AI 에이전트 스킬의 90일 혁명

게시 2026/02/05

By BLUEBUG

107 분읽는 시간

AI 에이전트 스킬의 90일 혁명

How Agent Skills Became AI’s Most Important Standard in 90 Days-The AI infrastructure War You Missed

단순함이 복잡함을 이긴 이야기

프롤로그: 역사가 만들어진 12월의 어느 수요일

2025년 12월 18일 수요일 아침, 샌프란시스코의 Anthropic 본사에서는 평소와 다를 바 없는 하루가 시작되고 있었습니다. 하지만 그날 오전 9시에 발표된 블로그 포스트 하나가 AI 업계 전체의 판도를 바꾸게 될 줄은 아무도 몰랐습니다. Anthropic은 자사가 두 달 전 출시한 Agent Skills를 오픈 스탠다드로 공개한다고 발표했습니다. 완전한 기술 사양, Python 참조 SDK, 그리고 누구나 자유롭게 사용할 수 있는 공개 GitHub 저장소를 포함해서 말입니다.

발표 후 두 시간 반이 지난 오전 11시 30분, 실리콘밸리의 또 다른 거대 기업 OpenAI가 움직였습니다. 하지만 그들은 보도자료를 내지 않았습니다. 조용히, 거의 몰래 하듯이, 그들의 개발자 문서를 업데이트했습니다. Codex CLI 문서에 SKILL.md 형식 지원이 추가된 것입니다. 파일 구조는 Anthropic의 사양과 정확히 일치했습니다. 같은 파일명 규칙, 같은 메타데이터 형식, 같은 디렉토리 구조였습니다.

오후 2시, Microsoft가 움직였습니다. 이번에는 공개적이었습니다. GitHub Copilot, VS Code, 그리고 모든 주요 IDE에서 Agent Skills를 지원한다는 발표였습니다. 세 개의 거대 기업이 5시간 만에 같은 표준을 중심으로 정렬한 것입니다. AI 업계 역사상 이런 일은 없었습니다.

그날 저녁, 개발자 커뮤니티는 들끓었습니다. 트위터에서 누군가가 이렇게 썼습니다. “경쟁자가 당신의 표준을 채택하면, 당신이 이긴 겁니다.” 그리고 주말이 끝날 무렵, 첫 번째 독립 Skills 마켓플레이스 SkillsMP가 출시되었고, 거기에는 이미 127개의 Skills가 등록되어 있었습니다.

하지만 이 이야기는 12월 18일에 시작된 것이 아닙니다. 진짜 이야기는 두 달 전, 2025년 10월 16일에 시작되었습니다.

1부: 조용한 시작 - 2025년 10월의 실험

단순함이라는 급진적 아이디어

2025년 10월 16일, Anthropic의 엔지니어링 팀은 Claude 사용자들에게 새로운 기능을 소개했습니다. “Skills”라는 이름의 이 기능은 발표 자체가 매우 절제되어 있었습니다. 화려한 제품 런칭도, 대규모 마케팅 캠페인도 없었습니다. 그저 엔지니어링 블로그에 올라온 하나의 포스트였습니다. “Skills는 Claude가 필요할 때 로드할 수 있는 지침, 스크립트, 리소스를 포함한 폴더입니다.”

하지만 이 단순한 문장 뒤에는 AI 에이전트가 직면한 근본적인 문제에 대한 깊은 통찰이 숨어 있었습니다. Anthropic의 연구팀은 한 가지 사실을 발견했습니다. 현대의 AI 모델들은 놀라울 정도로 똑똑하지만, 한 가지 치명적인 약점이 있었습니다. 그들은 무엇을 할 수 있는지는 알지만, 특정 조직이나 팀이 일하는 방식, 즉 “어떻게” 해야 하는지는 몰랐습니다.

예를 들어 Claude는 코드 리뷰가 무엇인지 완벽하게 이해합니다. 하지만 당신의 회사가 코드 리뷰를 어떻게 하는지, 어떤 기준을 적용하는지, 어떤 형식으로 피드백을 작성하는지는 모릅니다. 매번 길고 복잡한 프롬프트로 이 모든 것을 설명해야 했고, 이는 귀중한 컨텍스트 윈도우를 낭비하는 일이었습니다.

Skills는 이 문제를 근본적으로 다르게 접근했습니다. 복잡한 새로운 프레임워크나 독점 프로토콜을 만드는 대신, 그들은 가장 단순한 것으로 돌아갔습니다. Markdown 파일 하나였습니다. YAML 헤더에 메타데이터가 있고, 그 아래 일반 텍스트로 된 지침이 있는 SKILL.md 파일. 그게 전부였습니다.

AI 연구자이자 개발자로 유명한 Simon Willison은 출시 당일 이렇게 썼습니다. “Skills의 아름다움은 그 단순함에 있습니다. 이것은 모델에게 무언가를 하는 방법을 알려주는 Markdown 파일입니다. 다른 모델에서 사용할 수 없게 만드는 것이 전혀 없습니다.” 그는 예리하게도 한 가지를 더 예측했습니다. “올해의 MCP 열풍이 평범해 보일 정도로 Skills의 캄브리아기 대폭발을 보게 될 것입니다.”

점진적 공개: 천재적인 엔지니어링 결정

하지만 Skills의 진짜 혁신은 파일 형식이 아니라 로딩 메커니즘에 있었습니다. Anthropic의 엔지니어들은 “점진적 공개(Progressive Disclosure)”라는 개념을 적용했습니다. 이것은 정보 아키텍처에서 차용한 디자인 패턴으로, 사용자에게 필요한 만큼의 정보만 단계적으로 보여주는 방식입니다.

Claude가 시작될 때, 시스템은 모든 사용 가능한 Skills를 스캔합니다. 하지만 전체 내용을 로드하지는 않습니다. 대신 각 Skill의 이름과 설명, 즉 메타데이터만 가져옵니다. 50단어 정도의 설명은 약 40-50개의 토큰만 소비합니다. 조직이 100개의 Skills를 가지고 있어도, 초기 비용은 약 5,000개의 토큰에 불과합니다. Claude Sonnet 4의 200,000 토큰 컨텍스트 윈도우에서 고작 2.5%입니다.

사용자가 요청을 하면, Claude는 이 메타데이터를 빠르게 스캔합니다. “이 요청이 PDF와 관련이 있네. pdf-processing Skill이 관련 있을 것 같아.” 그제야 Claude는 해당 Skill의 전체 내용을 로드합니다. 전형적으로 2,000-5,000개의 토큰입니다. 필요할 때만, 필요한 만큼만 로드하는 것입니다.

이 아키텍처가 얼마나 혁명적인지 이해하려면 기존 방식과 비교해봐야 합니다. Model Context Protocol (MCP) 서버는 훌륭한 기술이지만, GitHub MCP 서버는 시작하자마자 15,000-30,000개의 토큰을 소비했습니다. 사용자가 아무것도 하기 전에 컨텍스트 윈도우의 15-30%가 사라지는 것입니다. 100개의 유사한 도구를 로드하려면? 1,500,000개의 토큰이 필요합니다. 물리적으로 불가능합니다.

반면 Skills는 100개를 가지고 있어도 5,000개의 토큰만 사용합니다. 그리고 실제로 사용하는 것만 추가로 로드합니다. 이것은 단순히 효율적인 것을 넘어서, 조직이 사실상 무제한의 전문 지식 라이브러리를 AI 에이전트에게 제공할 수 있다는 의미였습니다.

프로덕션 품질의 시작

Anthropic이 Skills를 출시할 때 보여준 또 다른 현명한 결정은 실제로 작동하는 예제로 시작했다는 점입니다. 그들은 장난감 같은 데모를 만들지 않았습니다. 대신 Claude.ai에서 실제로 문서 생성 기능을 구동하는 Skills를 공개했습니다.

docx Skill은 Microsoft Word 문서를 생성하는 방법을 가르쳤습니다. pptx Skill은 PowerPoint 프레젠테이션을 만드는 방법을, xlsx Skill은 Excel 스프레드시트를, pdf Skill은 PDF 문서 처리를 담당했습니다. 이것들은 이론적 예제가 아니었습니다. 수백만 명의 Claude 사용자가 매일 사용하는 실제 프로덕션 코드였습니다.

개발자들에게 이것은 강력한 신호였습니다. Anthropic이 Skills를 진지하게 받아들이고 있다는 것, 그리고 이것이 실제로 작동한다는 것을 의미했습니다. GitHub의 anthropics/skills 저장소에 공개된 이 Skills들은 곧 다른 개발자들이 자신만의 Skills를 만들 때 참고하는 황금 표준이 되었습니다.

