확장된 사고 기능으로 구축하기

확장된 사고는 Claude에게 복잡한 작업을 위한 향상된 추론 능력을 제공하며, 최종 답변을 제공하기 전에 단계별 사고 과정에 대한 다양한 수준의 투명성을 제공합니다.

지원 모델

확장된 사고는 다음 모델에서 지원됩니다:

Claude Opus 4 (claude-opus-4-20250514)
Claude Sonnet 4 (claude-sonnet-4-20250514)
Claude Sonnet 3.7 (claude-3-7-sonnet-20250219)

API 동작은 Claude 3.7과 Claude 4 모델 간에 차이가 있지만, API 형태는 정확히 동일합니다.

자세한 내용은 모델 버전 간 사고 차이점을 참조하세요.

확장된 사고 작동 방식

확장된 사고가 활성화되면 Claude는 내부 추론을 출력하는 thinking 콘텐츠 블록을 생성합니다. Claude는 최종 응답을 작성하기 전에 이 추론의 통찰력을 통합합니다.

API 응답에는 thinking 콘텐츠 블록과 이어서 text 콘텐츠 블록이 포함됩니다.

다음은 기본 응답 형식의 예시입니다:

{
  "content": [
    {
      "type": "thinking",
      "thinking": "Let me analyze this step by step...",
      "signature": "WaUjzkypQ2mUEVM36O2TxuC06KN8xyfbJwyem2dw3URve/op91XWHOEBLLqIOMfFG/UvLEczmEsUjavL...."
    },
    {
      "type": "text",
      "text": "Based on my analysis..."
    }
  ]
}

확장된 사고의 응답 형식에 대한 자세한 내용은 Messages API 참조를 참조하세요.

확장된 사고 사용 방법

다음은 Messages API에서 확장된 사고를 사용하는 예시입니다:

curl https://api.anthropic.com/v1/messages \
     --header "x-api-key: $ANTHROPIC_API_KEY" \
     --header "anthropic-version: 2023-06-01" \
     --header "content-type: application/json" \
     --data \
'{
    "model": "claude-sonnet-4-20250514",
    "max_tokens": 16000,
    "thinking": {
        "type": "enabled",
        "budget_tokens": 10000
    },
    "messages": [
        {
            "role": "user",
            "content": "Are there an infinite number of prime numbers such that n mod 4 == 3?"
        }
    ]
}'

확장된 사고를 활성화하려면 thinking 객체를 추가하고, thinking 매개변수를 enabled로 설정하고 budget_tokens를 확장된 사고를 위한 지정된 토큰 예산으로 설정하세요.

budget_tokens 매개변수는 Claude가 내부 추론 과정에 사용할 수 있는 최대 토큰 수를 결정합니다. Claude 4 모델에서 이 제한은 전체 사고 토큰에 적용되며 요약된 출력에는 적용되지 않습니다. 더 큰 예산은 복잡한 문제에 대해 더 철저한 분석을 가능하게 하여 응답 품질을 향상시킬 수 있지만, 특히 32k 이상의 범위에서는 Claude가 할당된 전체 예산을 사용하지 않을 수 있습니다.

budget_tokens는 max_tokens보다 작은 값으로 설정해야 합니다. 그러나 도구와 함께 인터리브된 사고를 사용할 때는 토큰 제한이 전체 컨텍스트 창(200k 토큰)이 되므로 이 제한을 초과할 수 있습니다.

요약된 사고

확장된 사고가 활성화되면 Claude 4 모델의 Messages API는 Claude의 전체 사고 과정의 요약을 반환합니다. 요약된 사고는 확장된 사고의 완전한 지능 이점을 제공하면서 오용을 방지합니다.

요약된 사고에 대한 몇 가지 중요한 고려 사항은 다음과 같습니다:

요약 토큰이 아닌 원래 요청에서 생성된 전체 사고 토큰에 대해 요금이 부과됩니다.
청구된 출력 토큰 수는 응답에서 볼 수 있는 토큰 수와 일치하지 않습니다.
사고 출력의 처음 몇 줄은 더 자세하며, 특히 프롬프트 엔지니어링 목적에 유용한 상세한 추론을 제공합니다.
Anthropic이 확장된 사고 기능을 개선하려고 함에 따라 요약 동작은 변경될 수 있습니다.
요약은 최소한의 지연 시간을 추가하여 스트리밍 가능한 사용자 경험과 Claude 3.7 모델에서 Claude 4 모델로의 쉬운 마이그레이션을 가능하게 하면서 Claude의 사고 과정의 핵심 아이디어를 보존합니다.
요약은 요청에서 대상으로 하는 모델과 다른 모델에 의해 처리됩니다. 사고 모델은 요약된 출력을 보지 않습니다.

Claude Sonnet 3.7은 계속해서 전체 사고 출력을 반환합니다.

Claude 4 모델의 전체 사고 출력에 접근해야 하는 드문 경우에는 영업팀에 문의하세요.

사고 스트리밍

서버 전송 이벤트(SSE)를 사용하여 확장된 사고 응답을 스트리밍할 수 있습니다.

스트리밍이 확장된 사고에 대해 활성화되면 thinking_delta 이벤트를 통해 사고 콘텐츠를 받게 됩니다.

Messages API를 통한 스트리밍에 대한 자세한 문서는 메시지 스트리밍을 참조하세요.

다음은 사고를 포함한 스트리밍을 처리하는 방법입니다:

curl https://api.anthropic.com/v1/messages \
     --header "x-api-key: $ANTHROPIC_API_KEY" \
     --header "anthropic-version: 2023-06-01" \
     --header "content-type: application/json" \
     --data \
'{
    "model": "claude-sonnet-4-20250514",
    "max_tokens": 16000,
    "stream": true,
    "thinking": {
        "type": "enabled",
        "budget_tokens": 10000
    },
    "messages": [
        {
            "role": "user",
            "content": "What is 27 * 453?"
        }
    ]
}'

스트리밍 출력 예시:

event: message_start
data: {"type": "message_start", "message": {"id": "msg_01...", "type": "message", "role": "assistant", "content": [], "model": "claude-sonnet-4-20250514", "stop_reason": null, "stop_sequence": null}}

event: content_block_start
data: {"type": "content_block_start", "index": 0, "content_block": {"type": "thinking", "thinking": ""}}

event: content_block_delta
data: {"type": "content_block_delta", "index": 0, "delta": {"type": "thinking_delta", "thinking": "Let me solve this step by step:\n\n1. First break down 27 * 453"}}

event: content_block_delta
data: {"type": "content_block_delta", "index": 0, "delta": {"type": "thinking_delta", "thinking": "\n2. 453 = 400 + 50 + 3"}}

