기본 콘텐츠로 건너뛰기

앤트로픽이 AI 업계에 던진 한마디 — 에이전트 그만 만들고 Skills를 만들어라

thumbnail

Photo by wang kenan on Unsplash

클로드를 만든 앤트로픽의 엔지니어 두 명이 AI 업계에 한마디를 던졌습니다.
"에이전트 그만 만드세요. Skills를 만드세요."

AI 에이전트를 직접 운영하고 있는 사람으로서, 이 발표를 보고 소름이 돋았습니다. 제가 시행착오 끝에 도달한 구조를 앤트로픽이 공식으로 말해버렸기 때문입니다.


무슨 발표였나

앤트로픽의 Barry Zhang과 Mahesh Murag가 AI Engineer Code Summit 무대에 올랐습니다. 두 사람은 Claude의 에이전트 시스템을 직접 설계한 엔지니어입니다. 16분짜리 발표에서 이들이 한 말의 핵심은 명확했습니다.

"업계 전체가 잘못된 문제를 풀고 있다."

지금 대부분의 회사는 도메인마다 전용 에이전트를 만듭니다. 마케팅 에이전트, 코딩 에이전트, 고객 응대 에이전트. 에이전트가 늘어날수록 관리 비용도 늘어나고, 각각의 에이전트는 서로의 맥락을 모릅니다. 앤트로픽은 이 접근 자체가 틀렸다고 말합니다.

답은 에이전트를 더 만드는 게 아니라, 범용 에이전트 하나에 전문성을 갈아끼우는 것이라는 겁니다. 그 전문성을 담는 그릇이 Skills입니다.

Skills가 뭔가요

놀랍도록 단순합니다. Skills는 폴더입니다. 마크다운 파일이 들어 있는 폴더.

그 안에는 "이 일을 이렇게 하세요"라는 절차가 적혀 있습니다. 회사의 브랜드 가이드라인, 코드 작성 규칙, 고객 응대 매뉴얼, 세금 계산 절차. 어떤 도메인이든 상관없습니다. AI가 읽고 따라 할 수 있는 형태로 정리하면, 그게 Skill입니다.

이들이 사용한 비유가 정확합니다.

"세금 신고를 맡기려고 합니다. IQ 300인데 세법을 한 번도 본 적 없는 천재한테 맡기시겠습니까, 아니면 20년 경력의 세무사한테 맡기시겠습니까?"

전문성 없는 지능은 쇼입니다. 전문성이 패키징된 지능이 생산성입니다.

Skills의 작동 방식도 영리합니다. AI는 처음에 스킬의 이름과 설명만 읽습니다. 관련 있다고 판단하면 그때 SKILL.md를 풀로드합니다. 더 깊은 정보가 필요하면 참조 파일을 탐색합니다. 불필요한 맥락은 아예 로드하지 않습니다. 이걸 Progressive Disclosure라고 부릅니다.

왜 업계가 잘못된 방향으로 가고 있었나

에이전트를 도메인마다 하나씩 만드는 접근은 직관적으로 맞아 보입니다. 마케팅 전문가, 코딩 전문가, 상담 전문가를 따로 고용하는 것처럼요. 하지만 AI에서는 이 비유가 깨집니다.

앤트로픽이 발견한 건 이겁니다. Claude Code의 패턴은 항상 동일합니다. 모델 + 런타임 + 파일시스템. 이 구조는 바뀌지 않습니다. 바뀌는 건 오직 하나, 어떤 도메인 지식을 넣느냐입니다.

에이전트를 10개 만드는 건 같은 구조의 컴퓨터를 10대 사는 것과 같습니다. 컴퓨터를 더 사는 게 아니라, 필요한 소프트웨어를 설치하면 됩니다. Skills가 그 소프트웨어입니다.

이미 이렇게 쓰고 있었습니다

이 발표를 보고 소름이 돋은 이유가 있습니다. 저는 비개발자입니다. 코딩을 모릅니다. 그런데 AI 에이전트를 직접 운영하면서, 시행착오 끝에 도달한 구조가 정확히 이것이었습니다.

저는 "비토"라는 AI 비서 하나를 운영합니다. 보험 업무, 블로그 콘텐츠, 일정 관리, 투자 리서치까지 전부 이 에이전트 하나가 합니다. 처음에는 도메인마다 에이전트를 따로 만들어야 하나 고민했습니다. 보험 에이전트, 콘텐츠 에이전트, 투자 에이전트.

결론부터 말하면, 안 만들었습니다.

대신 이렇게 했습니다.

  • CLAUDE.md — AI한테 "넌 이런 원칙으로 일해"라고 알려주는 매뉴얼
  • CONTEXT.md — "지금 상황은 이렇고, 우선순위는 이거야"라는 현황판
  • thinktank/ 폴더 — 보험, 콘텐츠, 투자, 카페 운영 등 도메인별 지식 파일

보험 상담을 준비할 때는 보험 파일을 로드합니다. 블로그 글을 쓸 때는 콘텐츠 파일을 로드합니다. 에이전트는 하나인데, 전문성이 바뀝니다. 앤트로픽이 "Skills"라고 부르는 것을, 저는 "Think Tank"라고 부르고 있었을 뿐입니다.