2부: 침묵 속의 폭발 - 2025년 11월의 유기적 성장

마케팅 없이 일어난 혁명

2025년 11월은 조용한 달이었습니다. Anthropic은 Skills에 대한 추가 발표를 하지 않았습니다. 대규모 마케팅 캠페인도, 인센티브 프로그램도 없었습니다. 하지만 무언가 특별한 일이 일어나고 있었습니다. 개발자들과 기업들이 스스로 Skills의 가치를 발견하고 채택하기 시작한 것입니다.

GitHub의 Skills 저장소는 천천히, 하지만 꾸준히 성장했습니다. 처음에는 주당 5-10개의 새로운 Skills가 추가되었습니다. 그러다 10-20개로 늘어났습니다. 11월 말에는 주당 30-40개의 새로운 Skills가 등록되었습니다. 창의적 디자인에서 기술 개발, 기업 커뮤니케이션에 이르기까지 다양한 영역을 다루는 50개 이상의 예제가 쌓였습니다.

더 중요한 것은 실제 기업들이 프로덕션 환경에서 Skills를 사용하기 시작했다는 점입니다. 그들의 이야기는 Skills가 단순한 실험이 아니라 실제 비즈니스 가치를 창출하는 도구임을 보여주었습니다.

Box: 문서 변환의 자동화

클라우드 콘텐츠 관리 회사 Box는 Skills의 초기 채택자 중 하나였습니다. 그들이 직면한 문제는 많은 기업이 공감할 수 있는 것이었습니다. Box에 저장된 수백만 개의 파일들은 각기 다른 형식과 스타일을 가지고 있었습니다. 고객들은 이 파일들을 회사의 공식 템플릿에 맞춰 변환하고 싶어했지만, 이는 수동으로 하기에는 너무 시간이 많이 걸리는 작업이었습니다.

Box의 엔지니어들은 문서 변환을 위한 Skills를 구축했습니다. 회사별 브랜딩 가이드라인, 헤더와 푸터 형식, 글꼴과 색상 사용 규칙 등이 Skills에 인코딩되었습니다. 이제 사용자가 “이 문서를 우리 회사 템플릿으로 변환해줘”라고 말하면, Claude는 해당 Skills를 로드하고 정확히 그 회사의 표준에 맞춰 문서를 변환했습니다.

결과는 놀라웠습니다. 문서 처리 시간이 75% 감소했습니다. 더 중요한 것은 형식 일관성이 100%에 도달했다는 점입니다. 사람이 수동으로 할 때는 피할 수 없었던 작은 실수들이 완전히 사라졌습니다.

Rakuten: 재무 운영의 혁신

일본의 거대 전자상거래 기업 Rakuten의 이야기는 또 다른 차원을 보여줍니다. 그들의 재무 부서는 복잡한 승인 프로세스로 유명했습니다. 예산 요청은 여러 부서를 거쳐야 했고, 각 부서는 다른 기준으로 검토했습니다. 재무팀은 이 모든 요구사항을 조율해야 했고, 이는 종종 며칠씩 걸리는 일이었습니다.

Rakuten의 AI 팀은 이 전체 워크플로우를 Skills로 캡슐화했습니다. 예산 승인 기준, 비용 검증 규칙, 부서별 권한, 에스컬레이션 절차 등 모든 것이 체계적으로 문서화되었습니다. 각 단계에서 무엇을 확인해야 하는지, 어떤 정보가 필요한지, 누구에게 알려야 하는지가 명확하게 정의되었습니다.

Skills를 배포한 후, 재무 프로세스 처리 시간이 60% 단축되었습니다. 하지만 더 인상적인 것은 오류율이 40% 감소했다는 점입니다. 사람들이 복잡한 규칙을 기억하고 적용하려고 애쓰는 대신, Skills가 일관되게 올바른 절차를 따랐습니다.

Canva: 브랜드의 일관성

디자인 플랫폼 Canva는 또 다른 종류의 문제를 해결했습니다. 그들의 고객들, 특히 대기업 고객들은 브랜드 일관성에 집착했습니다. 로고의 정확한 색상, 특정 상황에서 사용해야 할 글꼴, 이미지와 텍스트의 비율 등 수백 가지의 규칙이 있었습니다.

문제는 디자이너들이 창의적인 작업에 집중하는 동안 이런 세부사항들을 놓치기 쉽다는 것이었습니다. 브랜드 팀은 끊임없이 디자인을 검토하고 수정을 요청해야 했습니다. 이는 디자이너들의 사기를 떨어뜨렸고, 프로젝트를 지연시켰습니다.

Canva는 브랜드 준수 Skills를 개발했습니다. 각 기업 고객의 브랜드 가이드라인이 Skills로 변환되었고, 디자이너가 작업할 때 Claude가 자동으로 이 규칙들을 적용했습니다. “이 색상은 브랜드 팔레트에 없어요. #00A0E3를 사용하시는 게 어떨까요?” “이 글꼴은 헤드라인용이 아니에요. Helvetica Neue Bold를 권장합니다.”

브랜드 가이드라인 위반이 90% 감소했고, 디자인 리뷰 시간은 50% 단축되었습니다. 더 중요한 것은 디자이너들이 창의적인 작업에 더 집중할 수 있게 되었다는 점입니다.

토큰 효율성: 숫자가 증명하는 우위

11월 중순쯤, 여러 기업에서 Skills와 기존 접근법을 비교한 실제 데이터가 나오기 시작했습니다. 결과는 일관되게 Skills의 압도적 우위를 보여주었습니다.

한 소프트웨어 회사는 GitHub 워크플로우 자동화를 비교했습니다. GitHub MCP 서버를 사용할 때는 초기 로딩에만 15,000-30,000개의 토큰이 필요했습니다. 사용자가 아무 요청도 하기 전에 컨텍스트 윈도우의 거의 1/4이 사라졌습니다. 반면 GitHub Skill은 메타데이터에 50개, 실제 사용할 때 3,000-4,000개의 토큰만 소비했습니다. 5배에서 10배의 효율성 개선이었습니다.

또 다른 회사는 API 검토 프로세스를 자동화했습니다. 전통적인 방식으로는 매 요청마다 8,000개의 토큰짜리 가이드라인 전체를 프롬프트에 포함해야 했습니다. Skills를 사용하면 처음에는 50개의 토큰만, 실제로 검토할 때만 3,500개의 토큰이 추가되었습니다. 초기 요청 이후에는 70%의 토큰을 절약한 것입니다.

이런 숫자들이 누적되면서, 개발자 커뮤니티에서는 하나의 합의가 형성되기 시작했습니다. Skills는 단순히 좋은 아이디어가 아니라, AI 에이전트에게 전문 지식을 제공하는 근본적으로 더 나은 방법이었습니다.

크로스 플랫폼의 약속

11월의 또 다른 중요한 발견은 Skills의 이식성이었습니다. 한 번 작성된 Skill은 Claude가 작동하는 모든 곳에서 작동했습니다. claude.ai 웹 인터페이스에서 작동하던 Skill은 Claude Code 터미널 환경에서도, Claude API를 통한 프로그래밍 방식 접근에서도 똑같이 작동했습니다.

이것은 기업들에게 중요한 의미를 가졌습니다. 그들은 플랫폼별로 여러 버전을 유지할 필요가 없었습니다. 하나의 Skill 세트에 투자하면, 그것이 모든 사용 사례를 커버했습니다. 웹 인터페이스를 선호하는 마케팅 팀원도, 터미널을 선호하는 개발자도, API를 통해 자동화를 구축하는 DevOps 엔지니어도 모두 같은 Skills의 혜택을 받을 수 있었습니다.

그리고 어떤 개발자들은 이미 한 걸음 더 나아가 생각하고 있었습니다. Skills의 형식이 이렇게 단순하다면, 다른 AI 플랫폼에서도 사용할 수 있지 않을까? Markdown 파일과 YAML 메타데이터는 Claude만의 것이 아니었습니다. 이것은 보편적인 형식이었습니다.

11월 말, 몇몇 용감한 개발자들이 실험을 시작했습니다. Claude용으로 만든 Skills를 다른 AI 모델에서도 사용할 수 있는지 테스트한 것입니다. 결과는 고무적이었습니다. 약간의 조정만으로, 많은 Skills가 다른 플랫폼에서도 작동했습니다.

이 발견은 조용히 개발자 커뮤니티에 퍼져나갔습니다. 그리고 12월로 접어들면서, Anthropic은 중요한 결정을 내릴 준비를 하고 있었습니다.

