오늘날의 Agent Skills 오픈 표준, 그리고 스스로의 기술을 작성하는 에이전트에 관한 2026년 연구.

요약 (TL;DR): 2025년 말, "Agent Skills"가 등장했습니다. 이는 AI 에이전트에게 작업을 가르치는 매우 단순한 방법으로, SKILL.md 파일(Markdown 형식의 지침 포함)이 담긴 폴더를 의미합니다. 이는 이미 오픈 표준 (open standard)이 되었습니다. 놀라운 점은 다음에 올 변화입니다. 바로 스스로 자신의 기술(skills)을 작성하는 에이전트입니다. 저는 에이전트가 한 번은 어려운 방식으로 작업을 해결하고, 실제 SKILL.md를 저장한 뒤, 이를 재사용하여 총 노력을 거의 절반으로 줄이는 데모를 제작했습니다. 약 130줄의 코드이며, API 키는 필요하지 않습니다.

먼저, "기술 (skill)"이란 무엇인가?

최근 Claude Code나 유사한 도구들을 사용해 보셨다면, 아마 SKILL.md 파일을 보셨을 것입니다. 이 아이디어는 매우 저기술적(low-tech)이라서 신선합니다. "기술 (skill)"은 단순히 _무엇을 어떻게 하는지_를 명시한 Markdown 파일이 포함된 폴더일 뿐입니다:

---
name: csv-to-markdown
description: 쉼표로 구분된 텍스트를 Markdown 표로 변환합니다. 입력값이 다음과 같을 때 사용하세요
...

그게 전부입니다. SDK도, 설정(config)도 필요 없습니다. Anthropic은 2025년 10월에 이를 도입했고, 2025년 12월에 이를 오픈 표준 (open standard) (agentskills.io)으로 공개했습니다. 덕분에 이제 동일한 기술 폴더가 약 30개 이상의 서로 다른 에이전트 도구(Claude Code, Cursor, Copilot 등)에서 작동합니다.

전체 규칙은 짧습니다 (agentskills.io/specification). 필수 (required) 필드는 name (1~64자, 하이픈을 사용한 소문자, 폴더 이름과 일치해야 함)과 description (1024자 이하, 무엇을 하는지 및 언제 사용하는지 명시)뿐입니다. 그 외의 모든 것 — license, metadata, compatibility, allowed-tools — 은 선택 사항입니다. 이것이 사양(spec)의 전부입니다. 제 데모가 작성하는 SKILL.md 파일들은 이 규칙을 엄격히 따르므로, 호환 가능한 어떤 CLI에서도 수정 없이 로드될 것입니다.

영리한 트릭: 점진적 공개 (progressive disclosure)

여기서부터 영리한 부분입니다. 만약 50개 분량의 기술 지침을 에이전트의 컨텍스트 (context)에 한꺼번에 쏟아부은다면, 컨텍스트가 가득 차서 실제 작업을 수행할 공간이 남지 않을 것입니다. 따라서 기술은 **단계별 (stages)**로 로드됩니다:

1. 항상 로드됨 (Always loaded): 모든 스킬의 name과 한 줄짜리 description만 로드됩니다 (매우 작음).
2. 일치할 때만 로드됨 (Loaded only when it matches): 작업이 실제로 필요로 할 때에만 전체 지침(full instructions)이 로드됩니다.
3. 참조될 때만 로드됨 (Loaded only if referenced): 스킬이 묶는 추가 파일이나 스크립트가 있을 경우에만 로드됩니다.

따라서 에이전트는 수백 개의 스킬을 설치하고도 비용을 거의 지불하지 않을 수 있습니다. 단지 짧은 설명들을 읽다가 하나와 일치하는 것을 찾으면, 그 상세 내용만 가져옵니다. 제 데모는 수학적 계산을 보여줍니다: 3개의 스킬 중 1개를 사용하기 위해 모든 것을 로드할 경우 약 1500 '토큰'이 소요되지만, SKILL.md 방식을 사용할 경우 약 560에 불과합니다. 라이브러리가 커질수록 이 차이는 엄청나게 벌어집니다.

