Anatomy란 무엇인가? 클로드(Claude)가 박스 다이어그램 대신 기계를 코드로 그려내는 스킬

Nokka (นก-กา) 작성 | 2026년 10월

Anatomy สกิลวาดเครื่องจักรสามมิติจากโค้ดที่ Claude เขียน

본 기사는 AI(DeepSeek V4.1 Flash를 통한 Nous Research의 Hermes Agent)가 작성했으며, Nokka가 검토 및 정리했습니다.

2026년 10월에 'Claude가 그림을 그릴 수 있게 되었다'는 내용의 게시물이 90만 회 이상 조회되었습니다.

또 다른 게시물은 2백만 회 이상의 조회수를 기록하며 Anatomy라는 스킬을 공개했고, 짧은 문구와 함께 "Describe a machine in one line. Claude brings it to life."를 제시했습니다. [14]

이 두 게시물은 같은 주제를 다루지만 서로 다른 방식으로 이야기합니다. 그 차이가 제가 이번 달에 가장 관심을 가진 지점입니다.

왜냐하면 이 차이는 어떤 도구가 클립에서는 마법처럼 보일 수 있지만, 실제로 사용하려는 작업에는 적합하지 않을 수도 있다는 점을 설명해주기 때문입니다.

이 스킬은 그림을 그리는 것이 아니라, 그림을 코드로 작성하는 것

만약 데이터가 변하지 않아 캐시를 건너뛰는 것을 보여주는 이미지를 요청한다면, 결과물은 이미지 파일이 아니라 코드 파일입니다.

Anatomy는 에이전트(agent)에게 해당 아이디어가 작동하는 '기계' 하나를 만들도록 지시하고, 이를 수십 개의 작은 부품으로 구성된 등각 투영(isometric) 3D 이미지로 그리게 합니다. [1]

각 부품에는 명암이 있으며, 뒤에서 앞으로 순서대로 배치됩니다. 결과물은 이미지 생성 모델의 그림이 아니라 브라우저에서 열 수 있는 웹 페이지와 SVG 파일입니다.

이미지 속 모든 내용과 숫자는 해당 작업에 맞춰 작성된 수학적 모델(mathematical model)에서 나옵니다. [1]

대시보드는 13.8이라는 값을 표시하는데, 이 숫자는 고정된 텍스트가 아니라 실제로 움직이는 바늘을 계산한 모델에서 나온 것입니다. [10]

이 점은 중요합니다. cellcog.ai의 독립적인 리뷰는 'CLAUDE CAN FINALLY GENERATE IMAGES'라는 게시물이 90만 회 이상의 조회수를 기록했을 때, 그 문구가 중요한 부분에서 틀렸다고 지적했으며, Anatomy가 어디가 틀렸는지 설명하는 예시입니다. [11]

Anthropic이 공개한 문서에는 Claude를 위한 이미지 생성 기능이 전혀 없습니다. [11]

이러한 차이는 단순히 기술적인 문제만이 아닙니다. 이것이 코드를 작성한다는 것을 이해한다면, 결과물이 수정 가능하고, 검증 가능하며, 다른 작업과 연결될 수 있다는 것을 알게 될 것입니다.

하지만 만약 그것을 '이미지 생성'이라고 이해한다면, 당신은 오지 않을 이미지를 기다리게 될 것입니다.

제가 확인했을 때의 프로젝트 수치

저는 2026년 10월 중순에 GitHub API를 직접 열어보았습니다. 얻은 수치는 다음과 같습니다 [1]

9,987 스타와 718 포크
repo 생성일 2026년 10월 8일 ⇒ 일주일도 안 되는 시간에 천 단위에 도달합니다.
MIT 라이선스로 소스 코드를 계속 발전시키는 데 구속력이 없습니다 [12]。
참여자 9명 ⇒ 계정 주인은 76 커밋을 했고, 다른 참여자 한 명은 33 커밋을 했습니다 [3]。
이틀 만에 두 버전 ⇒ v1.0.0는 10월 10일, v1.1.0는 10월 12일에 나왔습니다 [13]。

GitHub 페이지 외에도 이 프로젝트에는 공식 웹사이트 skills.wheresryan.sh/anatomy [2]와 skills.sh에 있는 컬렉션 페이지가 있습니다 [9]。

참여자라는 점이 중요합니다. 혼자 만든 것처럼 보이는 프로젝트라도 그렇지 않을 수 있기 때문입니다.

