GUIDE 01 빌드캠프 가이드
jev란 무엇이고, 에이전트 비용을 어떻게 줄이나
짧은 답
jev는 TypeSafe의 System One 판단 모델입니다. 글을 쓰지 않고 텍스트·JSON 상태를 받아 보기별 확률을 돌려주며, 판정 1회에 약 0.5초, 약 0.00002달러가 듭니다. 라우팅·게이트·분류·완료 판정 같은 에이전트의 갈림길을 jev에 맡기고 생성 모델은 필요할 때만 부르면, 빌드캠프 실측에서 라우터 비용이 54.5% 줄었습니다.
jev는 어떤 모델인가
에이전트가 일을 하다 보면 "이 문의는 어느 팀 몫인가", "이 명령은 위험한가", "작업이 끝났나" 같은 고르기만 하면 되는 갈림길을 수없이 지납니다. 보통은 이 자리에도 긴 글을 쓰는 생성 모델을 부르기 때문에 느리고 비쌉니다.
jev는 이 갈림길 전용 모델입니다. 카너먼의 System 1(빠른 직관)과 System 2(느린 숙고) 구분에서 System 1 쪽을 맡습니다. 쓰는 방식은 함수 호출과 같습니다. 상태를 넣으면 확률이 나옵니다. 문장, 코드, 이미지는 만들지 않습니다.
| 구분 | 판단 계층 (jev) | 생성 계층 (예: GPT-6 Astra) |
|---|---|---|
| 하는 일 | 라우팅 · 게이트 · 분류 · 완료 판정 | 문장 · 코드 · 이미지 생성 |
| 입력 | 텍스트 · JSON 상태 | 프롬프트, 이미지 등 |
| 출력 | 보기별 확률, 점수 | 긴 글, 코드 |
| 속도 · 비용 | 약 0.5초 · 약 $0.00002 / 회 | 수 초 이상 · 호출당 훨씬 비쌈 |
| 부르는 때 | 갈림길마다 | 생성이 필요할 때만 |
세 가지 질의: CHOICE · NOUL · SCORE
질문 형태는 세 가지뿐입니다. 결과가 숫자로 나오기 때문에 코드는 임계값 하나로 분기합니다.
| 질의 | 묻는 방식 | 출력 예 (강의 자료) | 주로 쓰는 곳 |
|---|---|---|---|
| CHOICE | 보기 중 최고 후보를 고르게 한다 | 문의 배정: billing 0.582 / returns 0.416 / other 0.002 | 담당 팀 라우팅 · 카테고리 분류 · 도구 선택 |
| NOUL | 예/아니오 조건 하나를 묻는다 | "환불을 요청했나?" → P(예) = 0.99 | 가드레일 · 스팸 필터 · 위험 명령 게이트 |
| SCORE | 단계별 기준 문장이 있는 척도 위에서 평가 | 고객 답답함 score = 3.2 / 5 → 4 미만이면 일반 큐 | 긴급도 · 감정 점수 · 위험도 |
왜 비용과 지연이 줄어드나
모든 요청을 생성 모델로 처리하면 갈림길마다 긴 추론과 문장이 생깁니다. jev를 앞에 두면 대부분의 요청은 0.5초짜리 판정으로 끝나고, 정말 글이 필요한 요청만 생성 모델로 넘어갑니다.
- 실측: 빌드캠프 jev 특강 2강의 Node 라우터 서비스로 트래픽 20건을 돌렸을 때, LLM 전건 호출 $0.08 → jev 게이트 $0.0364로 54.5% 절감.
- fail-open 설계: jev 판정이 실패하거나 확신이 낮으면 그대로 생성 모델로 넘기도록 짜서, 절감을 얻으면서 품질 하한을 지킵니다.
- 듀얼헤드: 작업 종류와 대상을 한 번의 왕복에서 함께 판정해 호출 수를 더 줄입니다(545ms vs 549ms 실측).
어디에 붙이면 좋나
빌드캠프 jev 특강에서 다루는 갈림길 12종입니다. 내 에이전트에서 "여기서 매번 긴 답을 받을 필요가 있나?" 싶은 자리가 후보입니다.
- 묻기 전 판정, 위험 명령 게이트, 실패 분류
- 세션·에이전트 라우팅, 모델·비용 라우팅, 알림 분류
- 브라우저 자동화, 완료 판정, 대량 맵리듀스
- 검증·가드레일, 실시간·임베디드, 로컬 재현
한계와 주의할 점
- 이미지는 받지 않습니다. 텍스트와 JSON 상태만 입력으로 씁니다. 화면을 봐야 하는 자리는 생성(멀티모달) 모델 몫입니다.
- 분류기와는 다릅니다. 분류기는 라벨이 학습 때 고정되지만 jev는 질의할 때 보기를 자유롭게 정의합니다. 또 softmax 점수가 아니라 확신도 자체를 맞추도록 학습했습니다(RLCD).
- 확신도는 흉내 내기 어렵습니다. 오픈소스 openjev로 Qwen3.5-4B에서 같은 인터페이스를 재현하면 5개 사례 중 5개의 방향은 맞지만 확신도는 보정되지 않습니다. 임계값으로 분기하려면 보정된 숫자가 필요합니다.
시작하는 순서
- 키 발급: console.typesafe.ai에서 얼리액세스 키를 받습니다. 늦어지면 Vercel AI Gateway로 먼저 시작할 수 있습니다.
- 스킬 설치: jev-judgment 스킬을 Codex, Claude Code, OpenClaw 등에 붙입니다.
- 첫 판정: NOUL 질의 하나로 "이 명령은 위험한가?"를 물어 봅니다. 강의 실측으로 첫 호출은 0.8초였습니다.
- 갈림길 3곳에 붙이기: 묻기 전 판정, 위험 명령 게이트, 실패 분류부터 시작합니다.
- 라우터로 확장: 트래픽을 시뮬레이션해 내 서비스의 절감률을 직접 계산합니다. 실습 전체 비용은 1달러 미만입니다.
자주 묻는 질문
jev는 어떤 회사의 모델인가요?
TypeSafe가 만든 System One 계열 판단 모델입니다. console.typesafe.ai에서 얼리액세스로 API 키를 발급받아 씁니다.
jev 한 번 호출하는 비용은 얼마인가요?
판정 1회에 약 0.00002달러, 약 0.5초가 듭니다. 빌드캠프 jev 특강 실습 전체를 돌려도 1달러가 넘지 않습니다.
jev가 이미지도 판단하나요?
아니요. jev는 텍스트와 JSON 상태만 입력으로 받습니다. 이미지가 필요한 판단은 생성(멀티모달) 모델에 맡기고, 그 경계를 코드로 나눕니다.
개발자가 아니어도 jev를 쓸 수 있나요?
네. 스킬 설치와 설정 파일 수정으로 첫 판정을 붙일 수 있습니다. 라우터 서비스는 완성된 저장소를 실행하고 수정하는 수준으로 따라 할 수 있습니다. 자세한 실습은 jev 특강에서 다룹니다.
온라인 3강 · 30,000원
jev 특강 — 결정은 jev, 생성은 아스트라
판정 게이트, Node 라우터 서비스, jev-ultrafast·openjev 로컬 재현까지. 실측 코드를 전부 드립니다.