이것이 사람들이 스킬과 MCP가 경쟁자가 아니라 팀원이라고 말하는 이유이기도 합니다: MCP는 에이전트가 _도구에 연결하는 방법_이고, 스킬은 에이전트가 그것들을 사용하는 _절차를 아는 방법_입니다.

최전선: 스스로 스킬을 작성하는 에이전트들

오늘날 인간들이 SKILL.md 파일을 작성합니다. 2026년의 연구들은 자신만의 스킬을 작성하고, 그 스킬 라이브러리가 커짐에 따라 시간이 지남에 따라 더 나아지는 에이전트에 관한 것입니다. 이는 마인크래프트를 플레이하며 작동하는 코드를 재사용 가능한 스킬로 저장하여 게임에서 극적으로 빨라진 에이전트 Voyager (2023)로 거슬러 올라갑니다. 새로운 물결은 이를 일반화합니다:

• MUSE-Autoskill (2026)은 스킬을 전체 수명 주기(full lifecycle)를 가진 _살아있는 자산(living asset)_으로 취급합니다—생성하고, 자체 메모리 파일을 부여하며, 관리하고, 테스트하고, 개선하는 것입니다. 각 스킬은 심지어 자신에 대한 메모가 담긴 .memory.md 파일까지 유지합니다.
• Memento-Skills (2026)는 스킬을 에이전트의 진화하는 메모 역할도 하는 마크다운 파일로 저장하며, 작업 _실패(failures)_를 자동으로 새로운 스킬로 변환합니다.
• Skill-Pro (2026)는 스킬을

📄 "이것이 미래다"라는 연결 고리: Anthropic의 자체 기술 문서인 Equipping agents for the real world with Agent Skills와 **agentskills.io**의 오픈 표준(open standard)을 확인하세요. 연구 방향에 대해서는, MUSE-Autoskill (arXiv:2605.27366)과 Skill-Pro (arXiv:2602.01869)가 스스로 스킬 라이브러리 (skill libraries)를 확장하는 에이전트에 대해 가장 명확하게 설명하고 있습니다.

여러분은 Claude Code CLI에서 이를 지금 당장 실행할 수 있습니다

이것은 이론적인 이야기가 아닙니다 — 제 데모에서 보여드린 바로 그 패턴이 이미 코딩 CLI (coding CLIs)에 탑재되어 있습니다. Claude Code에서 스킬은 단순히 여러분의 저장소(repo) 내 .claude/skills/ 폴더 아래에 있는 폴더일 뿐입니다:

# 프로젝트 어디에서든 — 스킬을 넣기만 하면 CLI가 자동으로 이를 탐색(auto-discovers)합니다
mkdir -p .claude/skills/csv-to-markdown
$EDITOR .claude/skills/csv-to-markdown/SKILL.md   # 제 데모와 동일한 SKILL.md 형식

이제 에이전트는 작업(task)이 일치할 때까지 해당 스킬의 한 줄짜리 description (설명)만 로드하며, 작업이 일치하면 전체 지침(instructions)을 불러옵니다 (이것이 점진적 공개 (progressive disclosure)의 역할입니다). CLI 내부에서 /skills를 입력하면 무엇이 로드되었는지 확인할 수 있습니다.

가장 좋은 점은 이것이 **오픈 표준 (open standard)**이기 때문에, 수정 없이 동일한 폴더가 여러 도구에서 작동한다는 것입니다. 특정 도구에 종속되지 않습니다:

• Claude Code — 이 형식이 시작된 Anthropic의 CLI.
• opencode — 인기 있는 오픈 소스 터미널 에이전트.
• Goose — Block의 오픈 소스 에이전트.
• 그 외 Cursor, GitHub Copilot 및 30개 이상의 도구들.