계정 주인 @wheresryan22의 X(Twitter) 출시 게시물은 2026년 10월 10일에 올라왔으며, 조회수 2,337,622회, 좋아요 16,842개, 북마크 25,308개를 기록했습니다 [14]。

이 수치는 제가 10월 15일 날짜의 공개 API에서 가져온 것이며, 사람들이 이 주제에 정말 관심이 많다는 것을 보여줍니다.

다른 리뷰어들이 기록한 스타 수치는 기울기를 파악하는 데 도움이 됩니다. 한 리뷰어가 10월 12일에 저장했을 때 6,507개의 스타를 기록했고 [6], cellcog.ai는 생성일로부터 4일째인 4일에 4,103개의 스타와 323개의 포크를 기록했습니다 [11]。

이는 단 며칠 만에 수치가 중간 정도의 천 단위에서 거의 만 단위로 움직였다는 것을 의미합니다.

제가 좋아하는 예시가 하나 있는데, 이것은 사람들이 수치를 다르게 읽는 경우가 얼마나 흔한지를 보여줍니다 [10] [1]。

한 리뷰어는 10월 13일 아침에 Anatomy의 스타 수가 6,632개라고 말했지만, 제가 15일에 API를 열었을 때는 9,987개의 스타였습니다.

두 수치 모두 맞습니다. 단지 시간이 다를 뿐입니다.

Anatomy가 실제로 할 수 있는 것

프로젝트의 README 파일에는 결과를 세 가지 종류로 나누어 설명하고 있습니다 [1]。

SVG는 핵심이며, 후면에서 전면으로 그라데이션이 적용된 아이소메트릭(isometric) 형태의 솔리드 파트를 묘사합니다.
프레임에는 이미지 이름과 움직이는 값 읽기 창이 포함되어 있으며, 단일 HTML 페이지, 단일 SVG 파일 또는 React 및 Next.js 컴포넌트로 모두 내보내기가 가능합니다.
이 그룹의 예시로는 다이얼 인디케이터(dial-indicator), 책상 컴퓨터(desk-computer), 아케이드 캐비닛(arcade-cabinet) 및 테스트 리그(test-rig)가 있습니다.
SVG와 WebGL은 선으로 그릴 수 없는 것들, 즉 불꽃, 물, 반사파, 조명, 증기 등을 위해 사용됩니다.
셰이더는 이미지의 동일한 아이소메트릭 카메라를 사용하여 SVG의 후면과 전면 사이에 배치된 캔버스에서 작동합니다.
따라서 이는 덧붙이는 레이어가 아니라 이미지의 일부가 됩니다. 예시로는 랩터 엔진(raptor-engine) 및 리플 탱크(ripple-tank)가 있습니다.
**3D 모드 (베타)**는 실제 3차원으로 회전하는 파트, 예를 들어 당기는 힘에 따라 돌아가는 다이얼이나 떨어져서 낙하하는 파트를 위해 사용됩니다.

examples 폴더에는 이미 완성된 8개의 작업물이 있으며 결과 파일도 커밋되어 있어 아무것도 실행할 필요 없이 즉시 확인할 수 있습니다.

가장 작은 예시는 약 300줄 분량의 다이얼 인디케이터이며, 가장 큰 것은 11개의 조립 세트로 나뉘는 랩터 엔진입니다.

일반적인 다이어그램 도구와 차별화되는 점

reposquare.com의 리뷰가 가장 날카로운 답변을 담고 있으며, 저는 설치를 결정하기 전에 읽어야 할 문장이라고 생각합니다 [8].

"당신의 아이디어가 기계 장치이고 이미지 하나에 한 시간 정도의 시간이 걸린다면 가치가 있습니다. 하지만 당신의 아이디어가 단계별 목록이라면 가치가 없습니다."

리뷰 작성자가 설명하는 이유는 독자는 이미 키, 다이얼, 서랍 등이 어떻게 작동하는지 알고 있기 때문입니다. 그들은 그런 물건들을 사용해 본 적이 있기 때문입니다 [8].

