반응형
1. 스킬(Agent Skills)이란 무엇일까요?
스킬은 AI 에이전트에게 특정 작업을 어떻게 수행해야 하는지 가르쳐주는 '전문 매뉴얼'입니다. Anthropic에서 제안한 오픈 표준으로, 단순한 도구 사용을 넘어선 '절차적 지식'을 의미합니다.
-
정체: 특정 분야의 지식, 워크플로우, 지침을 패키징한 것.
-
형태: .claude/skills/ 폴더 내의 SKILL.md 파일 형태.
-
역할: AI가 "이 상황에서는 이런 순서로 일해야 해!"라는 노하우를 배우게 함.
2. MCP vs 스킬: 실행과 정의의 차이
많은 분이 헷갈려하시는 MCP와 스킬의 차이점을 비유를 통해 한눈에 비교해 보겠습니다.
|
구분
|
MCP (Model Context Protocol)
|
스킬 (Agent Skills)
|
|
비유
|
AI에게 주는 '망치와 드라이버'
|
AI에게 주는 '가구 조립 설명서'
|
|
핵심 역할
|
실제 기능을 실행하고 연결함
|
전문 지식과 절차를 정의함
|
|
작동 방식
|
서버-클라이언트 통신 (JSON-RPC)
|
파일 시스템 읽기 (Markdown)
|
|
주요 내용
|
DB 접근, API 호출, 파일 읽기 등
|
코드 컨벤션, 특정 라이브러리 활용법 등
|
3. 토큰 소모 걱정 끝! '다이나믹 필터링' 기법
AI가 수많은 스킬을 다 읽느라 토큰을 낭비하지 않을까 걱정되시나요? 최신 에이전트 시스템은 다음과 같은 3단계 최적화를 사용합니다.
-
인덱싱(Indexing): 짧은 스킬 요약(Summary)만 먼저 읽고 필요한 것만 골라냅니다.
-
RAG 기반 검색: 질문과 관련된 상위 3~5개의 스킬만 검색 엔진이 미리 골라줍니다.
-
지연 로딩(Lazy Loading): 최종 결정된 스킬의 상세 내용만 컨텍스트에 주입하여 효율을 극대화합니다.
4. 규칙(Rules) vs 스킬(Skills): 헌법과 비법의 조화
프로젝트 전체에 적용되는 규칙과 특정 상황에 쓰는 스킬은 반드시 구분해서 관리해야 합니다.
-
Rule (규칙): 프로젝트의 '헌법'입니다. (예: .clauderules) AI가 대화 내내 항상 지켜야 하는 기본 태도와 약속입니다.
-
Skill (스킬): 특정 상황의 '비법'입니다. (예: SKILL.md) 특정 작업이 주어졌을 때만 꺼내 보는 전문 가이드북입니다.
TIP: 모든 지침을 규칙에 넣으면 토큰이 폭발합니다! 공통 지침은 Rule에, 특정 기술은 Skill로 분리하는 것이 에이전트 설계의 핵심입니다.
5. 실제 구현 및 사용 예시 (Claude Code 기준)
개발 현장에서 바로 복사해서 쓸 수 있는 실제 파일 구조와 예시입니다.
[예시 1] MCP (실제 실행 도구 - Python)
from mcp.server.fastmcp import FastMCP
mcp = FastMCP("MyCalculator")
@mcp.tool()
def add_numbers(a: int, b: int) -> int:
"""두 숫자를 더해주는 도구입니다."""
return a + b
-
사용 결과: AI가 직접 계산하지 않고 등록된 MCP 서버의 도구를 호출해 정확한 값을 반환합니다.
[예시 2] 스킬 (행동 정의 - .claude/skills/naming.md)
# 명명 규칙 스킬
1. 모든 파이썬 변수는 'snake_case'를 사용합니다.
2. 비동기 함수는 이름 뒤에 반드시 '_async'를 붙입니다.
-
사용 결과: "함수 짜줘"라고 하면 AI가 규칙을 읽고 async def get_data_async():를 생성합니다.
[예시 3] 규칙 (기본 약속 - .clauderules)
- 모든 답변은 한국어로 합니다.
- 코드를 짤 때는 반드시 주석을 달아야 합니다.
6. 요약: AI 에이전트의 손과 발, 그리고 뇌
MCP: AI의 손과 발 (기능 실행)
-
Skill: AI의 전문 지식 (절차 정의)
-
Rule: AI의 기본 태도 (공통 약속)
이 세 가지를 조화롭게 사용하면 훨씬 더 똑똑하고 일관성 있는 AI 개발 파트너를 만드실 수 있습니다.
반응형
'AI Agent' 카테고리의 다른 글
| [실전] 매 스텝마다 LLM이 다음 할 일을 고른다 — 자동 워크플로우 Orchestrator 구현기 (0) | 2026.03.24 |
|---|---|
| [실전] AI한테 AI 감시시키기 — 멀티 에이전트 워크플로우 직접 구현해봤습니다 (Antigravity 워크플로우) (0) | 2026.03.24 |
| [실전] 오픈소스 LLM 기반 멀티 에이전트 챗봇 제작기 (1) | 2026.03.24 |
| [실전] B300 GPU에서 SGLANG으로 gpt-oss-20b 서빙하기 (CUDA 13 버전 해결법) (0) | 2026.03.24 |
| [실전 가이드] gpt-oss-20b, 120b 운영 시 무한 루프와 JSON 출력 문제 해결하기 (sglang) (0) | 2026.03.24 |