모델 선택기(Model Picker)는 막다른 길이다

대부분의 AI 제품은 사용자가 직접 모델을 선택하도록 하는 **모델 선택기(Model Picker)**를 제공한다. 하지만 모델마다 강점이 다르고 성능 변화가 잦기 때문에, 사용자가 매번 최적의 모델을 예측하여 선택하는 것은 매우 비효율적이다.

Lovable은 이를 해결하기 위해 **모델 독립성(Model Independence)**을 추구한다. 이는 단순히 모델의 이름만 교체하는 '모델 무관심(Model Indifference)'과 다르다. 각 모델의 특성에 맞춰 지시문(Instructions), 도구(Tools), **프로젝트 컨텍스트(Project Context)**를 개별적으로 최적화하여 모델이 가진 역량을 극대화하는 방식이다.

이 과정의 핵심은 **컨트롤 플레인(Control Plane)**이다. 컨트롤 플레인은 빌드 과정을 실시간으로 모니터링하며 다음과 같은 역할을 수행한다.

• 작업의 난이도와 에이전트의 진행 상황 파악
• 특정 단계에 가장 적합한 모델을 적재적소에 할당
• 모델의 특성에 맞춰 도구 설명 및 컨텍스트 양 조절

다만, 모델을 변경할 때는 기존의 대화 히스토리와 **컨텍스트(Context)**를 압축하고 재구축하는 과정에서 정보 손실이 발생할 수 있다. 따라서 컨트롤 플레인은 모델 교체로 얻을 수 있는 성능 향상과 컨텍스트 손실로 인한 비용을 정밀하게 비교하여 최적의 결정을 내린다.