// Additional thinking deltas...

event: content_block_delta
data: {"type": "content_block_delta", "index": 0, "delta": {"type": "signature_delta", "signature": "EqQBCgIYAhIM1gbcDa9GJwZA2b3hGgxBdjrkzLoky3dl1pkiMOYds..."}}

event: content_block_stop
data: {"type": "content_block_stop", "index": 0}

event: content_block_start
data: {"type": "content_block_start", "index": 1, "content_block": {"type": "text", "text": ""}}

event: content_block_delta
data: {"type": "content_block_delta", "index": 1, "delta": {"type": "text_delta", "text": "27 * 453 = 12,231"}}

// Additional text deltas...

event: content_block_stop
data: {"type": "content_block_stop", "index": 1}

event: message_delta
data: {"type": "message_delta", "delta": {"stop_reason": "end_turn", "stop_sequence": null}}

event: message_stop
data: {"type": "message_stop"}

사고가 활성화된 상태에서 스트리밍을 사용할 때, 텍스트가 때로는 더 큰 청크로 도착하고 때로는 토큰별로 작게 전달되는 것을 볼 수 있습니다. 이는 특히 사고 콘텐츠에서 예상되는 동작입니다.

스트리밍 시스템은 최적의 성능을 위해 콘텐츠를 배치로 처리해야 하므로 이러한 “덩어리” 전달 패턴이 발생할 수 있으며, 스트리밍 이벤트 사이에 지연이 발생할 수 있습니다. 우리는 이 경험을 지속적으로 개선하고 있으며, 향후 업데이트는 사고 콘텐츠가 더 원활하게 스트리밍되도록 하는 데 중점을 둘 것입니다.

도구 사용과 함께 확장된 사고

확장된 사고는 도구 사용과 함께 사용할 수 있어 Claude가 도구 선택과 결과 처리를 추론할 수 있습니다.

도구 사용과 함께 확장된 사고를 사용할 때 다음과 같은 제한 사항에 유의하세요:

도구 선택 제한: 사고가 있는 도구 사용은 tool_choice: any만 지원합니다(specific, auto 또는 다른 값은 지원하지 않음).
사고 블록 보존: 도구 사용 중에는 마지막 어시스턴트 메시지에 대한 thinking 블록을 API에 다시 전달해야 합니다. 추론 연속성을 유지하기 위해 수정되지 않은 완전한 블록을 API에 다시 포함시켜야 합니다.

예시: 도구 결과와 함께 사고 블록 전달하기

다음은 도구 결과를 제공할 때 사고 블록을 보존하는 방법을 보여주는 실용적인 예시입니다:

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

# First request - Claude responds with thinking and tool request
response = client.messages.create(
    model="claude-sonnet-4-20250514",
    max_tokens=16000,
    thinking={
        "type":  "enabled",
        "budget_tokens": 10000
    },
    tools=[weather_tool],
    messages=[
        {"role": "user", "content": "What's the weather in Paris?"}
    ]
)

API 응답에는 사고, 텍스트 및 도구 사용 블록이 포함됩니다:

{
    "content": [
        {
            "type": "thinking",
            "thinking": "The user wants to know the current weather in Paris. I have access to a function `get_weather`...",
            "signature": "BDaL4VrbR2Oj0hO4XpJxT28J5TILnCrrUXoKiiNBZW9P+nr8XSj1zuZzAl4egiCCpQNvfyUuFFJP5CncdYZEQPPmLxYsNrcs...."
        },
        {
            "type": "text",
            "text": "I can help you get the current weather information for Paris. Let me check that for you"
        },
        {
            "type": "tool_use",
            "id": "toolu_01CswdEQBMshySk6Y9DFKrfq",
            "name": "get_weather",
            "input": {
                "location": "Paris"
            }
        }
    ]
}

이제 대화를 계속하고 도구를 사용해 보겠습니다

# Extract thinking block and tool use block
thinking_block = next((block for block in response.content
                      if block.type == 'thinking'), None)
tool_use_block = next((block for block in response.content
                      if block.type == 'tool_use'), None)

# Call your actual weather API, here is where your actual API call would go
# let's pretend this is what we get back
weather_data = {"temperature": 88}

# Second request - Include thinking block and tool result
# No new thinking blocks will be generated in the response
continuation = client.messages.create(
    model="claude-sonnet-4-20250514",
    max_tokens=16000,
    thinking={
        "type": "enabled",
        "budget_tokens": 10000
    },
    tools=[weather_tool],
    messages=[
        {"role": "user", "content": "What's the weather in Paris?"},
        # notice that the thinking_block is passed in as well as the tool_use_block
        # if this is not passed in, an error is raised
        {"role": "assistant", "content": [thinking_block, tool_use_block]},
        {"role": "user", "content": [{
            "type": "tool_result",
            "tool_use_id": tool_use_block.id,
            "content": f"Current temperature: {weather_data['temperature']}°F"
        }]}
    ]
)

이제 API 응답에는 텍스트만 포함됩니다

{
    "content": [
        {
            "type": "text",
            "text": "Currently in Paris, the temperature is 88°F (31°C)"
        }
    ]
}

사고 블록 보존하기

도구 사용 중에는 thinking 블록을 API에 다시 전달해야 하며, 수정되지 않은 완전한 블록을 API에 다시 포함시켜야 합니다. 이는 모델의 추론 흐름과 대화 무결성을 유지하는 데 중요합니다.