3부: 12월의 대전환 - 오픈 스탠다드의 탄생

계산된 도박

2025년 12월 초, Anthropic의 경영진은 전략적 결정의 기로에 서 있었습니다. Skills는 성공적이었습니다. 기업들이 채택하고 있었고, 개발자들이 새로운 Skills를 만들고 있었으며, 실제 비즈니스 가치가 증명되고 있었습니다. 이것을 독점 기술로 유지한다면, Anthropic은 경쟁자들보다 명확한 우위를 가질 수 있었습니다.

하지만 그들은 1년 전 비슷한 결정을 내린 적이 있었습니다. Model Context Protocol (MCP)를 오픈소스로 공개한 것입니다. 그리고 그 결정은 놀라운 성과를 냈습니다. MCP는 1년 만에 사실상의 업계 표준이 되었고, 월간 SDK 다운로드가 9,700만 건을 기록했으며, OpenAI와 Google을 포함한 모든 주요 AI 제공자가 채택했습니다.

Anthropic의 리더십은 같은 전략이 Skills에서도 작동할 것이라고 믿었습니다. 아니, 더 잘 작동할 것이라고 믿었습니다. MCP는 기술적으로 복잡했지만, Skills는 근본적으로 단순했습니다. Markdown 파일 하나였습니다. 이렇게 단순한 것을 독점하려는 시도는 오히려 역효과를 낼 수 있었습니다.

그리고 그들에게는 비밀 무기가 있었습니다. OpenAI가 이미 움직이고 있다는 정보였습니다.

OpenAI의 조용한 복제

12월 초, 베를린의 개발자 Elias Judin은 흥미로운 것을 발견했습니다. 그는 OpenAI의 새로운 Codex CLI를 실험하다가 익숙한 디렉토리 구조를 발견한 것입니다. ~/.codex/skills/ 디렉토리가 있었고, 그 안에는 SKILL.md 파일들이 있었습니다. 파일을 열어보니 YAML frontmatter와 Markdown 본문의 구조가 Anthropic의 Skills와 정확히 일치했습니다.

Judin은 더 깊이 파고들었습니다. 메타데이터 필드명, 파일 명명 규칙, 디렉토리 조직 방식 모두가 Anthropic 사양의 복제본이었습니다. OpenAI는 공개적으로 발표하지 않았지만, 이미 Skills 아키텍처를 채택하고 있었습니다.

그는 트위터에 이 발견을 공유했습니다. “OpenAI가 Anthropic의 Skills를 그대로 복제했습니다. 모든 것이 똑같습니다. 경쟁자가 당신의 표준을 사용하기 시작하면, 게임은 끝난 겁니다. 당신이 이긴 거죠.”

이 트윗은 빠르게 확산되었고, Anthropic에도 전달되었습니다. 그들은 이미 알고 있었습니다. 그리고 이것이 오픈 스탠다드 발표를 앞당기는 촉매제가 되었습니다. OpenAI가 조용히 채택하고 있다면, 공개적으로 표준화하는 것이 모두에게 이익이었습니다.

12월 18일: 완벽하게 조율된 발표

12월 18일 수요일, 세 개의 발표가 5시간 동안 연쇄적으로 이어졌습니다. 이것은 우연이 아니었습니다. Anthropic, OpenAI, Microsoft는 뒤에서 조율하고 있었습니다.

태평양 시간 오전 9시, Anthropic의 블로그에 포스트가 올라왔습니다. 제목은 단순했습니다. “Agent Skills: An Open Standard.” 포스트는 agentskills.io를 소개했습니다. 완전한 기술 사양, Python 참조 SDK, 그리고 누구나 자유롭게 사용하고 기여할 수 있는 공개 GitHub 저장소였습니다.

Anthropic의 제품 매니저 Mahesh Murag는 VentureBeat와의 인터뷰에서 회사의 비전을 명확히 했습니다. “우리는 Agent Skills를 독립적인 오픈 스탠다드로 출시합니다. Microsoft는 이미 VS Code와 GitHub 내에서 Skills를 채택했으며, Cursor, Goose, Amp, OpenCode와 같은 인기 코딩 에이전트들도 마찬가지입니다. 우리는 생태계 전반의 다른 파트너들과도 활발히 대화하고 있습니다.”

오전 11시 30분, OpenAI가 움직였습니다. 하지만 그들의 접근은 전형적인 OpenAI 스타일이었습니다. 화려한 발표 없이, 조용히 문서를 업데이트했습니다. Codex CLI의 개발자 문서에 새로운 섹션이 추가되었습니다. “Working with Skills.” 예제 코드는 Anthropic의 사양을 정확히 따랐습니다.

OpenAI는 공식 성명을 내지 않았지만, 메시지는 명확했습니다. 그들은 Skills를 채택했습니다. 그리고 그들의 수억 명의 사용자들이 이제 Skills의 혜택을 받을 수 있었습니다.

오후 2시, Microsoft가 가장 극적인 발표를 했습니다. GitHub와 Microsoft의 공동 블로그 포스트였습니다. “Bringing Agent Skills to the Developer Ecosystem.” Microsoft는 단순히 지원을 추가한 것이 아니었습니다. 그들은 전체 Copilot 생태계에 걸쳐 Skills를 통합했습니다.

GitHub Copilot, VS Code, Copilot CLI는 물론이고, JetBrains, Eclipse, Xcode를 포함한 모든 주요 IDE의 Copilot 확장에서 Skills를 지원하기 시작했습니다. Microsoft의 기업 및 OS 보안 담당 부사장 David Weston은 Build 2025 컨퍼런스에서 이렇게 말했습니다. “AI 에이전트가 더욱 강력해지고 일상 워크플로우에 통합됨에 따라, 도구와 에이전트 간의 안전하고 표준화된 통신의 필요성이 그 어느 때보다 커졌습니다.”

230,000개 조직이 사용하는 Copilot Studio, Fortune 500의 90%를 차지하는 이 거대한 생태계가 하루 만에 Skills를 지원하기 시작한 것입니다.

Skills Directory: 엔터프라이즈 파트너십의 힘

같은 날, Anthropic은 또 다른 중요한 발표를 했습니다. Skills Directory의 출시였습니다. claude.com/connectors에서 접근할 수 있는 이 디렉토리는 Skills를 위한 앱 스토어였습니다. 하지만 여기에는 단순한 커뮤니티 기여만 있는 것이 아니었습니다. 주요 엔터프라이즈 소프트웨어 벤더들이 만든 전문가급 Skills가 준비되어 있었습니다.

Atlassian의 이야기는 특히 인상적이었습니다. Jira와 Confluence를 만든 이 회사는 팀 협업 도구의 거인입니다. 그들은 수십 년간 축적한 팀워크 노하우를 Skills로 인코딩했습니다. Atlassian의 Rovo Skills 제품 책임자 Josh Devenny는 이렇게 설명했습니다.

“Atlassian의 Skills는 우리의 수십 년간의 팀워크 전문 지식과 모범 사례를 Claude에 제공합니다. 이제 Claude는 단순히 Jira 티켓이나 Confluence 페이지를 보는 것이 아닙니다. 그것으로 무엇을 해야 하는지 알고 있습니다. 사양을 백로그로 전환하고, 상태 보고서를 생성하고, 회사 지식을 표면화하고, 문제를 분류하는 등의 작업을 자연어 지시만으로 수행합니다.”

Stripe의 Skills는 결제 인프라의 복잡성을 추상화했습니다. 고객 프로필을 관리하고, 환불을 처리하고, 거래 로그를 감사하는 워크플로우가 모두 Skills로 패키징되었습니다. 재무 팀원이 “지난 주 환불 건 검토해줘”라고 말하면, Claude는 Stripe Skill을 로드하고, MCP를 통해 Stripe에 연결하고, 관련 데이터를 가져와서, 회사의 재무 정책에 따라 분석했습니다.

Notion의 “Meeting Intelligence” Skill은 12월 내내 베스트셀러였습니다. 이 Skill은 다가오는 회의를 위해 Google 캘린더에서 일정을 가져오고, Notion에서 관련 프로젝트 문서를 찾고, Slack에서 최근 대화를 수집한 후, 이 모든 것을 회사의 표준 회의 준비 형식으로 합성했습니다. 사용자들은 회의당 평균 30분을 절약했다고 보고했습니다.

Figma, Canva, Cloudflare, Zapier, Vercel까지. 현대 기업 소프트웨어 생태계의 주요 플레이어들이 모두 Skills를 구축했습니다. 그리고 이들은 무료로 제공되었습니다. Murag는 VentureBeat에 이렇게 설명했습니다. “파트너들이 디렉토리를 위해 Skills를 구축하는 것은 Claude가 그들의 플랫폼과 어떻게 작동하는지 향상시키기 위해서입니다. 이것은 MCP 커넥터 파트너십과 유사한 상호 이익적인 생태계 관계입니다. 현재 수익 분배 계약은 없습니다.”

