Meta, Llama 4 Scout 함수 호출 공식 GA—로컬 에이전트 파이프라인 진입장벽 낮아져
Meta가 Llama 4 Scout 모델의 Function Calling 기능을 공식 GA로 전환하며, 로컬 또는 자체 호스팅 환경에서도 OpenAI 호환 도구 호출 스펙을 그대로 사용할 수 있게 됐다. 이번 업데이트는 외부 API 비용 없이 온프레미스 에이전트를 구축하려는 한국 기업·개인 개발자에게 직접적인 대안이 된다.
무엇이 바뀌었나
Meta는 2026년 7월 6일 Llama 4 Scout(17B×16E MoE 아키텍처)의 Function Calling을 정식 GA로 전환했다. 기존 실험적 지원 단계에서는 JSON 스키마 파싱 오류율이 높고 병렬 도구 호출(parallel tool calls)이 불안정했으나, 이번 GA 빌드에서는 다음 항목이 확정됐다.
- 병렬 도구 호출 안정화: 단일 추론 패스에서 최대 8개 함수를 동시 호출
- OpenAI Tool-use 스펙 호환:
tools/tool_choice파라미터 구조 동일하게 맞춤 - 응답 내
<tool_call>태그 제거: 순수 JSON 반환으로 파싱 후처리 불필요 - 컨텍스트 윈도우 유지: 10M 토큰 컨텍스트 그대로, 도구 스키마 포함 시에도 성능 저하 없음 확인
한국 개발자 실무 적용 포인트
1. Ollama / vLLM 즉시 사용 가능
Ollama 0.6.x 이상 또는 vLLM 0.5.x 이상에서 llama4-scout:latest 태그로 풀 후 /v1/chat/completions 엔드포인트를 그대로 호출하면 된다. LangChain·LlamaIndex의 ChatOpenAI 래퍼에 base_url만 교체해 기존 에이전트 코드 재사용이 가능하다.
2. 비용 구조 변화 GPU 서버를 자체 보유한 팀은 추론 API 호출 비용 없이 에이전트 파이프라인을 운영할 수 있다. 클라우드 호스팅을 원할 경우 Fireworks AI·Together AI 등 서드파티 제공사 가격은 공식 페이지 참조.
3. 한국어 도구 호출 품질 Meta 내부 벤치마크 기준 한국어 프롬프트→함수 호출 정확도는 GSM8K-Tool 기준 영어 대비 94% 수준으로, 실제 한국어 사용 에이전트 구축 시 별도 프롬프트 보정 없이도 실용적인 수준이라고 발표했다.
오픈소스 에이전트 생태계 흐름과 시사점
llama.cpp, Ollama 커뮤니티에서는 이미 Scout GA 빌드를 기반으로 한 로컬 MCP 서버 연동 예제가 공유되기 시작했다. Anthropic MCP 프로토콜과 결합하면 Claude Code 없이도 로컬 LLM 기반 코딩 에이전트 구성이 가능해진다. 다만 모델 가중치 라이선스는 Llama 4 Community License가 적용되어 월간 활성 사용자 7억 명 초과 서비스는 별도 Meta 상업 계약이 필요하다는 점은 기업 도입 전 반드시 확인해야 한다.