이전 assistant 역할 턴에서 thinking 블록을 생략할 수 있지만, 다중 턴 대화에서는 항상 모든 사고 블록을 API에 다시 전달하는 것이 좋습니다. API는:

제공된 사고 블록을 자동으로 필터링합니다
모델의 추론을 보존하는 데 필요한 관련 사고 블록을 사용합니다
Claude에 표시된 블록에 대한 입력 토큰에 대해서만 요금을 청구합니다

Claude가 도구를 호출할 때, 외부 정보를 기다리기 위해 응답 구성을 일시 중지합니다. 도구 결과가 반환되면 Claude는 기존 응답 구성을 계속합니다. 이는 다음과 같은 이유로 도구 사용 중에 사고 블록을 보존해야 합니다:

추론 연속성: 사고 블록은 도구 요청으로 이어진 Claude의 단계별 추론을 캡처합니다. 도구 결과를 게시할 때 원래 사고를 포함하면 Claude가 중단된 지점에서 추론을 계속할 수 있습니다.
컨텍스트 유지: 도구 결과는 API 구조에서 사용자 메시지로 나타나지만, 이는 연속적인 추론 흐름의 일부입니다. 사고 블록을 보존하면 여러 API 호출에 걸쳐 이 개념적 흐름이 유지됩니다. 컨텍스트 관리에 대한 자세한 내용은 컨텍스트 창 가이드를 참조하세요.

중요: thinking 블록을 제공할 때, 연속적인 thinking 블록의 전체 시퀀스는 원래 요청 중에 모델이 생성한 출력과 일치해야 합니다. 이러한 블록의 시퀀스를 재배열하거나 수정할 수 없습니다.

인터리브된 사고

Claude 4 모델에서 도구 사용과 함께 확장된 사고는 인터리브된 사고를 지원하며, 이를 통해 Claude는 도구 호출 사이에 생각하고 도구 결과를 받은 후 더 정교한 추론을 할 수 있습니다.

인터리브된 사고를 통해 Claude는 다음을 수행할 수 있습니다:

다음에 무엇을 할지 결정하기 전에 도구 호출 결과에 대해 추론
여러 도구 호출을 중간 추론 단계와 함께 연결
중간 결과를 기반으로 더 미묘한 결정 내리기

인터리브된 사고를 활성화하려면 API 요청에 베타 헤더 interleaved-thinking-2025-05-14를 추가하세요.

인터리브된 사고는 Messages API를 통해 사용되는 도구에서만 지원됩니다.

인터리브된 사고를 사용하면 budget_tokens가 max_tokens 매개변수를 초과할 수 있습니다. 이는 하나의 어시스턴트 턴 내에서 모든 사고 블록에 걸친 총 예산을 나타내기 때문입니다.

인터리브된 사고 없는 도구 사용

import anthropic

client = anthropic.Anthropic()

# Define tools
calculator_tool = {
    "name": "calculator",
    "description": "Perform mathematical calculations",
    "input_schema": {
        "type": "object",
        "properties": {
            "expression": {
                "type": "string",
                "description": "Mathematical expression to evaluate"
            }
        },
        "required": ["expression"]
    }
}

database_tool = {
    "name": "database_query",
    "description": "Query product database",
    "input_schema": {
        "type": "object",
        "properties": {
            "query": {
                "type": "string",
                "description": "SQL query to execute"
            }
        },
        "required": ["query"]
    }
}

# First request - Claude thinks once before all tool calls
response = client.messages.create(
    model="claude-sonnet-4-20250514",
    max_tokens=16000,
    thinking={
        "type": "enabled",
        "budget_tokens": 10000
    },
    tools=[calculator_tool, database_tool],
    messages=[{
        "role": "user",
        "content": "What's the total revenue if we sold 150 units of product A at $50 each, and how does this compare to our average monthly revenue from the database?"
    }]
)

# Response includes thinking followed by tool uses
# Note: Claude thinks once at the beginning, then makes all tool decisions
print("First response:")
for block in response.content:
    if block.type == "thinking":
        print(f"Thinking (summarized): {block.thinking}")
    elif block.type == "tool_use":
        print(f"Tool use: {block.name} with input {block.input}")
    elif block.type == "text":
        print(f"Text: {block.text}")

# You would execute the tools and return results...
# After getting both tool results back, Claude directly responds without additional thinking

인터리브된 사고가 없는 이 예시에서:

Claude는 처음에 한 번 작업을 이해하기 위해 생각합니다
모든 도구 사용 결정을 미리 내립니다
도구 결과가 반환되면 Claude는 추가 사고 없이 즉시 응답을 제공합니다

인터리브된 사고를 사용한 도구 사용

import anthropic

client = anthropic.Anthropic()

# Same tool definitions as before
calculator_tool = {
    "name": "calculator",
    "description": "Perform mathematical calculations",
    "input_schema": {
        "type": "object",
        "properties": {
            "expression": {
                "type": "string",
                "description": "Mathematical expression to evaluate"
            }
        },
        "required": ["expression"]
    }
}

database_tool = {
    "name": "database_query",
    "description": "Query product database",
    "input_schema": {
        "type": "object",
        "properties": {
            "query": {
                "type": "string",
                "description": "SQL query to execute"
            }
        },
        "required": ["query"]
    }
}

# First request with interleaved thinking enabled
response = client.messages.create(
    model="claude-sonnet-4-20250514",
    max_tokens=16000,
    thinking={
        "type": "enabled",
        "budget_tokens": 10000
    },
    tools=[calculator_tool, database_tool],
    # Enable interleaved thinking with beta header
    extra_headers={
        "anthropic-beta": "interleaved-thinking-2025-05-14"
    },
    messages=[{
        "role": "user",
        "content": "What's the total revenue if we sold 150 units of product A at $50 each, and how does this compare to our average monthly revenue from the database?"
    }]
)

print("Initial response:")
thinking_blocks = []
tool_use_blocks = []

for block in response.content:
    if block.type == "thinking":
        thinking_blocks.append(block)
        print(f"Thinking: {block.thinking}")
    elif block.type == "tool_use":
        tool_use_blocks.append(block)
        print(f"Tool use: {block.name} with input {block.input}")
    elif block.type == "text":
        print(f"Text: {block.text}")

# First tool result (calculator)
calculator_result = "7500"  # 150 * 50

# Continue with first tool result
response2 = client.messages.create(
    model="claude-sonnet-4-20250514",
    max_tokens=16000,
    thinking={
        "type": "enabled",
        "budget_tokens": 10000
    },
    tools=[calculator_tool, database_tool],
    extra_headers={
        "anthropic-beta": "interleaved-thinking-2025-05-14"
    },
    messages=[
        {
            "role": "user",
            "content": "What's the total revenue if we sold 150 units of product A at $50 each, and how does this compare to our average monthly revenue from the database?"
        },
        {
            "role": "assistant",
            "content": [thinking_blocks[0], tool_use_blocks[0]]
        },
        {
            "role": "user",
            "content": [{
                "type": "tool_result",
                "tool_use_id": tool_use_blocks[0].id,
                "content": calculator_result
            }]
        }
    ]
)

print("\nAfter calculator result:")
# With interleaved thinking, Claude can think about the calculator result
# before deciding to query the database
for block in response2.content:
    if block.type == "thinking":
        thinking_blocks.append(block)
        print(f"Interleaved thinking: {block.thinking}")
    elif block.type == "tool_use":
        tool_use_blocks.append(block)
        print(f"Tool use: {block.name} with input {block.input}")