스킬을 한 번만 작성하면 어디에서나 사용할 수 있습니다. 제 데모가 가리키는 미래는 이렇습니다: 여러분이 그 파일을 직접 작성하는 대신, 에이전트가 처음 작업을 해결한 후 스스로 그 파일을 작성합니다. 그리고 그 이후부터 여러분의 저장소에는 에이전트가 스스로 획득한 스킬 라이브러리가 조용히 쌓이게 됩니다.

10초 요약 버전 (제 데모)

동일한 7개의 작업 스트림(stream). "비용(Cost)"은 각 작업에 소요된 노력의 양을 의미합니다.

[5] csv-to-markdown  학습 완료 및 SKILL.md 작성
[5] slugify          학습 완료 및 SKILL.md 작성
[1] csv-to-markdown  스킬 'csv-to-markdown' 재사용   ← 이제 비용이 저렴함
...

에이전트는 여러분이 직접 열어볼 수 있는 ./skills 폴더에 실제 SKILL.md 파일을 작성합니다. 작업을 처음 접했을 때는 전체 비용을 지불하지만, 그 이후에는 스스로 저장된 스킬을 찾아 저렴한 비용으로 재사용합니다.

이것이 중요한 이유

엔지니어들이 주목해야 할 두 가지 큰 이유가 있습니다:

1. 에이전트가 반복 작업을 멈춥니다. 현재 대부분의 에이전트는 매번 동일한 것을 반복해서 도출하며, 그때마다 비용을 지불합니다. 스킬 라이브러리(Skill library)가 있다는 것은 "한 번 파악하면 그다음부터는 무료"라는 뜻입니다. 이는 매일 새로 배우는 대신 기록을 남겨두는 팀원과 같습니다.

2. 완전히 새로운 생태계. 이미 65,000개 이상의 공유된 스킬이 존재하며, 패키지처럼 스킬을 설치할 수 있는 레지스트리(registry) 및 마켓플레이스인 "에이전트 스킬의 npm"을 구축하려는 움직임이 치열합니다. 스킬은 _공유 가능한 전문 지식(shareable expertise)_의 단위가 되고 있습니다. 즉, 시니어 엔지니어의 노하우가 폴더 하나에 패키징되어 어떤 에이전트든 가져다 쓸 수 있게 되는 것입니다.

도구(Tools)가 에이전트에게 _무엇을 할 수 있는지_를 알려준다면, 스킬(Skills)은 _어떻게 일을 잘할 수 있는지_를 알려줍니다. 그리고 머지않아 에이전트는 그 부분을 스스로 작성하고 서로 거래하게 될 것입니다.

직접 해보기

git clone https://github.com/Shridhar-2205/living-software
cd living-software/06-agent-skills
python demo.py
...

솔직히 말씀드리면, 이것은 POC(개념 증명) 단계입니다. 실제 시스템은 새로운 스킬을 저장할 가치가 있는지 결정하고, 이를 테스트하며, 시간이 지남에 따라 정교화합니다(이것이 바로 위에 언급한 2026년 논문들이 다루는 내용입니다). 제 데모는 핵심 아이디어인 _한 번 학습하고, SKILL.md를 저장하고, 재사용한다_는 점을 쉽게 확인할 수 있도록 해당 부분을 단순하게 유지했습니다.

작성자: extbf{Shridhar Shah}, Outshift by Cisco의 시니어 소프트웨어 엔지니어(Senior Software Engineer) — 저는 AI 에이전트, 검색, 그리고 에이전트가 어떻게 "생각"하는지에 대해 연구합니다. "Toward Living Software" 시리즈의 6부입니다. GitHub · LinkedIn

출처: Anthropic, "Equipping agents for the real world with Agent Skills" (2025) 및 Agent Skills 오픈 표준 (agentskills.io); Voyager (arXiv:2305.16291); MUSE-Autoskill (arXiv:2605.27366); Memento-Skills (arXiv:2603.18743); Skill-Pro (arXiv:2602.01869); MemSkill (arXiv:2602.02474).