API 호출 토큰을 75% 절감하는 AI 에이전트용 오픈 포맷 TML 출시

실용적 조언

많은 도구 호출이 발생하는 에이전트 시스템에서 OpenAPI 대신 TML .min 파일을 사용하여 컨텍스트 윈도우를 확보하라.
MCP를 이미 사용 중인 프로젝트라도 도구 정의 부분에 TML을 결합하여 효율성을 극대화할 수 있다.

섹션별 상세

기존 API 정의 포맷인 OpenAPI와 OpenAI Schema의 높은 토큰 소모량이 에이전트 시스템의 주요 병목으로 지적됐다. 3개의 간단한 날씨 도구를 정의할 때 OpenAPI JSON은 1,047 토큰, OpenAI Schema는 670 토큰을 소모하는 반면, TML .min 포맷은 243 토큰만 사용하여 동일한 정밀도를 유지했다. 이러한 토큰 절감은 에이전트의 반복적인 도구 호출 과정에서 비용과 지연 시간을 누적적으로 감소시키는 효과를 가져온다.

TML은 특정 인프라나 SDK에 의존하지 않는 독립적인 .min 파일 형태의 설계를 채택했다. 별도의 서버 구축 없이 파일 하나로 API 구조를 기술하며, Claude, GPT-4, Gemini, Llama 등 모든 주요 LLM과 호환되도록 설계됐다. 이는 개발자가 기존 워크플로우를 크게 변경하지 않고도 즉시 토큰 최적화를 적용할 수 있는 유연성을 제공한다.

최근 주목받는 MCP(Model Context Protocol)와의 관계에 대해서는 경쟁 모델이 아닌 보완적 도구임을 명시했다. MCP가 모델과 도구 간의 통신 규약을 다룬다면, TML은 그 통신 과정에서 주고받는 도구 설명 자체를 압축하는 데 집중한다. Apache 2.0 라이선스의 오픈소스로 공개되어 커뮤니티의 자유로운 참여와 확장이 가능하다는 점이 특징이다.

용어 해설

도구 매니페스트 언어(Tool Manifest Language (TML)): — AI 에이전트가 외부 API를 호출할 때 필요한 도구 설명을 정의하는 경량화된 오픈 포맷이다. 기존 OpenAPI나 JSON 스키마보다 훨씬 적은 토큰을 사용하여 API 구조를 기술함으로써 LLM의 컨텍스트 비용과 추론 지연 시간을 줄이는 데 목적이 있다.
토큰 최적화(Token Optimization): — LLM 입력에 사용되는 텍스트 데이터를 효율적으로 구성하여 토큰 수를 최소화하는 기법이다. 토큰 사용량은 곧 API 비용과 직결되며, 입력 데이터가 작을수록 모델의 응답 속도가 빨라지고 더 긴 대화 맥락을 유지할 수 있다.
모델 컨텍스트 프로토콜(Model Context Protocol (MCP)): — AI 모델이 데이터 소스 및 도구와 상호작용하는 방식을 표준화하기 위해 Anthropic에서 제안한 개방형 프로토콜이다. TML은 이 프로토콜과 경쟁하는 것이 아니라, MCP 환경 내에서도 도구 정의를 더 효율적으로 전달하는 보완적 역할을 수행할 수 있다.

언급된 도구

TML (Tool Manifest Language)추천링크

AI 에이전트용 경량 API 정의 포맷

언급된 리소스

문서TML 공식 웹사이트

GitHubTML GitHub 저장소