사고란 무엇인가?

여기 우리가 피하고자 하는 실패 패턴이 있습니다. 모델에게 여러 단계를 거쳐야 하는 질문을 던지고 즉시 답하게 하면, 자신만만하게 틀린 답을 내놓을 수 있습니다:



확장 사고란 무엇인가?

확장 사고는 Claude가 최종 응답을 내놓기 전에 단계별로 추론할 수 있게 해줍니다. 이 기능이 활성화되면 Claude는 내부 추론 토큰—흔히 사고 사슬(chain of thought)이라고 부르는—을 생성한 다음 답변을 전달합니다. Claude Opus 5에서는 요청의 thinking 설정에 아래 예시처럼 "display": "summarized"가 포함되지 않는 한 사고 텍스트는 숨겨진 상태로 유지됩니다. 이 설정이 포함되면 Claude의 추론 요약이 최종 텍스트와 함께 응답에 담겨 돌아옵니다.

Claude Opus 5의 적응형 사고

Opus 5에서는 사고가 적응형(adaptive)이며 기본적으로 켜져 있습니다. 선택할 토큰 예산이 따로 없으며, Claude가 언제 얼마나 사고할지를 동적으로 결정합니다.

Claude가 얼마나 사고할지를 제어하려면 effort 매개변수를 사용하세요. 한 가지 주의할 점은 이 매개변수가 thinking 블록 옆이 아니라 output_config 안에 들어간다는 것입니다. 단계는 다음과 같습니다:

• low
• medium
• high (기본값)
• xhigh (매우 높음)
• max

언제 사용하고 언제 건너뛸 것인가

확장 사고는 다음과 같은 경우에 도움이 됩니다:

• 수학 및 다단계 논리
• 코드 디버깅
• 규제 분석
• 트레이드오프를 따지거나 옵션을 비교하는 모든 작업



단순한 분류, 추출, 또는 정형화된 작업에는 건너뛰세요. 이런 작업에서는 결과를 실제로 개선하지 못한 채 지연 시간과 비용만 늘어납니다.

실제로 작동하는 사고

실제로 작동하는 모습을 살펴보겠습니다. 여기 날씨 도구 하나를 사용하는 에이전트 루프가 있고, Claude에게 샌프란시스코를 출발해 두 곳을 경유하는 로드트립을 계획하도록 요청하면서 날씨와 이동 시간을 함께 고려하도록 하겠습니다. 이는 실제 트레이드오프이며, 사고가 제 역할을 하는 종류의 질문입니다.

import anthropic

client = anthropic.Anthropic()

weather_tool = {
    "name": "get_weather",
    "description": "Get the current weather for a city.",
    "input_schema": {
        "type": "object",
        "properties": {
            "city": {"type": "string", "description": "City name"}
        },
        "required": ["city"],
    },
}

response = client.messages.create(
    model="claude-opus-5",
    max_tokens=16000,
    thinking={"type": "adaptive", "display": "summarized"},  # summarized = return the reasoning text
    output_config={"effort": "high"},  # low | medium | high | xhigh | max
    tools=[weather_tool],
    messages=[
        {
            "role": "user",
            "content": "Plan a road trip out of San Francisco with two stops, "
                       "weighing weather and drive time.",
        }
    ],
)

이를 실행하면 평소보다 더 흥미로운 출력을 보게 됩니다. Claude가 트레이드오프를 따져보는 사고 블록이 보이고, 이어서 각 도시를 확인하는 도구 호출이 나오며, 마지막으로 실제 추천 내용을 담은 텍스트 블록이 나타납니다.

추론 과정이 눈에 보인다는 것, 그것이 바로 핵심입니다.

프로덕션 환경에서 중요한 이유

프로덕션 앱에서는 이것이 문제를 하나씩 찾아내는 에이전트와 문제들을 서로 연결하는 에이전트의 차이를 만듭니다. 컴플라이언스 검토 앱을 예로 들어보겠습니다. 자동 검토 호출에서 적응형 사고를 켜면 에이전트가 보고서 섹션 전체에 걸쳐 추론할 수 있게 되어, 예를 들어 3번 섹션의 풍하중 사양이 문서 다른 곳의 자재 사양과 충돌하는 것과 같은 문제를 포착할 수 있습니다.



요약

• 확장 사고는 Claude가 답변하기 전에 추론할 여지를 줍니다. Opus 5에서는 요청했을 때만 응답에 그 추론의 요약이 담깁니다.
• Opus 5에서는 적응형 사고가 기본적으로 켜져 있으며, 토큰 예산이 필요하지 않습니다. 응답에서 추론 과정을 보려면 "display": "summarized"를 추가하세요.
• output_config 안의 effort 매개변수로 깊이를 조절하세요: low, medium, high (기본값), xhigh, 또는 max.
• 트레이드오프가 많은 어려운 문제에는 사용하고, 단순한 문제에는 건너뛰세요. 그런 경우에는 지연 시간과 토큰 비용만 늘어날 뿐입니다.