[한영자막] 스킬 vs MCP vs RAG vs 메모리: AI 에이전트에게 필요한 핵심 4가지 지식입니다

한 줄 핵심

AI 에이전트에 지식을 넣는 최선의 방법은 한꺼번에 컨텍스트를 채우는 것이 아니라, 절차는 skill, 외부 조회는 MCP, 문서 지식은 RAG, 경험 축적은 memory로 나눠 쓰는 것이다.

시간별 요약

1. 0:00
   문제 해결에 필요한 지식 분해 500 오류 같은 실제 업무 문제를 에이전트가 해결하려면 무작정 많은 자료를 컨텍스트 윈도우에 넣는 방식보다, 어떤 지식을 어떤 방식으로 공급할지 먼저 나눠 설계해야 한다. 컨텍스트를 과도하게 채우면 오히려 길을 잃기 쉽다.
2. 2:00
   skill과 MCP의 역할 분리 skill은 특정 작업의 절차와 판단 기준을 제공하는 안내서이고, 필요할 때만 불러오는 점진적 노출 방식으로 작동한다. 반면 MCP는 에이전트가 dashboard, logs, metrics 같은 외부 시스템에 실제로 접근해 값을 읽고 행동하게 해 주는 연결 계층이다.
3. 6:01
   RAG와 메모리의 차이 RAG는 사람이 미리 넣어 둔 문서나 매뉴얼을 벡터 검색으로 찾아 컨텍스트에 주입하는 방식이고, memory는 에이전트가 과거 경험에서 직접 축적한 지식을 재사용하는 방식이다. 즉, RAG는 문서 기반 지식, memory는 경험 기반 지식이다.
4. 7:00
   언제 무엇을 쓸지 문서화된 지식은 RAG, 경험에서 얻은 지식은 memory, 반복 가능한 절차는 skill, 외부 세계의 정보를 실제로 조회해야 하면 MCP가 적합하다. 실무에서는 이 네 가지를 경쟁 관계가 아니라 역할 분담 구조로 함께 설계하는 것이 가장 효과적이다.

실무 인사이트

• 에이전트 정확도를 높이려면 ‘더 많은 컨텍스트’보다 ‘정확한 지식 공급 방식’부터 구분해야 한다.
• 운영 절차는 skill로 표준화하고, 실시간 관측값은 MCP로 가져오며, 사후 학습은 memory에 남기는 구조가 재사용성과 안정성을 동시에 높인다.
• RAG와 memory를 혼동하면 문서에 없는 실제 경험이 사라지므로, 외부 문서와 에이전트 경험 로그를 분리해 관리해야 한다.