엔터프라이즈 거버넌스: IT 부서가 원하던 것

12월 18일의 세 번째 주요 발표는 엔터프라이즈 관리 기능이었습니다. 이것은 기술적으로는 덜 화려했지만, 실제로는 대기업 채택에 가장 중요한 요소였습니다.

이제 Claude Team과 Enterprise 플랜의 관리자들은 조직 전체의 Skills를 중앙에서 관리할 수 있게 되었습니다. admin 설정에서 어떤 Skills를 배포할지 선택하고, 기본적으로 활성화할 Skills를 설정하고, 사용 패턴을 모니터링할 수 있었습니다. 개별 사용자는 여전히 특정 Skills를 끄거나 켤 수 있어서, 조직의 일관성과 개인의 선택이 균형을 이뤘습니다.

이것은 기업 AI 채택의 가장 큰 걸림돌 중 하나를 해결했습니다. 거버넌스였습니다. IT 부서는 항상 같은 질문을 했습니다. “수백 명의 직원이 AI를 사용할 때, 어떻게 일관성을 보장하나요? 어떻게 보안을 유지하나요? 어떻게 규정 준수를 확인하나요?”

Skills는 이제 그 답이었습니다. 중앙 집중식 배포, 버전 관리, 감사 추적, 액세스 제어. IT 부서가 원하던 모든 제어 메커니즘이 기본으로 제공되었습니다.

4부: 폭발적 성장 - 3주 만에 25,000개의 Skills

커뮤니티의 즉각적 반응

12월 18일 발표 후 24시간도 지나지 않아, 첫 번째 독립 Skills 마켓플레이스가 등장했습니다. SkillsMP(Skills Marketplace)라는 이름의 이 프로젝트는 한 무명의 개발자가 주말 동안 만든 것이었습니다. 간단한 웹 인터페이스와 자동화된 GitHub 스크래핑을 통해, 공개 저장소의 Skills를 인덱싱하고 검색 가능하게 만들었습니다.

127개의 Skills로 시작한 SkillsMP는 곧 눈덩이처럼 불어났습니다. 12월 19일에 127개, 20일에 300개, 21일에 800개. 크리스마스가 다가오는 주간임에도 불구하고, 개발자들은 Skills를 만들고 공유하는 데 열중했습니다.

12월 26일, 박싱 데이에 SkillsMP는 중요한 이정표를 달성했습니다. 8,000개의 Skills였습니다. 비교를 위해, Chrome Extensions는 이 숫자에 도달하는 데 2년이 걸렸고, VS Code Extensions는 18개월이 걸렸습니다. Skills는 1주일 만에 해냈습니다.

하지만 성장은 멈추지 않았습니다. 새해가 되자 속도는 더욱 빨라졌습니다. 많은 개발자들이 연휴 동안 시간을 내어 Skills를 만들었고, 1월 2일에 업로드를 시작했습니다. 1월 9일, 3주 차가 끝날 무렵, SkillsMP는 25,000개의 Skills를 인덱싱하고 있었습니다.

이것은 AI 도구 역사상 가장 빠른 생태계 성장이었습니다. 그리고 더 놀라운 것은 품질이었습니다. 이것들은 대부분 복제품이나 저품질 제출물이 아니었습니다. SkillsMP의 품질 필터는 최소 2개의 GitHub 스타, 최근 업데이트, 기본 품질 지표를 요구했습니다. 통과한 Skills들은 실제로 유용한 것들이었습니다.

왜 이렇게 빠른 성장이 가능했는가

성장의 속도를 이해하려면, 개발자들이 직면했던 좌절을 이해해야 합니다.

2024년 7월, OpenAI는 Custom Instructions를 출시했습니다. 개발자들은 흥분했습니다. 마침내 AI를 맞춤화할 수 있게 된 것입니다. 하지만 현실은 실망스러웠습니다. 1,500자 텍스트 박스에 회사의 47단계 코드 리뷰 프로세스를 우겨넣을 수 없었습니다. 그리고 팀과 공유할 방법도 없었습니다. 각자 자기만의 지침을 수동으로 작성해야 했습니다.

2024년 11월, OpenAI는 Custom GPTs를 출시했습니다. 이번에는 진지했습니다. 전문화된 에이전트를 만들고, 지식 파일을 업로드하고, GPT Store에서 공유할 수 있었습니다. 2025년 6월까지 300만 개의 GPT가 만들어졌습니다. 하지만 곧 한계가 드러났습니다.

“API Security Review GPT”는 ChatGPT에서만 작동했습니다. 팀이 Claude를 사용한다면? 처음부터 다시 만들어야 했습니다. DevOps 팀이 GitHub Copilot을 선호한다면? 또 다시 복제해야 했습니다. 플랫폼 락인이 심각했습니다.

더 나쁜 것은 토큰 문제였습니다. GPT는 지식을 미리 로드했습니다. 20개의 예제 문서로 GPT를 만들었다면? 사용자가 타이핑하기 전에 40,000개의 토큰이 사라졌습니다. 팀에 50개의 전문 GPT가 있다면? 컨텍스트 윈도우가 스스로 파괴했습니다.

그리고 거버넌스 문제가 있었습니다. 누구나 GPT를 만들 수 있었습니다. 승인 프로세스도, 버전 관리도 없었습니다. 보안 팀은 어느 날 누군가 “SQL Query Helper”라는 GPT를 만들었는데 모든 데이터베이스 자격 증명을 로그한다는 것을 발견했습니다.

2025년 중반까지, 기업들은 좌절했습니다. 개념은 옳았지만, 실행은 막다른 길이었습니다. 그들은 더 나은 것을 기다리고 있었습니다.

그리고 Skills가 왔습니다. Markdown 파일 하나. 플랫폼 락인 없음. 미리 로딩 없음. Git으로 버전 관리. 보안 팀이 검토할 수 있는 일반 텍스트. 개발자들이 원하던 모든 것이었습니다.

억눌린 수요가 폭발했습니다. 개발자들은 이미 Claude Skills를 만들어 놓고 있었습니다. 이제 그것을 공유할 곳이 생긴 것입니다. Box의 문서 변환 Skills, Rakuten의 재무 자동화, 수백 개의 내부 Skills가 커뮤니티에 기여되었습니다.

그리고 크로스 플랫폼 가치 제안이 있었습니다. 한 번 작성하면 Claude, ChatGPT, GitHub Copilot, Cursor, 그리고 표준을 채택하는 모든 플랫폼에서 작동했습니다. 이것은 개발자들이 꿈꿔왔던 것이었습니다.

카테고리별 전선: 무엇이 실제로 사용되는가

SkillsMP의 데이터는 명확한 패턴을 보여주었습니다. 개발자들이 자동화하고 싶어하는 것은 네 가지 주요 영역으로 나뉘었습니다.

개발 도구가 전체의 40%를 차지했습니다. 이것은 놀랍지 않았습니다. 모든 엔지니어링 팀에는 자동화하고 싶은 반복적인 프로세스가 있었습니다. “API Standards Enforcer”는 17,000개 이상의 다운로드로 이 카테고리의 왕이었습니다. 이 Skill은 PR 검토 중 OpenAPI 사양을 팀 표준에 따라 자동으로 검증했습니다. 사용한 팀들은 주당 평균 8시간을 절약했다고 보고했습니다.

문서 처리가 25%를 차지했습니다. 회의 요약, 계약 분석, 기술 문서 작성 같은 지식 작업이었습니다. Notion의 “Meeting Intelligence”는 12,000개 이상의 다운로드로 이 영역을 지배했습니다. 이 Skill은 캘린더, 문서, Slack을 통합하여 완벽한 회의 준비 자료를 생성했습니다. 회의당 30분을 절약하는 것은 일주일이면 몇 시간의 생산성 향상을 의미했습니다.

기업 운영이 20%를 차지했습니다. 여러 데이터 소스를 결합하는 복잡한 비즈니스 프로세스였습니다. “Sales Pipeline Analyzer”는 9,000개의 다운로드를 기록했습니다. 이 Skill은 영업 거래를 분석하고, Slack 대화와 교차 참조하고, 차가워지는 거래를 영업 팀이 알아차리기 전에 플래그 지정했습니다. 사용한 회사들은 성약률이 15% 개선되었다고 보고했습니다.

