대규모 언어 모델의 성능은 뛰어나지만, 높은 컴퓨팅 비용과 지연 시간, 개인 정보 위험 때문에 실제 환경에 널리 사용하기 어렵습니다. 도구 사용 및 다중 에이전트 협업과 같은 에이전트 패러다임을 활용하여 소형 모델의 약점을 보완하는 연구가 부족했습니다. 연구 결과, 단일 에이전트 시스템이 성능과 비용의 균형을 가장 잘 맞추며, 다중 에이전트 시스템은 오버헤드가 크고 이득이 제한적임을 확인했습니다.