Hermes 에이전트 영업 자동화의 토큰 비용 줄이는 구조
n8n 자동화가 매일 오전 8시에 실행되고, 를 통해 를 호출해 하루 10개의 기업 영업 후보를 찾는다. 각 기업마다 이메일, 전화번호, 회사가 하는 일, 자동화로 도울 수 있는 업무를 짧게 정리한 뒤, 를 n8n으로 돌려보내 에 저장한다. 기능 자체는 작동하지만 비용이 문제다.
에이전트가 회사마다 웹을 검색하고 전체 페이지를 읽으면서, 저렴한 모델을 써도 이 크게 늘어난다. 해결 방향은 세 가지다. 첫째, 도구 출력 줄이기, 캐시 사용, 더 엄격한 프롬프트로 에이전트를 최적화한다.
둘째, 기업명과 연락처는 n8n에서 직접 사업자 명부, , 디렉터리 같은 자료를 긁어오고, LLM은 회사별 자동화 제안 문장 작성에만 한 번씩 쓴다. 셋째, Sonar API 같은 검색용 서비스를 대체 경로로 검토하지만, 실제 비용과 품질 비교 정보는 아직 부족하다.
핵심 포인트
- 하루 10개 기업을 찾는 작은 자동화도 웹 검색과 전체 페이지 읽기 때문에 토큰 비용이 커질 수 있다.
- 의 도구 출력은 가능한 한 짧게 줄이고, 반복되는 검색 결과는 캐시하는 편이 좋다.
- 기업명과 연락처 수집은 n8n의 직접 수집 흐름으로 분리하면 LLM 호출을 줄일 수 있다.
- LLM은 회사별 자동화 제안처럼 판단과 글쓰기가 필요한 단계에만 쓰는 구조가 더 경제적이다.
- Sonar API는 대안 후보지만, 실제 비용 대비 효과는 따로 검증해야 한다.