Mirror Box Orchestrator (MBO): 로컬 및 프론티어 모델을 활용한 다중 벤더 AI 코딩 에이전트

작성자가 직접 개발한 시스템에 대해 아키텍처 백서를 공유하며 기술적 논의를 제안했으며, 로컬 모델을 실무적인 워크플로에 통합한 방식에 대해 긍정적인 관심이 예상된다.

• 비용 절감을 위해 의도 분류와 같은 단순 태스크는 Ollama 기반 로컬 모델로 라우팅하는 설계를 고려하라.
• 에이전트의 정확도를 높이려면 서로 다른 벤더의 모델(예: OpenAI vs Anthropic)을 교차 검증에 활용하라.

• 단일 모델의 자기 검토 편향을 방지하기 위해 서로 다른 벤더의 모델들이 적대적으로 교차 검증하는 다중 벤더 아키텍처를 채택했다.
• Ollama를 통한 로컬 모델 활용으로 단순 작업의 비용을 절감하며, 작업당 평균 비용을 약 $0.006 수준으로 최적화했다.
• 코드베이스의 구조적 그래프 분석을 통해 작업의 복잡도를 판단하고 적절한 모델 및 검증 경로를 동적으로 할당하여 효율성을 높였다.