# Second tool result (database)
database_result = "5200"  # Example average monthly revenue

# Continue with second tool result
response3 = client.messages.create(
    model="claude-sonnet-4-20250514",
    max_tokens=16000,
    thinking={
        "type": "enabled",
        "budget_tokens": 10000
    },
    tools=[calculator_tool, database_tool],
    extra_headers={
        "anthropic-beta": "interleaved-thinking-2025-05-14"
    },
    messages=[
        {
            "role": "user",
            "content": "What's the total revenue if we sold 150 units of product A at $50 each, and how does this compare to our average monthly revenue from the database?"
        },
        {
            "role": "assistant",
            "content": [thinking_blocks[0], tool_use_blocks[0]]
        },
        {
            "role": "user",
            "content": [{
                "type": "tool_result",
                "tool_use_id": tool_use_blocks[0].id,
                "content": calculator_result
            }]
        },
        {
            "role": "assistant",
            "content": thinking_blocks[1:] + tool_use_blocks[1:]
        },
        {
            "role": "user",
            "content": [{
                "type": "tool_result",
                "tool_use_id": tool_use_blocks[1].id,
                "content": database_result
            }]
        }
    ]
)

print("\nAfter database result:")
# With interleaved thinking, Claude can think about both results
# before formulating the final response
for block in response3.content:
    if block.type == "thinking":
        print(f"Final thinking: {block.thinking}")
    elif block.type == "text":
        print(f"Final response: {block.text}")

인터리브된 사고를 사용한 이 예시에서:

Claude는 처음에 작업에 대해 생각합니다
계산기 결과를 받은 후, Claude는 그 결과가 의미하는 바에 대해 다시 생각할 수 있습니다
그런 다음 Claude는 첫 번째 결과를 기반으로 데이터베이스를 어떻게 쿼리할지 결정합니다
데이터베이스 결과를 받은 후, Claude는 최종 응답을 작성하기 전에 두 결과에 대해 한 번 더 생각합니다
사고 예산은 턴 내의 모든 사고 블록에 분배됩니다

이 패턴은 각 도구의 출력이 다음 결정에 영향을 미치는 더 정교한 추론 체인을 가능하게 합니다.

프롬프트 캐싱과 확장된 사고

사고가 있는 프롬프트 캐싱에는 몇 가지 중요한 고려 사항이 있습니다:

사고 블록 컨텍스트 제거

이전 턴의 사고 블록은 컨텍스트에서 제거되며, 이는 캐시 중단점에 영향을 줄 수 있습니다
도구 사용으로 대화를 계속할 때, 사고 블록은 캐시되고 캐시에서 읽을 때 입력 토큰으로 계산됩니다
이는 트레이드오프를 만듭니다: 사고 블록이 시각적으로 컨텍스트 창 공간을 소비하지 않지만, 캐시될 때 여전히 입력 토큰 사용량에 포함됩니다
사고가 비활성화되면, 현재 도구 사용 턴에 사고 콘텐츠를 전달하는 경우 요청이 실패합니다. 다른 컨텍스트에서는 API에 전달된 사고 콘텐츠가 단순히 무시됩니다

캐시 무효화 패턴

사고 매개변수 변경(활성화/비활성화 또는 예산 할당)은 메시지 캐시 중단점을 무효화합니다
인터리브된 사고는 여러 도구 호출 사이에 사고 블록이 발생할 수 있으므로 캐시 무효화를 증폭시킵니다
시스템 프롬프트와 도구는 사고 매개변수 변경이나 블록 제거에도 불구하고 캐시된 상태로 유지됩니다

사고 블록은 캐싱 및 컨텍스트 계산을 위해 제거되지만, 도구 사용으로 대화를 계속할 때, 특히 인터리브된 사고를 사용할 때는 보존해야 합니다.

사고 블록 캐싱 동작 이해하기

도구 사용과 함께 확장된 사고를 사용할 때, 사고 블록은 토큰 계산에 영향을 미치는 특정 캐싱 동작을 보입니다:

작동 방식:

캐싱은 도구 결과를 포함하는 후속 요청을 할 때만 발생합니다
후속 요청이 이루어지면 이전 대화 기록(사고 블록 포함)이 캐시될 수 있습니다
이러한 캐시된 사고 블록은 캐시에서 읽을 때 사용량 지표에서 입력 토큰으로 계산됩니다
도구 결과가 아닌 사용자 블록이 포함되면 이전의 모든 사고 블록은 무시되고 컨텍스트에서 제거됩니다

자세한 예시 흐름:

요청 1:

User: "What's the weather in Paris?"

응답 1:

[thinking_block_1] + [tool_use block 1]

요청 2:

User: ["What's the weather in Paris?"], 
Assistant: [thinking_block_1] + [tool_use block 1], 
User: [tool_result_1, cache=True]

응답 2:

[thinking_block_2] + [text block 2]

요청 2는 요청 콘텐츠(응답이 아님)의 캐시를 작성합니다. 캐시에는 원래 사용자 메시지, 첫 번째 사고 블록, 도구 사용 블록 및 도구 결과가 포함됩니다.