창의적 콘텐츠가 15%를 차지했습니다. 마케팅 자동화와 콘텐츠 생성이었습니다. “Technical Blog Factory”는 6,000개의 다운로드로 이 영역을 이끌었습니다. 연구 노트를 받아 개요를 만들고, 초안을 작성하는 이 Skill은 첫 초안 작성 시간을 60% 단축시켰습니다.

품질 문제: 급속 성장의 어두운 면

하지만 급속한 성장에는 대가가 있었습니다. 1월 중순쯤, 25,000개의 Skills가 있는 세 개의 경쟁 마켓플레이스가 존재했고, 품질 문제가 명확해졌습니다.

발견성이 악몽이었습니다. “code review”를 검색하면 400개의 결과가 나왔습니다. 절반은 중복이었고, 4분의 1은 실제로 작동하지 않았으며, 나머지 4분의 1은 구식 정보를 담고 있었습니다. 품질 신호가 없었습니다. npm에는 다운로드 수가 있고, Chrome Extensions에는 사용자 리뷰가 있었지만, Skills 마켓플레이스에는 아무것도 없었습니다.

문서는 혼란스러웠습니다. 일부 Skills는 완전한 예제, 테스트 케이스, 상세한 설명을 가지고 있었습니다. 다른 것들은 “코드를 검토합니다. 검토에 사용하세요.”라는 한 줄짜리 설명이 전부였습니다. 이것은 유용하지 않았습니다.

버전 관리 지옥이 있었습니다. Skills는 Git 저장소의 파일이었습니다. 저장소는 경고 없이 변경되었습니다. 잘 작동하던 Skill이 2주 후 갑자기 중단되었습니다. 왜? 작성자가 통지 없이 중단 변경 사항을 푸시했기 때문입니다.

마켓플레이스들은 빠르게 대응했습니다. 1월 중순까지 SkillsMP와 다른 주요 마켓플레이스들은 사용자 평가 시스템, 다운로드 수 추적, 검증된 게시자 배지, 큐레이션된 컬렉션을 도입했습니다. 품질 기준 가이드라인이 게시되었고, 저품질 Skills는 점차 제거되기 시작했습니다.

하지만 npm 같은 성숙한 생태계에 비하면 여전히 초기 단계였습니다. 앞으로 갈 길이 멀었습니다.

비즈니스 모델: 돈이 있는 곳

흥미롭게도, 대부분의 Skills는 무료였습니다. 25,000개 중 21,000개가 MIT나 Apache 같은 오픈소스 라이선스를 가지고 있었습니다. 개발자들은 커뮤니티에 기여하고, 평판을 쌓고, 그들의 전문성을 보여주기 위해 Skills를 공유했습니다.

일부는 프리미엄 모델을 시도했습니다. “API Standards Enforcer”는 기본 기능을 무료로 제공하지만, 무제한 검사와 커스텀 규칙을 원하면 월 49달러를 청구했습니다. 하지만 이것은 예외였습니다.

진짜 돈은 다른 곳에 있었습니다. 엔터프라이즈 인프라였습니다.

Box의 사례를 다시 보겠습니다. 그들은 40개 이상의 내부 Skills를 2,000명의 직원에게 배포했습니다. 그들은 마켓플레이스에서 Skills를 구매하지 않았습니다. 대신 자체 Skills 관리 인프라를 구축했습니다. 비공개 저장소, 중앙 집중식 배포, 보안 스캔, 사용 분석. 이것이 그들이 투자한 곳이었습니다.

SkillsMP는 이것을 파악했습니다. 그들의 비즈니스 모델은 마켓플레이스 자체를 무료로 유지하면서, 엔터프라이즈 기능에 집중했습니다. 비공개 팀 저장소는 월 200달러, 엔터프라이즈 관리자는 월 1,000달러, 화이트 레이블 마켓플레이스는 월 5,000달러, 지원 SLA는 월 10,000달러였습니다.

그들은 Skills를 판매하는 것이 아니었습니다. Skills를 관리하는 인프라를 판매하고 있었습니다. 그리고 기업들은 기꺼이 지불했습니다.

5부: MCP와 Skills - 상호보완적 생태계의 탄생

Model Context Protocol의 놀라운 여정

Agent Skills를 완전히 이해하려면, Anthropic의 또 다른 주요 오픈 스탠다드인 Model Context Protocol (MCP)을 이해해야 합니다. 이 두 기술은 서로 다른 문제를 해결하지만, 함께 사용될 때 마법이 일어났습니다.

MCP는 정확히 1년 전인 2024년 11월 25일에 출시되었습니다. 당시에는 “작은 오픈소스 실험”이었습니다. AI 모델이 외부 데이터 소스와 도구에 연결하는 표준화된 방법을 제공하는 프로토콜이었습니다. Anthropic은 그것이 1년 만에 사실상의 업계 표준이 될 것이라고는 상상하지 못했습니다.

2025년 3월, 첫 번째 중요한 전환점이 왔습니다. OpenAI가 MCP를 공식 채택한 것입니다. Sam Altman은 트위터에 간결하게 썼습니다. “사람들은 MCP를 좋아하고, 우리는 제품 전반에 걸쳐 지원을 추가하게 되어 기쁩니다.” ChatGPT 데스크톱 앱, Agents SDK, Responses API 모두 MCP를 통합했습니다.

4월에는 Google DeepMind가 합류했습니다. Demis Hassabis는 다가오는 Gemini 모델에서 MCP 지원을 확인했습니다. The Verge는 이 프로토콜이 “맥락을 인식하는 AI 에이전트에 대한 증가하는 수요”를 해결한다고 보도했습니다.

11월, MCP의 1주년이 되었을 때, 놀라운 숫자들이 공개되었습니다. Python과 TypeScript SDK의 월간 다운로드가 9,700만 건이었습니다. 5,800개 이상의 MCP 서버와 300개 이상의 MCP 클라이언트가 생태계에 존재했습니다. Fortune 500 기업 중 상당수가 프로덕션에서 MCP를 배포하고 있었습니다. Block, Bloomberg, Amazon이 확인된 배포 기업이었습니다.

12월 9일, 역사적인 발표가 있었습니다. Anthropic은 MCP를 새로 설립된 Agentic AI Foundation (AAIF)에 기부했습니다. Linux Foundation 산하의 이 재단은 Anthropic, OpenAI, Block이 공동 창립했으며, Google, Microsoft, AWS, Cloudflare, Bloomberg가 회원으로 참여했습니다.

MCP는 독점 기술에서 벤더 중립적인 업계 표준으로 완전히 전환한 것입니다. 그리고 9일 후, Agent Skills도 같은 길을 따랐습니다.

잘못된 질문: “Skills를 사용해야 할까요, MCP를 사용해야 할까요?”

많은 사람들이 이렇게 물었습니다. “Skills를 사용해야 할까요, 아니면 MCP를 사용해야 할까요?” 하지만 이것은 “망치를 사용해야 할까요, 아니면 못을 사용해야 할까요?”라고 묻는 것과 같았습니다. 두 기술은 완전히 다른 역할을 했습니다.

MCP는 AI 에이전트의 “손”이었습니다. 외부 시스템과 데이터에 연결하는 표준화된 방법을 제공했습니다. MCP 서버를 통해 에이전트는 Slack 메시지를 읽고 쓸 수 있었고, 데이터베이스를 쿼리할 수 있었고, API를 호출할 수 있었고, 파일 시스템에 접근할 수 있었고, 실시간 데이터를 가져올 수 있었습니다. 하지만 MCP는 에이전트에게 무엇을 할 수 있는지만 말해주고, 어떻게 해야 하는지는 말해주지 않았습니다.

Skills는 AI 에이전트의 “훈련 매뉴얼”이었습니다. 도구를 어떻게 사용할지 가르쳤습니다. 코드 리뷰를 수행하는 방법, 좋은 API 디자인의 기준, 언제 문제를 에스컬레이션할지, 회사 표준과 정책을 어떻게 적용할지, 도메인별 모범 사례 등을 담았습니다. 하지만 Skills 자체는 외부 데이터에 접근할 수 없었습니다.

진짜 마법은 둘을 함께 사용할 때 일어났습니다.

실제 사례: 영업 파이프라인 분석

구체적인 예를 들어보겠습니다. 영업 팀이 묻습니다. “파이프라인에서 어떤 거래가 막혀 있나요?”

MCP만 사용하는 시나리오를 상상해보세요. 에이전트는 MCP를 통해 Salesforce에 연결하고, JSON 형식의 47개 거래 데이터를 반환합니다. 하지만 그게 전부입니다. 사용자는 이 원시 데이터를 보고 각 거래를 수동으로 검토해야 합니다. 최근 활동이 언제였는지, 고객과의 마지막 접촉이 언제였는지, 어떤 거래가 위험한지 판단해야 합니다. 30분이 걸립니다.