비개발자한테 이게 왜 중요한가

Skills의 핵심은 마크다운 파일입니다. 코드가 아닙니다. "이 일은 이런 순서로 하세요", "이런 경우에는 이렇게 판단하세요", "참고할 자료는 여기 있습니다." 이걸 글로 적을 수 있는 사람이면 누구나 Skill을 만들 수 있습니다.

실제로 앤트로픽에 따르면, 출시 5주 만에 수천 개의 Skills가 만들어졌습니다. 회계, 법률, 채용 같은 비개발 직군에서도 직접 만들고 있습니다. Fortune 100 기업들은 이미 내부 프로세스를 Skills로 패키징해서 배포하고 있습니다.

1만 명 이상의 개발자가 있는 팀에서는 Skills를 써서 코드 작성 방식을 표준화합니다. 하지만 이건 개발팀만의 이야기가 아닙니다. 자기 업무의 절차를 글로 정리할 수 있는 사람이면, AI한테 전문성을 가르칠 수 있습니다.

자주 묻는 질문 (FAQ)

Q. Skills는 결국 프롬프트 모음 아닌가요?

프롬프트는 "한 번 쓰고 끝"입니다. Skills는 폴더 구조로 영구 저장되고, AI가 필요할 때 자동으로 로드합니다. 매번 복붙할 필요가 없습니다. 프롬프트는 대화이고, Skills는 매뉴얼입니다.

Q. Claude Code가 아니어도 이 방식을 쓸 수 있나요?

핵심 개념은 동일합니다. ChatGPT의 Custom Instructions, Gemini의 Gems도 같은 방향입니다. 다만 Skills처럼 폴더 기반으로 파일을 구조화하고 필요 시에만 로드하는 Progressive Disclosure는 현재 Claude Code가 가장 앞서 있습니다.

Q. 에이전트를 아예 안 만들어도 되나요?

에이전트 자체가 필요 없다는 뜻이 아닙니다. 범용 에이전트 하나는 필요합니다. 그 에이전트에 전문성을 주입하는 방식으로 Skills를 쓰라는 겁니다. 에이전트 + Skills 조합이 핵심입니다.


정리하며

이 발표를 보면서 느낀 게 있습니다. 저는 코딩을 모르는 사람입니다. 그런데 AI 에이전트를 운영하면서, "에이전트를 더 만들어야 하나" 고민하다가 "아니, 파일로 전문성을 정리하면 되지"라는 결론에 도달했습니다. 그리고 클로드를 만든 회사가 공식 무대에서 같은 말을 했습니다.

방향이 맞다는 확인보다 더 중요한 건, 이 방식이 비개발자한테 유리하다는 점입니다. Skills는 코드가 아니라 글입니다. 자기 업무를 글로 정리할 수 있는 사람이 AI를 가장 잘 쓰는 사람이 됩니다. 지능은 모델이 제공합니다. 전문성은 여러분이 제공하면 됩니다.


#멜론 AI 인사이트 #Claude #AI 인사이트 #Claude Code

Skills의 기초가 되는 CLAUDE.md, 직접 만들어보세요

왕초보 가이드 7편 — CLAUDE.md 완전 가이드 →

참고 자료
· Anthropic 공식 블로그 — Equipping agents for the real world with Agent Skills
· AI Engineer Code Summit — Don't Build Agents, Build Skills Instead (Barry Zhang & Mahesh Murag)

댓글

이 블로그의 인기 게시물

Opus 4.7 제대로 쓰는 법 — Claude Code 팀이 공유한 실전 팁 6가지 2026

Photo by Joshua Woroniecki on Unsplash Opus 4.7로 바꿨는데 "음... 좀 나아진 것 같기도?"로 끝났다면, 모델이 아니라 쓰는 방식이 문제입니다. Claude Code를 만든 팀이 직접 몇 주간 써보고 깨달은 것을 공유했습니다. 솔직히 저도 그랬습니다. Opus 4.7 나왔다길래 바로 써봤는데, 처음엔 "뭐가 달라졌지?" 싶었습니다. 그런데 Boris Cherny(Claude Code 팀)의 팁을 보고 워크플로우를 바꿨더니, 체감이 확 달라졌습니다. 매일 이 블로그를 Claude Code로 운영하면서 하나씩 적용해본 기록입니다. 광고 자리 (AdSense 승인 후 교체) 핵심 요약 — 6가지 팁 한눈에 팁 한줄 요약 적용 방법 Auto mode 권한 프롬프트 자동 판단 Shift+Tab /fewer-permission-prompts 반복 허락 묻기 제거 /fewer-permission-prompts 입력 Recaps 긴 작업 후 요약 자동 제공 자동 (Opus 4.7 기본 탑재) Focus mode 중간 과정 숨기고 결과만 /focus 입력 Effort level 생각 깊이 직접 조절 /effort 입력 검증 수단 제공 AI가 스스로 결과를 확인하게 테스트/브라우저/Computer use 연결 1. Auto mode — 옆에서 지켜보지 마세요 "이 명령어 실행해도 될까요?" — Cla...