요청 3:

User: ["What's the weather in Paris?"], 
Assistant: [thinking_block_1] + [tool_use block 1], 
User: [tool_result_1, cache=True], 
Assistant: [thinking_block_2] + [text block 2], 
User: [Text response, cache=True]

도구 결과가 아닌 사용자 블록이 포함되었기 때문에 이전의 모든 사고 블록은 무시됩니다. 이 요청은 다음과 같이 처리됩니다:

User: ["What's the weather in Paris?"], 
Assistant: [tool_use block 1], 
User: [tool_result_1, cache=True], 
Assistant: [text block 2], 
User: [Text response, cache=True]

주요 사항:

이 캐싱 동작은 명시적인 cache_control 마커 없이도 자동으로 발생합니다
이 동작은 일반 사고나 인터리브된 사고를 사용하든 일관됩니다

시스템 프롬프트 캐싱(사고가 변경되어도 보존됨)

from anthropic import Anthropic
import requests
from bs4 import BeautifulSoup

client = Anthropic()

def fetch_article_content(url):
    response = requests.get(url)
    soup = BeautifulSoup(response.content, 'html.parser')

    # Remove script and style elements
    for script in soup(["script", "style"]):
        script.decompose()

    # Get text
    text = soup.get_text()

    # Break into lines and remove leading and trailing space on each
    lines = (line.strip() for line in text.splitlines())
    # Break multi-headlines into a line each
    chunks = (phrase.strip() for line in lines for phrase in line.split("  "))
    # Drop blank lines
    text = '\n'.join(chunk for chunk in chunks if chunk)

    return text

# Fetch the content of the article
book_url = "https://www.gutenberg.org/cache/epub/1342/pg1342.txt"
book_content = fetch_article_content(book_url)
# Use just enough text for caching (first few chapters)
LARGE_TEXT = book_content[:5000]

SYSTEM_PROMPT=[
    {
        "type": "text",
        "text": "You are an AI assistant that is tasked with literary analysis. Analyze the following text carefully.",
    },
    {
        "type": "text",
        "text": LARGE_TEXT,
        "cache_control": {"type": "ephemeral"}
    }
]

MESSAGES = [
    {
        "role": "user",
        "content": "Analyze the tone of this passage."
    }
]

# First request - establish cache
print("First request - establishing cache")
response1 = client.messages.create(
    model="claude-sonnet-4-20250514",
    max_tokens=20000,
    thinking={
        "type": "enabled",
        "budget_tokens": 4000
    },
    system=SYSTEM_PROMPT,
    messages=MESSAGES
)

print(f"First response usage: {response1.usage}")

MESSAGES.append({
    "role": "assistant",
    "content": response1.content
})
MESSAGES.append({
    "role": "user",
    "content": "Analyze the characters in this passage."
})
# Second request - same thinking parameters (cache hit expected)
print("\nSecond request - same thinking parameters (cache hit expected)")
response2 = client.messages.create(
    model="claude-sonnet-4-20250514",
    max_tokens=20000,
    thinking={
        "type": "enabled",
        "budget_tokens": 4000
    },
    system=SYSTEM_PROMPT,
    messages=MESSAGES
)

print(f"Second response usage: {response2.usage}")

# Third request - different thinking parameters (cache miss for messages)
print("\nThird request - different thinking parameters (cache miss for messages)")
response3 = client.messages.create(
    model="claude-sonnet-4-20250514",
    max_tokens=20000,
    thinking={
        "type": "enabled",
        "budget_tokens": 8000  # Changed thinking budget
    },
    system=SYSTEM_PROMPT,  # System prompt remains cached
    messages=MESSAGES  # Messages cache is invalidated
)

print(f"Third response usage: {response3.usage}")

메시지 캐싱(사고가 변경되면 무효화됨)

from anthropic import Anthropic
import requests
from bs4 import BeautifulSoup

client = Anthropic()

def fetch_article_content(url):
    response = requests.get(url)
    soup = BeautifulSoup(response.content, 'html.parser')

    # Remove script and style elements
    for script in soup(["script", "style"]):
        script.decompose()

    # Get text
    text = soup.get_text()

    # Break into lines and remove leading and trailing space on each
    lines = (line.strip() for line in text.splitlines())
    # Break multi-headlines into a line each
    chunks = (phrase.strip() for line in lines for phrase in line.split("  "))
    # Drop blank lines
    text = '\n'.join(chunk for chunk in chunks if chunk)

    return text

# Fetch the content of the article
book_url = "https://www.gutenberg.org/cache/epub/1342/pg1342.txt"
book_content = fetch_article_content(book_url)
# Use just enough text for caching (first few chapters)
LARGE_TEXT = book_content[:5000]

# No system prompt - caching in messages instead
MESSAGES = [
    {
        "role": "user",
        "content": [
            {
                "type": "text",
                "text": LARGE_TEXT,
                "cache_control": {"type": "ephemeral"},
            },
            {
                "type": "text",
                "text": "Analyze the tone of this passage."
            }
        ]
    }
]

# First request - establish cache
print("First request - establishing cache")
response1 = client.messages.create(
    model="claude-sonnet-4-20250514",
    max_tokens=20000,
    thinking={
        "type": "enabled",
        "budget_tokens": 4000
    },
    messages=MESSAGES
)

print(f"First response usage: {response1.usage}")

MESSAGES.append({
    "role": "assistant",
    "content": response1.content
})
MESSAGES.append({
    "role": "user",
    "content": "Analyze the characters in this passage."
})
# Second request - same thinking parameters (cache hit expected)
print("\nSecond request - same thinking parameters (cache hit expected)")
response2 = client.messages.create(
    model="claude-sonnet-4-20250514",
    max_tokens=20000,
    thinking={
        "type": "enabled",
        "budget_tokens": 4000  # Same thinking budget
    },
    messages=MESSAGES
)

print(f"Second response usage: {response2.usage}")

MESSAGES.append({
    "role": "assistant",
    "content": response2.content
})
MESSAGES.append({
    "role": "user",
    "content": "Analyze the setting in this passage."
})

# Third request - different thinking budget (cache miss expected)
print("\nThird request - different thinking budget (cache miss expected)")
response3 = client.messages.create(
    model="claude-sonnet-4-20250514",
    max_tokens=20000,
    thinking={
        "type": "enabled",
        "budget_tokens": 8000  # Different thinking budget breaks cache
    },
    messages=MESSAGES
)

print(f"Third response usage: {response3.usage}")

다음은 스크립트의 출력입니다(약간 다른 숫자가 표시될 수 있음)

First request - establishing cache
First response usage: { cache_creation_input_tokens: 1370, cache_read_input_tokens: 0, input_tokens: 17, output_tokens: 700 }

Second request - same thinking parameters (cache hit expected)

Second response usage: { cache_creation_input_tokens: 0, cache_read_input_tokens: 1370, input_tokens: 303, output_tokens: 874 }

Third request - different thinking budget (cache miss expected)
Third response usage: { cache_creation_input_tokens: 1370, cache_read_input_tokens: 0, input_tokens: 747, output_tokens: 619 }

이 예시는 메시지 배열에 캐싱이 설정되어 있을 때 사고 매개변수를 변경하면(budget_tokens가 4000에서 8000으로 증가) 캐시가 무효화된다는 것을 보여줍니다. 세 번째 요청은 cache_creation_input_tokens=1370과 cache_read_input_tokens=0으로 캐시 히트가 없음을 보여주며, 이는 메시지 기반 캐싱이 사고 매개변수가 변경될 때 무효화된다는 것을 증명합니다.

