Skills are the New SDKs - Elvin Aghammadzada, DataRobot

한 줄 핵심

Skills는 에이전트의 행동과 경험을 구조화해 컨텍스트 낭비를 줄이고 플랫폼의 사용성을 높이는 새로운 SDK처럼 작동하며, MCP와는 경쟁보다 보완 관계에 가깝다.

시간별 요약

1. 0:03
   AI 에이전트 앱은 UI, 시스템 프롬프트·도구 설명, 데이터 스키마의 3층으로 구성되며, 실제 버그는 보이지 않는 프롬프트와 도구 정의 쪽에 자주 생긴다. 컨텍스트를 무한히 넣으면 좋아질 것이라는 생각은 잘못이며, 긴 컨텍스트와 많은 도구는 오히려 성능 저하와 오염 위험을 키운다.
2. 4:01
   과거 SaaS의 핵심 모트가 전환 비용이었다면, Skills는 사용 경험을 더 유창하게 만들어 이동 자체를 덜 매력적으로 만드는 fluency mode를 만든다. 보안, 컴플라이언스, 데이터 거버넌스, 로그, 트레이싱, 통합성 같은 체크리스트에 이제 teachability가 추가되며, 플랫폼은 에이전트가 빠르게 익히고 적용할 수 있어야 한다.
3. 9:00
   LLM·에이전트 생태계는 아직 React 같은 표준화의 전환점을 완전히 만들지 못했고, 이를 정리하는 방법 중 하나가 context engineering이다. 핵심은 필요한 정보만 적절한 시점에 흘려보내는 것이며, 시스템 지시문, 외부 데이터, 실행 이력, 메모리, 출력 스키마를 한 번에 다 넣는 대신 점진적으로 노출해야 한다.
4. 13:00
   Skills는 방대한 도구 정의를 통째로 컨텍스트에 넣는 대신 메타데이터만 먼저 노출해, 필요할 때만 본문과 스크립트를 불러오는 progressive disclosure로 동작한다. 15개의 MCP 서버만 연결해도 도구 정의가 100,000 토큰 이상이 될 수 있지만, Skills는 이를 크게 줄이면서도 더 풍부한 컨텍스트 접근을 가능하게 한다.
5. 16:01
   Skills와 MCP는 경쟁 관계가 아니라 역할이 다르며, Skills는 추론 방식과 행동을 바꾸고 MCP는 인증, 접근 제어, 원격 실행, 고성능 자원 활용을 맡는다. 다만 현재 에이전트는 실제로 많은 도구를 필요로 하지 않는 경우가 많아서, 좋은 기반 모델과 Skills 조합만으로도 많은 MCP 의존을 대체할 수 있다.
6. 21:01
   Skills는 front matter, 본문, scripts의 3단계로 읽히며, 런타임에는 100 토큰 미만의 메타데이터만 읽고 필요 시 5K 토큰 미만의 본문과 실행 스크립트를 연다. 생태계는 빠르게 확장 중이지만, LLM이 Skills를 직접 작성·실행하게 하면 토큰 증가, prompt injection, 검증 부재 같은 위험이 커진다.

실무 인사이트

• 에이전트 성능을 높이려면 도구를 계속 추가하기보다, 필요한 순간에만 읽히는 Skills 설계를 먼저 해야 한다.
• 실무에서는 Skills를 코드처럼 버전 관리하고 평가·테스트 체계를 붙여야 하며, 특히 외부 시장에서 받은 Skills는 NPM처럼 검증이 필요하다.
• MCP는 대규모 자원·권한·격리 실행에, Skills는 사고방식과 작업 절차의 주입에 쓰는 방식으로 분리하면 운영이 쉬워진다.