Claude Design 제대로 쓰는 법 — Anthropic 디자이너가 공유한 실전 팁 7가지 2026

Photo by Balaji Padmanabhan on Unsplash Anthropic에서 7개 제품을 동시에 담당하는 디자이너가 있습니다. 혼자서요. 그게 가능한 이유가 Claude Design입니다. 캔버스 도구처럼 쓰면 답답한 이 도구, 제대로 쓰는 법을 정리했습니다. Figma나 Sketch 같은 캔버스 기반 도구에 익숙한 사람일수록, Claude Design을 처음 만지면 어색합니다. 레이어도 없고, 드래그 앤 드롭도 없으니까요. 그런데 이건 다른 동물입니다. Anthropic 버티컬 팀 디자이너 Flo Merboy가 X에 올린 스레드에서 직접 공유한 팁 7가지를 보면, 왜 이 도구가 워크플로우 자체를 바꾸는 물건인지 감이 옵니다. 광고 자리 (AdSense 승인 후 교체) 1. 디자인 시스템부터 세팅하라 — 준비 1시간이 수십 시간을 아낀다 작업 시작할 때 디자인 시스템과 주요 화면을 먼저 잡아두는 데 한 시간 정도 투자하세요. 이게 없으면 매번 "이 버튼은 둥근 모서리에 초록색이고 높이는 40px이고..." 하고 설명해야 합니다. 한 번 세팅해두면 이후에는 "로그인 버튼 추가해줘"로 끝납니다. 컴포넌트를 설명하고 스타일을 맞추는 반복 작업이 통째로 사라져요. 2. 엔지니어와 실시간으로 이터레이션하라 Claude Design의 진짜 힘은 속도입니다. 대화 중에 "이렇게 하면 어때요?" 하면 바로 화면이 뜹니다. 이게 무슨 의미냐면, 한 번의 미팅에서 새 기능 디자인을 마무리할 수 있다는 뜻입니다. 높은 레벨에서 개념과 제약을 얘기하면서, 그게 바로 구현되는 모습을 보는 협업. 예전 방식으로는 불가능했던 겁니다. 기획 → 시안 요청 → 대기 → 피드백 → 수정 → 대기, 이 루프가 한 자리에서 끝납니다. 광고 자리 (AdSense 승인 후 교체) 3. C...

ChatGPT 메모리가 이제 보입니다 — 환각 52% 줄인 GPT-5.5 Instant의 진짜 변화 2026

Photo by Andy Luo on Unsplash OpenAI가 ChatGPT를 조용히 바꿨습니다. 새 기본 모델 GPT-5.5 Instant가 나왔고, 환각이 절반 가까이 줄었습니다. 그런데 더 중요한 건 따로 있습니다. 이제 ChatGPT가 답을 어디서 가져왔는지 사용자에게 보여주기 시작했다는 점입니다. [AdSense 상단] 무엇이 바뀌었나 2026년 5월 5일, OpenAI는 ChatGPT의 기본 모델을 GPT-5.5 Instant로 교체했습니다. 가장 눈에 띄는 숫자는 환각률입니다. 의학·법률·금융처럼 잘못된 답이 실제로 손해로 이어지는 분야에서, 새 모델은 이전(GPT-5.3 Instant)보다 환각된 주장을 52.5% 적게 만들어냈다고 OpenAI는 자체 평가에서 밝혔습니다. 수학 추론(AIME 2025)에서는 점수가 65.4에서 81.2로 올랐고, 멀티모달 추론(MMMU-Pro)에서도 69.2에서 76으로 향상됐습니다. 속도는 이전 모델 수준을 그대로 유지했다는 게 OpenAI의 설명입니다. 그런데 진짜 변화는 모델 성능이 아니라 메모리 소스 표시 기능 입니다. ChatGPT는 이제 답변을 만들 때 참고한 과거 대화, 업로드 파일, 연결된 Gmail 정보를 사용자에게 보여줍니다. 사용자는 잘못된 출처를 삭제하거나 수정할 수 있습니다. 다른 사람과 채팅을 공유해도 메모리 소스는 본인만 볼 수 있습니다. 왜 이게 큰 변화일까요 지금까지 ChatGPT를 쓰면서 가장 답답했던 순간을 떠올려보면, 대부분 같은 종류의 답답함이었을 겁니다. "이 답이 도대체 어디서 나온 거지?" AI는 자신감 있게 답하지만, 그 자신감의 근거를 사용자가 검증할 방법이 없었습니다. 환각이라는 단어가 늘 따라다닌 이유입니다. 메모리 소스가 보이기 시작했다는 건, AI 답변에 처음으로 추적 가능한 흔적 이 생겼다는 뜻입니다. 비개발자 입장에서 이건 단순한 UI 추가가 아닙니다. 그동안 ...