확장된 사고를 사용한 최대 토큰 및 컨텍스트 창 크기

이전 Claude 모델(Claude Sonnet 3.7 이전)에서는 프롬프트 토큰과 max_tokens의 합이 모델의 컨텍스트 창을 초과하면 시스템이 자동으로 max_tokens를 컨텍스트 제한 내에 맞게 조정했습니다. 이는 큰 max_tokens 값을 설정하면 시스템이 필요에 따라 자동으로 이를 줄인다는 의미였습니다.

Claude 3.7 및 4 모델에서는 max_tokens(사고가 활성화된 경우 사고 예산 포함)가 엄격한 제한으로 적용됩니다. 이제 프롬프트 토큰 + max_tokens가 컨텍스트 창 크기를 초과하면 시스템은 유효성 검사 오류를 반환합니다.

더 자세한 내용은 컨텍스트 창 가이드를 참조하세요.

확장된 사고를 사용한 컨텍스트 창

사고가 활성화된 상태에서 컨텍스트 창 사용량을 계산할 때 알아야 할 몇 가지 고려 사항이 있습니다:

이전 턴의 사고 블록은 제거되고 컨텍스트 창에 포함되지 않습니다
현재 턴의 사고는 해당 턴의 max_tokens 제한에 포함됩니다

아래 다이어그램은 확장된 사고가 활성화되었을 때의 특수한 토큰 관리를 보여줍니다:

유효 컨텍스트 창은 다음과 같이 계산됩니다:

context window =
  (current input tokens - previous thinking tokens) +
  (thinking tokens + encrypted thinking tokens + text output tokens)

특히 사고를 포함하는 다중 턴 대화를 다룰 때 정확한 토큰 수를 얻으려면 토큰 계산 API를 사용하는 것이 좋습니다.

확장된 사고와 도구 사용을 위한 컨텍스트 창

도구 사용과 함께 확장된 사고를 사용할 때, 사고 블록은 명시적으로 보존되어 도구 결과와 함께 반환되어야 합니다.

도구 사용과 함께 확장된 사고를 위한 유효 컨텍스트 창 계산은 다음과 같습니다:

context window =
  (current input tokens + previous thinking tokens + tool use tokens) +
  (thinking tokens + encrypted thinking tokens + text output tokens)

아래 다이어그램은 도구 사용과 함께 확장된 사고를 위한 토큰 관리를 보여줍니다:

확장된 사고를 사용한 토큰 관리

확장된 사고를 사용한 Claude 3.7 및 4 모델의 컨텍스트 창 및 max_tokens 동작을 고려할 때, 다음과 같은 작업이 필요할 수 있습니다:

토큰 사용량을 더 적극적으로 모니터링하고 관리
프롬프트 길이가 변경됨에 따라 max_tokens 값 조정
잠재적으로 토큰 계산 엔드포인트를 더 자주 사용
이전 사고 블록이 컨텍스트 창에 누적되지 않는다는 점을 인식

이 변경은 특히 최대 토큰 제한이 크게 증가함에 따라 더 예측 가능하고 투명한 동작을 제공하기 위해 이루어졌습니다.

사고 암호화

전체 사고 내용은 암호화되어 signature 필드에 반환됩니다. 이 필드는 사고 블록이 API에 다시 전달될 때 Claude에 의해 생성되었는지 확인하는 데 사용됩니다. 응답 스트리밍 시, 서명은 content_block_stop 이벤트 직전에 content_block_delta 이벤트 내의 signature_delta를 통해 추가됩니다.

서명 필드는 이전 모델보다 상당히 길어질 것입니다. 이는 불투명한 필드이며 해석하거나 구문 분석해서는 안 됩니다. 이는 오직 확인 목적으로만 존재합니다.

도구와 함께 확장된 사고를 사용할 때만 사고 블록을 다시 보내는 것이 엄격히 필요합니다. 그렇지 않으면 이전 턴의 사고 블록을 생략하거나, 다시 전달하는 경우 API가 이를 제거하도록 할 수 있습니다.

사고 블록을 다시 보낼 때는 일관성을 유지하고 잠재적인 문제를 방지하기 위해 받은 그대로 모든 것을 다시 전달하는 것이 좋습니다.

사고 편집

때때로 Claude의 내부 추론이 안전 시스템에 의해 플래그가 지정될 수 있습니다. 이 경우, 우리는 thinking 블록의 일부 또는 전체를 암호화하고 redacted_thinking 블록으로 반환합니다. redacted_thinking 블록은 API에 다시 전달될 때 복호화되어 Claude가 컨텍스트를 잃지 않고 응답을 계속할 수 있게 합니다.

확장된 사고를 사용하는 고객 대면 애플리케이션을 구축할 때:

편집된 사고 블록에는 사람이 읽을 수 없는 암호화된 콘텐츠가 포함되어 있다는 점을 인식하세요
“Claude의 일부 내부 추론이 안전상의 이유로 자동으로 암호화되었습니다. 이는 응답의 품질에 영향을 미치지 않습니다.”와 같은 간단한 설명을 제공하는 것을 고려하세요
사용자에게 사고 블록을 보여줄 때, 일반 사고 블록은 유지하면서 편집된 블록을 필터링할 수 있습니다
확장된 사고 기능을 사용하면 때때로 일부 추론이 암호화될 수 있다는 점을 투명하게 공개하세요
UI를 깨지 않고 편집된 사고를 우아하게 관리하기 위한 적절한 오류 처리를 구현하세요

다음은 일반 및 편집된 사고 블록을 모두 보여주는 예시입니다:

{
  "content": [
    {
      "type": "thinking",
      "thinking": "Let me analyze this step by step...",
      "signature": "WaUjzkypQ2mUEVM36O2TxuC06KN8xyfbJwyem2dw3URve/op91XWHOEBLLqIOMfFG/UvLEczmEsUjavL...."
    },
    {
      "type": "redacted_thinking",
      "data": "EmwKAhgBEgy3va3pzix/LafPsn4aDFIT2Xlxh0L5L8rLVyIwxtE3rAFBa8cr3qpPkNRj2YfWXGmKDxH4mPnZ5sQ7vB9URj2pLmN3kF8/dW5hR7xJ0aP1oLs9yTcMnKVf2wRpEGjH9XZaBt4UvDcPrQ..."
    },
    {
      "type": "text",
      "text": "Based on my analysis..."
    }
  ]
}

출력에서 편집된 사고 블록을 보는 것은 예상된 동작입니다. 모델은 안전 가드레일을 유지하면서 이 편집된 추론을 사용하여 응답을 제공할 수 있습니다.