Skills만 사용하는 시나리오를 상상해보세요. 에이전트는 “pipeline-review” Skill을 로드합니다. 이 Skill은 거래를 분석하는 완벽한 기준을 가지고 있습니다. 어떤 신호가 거래가 차가워지고 있음을 나타내는지, 어떤 패턴이 위험한지, 어떻게 우선순위를 정할지 알고 있습니다. 하지만 에이전트는 Salesforce에 접근할 수 없습니다. 사용자가 수동으로 데이터를 내보내고 에이전트에게 제공해야 합니다. 20분이 걸립니다.

이제 MCP와 Skills를 함께 사용하는 시나리오입니다. 에이전트는 먼저 MCP를 통해 Salesforce에 연결합니다. 동시에 “pipeline-review” Skill을 자동으로 로드합니다. 이 Skill은 에이전트에게 정확히 무엇을 찾아야 하는지, 어떻게 분석해야 하는지 알려줍니다.

그런 다음 에이전트는 더 나아갑니다. Slack MCP 서버를 통해 관련 고객과의 최근 대화를 가져옵니다. 이메일 MCP 서버를 통해 지난 주 커뮤니케이션을 확인합니다. 캘린더 MCP 서버를 통해 예정된 회의가 있는지 봅니다.

모든 이 정보를 Skill의 기준에 따라 합성합니다. 그리고 아름답게 형식화된 마크다운 테이블을 생성합니다. 막힌 거래가 명확하게 플래그 지정되어 있고, 각각에 대한 구체적인 이유가 설명되어 있으며, 제안된 다음 단계가 포함되어 있습니다. 3분이 걸립니다.

토큰 비용은 약 18,000개입니다. 비싸게 들릴 수 있지만, 에이전트가 방금 45분의 작업을 30초에 완료했다는 것을 고려하면 믿을 수 없는 가치입니다.

Notion의 Meeting Intelligence: 통합의 걸작

Notion이 구축한 “Meeting Intelligence” Skill은 MCP와 Skills의 시너지를 완벽하게 보여주는 실제 사례였습니다.

작동 방식은 우아했습니다. 사용자가 “내일 회의 준비해줘”라고 말하면, 에이전트는 먼저 MCP를 통해 Google 캘린더에 연결하여 다음 회의의 세부사항을 가져왔습니다. 누가 참석하는지, 무엇에 대한 회의인지, 언제 어디서 열리는지였습니다.

그런 다음 Notion MCP 서버를 통해 관련 프로젝트 문서를 검색했습니다. 이 회의와 관련된 모든 페이지, 작업, 데이터베이스 항목을 찾았습니다. Slack MCP 서버를 통해 참석자들과의 최근 대화를 수집했습니다. 이 회의 주제에 대해 무엇이 논의되었는지, 어떤 결정이 내려졌는지, 어떤 질문이 미해결인지였습니다.

이 모든 원시 데이터가 수집되면, “Meeting Intelligence” Skill이 작동했습니다. 이 Skill은 회사의 표준 회의 준비 형식을 알고 있었습니다. 정보를 어떻게 구조화할지, 무엇을 우선순위로 둘지, 어떤 배경 컨텍스트가 필요한지, 누가 태그되어야 하는지였습니다.

출력은 완벽하게 형식화된 Notion 페이지였습니다. 회의 개요, 논의해야 할 주요 포인트, 관련 배경 정보에 대한 링크, 최근 Slack 대화의 요약, 미해결 질문 목록, 제안된 안건 항목이 있었습니다. 모든 것이 회사의 정확한 형식 표준을 따랐습니다.

사용자들은 회의당 평균 30분을 절약했다고 보고했습니다. 하지만 더 중요한 것은 회의 품질의 향상이었습니다. 모든 사람이 같은 배경 정보로 준비되어 회의에 들어갔고, 중요한 것이 누락되지 않았으며, 대화가 집중되고 생산적이었습니다.

12,000개 이상의 다운로드로, “Meeting Intelligence”는 Skills와 MCP의 완벽한 결혼을 보여주는 가장 인기 있는 예제 중 하나가 되었습니다.

6부: 전략적 체스판 - 거대 기업들의 숨겨진 게임

Anthropic의 마스터 플랜: MCP에서 배운 교훈

Anthropic이 12월 18일 Skills를 오픈 스탠다드로 공개하기로 결정했을 때, 그것은 충동적인 결정이 아니었습니다. 그들은 정확히 같은 플레이북을 이미 한 번 성공적으로 실행한 적이 있었습니다. MCP였습니다.

패턴은 명확했습니다. 먼저 독점 기능으로 출시하여 초기 사용자를 확보하고 실제 가치를 입증합니다. 2-3개월 동안 커뮤니티가 유기적으로 생태계를 구축하도록 합니다. 그런 다음 네트워크 효과가 충분히 발생했을 때, 오픈 스탠다드로 공개합니다.

MCP의 경우, 타임라인은 이랬습니다. 2024년 11월에 Claude 전용 기능으로 출시했습니다. 2025년 1월부터 11월까지 커뮤니티가 수천 개의 MCP 서버를 구축했습니다. 그리고 12월 9일, 정확히 1년 후, Linux Foundation의 Agentic AI Foundation에 기부했습니다.

Skills는 더 빠른 타임라인을 따랐습니다. 10월 16일에 출시하고, 단 두 달 후인 12월 18일에 오픈 스탠다드로 공개했습니다. 왜 더 빠를 수 있었을까요? Skills가 근본적으로 더 단순했기 때문입니다. Markdown 파일이라는 형식은 너무 명백하게 범용적이어서, 독점하려는 시도가 역효과를 낼 수 있었습니다.

그리고 OpenAI가 이미 복제하고 있다는 것을 알았습니다. Elias Judin의 발견 전에도, Anthropic의 리더십은 OpenAI의 움직임을 알고 있었습니다. 경쟁자가 이미 당신의 형식을 채택하고 있다면, 공개적으로 표준화하여 생태계 주도권을 유지하는 것이 전략적으로 합리적이었습니다.

OpenAI의 딜레마: 싸울 것인가, 참여할 것인가

12월 18일 아침, OpenAI의 경영진은 어려운 결정에 직면했습니다. Anthropic이 Skills를 오픈 스탠다드로 공개할 것이라는 것을 그들은 미리 알고 있었습니다. Anthropic은 예의상 주요 경쟁자들에게 며칠 전에 알렸습니다.

OpenAI에게는 두 가지 옵션이 있었습니다. 첫 번째는 무시하는 것이었습니다. GPT Store를 밀어붙이고, AgentKit을 복잡한 에이전트 시스템을 위한 대안으로 홍보하고, 플랫폼 락인을 강제하는 것입니다. 그들은 여전히 시장에서 가장 인기 있는 AI였고, 수억 명의 사용자를 가지고 있었습니다. 독자 노선을 고수할 수 있었습니다.

두 번째 옵션은 채택하는 것이었습니다. Skills 표준을 받아들이고, 생태계 성장에 베팅하고, 실행 품질로 경쟁하는 것입니다. 이것은 단기적 차별화를 포기하는 것을 의미했지만, 장기적으로 더 큰 시장의 일부가 될 수 있었습니다.

OpenAI는 3시간 만에 두 번째 옵션을 선택했습니다.

결정의 논리는 명확했습니다. 그들은 이것을 “Android 전략”이라고 불렀습니다. Google이 Android를 오픈소스로 만들었을 때, 그들은 모바일 OS 시장의 독점권을 포기했습니다. 하지만 그 대가로 전 세계 스마트폰의 70%를 차지하는 거대한 생태계를 얻었습니다.

OpenAI는 같은 계산을 했습니다. 개발자들은 단일 벤더에 락인되는 맞춤화에 투자하지 않을 것입니다. 이식 가능한 Skills는 채택을 가속화할 것입니다. 그리고 더 많은 사람들이 Skills를 사용할수록, 더 많은 사람들이 AI를 사용하고, 더 많은 추론 요청이 발생하고, 더 많은 수익이 발생할 것입니다.

작은 시장의 100%보다 거대한 시장의 30%가 더 나았습니다.

그리고 그들은 자신감이 있었습니다. 표준을 채택한다고 해서 모델 품질로 경쟁할 수 없는 것은 아니었습니다. GPT-4o와 다가오는 GPT-5는 여전히 업계 최고였습니다. 기업 고객 관계는 강력했습니다. Skills 표준을 채택하면서도 최고의 실행으로 승리할 수 있었습니다.

