항 문서(PRD): — Product Requirements Document의 약자로, 개발할 제품의 목적, 대상 사용자, 핵심 기능 및 성공 지표를 상세히 기술한 문서이다. AI 코딩 시 모델이 프로젝트의 전체 맥락을 파악하고 일관된 코드를 생성하도록 돕는 기준점 역할을 한다.
토큰 비용(Token Cost): — LLM이 텍스트를 처리하는 단위인 토큰의 양에 따라 발생하는 비용이나 소모량을 의미한다. 입력 데이터가 길어질수록 한 번의 질문에 소모되는 토큰이 많아지며, 이는 사용자의 유료 플랜 한도나 API 비용에 직접적인 영향을 미친다.

언급된 도구

Claude.ai추천

웹 기반 LLM 인터페이스 및 개발 보조