하지만 그들은 당신의 캐시(cache), 블러(blur) 또는 풀 커넥션(pool connection)이 어떻게 작동하는지는 모릅니다.

만약 이미지 속 기계가 아이디어처럼 움직인다면, 독자는 자신이 이미 가지고 있는 이해를 빌려 쓸 수 있습니다. 레이블이 붙은 대여용 상자가 그런 용도로는 적합하지 않습니다 [8].

같은 리뷰에서는 README의 6줄짜리 흐름도(flow)라면 이미 더 좋은 도구가 있다고 단언하며, 작성자는 그러한 작업에는 Anatomy를 사용하지 않기로 선택했습니다 [8].

저는 이 경고가 찬사보다 가치가 있다고 생각합니다. 왜냐하면 이는 도구의 한계를 알려주기 때문이지, 품질 수준을 말해주지 않기 때문입니다.

Anatomy에 없는 것들

그래프 라이브러리가 아닙니다. 축이나 데이터셋이 없습니다 [1]
표시되는 숫자는 모델에 의해 구동되는 읽기 값이며, 부품의 실제 크기와 개수입니다.
기계, 도구, 가구를 그립니다. 사람을 그리거나 지도를 그리는 것이 아닙니다 [1]
메커니즘으로 만들 아이디어가 없으면 결과가 약해집니다.
고의적으로 느립니다. 부품 하나를 만드는 데 세션이 오래 걸립니다 [1]
부품 목록 작성, 기하학 생성, 감사(audit) 수행부터 두 가지 테마의 모든 연결 부위 근접 촬영까지 합니다.
raptor는 빌드하는 데 몇 분이 걸리며, 전체 3D 궤도 검사는 30개 부품에 대해 15~20분이 소요됩니다.
셰이더(Shader)에는 WebGL이 필요합니다. 이것이 없으면 SVG가 여전히 읽을 수는 있지만 이미지가 정지된 상태로 보입니다 [1]

설치 방법 및 실제 걸리는 함정들

README에서 권장하는 방법은 한 줄입니다 [1]

npx skills add wheresryan22/anatomy -g -a claude-code

이 명령어는 vercel-labs/skills 프로젝트의 skills라는 CLI를 사용하며, 이 프로젝트는 34,946개의 별과 MIT 라이선스를 가지고 있습니다 [15]。

Anatomy는 agentskills.io의 개방형 Agent Skills 표준을 따르는 스킬입니다 [16]。README에 따르면 Claude Code를 위해 작성되었지만, 개방형 스킬 형식을 따르기 때문에 Antigravity, OpenCode, Codex와 같은 다른 도구에서도 로드할 수 있습니다 [1]。

이 스킬 자체는 Node.js 20.10 이상만 필요하며 의존성(dependency)을 설치할 필요가 없습니다. 왜냐하면 Node에 내장된 모듈만을 사용하기 때문입니다 [1]。

하지만 dev.to의 리뷰에서 Debian 환경에서 테스트한 결과, README에 언급되어 있지만 건너뛰기 쉽고 읽기 쉬운 함정을 발견했습니다 [10]

npx skills add가 Node 20에서 실패함 ⇒ npm WARN EBADENGINE required: { node: '>=22.20.0' } [10]
이어서 SyntaxError: The requested module 'fs/promises' does not provide an export named 'glob' 오류가 발생함
핵심은 CLI 자체가 Anatomy가 20.10을 지원하더라도 Node 22.20 이상을 요구한다는 점임
설치 위치가 README의 표와 다름 ⇒ 테스트 기계는 파일을 ~/.agents/skills/anatomy [10]에 배치함
OpenCode에서 명시한 ~/.config/opencode/skills/anatomy가 아님
다행히 OpenCode가 .agents 폴더도 읽기 때문에 찾을 수 있었음
opencode run 명령어가 init 상태에서 13분 동안 멈춤 (stdin 대기) [10]
이어서 진행하려면 < /dev/null를 추가해야 함

마지막 두 가지는 Anatomy의 문제가 아니라 OpenCode 자체의 문제이며, 리뷰어 역시 그렇게 명시함 [10]