증거는 빠르게 나타났습니다. 2026년 1월까지 Skills는 ChatGPT 데스크톱, Codex CLI, API 통합에서 완벽하게 작동했습니다. OpenAI 팀은 Skills 표준 논의에 적극적으로 기여했습니다. 그들은 단순히 채택한 것이 아니라 공동 개발하고 있었습니다.

Microsoft의 계산: 형식보다 볼륨

Microsoft는 흥미로운 위치에 있었습니다. 그들은 가장 많이 잃을 것이 있었지만, 동시에 가장 많이 얻을 수 있었습니다.

Copilot Studio는 230,000개 조직이 사용하고 있었습니다. Fortune 500의 90%였습니다. Microsoft는 수년간 Copilot의 지식 커넥터 시스템을 구축했습니다. 커스텀 지침, 플러그인, 전체 엔터프라이즈 인프라가 있었습니다. Skills를 채택한다는 것은 이 모든 투자가 부분적으로 중복된다는 것을 인정하는 것이었습니다.

하지만 Microsoft는 더 큰 그림을 보았습니다. 그들은 클라우드 제공자였습니다. 최종 목표는 더 많은 AI 워크로드를 Azure에서 실행하는 것이었습니다. Skills 형식이 누구 것이든 상관없었습니다. 모든 추론이 Azure에서 실행된다면, Microsoft가 승리하는 것이었습니다.

그들은 이전에 이 플레이북을 실행한 적이 있었습니다. .NET을 오픈소스화했을 때, Linux를 포용했을 때, 많은 사람들이 놀랐습니다. Microsoft가 변했습니다. 그들은 형식과 표준을 소유하는 것보다 총 사용량을 늘리는 것이 더 수익성 있다는 것을 이해했습니다.

Skills의 경우도 같은 논리가 적용되었습니다. Skills를 지원함으로써 Microsoft는 이미 Claude Skills에 투자한 기업들이 Copilot로 쉽게 전환하거나 두 플랫폼을 함께 사용할 수 있게 했습니다. 마찰을 줄이고, 채택을 늘리고, Azure 사용량을 증가시켰습니다.

결과는 즉시 나타났습니다. Skills 지원 발표 후 며칠 내에, Copilot 채택이 기존 Claude Skills 사용자들 사이에서 급증했습니다. 기업들은 이제 두 플랫폼에서 같은 Skills를 사용할 수 있어서, 벤더 락인을 걱정하지 않고 투자할 수 있었습니다.

Google의 다른 길: Extensions라는 반격

모든 사람이 Anthropic의 표준을 채택하는 동안, Google은 다른 길을 선택했습니다. 2025년 10월 8일, Anthropic의 Skills 출시 1주일 전도 안 되어, Google은 Gemini CLI를 Extensions와 함께 출시했습니다.

Extensions는 Skills와 놀랍도록 유사했습니다. YAML 헤더, Markdown 본문, 점진적 로딩. 개념적으로 거의 같았습니다. 하지만 형식은 의도적으로 호환되지 않았습니다. SKILL.md 대신 GEMINI.md였습니다. 메타데이터 필드는 약간 달랐습니다. 구조는 유사하지만 같지 않았습니다.

Google의 논리를 이해하는 것은 어렵지 않았습니다. 그들은 Anthropic에게 또 다른 표준 전쟁을 양보하고 싶지 않았습니다. MCP를 놓쳤고, 그것은 빠르게 업계 표준이 되었습니다. Skills에서는 같은 실수를 하고 싶지 않았습니다.

Extensions를 통해 Google은 차별화 요소를 가졌습니다. Google Workspace와의 긴밀한 통합, Gemini의 멀티모달 기능에 최적화된 형식, Google의 엔터프라이즈 생태계에 맞춤화된 워크플로우였습니다.

12월까지 70개 이상의 Gemini Extensions가 있었고, 100만 명 이상의 개발자가 Gemini CLI를 사용하고 있었습니다. 별도 마켓플레이스가 형성되었습니다. 이것은 무시할 수 없는 규모였습니다.

하지만 Skills는 25,000개였습니다. 네트워크 효과는 잔인했습니다. Extensions가 70개라면 훌륭했습니다. 하지만 Skills는 350배 더 많았습니다.

2026년 1월 현재, 수렴의 징후는 없습니다. Gemini Extensions와 Agent Skills는 평행선을 달리고 있습니다. 변환기가 개발되고 있어서, SKILL.md를 GEMINI.md로, 또는 그 반대로 변환할 수 있습니다. 대부분의 경우 간단한 찾기-바꾸기 작업입니다.

이것이 어떻게 해결될지는 아직 불분명합니다. VS Code와 JetBrains가 호환되지 않는 확장 형식으로 공존하는 것처럼, 두 형식 모두 번성할 수 있을까요? 아니면 시장 압력이 결국 수렴을 강제할까요? 시간이 말해줄 것입니다.

Agentic AI Foundation: 중립적 미래

12월 9일, Skills 발표 9일 전, 또 다른 중요한 발표가 있었습니다. Anthropic은 MCP를 새로 설립된 Agentic AI Foundation (AAIF)에 기부했습니다.

AAIF는 Linux Foundation 산하의 directed fund였습니다. 공동 창립자는 Anthropic, OpenAI, Block이었습니다. 회원사로는 Google, Microsoft, AWS, Cloudflare, Bloomberg가 있었습니다. AI 업계의 거의 모든 주요 플레이어가 참여했습니다.

거버넌스 모델은 벤더 중립적이었습니다. 단일 회사가 사양을 통제하지 않았습니다. 커뮤니티가 주도했고, 다중 이해관계자 의사결정이 이루어졌습니다. 이것은 MCP가 진정한 오픈 스탠다드로 진화할 수 있는 구조를 제공했습니다.

그리고 많은 사람들이 예상하는 것처럼, Skills도 곧 AAIF로 이동할 가능성이 높습니다. 패턴은 명확합니다. Anthropic이 시작하고, 커뮤니티가 성장시키고, 재단이 장기적으로 관리합니다.

이것이 Anthropic의 진짜 전략입니다. 그들은 독점적 플랫폼을 구축하려는 것이 아닙니다. 그들은 AI 인프라의 기반 레이어를 정의하려고 합니다. 그리고 그 레이어가 오픈이고 벤더 중립적일 때, 가장 잘 실행하는 사람이 승리합니다. Anthropic은 그들이 그 사람이 될 수 있다고 믿습니다.

7부: 2026년과 그 이후 - 미래를 내다보며

Composable AI: 차세대 패러다임

2026년 1월, AI 업계에서는 새로운 용어가 퍼지기 시작했습니다. “Composable AI”였습니다. 이 개념은 Skills의 다음 진화 단계를 설명했습니다.

아이디어는 간단했습니다. 복잡한 엔터프라이즈 프로세스를 수십 개의 작은, 상호 운용 가능한 Skills로 분해하는 것입니다. 각 Skill은 기본 모델과 독립적으로 업데이트되고 교체될 수 있습니다. 마치 레고 블록처럼, 필요에 따라 조합하고 재조합할 수 있습니다.

법률 발견 프로세스를 예로 들어보겠습니다. 전통적인 접근법은 모든 법률 지식을 포함하는 거대한 단일 에이전트를 구축하는 것이었습니다. 문서 검토, 특권 분석, 증거 태깅, 타임라인 생성 등 모든 것을 하나의 시스템에 넣는 것입니다. 법률이나 규정이 변경되면? 전체 시스템을 재배포해야 합니다.

Composable AI 접근법은 달랐습니다. 20개의 전문 Skills를 만드는 것입니다. 문서 수집 Skill, 관련성 필터링 Skill, 특권 검토 Skill, 증거 태깅 Skill, 타임라인 생성 Skill 등. 각각은 독립적으로 작동하지만, 필요할 때 협력할 수 있습니다.

특권 검토 규칙이 변경되었나요? 해당 Skill만 업데이트하면 됩니다. 다른 19개는 그대로입니다. 새로운 유형의 증거를 처리해야 하나요? 새 Skill을 추가하면 됩니다. 기존 Skills를 건드릴 필요가 없습니다.

이것은 단순히 이론이 아니었습니다. 몇몇 선도적인 법률 회사들이 이미 이 방향으로 움직이고 있었습니다. 그들은 단일 “법률 AI”를 구축하는 대신, 재사용 가능한 법률 Skills 라이브러리를 구축하고 있었습니다. 그리고 이 Skills들을 법률 회사 간에 공유할 수 있었습니다. 특정 관할권에 맞춤화할 수도 있었습니다.

