Agent Skills

에이전트 스킬은 AI 에이전트에 특정 작업에 대한 전문 지식을 제공하는 재사용 가능한 지침, 메타데이터, 참고 자료 및 선택적 스크립트 패키지입니다. 모든 절차를 긴 시스템 프롬프트에 넣는 대신, 개발자는 제품 검사, 스프레드시트 분석 또는 조직의 배포 체크리스트 준수와 같은 특정 기능을 패키징하고, 관련성이 있을 때만 에이전트가 이를 로드하도록 할 수 있습니다.

스킬을 사용하면 범용 AI 에이전트가 지식을 모듈식, 유지 관리 가능하며 이식 가능한 상태로 유지하면서 도메인 전문가처럼 동작하도록 할 수 있습니다. “Claude Skills”는 이보다 광범위한 개념을 구현한 하나의 제품입니다. Agent Skills라는 용어는 공개 Agent Skills 개요에 설명된 상호 운용 가능한 형식을 가리킬 수도 있습니다.

Agent Skills의 작동 방식#

Agent Skills 사양에 따르면 스킬은 일반적으로 필수 SKILL.md 파일을 포함하는 디렉터리입니다. 이 파일은 스킬의 기능과 에이전트가 이를 활성화해야 하는 시점을 설명하는 이름과 설명을 포함한 YAML 메타데이터로 시작합니다. Markdown 본문에는 절차, 예제, 제약 조건 및 예외 상황에 대한 지침이 제공됩니다. 선택적 디렉터리에는 실행 가능한 스크립트, 참고 문서, 스키마 또는 템플릿을 포함할 수 있습니다.

스킬은 점진적 공개를 사용합니다. 즉, 정보가 여러 단계에 걸쳐 에이전트의 컨텍스트 윈도우에 들어갑니다.

1. 에이전트는 처음에 사용 가능한 스킬의 짧은 이름과 설명을 확인합니다.
2. 요청이 설명과 일치하면 관련 SKILL.md을 로드합니다.
3. 필요한 경우에만 지원 리소스를 읽거나 번들로 제공된 스크립트를 실행합니다.

이를 통해 불필요한 토큰 사용을 줄이고, 시작 시 모든 지침을 로드하지 않아도 에이전트가 다양한 전문 기능에 액세스할 수 있습니다. Claude Agent Skills 문서와 Microsoft Agent Skills 문서는 에이전트 플랫폼에서 이러한 로딩 패턴을 사용하는 예제를 제공합니다.

Agent Skills와 관련 개념의 비교#

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

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

• 에이전틱 워크플로: 스킬을 사용하면 에이전트가 지침을 상황에 맞게 해석할 수 있습니다. 워크플로는 보다 명시적인 실행 경로를 정의하므로 장시간 실행되는 프로세스, 체크포인트, 승인 및 고정된 순서로 수행해야 하는 작업에 더 적합합니다.

• Model Context Protocol: MCP는 에이전트가 외부 리소스와 도구를 검색하고 호출하는 방식을 표준화합니다. 공식 MCP 도구 사양은 도구 인터페이스를 정의하며, 스킬은 에이전트가 이러한 인터페이스를 사용하도록 지시할 수 있는 절차적 전문 지식을 패키징합니다.

프롬프트는 일반적으로 하나의 대화를 위해 작성됩니다. 스킬은 호환 가능한 환경 전반에서 재사용, 버전 관리, 테스트 및 공유할 수 있도록 설계됩니다.

컴퓨터 비전 분야의 활용 사례#

Agent Skills는 시각적 인식과 비즈니스 규칙 및 후속 작업을 결합해야 할 때 특히 유용합니다.

제조 검사: 품질 관리 스킬은 에이전트가 이미지를 캡처하고, 객체 검출을 실행하고, 검출 결과를 승인 기준과 비교하고, 증거를 저장하며, 신뢰도가 낮을 때 사람의 검토를 요청하도록 지시할 수 있습니다. 비전 모델은 관찰 결과를 제공하고, 스킬은 공장별 검사 절차를 제공합니다. 이를 통해 모든 정책을 에이전트의 기본 프롬프트에 포함하지 않고도 반복 가능한 결함 검출 워크플로를 지원할 수 있습니다.

소매 재고 감사: 선반 감사 스킬은 에이전트가 매장 이미지를 처리하고, 지정된 제품을 세고, 결과를 재고 기록과 비교하며, 재입고 권장 사항을 작성하도록 안내할 수 있습니다. 팀은 Ultralytics Platform을 사용하여 선반 데이터를 어노테이션하고, 커스텀 모델을 학습하고, 모델을 배포하며, 스킬이 호출하는 비전 도구를 모니터링할 수 있습니다.

두 경우 모두 스킬은 인식 결과를 운영 지식과 연결합니다. 스킬 자체가 기반 모델의 시각적 정확도를 향상시키는 것은 아니며, 모델의 출력을 일관되게 적용하기 쉽게 만듭니다.

스킬을 위한 비전 스크립트 예제#

스킬은 시각적 검사를 위한 결정론적 스크립트를 번들로 제공할 수 있습니다. 다음 문서화된 Ultralytics YOLO 예측 워크플로는 스킬의 scripts/ 디렉터리에 저장할 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 실행할 시점, 출력을 해석하는 방법 및 후속 조치를 설명합니다.

설계 및 보안 고려 사항#

효과적인 스킬은 책임 범위가 좁고, 활성화 설명이 명확하며, 지침이 간결하고, 현실적인 예제와 종속성이 문서화되어 있어야 합니다. 공식 스킬 작성 모범 사례는 작업 위험도에 맞춰 지침의 상세 수준을 조정할 것을 권장합니다. 유연한 지침은 개방형 분석에 적합할 수 있지만, 오류에 취약한 작업에는 정확한 스크립트와 더욱 엄격한 제약 조건이 필요합니다.

타사 스킬은 설치된 소프트웨어처럼 취급해야 합니다. 액세스 권한을 부여하기 전에 모든 지침, 스크립트, 종속성, 네트워크 호출 및 파일 작업을 검토합니다. 샌드박싱, 최소 권한, 리소스 제한, 로깅 및 중대한 작업에 대한 사람의 승인을 적용합니다. 이러한 제어 기능은 OWASP 프롬프트 인젝션 지침과 OWASP 과도한 자율성 지침에 설명된 위험을 해결하는 데 도움이 됩니다. 또한 팀은 NIST AI 위험 관리 프레임워크 플레이북을 사용하여 더 광범위한 AI 위험 관리 체계에 스킬 평가, 모니터링 및 거버넌스를 통합할 수 있습니다.