스스로 증명된 부분이자 제가 생각하는 진짜 핵심 기능

동일한 dev.to 리뷰에서 모델을 사용하지 않는 부분을 테스트했는데, 이것이 작성자가 가장 인상 깊었다고 말한 부분이었습니다 [10]

재빌드해도 바이트 단위로 동일함 Node 스크립트가 처음부터 새 웹 페이지를 생성했지만 git status는 여전히 비어있었음 [10]
이는 새로 생성된 파일이 CONTRIBUTING에서 약속한 대로 커밋된 파일과 실제로 일치한다는 의미임
테스트 케이스 225개 중 220개 통과 실패한 다섯 개는 React를 호출하는 react-*.test.mjs 파일이었는데, 이 파일은 해당 기계에 설치되어 있지 않았음 [10]
리뷰어는 이를 버그가 아닌 설정의 공백으로 간주했지만, 그냥 조용히 건너뛰기를 바란다고 언급함
기하학적 감사(audit) 기능이 가장 뛰어나다는 점 단순한 이미지 렌더링을 넘어 어떤 구성 요소도 서로 관통하지 않음을 증명함 [10]
그리고 모든 중첩된 경로는 정확한 깊이 순서에 따라 그려짐
arcade-cabinet 예시의 결과는 243개의 불투명한 구성 요소, 1,290개의 중첩 경로, 그리고 1,290개의 순서 규칙을 사용했으며, 11초 만에 audit passed를 도출함
브라우저에서의 검사도 성공적 스크립트가 스크린샷과 읽은 값을 함께 전송함 [10]
경계선 감지기는 공중에 끝나는 선이 없다고 보고함 (line ends: 0 of 367 ends on 23 lines float)

저에게 있어 이 마지막 부분이 Anatomy가 제가 전에 리뷰를 읽었던 다른 AI 이미지 드로잉 도구들과 차별화되는 이유입니다.

스스로 작업의 증거를 입증할 수 있는 메커니즘이 있으며, 이것은 일반적인 이미지 생성 도구에는 없는 부분이다.

반론: 사용하기 전에 알아야 할 세 가지 사항

첫째, 스킬(Skill)이 약한 모델을 보완하지 못한다.

dev.to의 리뷰에 따르면, OpenCode에서 qwen3 1.7B 모델을 CPU 환경(GPU가 없는 장치)으로 사용하여 실제 명령 세 가지를 실행해 본 결과 모두 실패했다 [10].

첫 번째 명령은 16분 동안 실행된 후 코드 0으로 종료되었으나 파일이 전혀 생성되지 않았다 [10].
모델은 explore라는 이름의 subagent에게 작업을 위임했고, 빈 결과를 받았다.
두 번째 명령은 8분 23초가 걸렸고, 세 개의 원이 그려진 738 바이트 크기의 파일을 얻었다 [10].
원 두 개에는 Hit와 Miss라는 라벨이 붙어 있고, 60s 라벨도 두 개 있다.
그것은 키트(kit)를 열거나 예시를 사용하지 않았고, 심지어 작업 순서가 비평가처럼 "Verify like a critic."으로 검증을 끝내었음에도 불구하고 아무런 검사도 실행하지 않았다.
더 나쁜 점은 SVG의 transform 속성에서 rotateX(-30deg)를 사용했는데, SVG는 이를 지원하지 않는다 [10].
따라서 브라우저가 무시했고, 두 원이 왼쪽 상단 모서리에서 겹쳤다.
세 번째 명령은 10분 37초가 걸렸고, 검은 배경 위에 일반적인 2차원 SVG 페이지를 얻었다 [10].
이미지 속의 "파이프 연결(pool connection)"은 두 개의 원과 함께 라는 주석으로 끝난다.

생성된 두 파일 모두 사용자의 프로젝트 폴더가 아닌, 스킬 자체의 설치 폴더에 배치되었다 [10].

리뷰 작성자는 이 두 가지 결과에 대해 양측에게 공정하게 다음과 같은 결론을 내렸다: 1.7B 모델을 CPU에서 구동시키면서 7,700 토큰 분량의 긴 수공예 매뉴얼을 따르도록 요청받았다 [10].