애플리케이션에서 편집된 사고 처리를 테스트해야 하는 경우, 다음 특수 테스트 문자열을 프롬프트로 사용할 수 있습니다: ANTHROPIC_MAGIC_STRING_TRIGGER_REDACTED_THINKING_46C9A13E193C177646C7398A98432ECCCE4C1253D5E2D82641AC0E52CC2876CB

다중 턴 대화에서 API에 thinking 및 redacted_thinking 블록을 다시 전달할 때, 마지막 어시스턴트 턴에 대해 수정되지 않은 완전한 블록을 API에 다시 포함시켜야 합니다. 이는 모델의 추론 흐름을 유지하는 데 중요합니다. 항상 모든 사고 블록을 API에 다시 전달하는 것이 좋습니다. 자세한 내용은 위의 사고 블록 보존하기 섹션을 참조하세요.

예시: 편집된 사고 블록 작업하기

이 예시는 Claude의 내부 추론에 안전 시스템에 의해 플래그가 지정된 콘텐츠가 포함되어 있을 때 나타날 수 있는 redacted_thinking 블록을 처리하는 방법을 보여줍니다:

import anthropic

client = anthropic.Anthropic()

# Using a special prompt that triggers redacted thinking (for demonstration purposes only)
response = client.messages.create(
    model="claude-3-7-sonnet-20250219",
    max_tokens=16000,
    thinking={
        "type": "enabled",
        "budget_tokens": 10000
    },
    messages=[{
        "role": "user",
        "content": "ANTHROPIC_MAGIC_STRING_TRIGGER_REDACTED_THINKING_46C9A13E193C177646C7398A98432ECCCE4C1253D5E2D82641AC0E52CC2876CB"
    }]
)

# Identify redacted thinking blocks
has_redacted_thinking = any(
    block.type == "redacted_thinking" for block in response.content
)

if has_redacted_thinking:
    print("Response contains redacted thinking blocks")
    # These blocks are still usable in subsequent requests

    # Extract all blocks (both redacted and non-redacted)
    all_thinking_blocks = [
        block for block in response.content
        if block.type in ["thinking", "redacted_thinking"]
    ]

    # When passing to subsequent requests, include all blocks without modification
    # This preserves the integrity of Claude's reasoning

    print(f"Found {len(all_thinking_blocks)} thinking blocks total")
    print(f"These blocks are still billable as output tokens")

모델 버전 간 사고 차이점

Messages API는 Claude Sonnet 3.7과 Claude 4 모델 간에 사고를 다르게 처리하며, 주로 편집 및 요약 동작에서 차이가 있습니다.

아래 표는 간결한 비교를 제공합니다:

기능	Claude Sonnet 3.7	Claude 4 모델
사고 출력	전체 사고 출력 반환	요약된 사고 반환
인터리브된 사고	지원되지 않음	`interleaved-thinking-2025-05-14` 베타 헤더로 지원됨

가격 책정

확장된 사고는 표준 토큰 가격 체계를 사용합니다:

모델	기본 입력 토큰	캐시 쓰기	캐시 히트	출력 토큰
Claude Opus 4	$15 / MTok	$18.75 / MTok	$1.50 / MTok	$75 / MTok
Claude Sonnet 4	$3 / MTok	$3.75 / MTok	$0.30 / MTok	$15 / MTok
Claude Sonnet 3.7	$3 / MTok	$3.75 / MTok	$0.30 / MTok	$15 / MTok

사고 프로세스는 다음에 대한 요금이 부과됩니다:

사고 중에 사용된 토큰(출력 토큰)
후속 요청에 포함된 마지막 어시스턴트 턴의 사고 블록(입력 토큰)
표준 텍스트 출력 토큰

확장된 사고가 활성화되면 이 기능을 지원하기 위해 특수한 시스템 프롬프트가 자동으로 포함됩니다.

요약된 사고를 사용할 때:

입력 토큰: 원래 요청의 토큰(이전 턴의 사고 토큰 제외)
출력 토큰(청구됨): Claude가 내부적으로 생성한 원래 사고 토큰
출력 토큰(표시됨): 응답에서 볼 수 있는 요약된 사고 토큰
요금 없음: 요약을 생성하는 데 사용된 토큰

청구된 출력 토큰 수는 응답에서 볼 수 있는 토큰 수와 일치하지 않습니다. 보이는 요약이 아닌 전체 사고 프로세스에 대해 요금이 부과됩니다.

확장된 사고를 위한 모범 사례 및 고려 사항

사고 예산 작업하기

예산 최적화: 최소 예산은 1,024 토큰입니다. 사용 사례에 맞는 최적의 범위를 찾기 위해 최소값에서 시작하여 사고 예산을 점진적으로 늘리는 것이 좋습니다. 더 높은 토큰 수는 작업에 따라 수익이 감소하지만 더 포괄적인 추론을 가능하게 합니다. 예산을 늘리면 지연 시간이 증가하는 대신 응답 품질이 향상될 수 있습니다. 중요한 작업의 경우, 최적의 균형을 찾기 위해 다양한 설정을 테스트하세요. 사고 예산은 엄격한 제한이 아닌 목표이며, 실제 토큰 사용량은 작업에 따라 달라질 수 있습니다.
시작점: 복잡한 작업에는 더 큰 사고 예산(16k+ 토큰)으로 시작하고 필요에 따라 조정하세요.
큰 예산: 32k 이상의 사고 예산의 경우, 네트워킹 문제를 방지하기 위해 배치 처리를 사용하는 것이 좋습니다. 모델이 32k 토큰 이상 생각하도록 하는 요청은 시스템 시간 초과 및 열린 연결 제한에 부딪힐 수 있는 장기 실행 요청을 발생시킵니다.
토큰 사용량 추적: 비용과 성능을 최적화하기 위해 사고 토큰 사용량을 모니터링하세요.

