Agent Skills

Agent Skills는 AI 에이전트에게 특정 작업에 대한 전문적인 전문성을 부여하는 지침, 메타데이터, 참고 자료, 그리고 선택적 스크립트의 재사용 가능한 패키지입니다. 개발자는 모든 절차를 긴 시스템 프롬프트에 넣는 대신 제품 검사, 스프레드시트 분석, 조직의 배포 체크리스트 따르기와 같은 집중된 기능을 패키지로 만들어 에이전트가 관련이 있을 때만 로드하도록 할 수 있습니다.

스킬은 지식을 모듈화하고 유지보수하며 이식할 수 있는 상태로 유지하면서 일반 목적의 AI 에이전트가 도메인 전문가처럼 행동하도록 돕습니다. "Claude Skills"는 이 더 넓은 아이디어의 한 제품 구현체이며, Agent Skills라는 용어는 open Agent Skills 개요에서 설명하는 상호 운용 가능한 형식을 지칭할 수도 있습니다.

Agent Skills 작동 방식#

Agent Skills 사양에 따라 스킬은 일반적으로 필수 SKILL.md 파일을 포함하는 디렉토리입니다. 이 파일은 이름과 스킬의 기능 및 에이전트가 활성화해야 하는 시기를 설명하는 설명을 포함하는 YAML 메타데이터로 시작합니다. 마크다운 본문은 절차, 예시, 제약 조건, 그리고 예외 상황 지침을 제공합니다. 선택적 디렉토리에는 실행 가능한 스크립트, 참고 문서, 스키마, 또는 템플릿이 포함될 수 있습니다.

스킬은 **점진적 공개(progressive disclosure)**를 사용하므로 정보가 단계별로 에이전트의 컨텍스트 윈도우로 들어옵니다:

1. 에이전트는 처음에 사용 가능한 스킬의 짧은 이름과 설명을 확인합니다.
2. 요청이 설명과 일치하면 관련 SKILL.md을 로드합니다.
3. 필요할 때만 지원 리소스를 읽거나 번들된 스크립트를 실행합니다.

이를 통해 불필요한 토큰 사용을 줄이고 에이전트가 시작 시 모든 지침을 로드하지 않고도 많은 전문 기능을 액세스할 수 있습니다. Claude Agent Skills 문서와 Microsoft Agent Skills 문서는 에이전트 플랫폼에서 이러한 로딩 패턴의 예시를 제공합니다.

Agent Skills 대 관련 개념#

Agent Skills는 지식과 절차를 구성하지만 에이전트, 도구, 또는 에이전트의 행동을 조정하는 시스템을 대체하지는 않습니다.

• 도구 및 함수 호출: 도구는 API 쿼리 또는 추론 실행과 같은 개별 작업을 수행합니다. 스킬은 검증 규칙 및 도메인 컨텍스트를 포함하여 하나 이상의 도구를 함께 사용해야 하는 시기와 방법을 설명합니다.

• 에이전트 워크플로: 스킬은 에이전트가 지침을 적응적으로 해석할 수 있도록 합니다. 워크플로는 더 명시적인 실행 경로를 정의하므로 장기 실행 프로세스, 체크포인트, 승인, 그리고 고정된 순서로 발생해야 하는 작업에 더 적합합니다.

• Model Context Protocol: MCP는 에이전트가 외부 리소스와 도구를 발견하고 호출하는 방식을 표준화합니다. 공식 MCP 도구 사양은 도구 인터페이스를 정의하는 반면, 스킬은 에이전트에게 해당 인터페이스를 사용하도록 지시할 수 있는 절차적 전문성을 패키징합니다.

프롬프트는 보통 하나의 대화를 위해 작성됩니다. 스킬은 호환되는 환경 전체에서 재사용되고, 버전이 관리되며, 테스트되고, 공유되도록 의도되었습니다.

컴퓨터 비전에서의 응용 분야#

Agent Skills는 시각적 인식이 비즈니스 규칙 및 후속 조치와 결합되어야 할 때 특히 유용합니다.

제조 검사: 품질 관리 스킬은 에이전트에게 이미지를 캡처하고, 객체 감지를 실행하고, 감지 결과를 수락 기준과 비교하고, 증거를 저장하고, 신뢰도가 낮을 때 사람의 검토를 요청하도록 지시할 수 있습니다. 비전 모델은 관측값을 제공하고, 스킬은 공장 고유의 검사 절차를 제공합니다. 이는 에이전트의 기본 프롬프트에 모든 정책을 내장하지 않고도 반복 가능한 결함 감지 워크플로를 지원합니다.

소매 재고 감사: 선반 감사 스킬은 에이전트가 매장 이미지를 처리하고, 지정된 제품을 세고, 결과를 재고 기록과 비교하고, 보충 권장 사항을 준비하도록 안내할 수 있습니다. 팀은 Ultralytics Platform을 사용하여 선반 데이터를 주석 처리하고, 사용자 정의 모델을 학습시키고, 이를 배포하고, 스킬이 호출하는 시각적 도구를 모니터링할 수 있습니다.

두 경우 모두 스킬은 인식을 운영 지식에 연결합니다. 스킬 자체적으로 기본 모델의 시각적 정확도를 향상시키지는 않지만, 모델의 출력을 일관되게 적용하기 더 쉽게 만듭니다.

스킬을 위한 예시 비전 스크립트#

스킬은 시각 검사를 위한 결정론적 스크립트를 번들로 제공할 수 있습니다. 다음으로 문서화된 Ultralytics YOLO prediction workflow는 스킬의 scripts/ 디렉토리에 저장될 수 있습니다:

from pathlib import Path

from ultralytics import YOLO

image_url = "https://ultralytics.com/images/bus.jpg"
output_path = Path("inspection_result.jpg")

# Run the skill's visual perception step
model = YOLO("yolo26n.pt")
results = model(image_url)

result = results[0]
result.save(filename=str(output_path))

print(output_path)

여기서 YOLO26은 시각적 기능을 제공하고, SKILL.md은 스크립트를 실행해야 하는 시기, 출력을 해석하는 방법, 그리고 다음에 수행해야 할 작업을 설명합니다.

설계 및 보안 고려사항#

효과적인 스킬은 좁은 책임, 명확한 활성화 설명, 간결한 지침, 현실적인 예시, 그리고 문서화된 종속성을 가져야 합니다. 공식 스킬 작성 모범 사례에서는 작업 위험에 지침 세부 사항을 맞추는 것을 권장합니다. 유연한 지침은 개방형 분석에 적합할 수 있지만 취약한 작업에는 정확한 스크립트와 더 엄격한 제약 조건이 필요합니다.

타사 스킬은 설치된 소프트웨어처럼 다루어야 합니다. 액세스 권한을 부여하기 전에 모든 지침, 스크립트, 종속성, 네트워크 호출, 그리고 파일 작업을 검토하십시오. 결과가 따르는 작업에 대해 샌드박싱, 최소 권한 권한, 리소스 제한, 로깅, 그리고 사람의 승인을 적용하십시오. 이러한 제어는 OWASP 프롬프트 주입 지침과 OWASP 과도한 에이전시 지침에서 설명하는 위험을 해결하는 데 도움이 됩니다. 팀은 또한 NIST AI Risk Management Framework Playbook을 사용하여 스킬 평가, 모니터링, 그리고 거버넌스를 광범위한 AI 위험 관리로 통합할 수 있습니다.