이것은 이 정도 크기의 모델이 기억할 수 없는 긴 작업 순환(workflow)이었다.

이 실험이 보여주는 것은 스킬 자체에 약한 모델을 보완하는 것이 없으며, 키트가 도움이 되는 경우는 에이전트(agent)가 실제로 이를 호출했을 때뿐이라는 것이다. [10]

둘째, 스킬이 제시하는 시간과 실제 사용 시간이 일치하지 않는다.

사용자가 Claude Code와 Sonnet 5.5 모델을 높은 시도 모드(high attempt mode)로 사용하여 문제가 발생했다는 GitHub 이슈가 있다 [4].

스킬은 시간을 30분에서 90분으로 추정했지만, 실제 소요 시간은 10분을 넘지 않았다.

사용자는 이 때문에 짜증이 나고 스킬을 사용하지 않게 되었다고 적었다. 비록 그 스킬이 매우 유용함에도 불구하고 [4].

프로젝트 소유자가 스레드에서 직접 답변하며 이것이 이미 알려진 문제라고 했다 [5].

그는 해당 수치를 넣은 이유를 일부 작업 렌더링에 48시간 이상이 걸리고 토큰을 모두 소모하기 때문에 사용자들이 놀라지 않도록 방지하기 위함이라고 설명했다 [5].

그는 그 숫자가 진정한 해결책이라기보다는 경고일 뿐이며, 여전히 개선이 필요하다고 직접 썼습니다.

저는 이 문제에 대해 두 가지 측면을 모두 살펴볼 필요가 있다고 생각합니다. 한 가지는 잘못된 수치 때문에 사람들이 오판할 수 있다는 점이고,
다른 하나는 그 배경이 실제로 발생했던 손상에서 비롯되었다는 점과, 소유자가 공개 스레드에서 아직 완벽하게 해결되지 않았음을 인정했다는 것이 침묵하는 것보다 더 좋은 신호라는 것입니다.

세 번째: Anthropic의 제품이 아닌 커뮤니티의 기술

kunalganglani.com의 리뷰에 따르면, 이것은 Anthropic의 공식 제품이 아닌 MIT 라이선스를 사용한 커뮤니티 기술이라고 명확히 나와 있습니다 [6].

리뷰 작성자는 이미지 한 장당 실제 에이전트 시간이 약 두 시간이 걸린다고 말했으며, 이는 채팅 속 장난감이 아니라 배치(batch) 렌더링 도구라고 합니다 [6].

이 점은 중요합니다. 왜냐하면 이것이 Claude Code에서 실행될 수 있다는 사실 때문에 많은 사람들이 Anthropic이 직접 만든 기능이라고 오해하기 때문입니다.

실제 사용자 리뷰는 어떠한가?

시간 문제 외에도, 같은 스레드에서 문제를 보고했던 동일 사용자가 이슈가 닫힌 후에 다시 댓글을 달았습니다 [5].

그는 공학 교과서로 학습 자료를 만들고 이런 종류의 삽화를 사용하고 있다며, 직접 그림을 그리는 대신 기존 것을 확장하는 것이 좋을 것 같다고 덧붙였습니다.

제가 읽은 독립적인 리뷰들의 의견도 거의 비슷한 결론에 도달합니다.

내부 키트가 가장 좋은 부분이며, 사전에 평가해야 할 부분은 이 긴 작업 흐름을 끝까지 끌고 갈 만큼 충분히 강력한 모델을 가지고 있는가입니다 [10].

제가 클립이나 출시 게시물에서 찾지 못한 세부 사항은 바로 진짜 비용이 금전적인 것이 아니라 토큰과 시간이라는 것입니다.

왜냐하면 이 기술은 에이전트에게 실제 수치를 저장하고, 부품 목록을 만들고, 기하학적 구조를 확인하며, 모든 연결부를 촬영하도록 요구하기 때문입니다 [1].

이 모든 것은 점점 더 커지는 컨텍스트 위에서 모델을 여러 번 호출하는 것을 의미합니다.

Anatomy가 Hermes에 도착하다

여기는 제가 특별히 관심을 가진 부분인데, 이는 여러분이 이 기사를 읽고 있을 환경과 관련이 있습니다.