최근 Skills(Agent Skills)라는 용어가 주목받고 있습니다. Vercel, Anthropic, OpenAI와 같은 기업들에서도 Skills를 오픈소스로 공개하고 있습니다.
이번 글에서는 컨텍스트와 Skills에 대한 이야기를 해보려고 합니다.
컨텍스트란 무엇인가?
Claude Code, Cursor로 개발해본 경험이 있으시다면 컨텍스트(Context)라는 용어를 들어보셨을 겁니다.
컨텍스트는 모델이 답변을 생성하기 위해 참고하는 데이터이며, 컨텍스트의 크기는 제한되어 있습니다. 따라서 답변 속도와 성능을 높이려면 컨텍스트의 불필요한 데이터를 최소화해야 합니다.
컨텍스트는 어떻게 관리되는가?
컨텍스트 관리 방식은 크게 두 가지로 분류할 수 있습니다.
1. 정적 컨텍스트
정적 컨텍스트는 모델의 컨텍스트에 기본적으로 포함되는 데이터입니다. 정적 컨텍스트에는 변수명, 폴더 구조처럼 공통으로 적용될 기본 원칙들이 담깁니다.
주의할 점은 정적 컨텍스트는 주제와 상관없이 기본적으로 컨텍스트에 포함됩니다. 정적 컨텍스트가 커질수록 불필요한 데이터가 포함될 수 있어, 정적 컨텍스트는 최대한 작게 유지하는 것이 좋습니다.
(예시) 토스의 오픈소스인 es-toolkit의 Cursor Rules
2. 동적 컨텍스트
동적 컨텍스트는 특정 조건에만 컨텍스트에 포함되는 데이터입니다. Skills가 바로 이 동적 컨텍스트에 해당합니다.
예를 들어 “디스코드로 메시지 보내줘”라거나 “오늘 판교 날씨 알려줘”라는 특정 조건이 있을 경우에만 데이터가 컨텍스트에 포함됩니다.
그러면 Skills는 Commands와 무엇이 다른가?
이쯤에서 “Skills는 Commands랑 역할은 동일하고 이름만 다른 것이 아닌가?” 라는 질문을 하실 수도 있습니다. 하지만 Skills와 Commands는 크게 두 가지 차이가 있습니다.
1. 표준
첫 번째 차이점은 기술 표준의 유무입니다.
아쉽게도 기존의 Commands는 아직까지 표준화된 규격이 없습니다.
이와 달리 Skills는 표준을 따릅니다. 이는 Skills가 특정 서비스에 종속되지 않고, 여러 사람이 공유하고 재사용할 수 있는 장점이 있습니다. Skills 관련 표준은 아래 링크를 통해 확인할 수 있습니다.
2. 컨텍스트에 데이터를 포함하는 방식(호출 방식)
두 번째 차이점은 컨텍스트에 데이터를 포함시키는 방식입니다.
Commands는 보통 슬래시(/) 키워드를 통해 수동으로 호출해야 합니다. 예를 들어 오늘 판교 날씨가 궁금할 때 사용자가 매번 /판교-날씨와 같은 명령어를 매번 입력해야 하는 불편함이 있습니다.
반면 Skills는 모델이 판단하여 호출을 결정합니다. “/판교-날씨” 대신 “오늘 판교 날씨 알려줘”로 대체할 수 있게 됩니다. 물론 Skills도 필요에 따라 수동으로 호출할 수 있지만, 모델이 자동으로 호출된다는 이점이 있습니다.
Skills의 동작 원리가 궁금하시다면 아래 링크를 참고해주세요.
Skills 어떻게 만들고, 공유하는게 좋을까?
이제 Skills를 만들고 공유하는 방법을 알아봅시다.
어떻게 Skills를 만드는게 좋은가?
처음 Skills를 만드는 상황이라면 아래 Anthropic의 예시를 참고해보는 것을 추천합니다.
Skills를 만드는 Skills!
어떤 Skills를 사용하는게 좋은가?
우선 어떤 Skills가 필요한지 정의하는 것이 중요합니다. 만약 오픈소스로 관리되는 Skills가 없다면, 직접 만들어보는 것을 추천드립니다.
Vercel, Anthropic, OpenAI는 Skills를 오픈소스로 관리하고 있습니다.
- Vercel: https://github.com/vercel-labs/agent-skills
- Anthropic: https://github.com/anthropics/skills
- OpenAI: https://github.com/openai/skills
어떻게 Skills를 설정하는게 좋을까?
만약 GitHub으로 Skills를 관리한다면, 아래 Vercel의 오픈소스를 추천드립니다.
직접 Skills를 추가해야 한다면, 아래 링크를 통해 서비스별 저장 위치를 확인 후 추가해보시길 바랍니다.
결론
Skills가 인기 있는 이유는 명확합니다.
표준을 통해 오픈소스에서 누구나 쉽게 공유할 수 있게 되었고, 자동 호출을 통해 단일 모델을 넘어 다중 모델 환경에서 모델 간 협업을 용이하게 만들기 때문입니다.
긴 글 읽어주셔서 감사합니다!
댓글