🔌🚀 GLM-5.2 MCO 통합 가이드

최종 갱신: 2026-06-26 · 상태: 라이브 검증 완료 z.ai GLM-5.2 (2026-06-16 출시, 744B MoE / 40B active, 1M ctx, Intelligence Index v4.1 51점 — 공개모델 최강, MIT) 를 MCO 생태계에 심화 통합.

기본 원칙: 기존 Claude는 유지, GLM-5.2는 폴백·평가자·전환옵션으로 추가.

---

1. 구성 요소 한눈에

영역	무엇	엔드포인트	활성화
MCO 라우터/평가자	router.mjs glm provider (eval 선두·reasoning 폴백·coding 선두)	api/paas/v4 (OpenAI 호환)	종량제 Cash
Claude Code 런처	cc-glm (/usr/local/bin/cc-glm)	api/anthropic (Anthropic 호환)	Coding Plan 또는 종량제
orchestrate	decompose/grade JSON 안정화	router 경유	종량제 Cash
벤치마크	models.star365.site all-bench.json	정적	—

• 키 원본: /root/.zai_token (chmod 600). 라우터용은 /etc/star365-worker.env의 ZAI_API_KEY + GLM_MODEL=glm-5.2.
• 기존 claude는 Anthropic(opus[1m]) 그대로 — cc-glm만 GLM 백엔드.

---

2. Claude Code에서 GLM-5.2 사용 — cc-glm

cc-glm                     # GLM-5.2 대화형 Claude Code 세션
cc-glm -p "프롬프트"        # 비대화 1회 실행
GLM_OPUS=glm-4.6 cc-glm    # opus 슬롯을 glm-4.6으로 (빠르고 저렴)

• 내부적으로 ANTHROPIC_BASE_URL=https://api.z.ai/api/anthropic, ANTHROPIC_AUTH_TOKEN=$(cat /root/.zai_token), ANTHROPIC_DEFAULT_OPUS_MODEL=glm-5.2, CLAUDE_CODE_DISABLE_NONESSENTIAL_TRAFFIC=1, API_TIMEOUT_MS=3000000 설정 후 claude 실행.
• 오버라이드: GLM_OPUS / GLM_SONNET / GLM_HAIKU 환경변수.
• ⚠ claude.ai connectors disabled 경고는 정상(서드파티 키 사용 시 Anthropic 커넥터만 꺼짐).

---

3. MCO 라우터 통합 — router.mjs

PROVIDERS.glm 이 OpenAI 호환 paas/v4 로 호출. TIER_CHAINS:

• eval: glm 선두 (GAN 독립 평가자, GLM-5.2 = 비-Claude·최강)
• reasoning: google_pro → glm → claude-cli (Claude 폴백 보존)
• coding (domain): glm 선두

라우팅은 sortBySuccessRate 로 성공률 동적 정렬됩니다. 신규/실패 provider 는 0.5 중립 → 검증된 provider 가 우선할 수 있으며, GLM 성공이 쌓이면 자연히 선두로 올라옵니다(의도된 동작).

3.1 GLM-5.2 thinking 제어 (속도/품질 분리)

z.ai 고유 파라미터 thinking: { type: "enabled" | "disabled" }. task 별 자동 분기:

task	thinking	reasoning_tokens	용도
eval / reasoning	enabled	>0 (예: 116)	깊은 추론·채점 품질
그 외 (chat/cheap/coding)	disabled	0	빠른 응답

max_tokens 도 thinking 별 분리(enabled 4000 / disabled 3000) — reasoning 토큰이 출력을 잠식해 빈 응답 나는 문제 근본 해결.

3.2 Structured Output (JSON 강제)

constraints.jsonMode: true → GLM response_format: { type: "json_object" }. 채점/분해처럼 JSON 이 필요한 경로에서 파싱 실패 근본 해결.

• 적용: mco-eval grade, mco-orchestrate grade·decompose
• 타 provider 는 jsonMode 무시(프롬프트 기반 JSON 유지) — 하위호환

⚠️ z.ai 는 json_schema 를 실제로 지원하지 않습니다 (문서와 달리 라이브에서 마크다운 응답). 배열이 필요한 decompose 는 {"subtasks":[...]} 객체 wrapping + json_object 로 구조를 강제합니다. OpenAI식 json_schema 는 쓰지 마세요.

---

4. 운영 — 검증·전환

# 라우터 평가자 (eval 체인 선두 glm)
echo "..." | mco-eval --grade "코드 평가"      # [router:glm] think=enabled json=true

# 라우터 모델 전환 (glm-5.2 ↔ glm-4.6)
#   /etc/star365-worker.env 의 GLM_MODEL 변경 후 새 호출부터 반영

# 관찰 로깅 — 매 glm 호출 시 stderr
#   [router:glm] think=<mode> reasoning_tokens=<n> json=<bool> model=<id>

라이브 검증(2026-06-26):

• thinking: chat → reasoning_tokens 0 / 2.8s, reasoning → 116 / 4.4s
• jsonMode: mco-eval grade json=true JSON 파싱 성공
• orchestrate E2E (decompose→fan-out→grade→synthesize) ok=true, decompose {subtasks:[...]} 정상

---

5. 비용·한계

• 종량제(paas/v4): 입력 $1.40 / 출력 $4.40 per 1M 토큰. 무잔액 시 1113 → 자동 폴백(무해).
• GLM Coding Plan: Lite $18/월(연 $12.60) ~ Max $160. 5시간 prompt 쿼터. 피크(한국 15–19시) 소모 빠름.
• GLM-5.2 = reasoning 모델 → max_tokens 충분히(작으면 reasoning 토큰에 소진돼 빈 응답).
• json_schema 미지원 → json_object wrapping 사용.

---

참고

• z.ai 문서: https://docs.z.ai · 모델: https://huggingface.co/zai-org/GLM-5.2
• 내부 메모리: glm52-mco-integration-20260626