성능 고려 사항

응답 시간: 추론 프로세스에 필요한 추가 처리로 인해 잠재적으로 더 긴 응답 시간에 대비하세요. 사고 블록 생성이 전체 응답 시간을 증가시킬 수 있다는 점을 고려하세요.
스트리밍 요구 사항: max_tokens가 21,333보다 큰 경우 스트리밍이 필요합니다. 스트리밍할 때, 도착하는 사고 및 텍스트 콘텐츠 블록을 모두 처리할 준비를 하세요.

기능 호환성

사고는 temperature 또는 top_k 수정 및 강제 도구 사용과 호환되지 않습니다.
사고가 활성화되면 top_p를 1에서 0.95 사이의 값으로 설정할 수 있습니다.
사고가 활성화된 경우 응답을 미리 채울 수 없습니다.
사고 예산 변경은 메시지를 포함하는 캐시된 프롬프트 접두사를 무효화합니다. 그러나 캐시된 시스템 프롬프트와 도구 정의는 사고 매개변수가 변경되어도 계속 작동합니다.

사용 지침

작업 선택: 수학, 코딩, 분석과 같이 단계별 추론이 필요한 특히 복잡한 작업에 확장된 사고를 사용하세요.
컨텍스트 처리: 이전 사고 블록을 직접 제거할 필요가 없습니다. Anthropic API는 이전 턴의 사고 블록을 자동으로 무시하며 컨텍스트 사용량을 계산할 때 포함되지 않습니다.
프롬프트 엔지니어링: Claude의 사고 능력을 최대화하려면 확장된 사고 프롬프팅 팁을 검토하세요.

다음 단계

확장된 사고 쿡북 시도하기

쿡북에서 사고의 실용적인 예시를 탐색하세요.

확장된 사고 프롬프팅 팁

확장된 사고를 위한 프롬프트 엔지니어링 모범 사례를 배우세요.

프롬프트 캐싱 스트리밍 메시지

On this page

지원 모델
확장된 사고 작동 방식
확장된 사고 사용 방법
요약된 사고
사고 스트리밍
도구 사용과 함께 확장된 사고
사고 블록 보존하기
인터리브된 사고
프롬프트 캐싱과 확장된 사고
사고 블록 캐싱 동작 이해하기
확장된 사고를 사용한 최대 토큰 및 컨텍스트 창 크기
확장된 사고를 사용한 컨텍스트 창
확장된 사고와 도구 사용을 위한 컨텍스트 창
확장된 사고를 사용한 토큰 관리
사고 암호화
사고 편집
모델 버전 간 사고 차이점
가격 책정
확장된 사고를 위한 모범 사례 및 고려 사항
사고 예산 작업하기
성능 고려 사항
기능 호환성
사용 지침
다음 단계

처음 시작하기

모델 및 가격

Claude 알아보기

기능

도구

모델 컨텍스트 프로토콜 (MCP)

사용 사례

프롬프트 엔지니어링

테스트 및 평가

가드레일 강화

법무 센터

확장된 사고 기능으로 구축하기

지원 모델

확장된 사고 작동 방식

확장된 사고 사용 방법

요약된 사고

사고 스트리밍

도구 사용과 함께 확장된 사고

사고 블록 보존하기

인터리브된 사고

프롬프트 캐싱과 확장된 사고

사고 블록 캐싱 동작 이해하기

확장된 사고를 사용한 최대 토큰 및 컨텍스트 창 크기

확장된 사고를 사용한 컨텍스트 창

확장된 사고와 도구 사용을 위한 컨텍스트 창

확장된 사고를 사용한 토큰 관리

사고 암호화

사고 편집

모델 버전 간 사고 차이점

가격 책정

확장된 사고를 위한 모범 사례 및 고려 사항

사고 예산 작업하기

성능 고려 사항

기능 호환성

사용 지침

다음 단계

확장된 사고 쿡북 시도하기

확장된 사고 프롬프팅 팁

처음 시작하기

모델 및 가격

Claude 알아보기

기능

도구

모델 컨텍스트 프로토콜 (MCP)

사용 사례

프롬프트 엔지니어링

테스트 및 평가

가드레일 강화

법무 센터

​지원 모델

​확장된 사고 작동 방식

​확장된 사고 사용 방법

​요약된 사고

​사고 스트리밍

​도구 사용과 함께 확장된 사고

​사고 블록 보존하기

​인터리브된 사고

​프롬프트 캐싱과 확장된 사고

​사고 블록 캐싱 동작 이해하기

​확장된 사고를 사용한 최대 토큰 및 컨텍스트 창 크기

​확장된 사고를 사용한 컨텍스트 창

​확장된 사고와 도구 사용을 위한 컨텍스트 창

​확장된 사고를 사용한 토큰 관리

​사고 암호화

​사고 편집

​모델 버전 간 사고 차이점

​가격 책정

​확장된 사고를 위한 모범 사례 및 고려 사항

​사고 예산 작업하기

​성능 고려 사항

​기능 호환성

​사용 지침

​다음 단계

확장된 사고 쿡북 시도하기

확장된 사고 프롬프팅 팁

지원 모델

확장된 사고 작동 방식

확장된 사고 사용 방법

요약된 사고

사고 스트리밍

도구 사용과 함께 확장된 사고

사고 블록 보존하기

인터리브된 사고

프롬프트 캐싱과 확장된 사고

사고 블록 캐싱 동작 이해하기

확장된 사고를 사용한 최대 토큰 및 컨텍스트 창 크기

확장된 사고를 사용한 컨텍스트 창

확장된 사고와 도구 사용을 위한 컨텍스트 창

확장된 사고를 사용한 토큰 관리

사고 암호화

사고 편집

모델 버전 간 사고 차이점

가격 책정

확장된 사고를 위한 모범 사례 및 고려 사항

사고 예산 작업하기

성능 고려 사항

기능 호환성

사용 지침

다음 단계