지금까지 AI 에이전트의 비용 문제를 다룰 때는 대부분 output token 압축, 즉 에이전트가 얼마나 말을 줄이느냐에 초점이 맞춰져 있었습니다. Caveman 같은 도구가 대표적으로 설명을 줄여 output token을 평균 65% 압축하는 방식이었죠. 그런데 Ponytail은 접근 자체가 다릅니다. 코드를 어떻게 쓸지가 아니라, 코드를 쓸지 말지 자체를 판단합니다.
• AI 에이전트가 토큰을 낭비하는 건 말이 많아서만이 아니라 코드를 너무 많이 쓰기 때문
• Ponytail은 코드를 작성하기 전에 "이게 정말 필요한가"를 6단계 YAGNI ladder로 먼저 따짐
• 같은 태스크에서 코드량 86%·토큰 47% 감소, 3~6배 속도 향상 (3개 모델 벤치마크 기준)
• Claude Code, Codex, Cursor, Windsurf 등 11개 에이전트 환경 지원
• 단순화한 선택에는 반드시 upgrade path 코멘트를 남겨 기술 부채로 이어지지 않게 설계
https://github.com/DietrichGebert/ponytail