클로드와 오픈AI, 둘 다 «반드시 유효한 JSON»을 강제하는 방법을 내놨다 — 뭐가 다른가

LLM 에게 함수를 호출시키거나 JSON 을 받는 건 늘 «대부분은» 잘 돌아갔다 — 그런데 이게 «아예 안 되는 것»보다 나쁜 문제다. 실패는 손으로 테스트한 아흔아홉 번이 아니라, 만 번째 호출에서 파서가 죽는 순간에 나타난다. 이제 클로드와 오픈AI 둘 다 이 문장에서 «대부분은»을 빼주는 모드를 공식으로 낸다. 두 회사 공식 설정 규칙은 추측할 필요 없이 그대로 따라 하면 될 만큼 구체적이다.

양쪽 다 있는 스트릭트 모드

클로드 쪽은 커스텀 도구 정의에 strict: true 를 추가하면 클로드의 도구 호출이 스키마와 반드시 일치하게 보장된다. 오픈AI 쪽은 Structured Outputs 라고 부르며 text: { format: { type: "json_schema", strict: true, schema: … } } 로 설정한다. 오픈AI 는 이걸 예전 «JSON 모드»의 후속작이라고 명시적으로 규정한다 — JSON 모드는 스키마가 실제로 지켜진다는 보장이 전혀 없었고, Structured Outputs 는 그걸 보장한다.

낯선 사람이 봐도 되게 함수 설명을 쓴다

오픈AI 자체 조언은 함수 이름·매개변수 설명·사용 지침을 «인턴 테스트»라 부르는 기준에 맞게 명확히 쓰라는 것이다 — 다른 맥락 없이 문서만 보고 신입 직원이 그 함수를 제대로 쓸 수 있어야 한다는 뜻이다. 여기엔 «이 함수가 언제 명백히 맞는 선택인지»뿐 아니라, 시스템 프롬프트에서 «언제 부르고 언제 부르지 말아야 하는지»를 엣지 케이스 예시와 함께 명시적으로 적는 것도 포함된다.

도구는 적을수록 정확하다

가진 도구를 전부 넘기고 모델이 알아서 고르게 하고 싶어지는 건 자연스럽다. 오픈AI 지침은 이걸 정면으로 반박한다 — 정확도를 위해 한 턴 시작 시점의 가용 함수 수를 대략 20개 아래로 유지하고, 그 턴에 쓰이든 안 쓰이든 함수 정의 하나하나가 입력 토큰으로 잡힌다는 걸 기억하라는 것이다. 늘 같은 순서로 호출되는 함수 묶음이 있다면, 오픈AI 는 매번 모델이 여러 호출을 정확히 이어 붙이게 하는 대신 하나의 작업으로 합치라고 제안한다.

클로드 모델은 같은 방식으로 실패하지 않는다

클로드 문서에는 실제 서비스에서 발견하기 전에 미리 계획해둘 만한, 모델별 신뢰도 차이에 대한 구체적인 언급이 있다 — 사용자가 실제로 적은 내용에 필수 매개변수가 빠져 있을 때, 오퍼스는 그 공백을 알아채고 되물을 확률이 훨씬 높은 반면, 소네트는 스스로 그럴듯한 값을 추론할 확률이 더 높다(예를 들어 어느 위치인지 묻는 대신 하나를 추측하는 식). 어느 쪽이든 «보장된» 동작은 아니지만, 각 모델이 기우는 방향은 그렇고, 모호한 프롬프트에 성능이 낮은 모델을 쓸수록 이 경향은 더 심해진다.

강제 호출과 동시 호출

두 플랫폼 다 «도구를 쓸지 말지»에 대한 클로드·오픈AI 의 기본 판단을 건너뛸 수 있게 해준다. 클로드는 기본값인 {"type": "auto"} 대신 tool_choice 로 강제 호출을 노출한다. 오픈AI 는 GPT-5 이후 모델의 내장 도구에서 병렬 함수 호출을 지원하고, 턴당 정확히 하나만 원한다면 parallel_tool_calls: false 를 쓰면 된다 — 단, 내장 도구는 이 설정과 무관하게 병렬 그룹으로 묶이지 않는다.

날짜를 확인하시라. 오픈AI 문서는 새 Structured Outputs 프로젝트에 gpt-5.6 을 권하고, 도구 검색은 gpt-5.4 이후 모델에서만 된다고 적어둔다. 클로드의 도구 사용 토큰 오버헤드는 현재 모델 세대 기준으로 공개된 수치다. 두 숫자 다 새 모델이 나올 때마다 바뀐다 — 위 수치를 영구적인 값으로 여기지 말고 링크된 원문을 직접 확인하시라.