Composable AI의 약속은 명확했습니다. 더 빠른 개발, 더 쉬운 유지 관리, 더 나은 재사용성, 더 큰 유연성. 2026년은 이 패러다임이 실제로 증명되는 해가 될 것으로 예상되었습니다.

Cross-Agent Arbitration: 해결해야 할 난제

하지만 Composable AI와 Skills 생태계가 성장하면서, 새로운 도전이 나타나기 시작했습니다. 서로 다른 제공자의 에이전트들이 협업할 때 어떻게 될까요?

시나리오를 상상해보세요. 사용자가 여행 계획을 요청합니다. 여행 예약 에이전트(Anthropic의 Claude 기반)가 항공편과 호텔을 예약합니다. 그런 다음 일정을 캘린더 에이전트(OpenAI의 GPT 기반)에게 넘겨 일정을 관리하게 합니다. 두 에이전트가 협업해야 합니다.

하지만 누가 주도권을 잡나요? 여행 에이전트가 캘린더 에이전트에게 명령할 수 있나요? 아니면 협상해야 하나요? 계산 비용은 어떻게 공유하나요? 여행 에이전트의 추론 비용과 캘린더 에이전트의 추론 비용을 누가 지불하나요? 뭔가 잘못되면 누가 책임지나요?

이것들은 2025년에는 이론적 질문이었습니다. 하지만 2026년에는 실질적인 문제가 될 것이었습니다. 업계는 이것을 “Cross-Agent Arbitration” 문제라고 부르기 시작했습니다.

제안된 솔루션들이 나타나기 시작했습니다. “Agent Economics” 프로토콜은 마이크로 트랜잭션을 표준화하고, 리소스 할당 규칙을 정의하고, 작업 부하 밸런싱을 가능하게 하려고 했습니다. 에이전트 간 협상 메커니즘은 능력을 교환하고, 비용 분할 계약을 맺고, 서비스 수준 계약을 정의하는 방법을 제공했습니다.

일부 제안은 중재 레이어를 포함했습니다. 중립적 조정자가 두 에이전트 사이에서 분쟁을 해결하고, 감사와 로깅을 제공하는 것입니다.

예상 타임라인은 다음과 같았습니다. 2026년에 초기 프로토콜 제안이 나오고, 2027년에 파일럿 구현이 시작되고, 2028년까지 광범위한 채택이 이루어질 것입니다. Agent Economics는 2026년의 핫한 주제가 될 것으로 예상되었습니다.

보안과 검증: 신뢰의 구축

Skills 생태계가 성장하면서, 보안 우려도 커졌습니다. 악의적인 Skills의 위험은 실재했습니다. 처음에는 유용해 보이지만 신뢰를 얻은 후 악성으로 변하는 “Trojan Horse” Skills의 가능성이 있었습니다.

이것은 단순한 이론적 위험이 아니었습니다. npm 생태계에서 실제로 일어난 일이었습니다. 2025년에 CVE-2025-6514로 분류된 mcp-remote 패키지 침해는 437,000개 이상의 개발자 환경을 감염시켰습니다. 쉘 명령 주입 취약점이었습니다.

Skills에서도 같은 일이 일어날 수 있었습니다. 인기 있는 Skill이 업데이트되어 갑자기 데이터를 유출하거나 시스템을 조작할 수 있었습니다. 사용자들은 무엇을 믿을 수 있을까요?

AAIF는 이 문제를 정면으로 다루기 시작했습니다. 그들은 “Skill Verification” 시스템을 개발하고 있었습니다. 소프트웨어의 디지털 서명과 유사한 개념으로, Skills를 위한 인증 시스템이었습니다.

시스템은 세 가지 주요 구성 요소를 가질 것이었습니다. 첫째, 게시자 인증입니다. Skill을 게시하는 사람의 신원을 검증하고, 평판 시스템을 유지하고, 신뢰 체인을 구축합니다. 둘째, 코드 서명입니다. 암호화 서명으로 Skill을 보호하고, 변조를 탐지하고, 버전을 추적합니다. 셋째, 행동 분석입니다. 샌드박스에서 Skills를 테스트하고, 이상을 탐지하고, 커뮤니티 신고를 수집합니다.

출시는 2026년 2분기에 베타 테스트로 시작하고, 3분기에 공개 출시하고, 연말까지 주요 마켓플레이스에 통합될 예정이었습니다.

데이터 프라이버시: 크로스 플랫폼의 딜레마

또 다른 복잡한 문제가 나타났습니다. 데이터 프라이버시와 크로스 플랫폼 협업이었습니다.

시나리오를 상상해보세요. Microsoft 에이전트가 Anthropic Skill을 사용하여 Google 서버에 저장된 데이터를 처리합니다. 누가 이 데이터의 보안을 책임지나요? Microsoft인가요, Anthropic인가요, Google인가요? 데이터가 어디에 있나요? 어떤 규정이 적용되나요?

2026년 초 현재, 이 질문들에 대한 명확한 답은 없습니다. 책임은 불분명하고, 정책은 플랫폼마다 다르고, 규정은 아직 따라잡지 못했습니다.

하지만 해결 방향이 나타나기 시작했습니다. 데이터 주권 프로토콜은 데이터가 어디에 머물러야 하는지 명시하고, 처리 위치를 제어하고, 규정 준수를 보장하려고 했습니다. 공유 책임 모델은 명확한 경계를 정의하고, 계층별 책임을 할당하고, 감사 가능성을 제공했습니다.

프라이버시 강화 기술도 역할을 할 것이었습니다. 동형 암호화는 데이터를 암호화된 상태로 처리할 수 있게 했습니다. 연합 학습은 데이터를 이동시키지 않고 모델을 훈련시킬 수 있게 했습니다. 차등 프라이버시는 개인을 식별할 수 없으면서도 유용한 인사이트를 제공했습니다.

이것들은 2026년과 2027년의 주요 연구 영역이 될 것이었습니다. 해결책은 기술적이면서 동시에 법적, 정책적일 것이었습니다.

에필로그: 지루함의 승리

단순성이라는 교훈

Agent Skills가 90일 만에 업계 표준이 된 이야기를 돌아보면, 한 가지 교훈이 명확하게 떠오릅니다. 가장 파괴적인 기술은 종종 가장 단순한 것입니다.

HTTP가 Gopher를 이겼습니다. JSON이 XML을 이겼습니다. REST가 SOAP를 이겼습니다. Markdown이 다른 모든 문서 형식을 이겼습니다. 패턴은 일관적입니다. 극단적 단순성, 명확한 사양, 쉬운 채택, 실용적 가치.

Skills는 이 전통의 최신 예입니다. 블록체인도, 복잡한 런타임도, 독점 프로토콜도 없습니다. Git 저장소의 Markdown 파일입니다. 2025년의 가장 파괴적인 AI 인프라는 말 그대로 텍스트 파일 형식입니다.

그리고 그것이 작동했습니다. 3주 만에 25,000개의 Skills. 5시간 만에 주요 경쟁자들의 채택. 전체 생태계의 출현.

진짜 승자들

Anthropic은 표준 정의 게임에서 승리했습니다. 그들은 독점권을 포기했지만, 생태계를 얻었습니다. 장기적 영향력을 확보했습니다. MCP와 Skills를 통해, 그들은 AI 인프라 레이어를 정의하고 있습니다.

OpenAI는 현명하게 선택했습니다. 표준을 채택함으로써 시장을 확대했습니다. 그들은 여전히 모델 품질로 경쟁할 수 있고, 생태계 성장에 참여하고, 모두가 이기는 상황을 만들었습니다.

Microsoft는 인프라 플레이에서 승리했습니다. 형식 논쟁을 회피하고 볼륨을 확보했습니다. 모든 추론이 Azure에서 실행되면, Microsoft가 진짜 승리자입니다.

Google은 도전에 직면했습니다. Extensions는 합법적 대안이지만, 네트워크 효과는 불리합니다. 시간이 그들의 전략이 성공할지 말해줄 것입니다.

하지만 진짜 승자는 오픈 스탠다드 자체입니다. 개발자들은 벤더 락인에서 자유롭습니다. 기업들은 투자를 보호받습니다. 산업 전체는 상호 운용성을 얻습니다.

당신이 해야 할 일

이 이야기를 읽고 있는 당신, 지금 무엇을 해야 할까요?

AI 에이전트로 무언가를 구축하고 있다면, Skills를 배우세요. agentskills.io에서 사양을 읽으세요. 예제 Skills를 탐색하세요. 첫 번째 Skill을 만드세요. 크로스 플랫폼을 염두에 두고 설계하세요. 커뮤니티에 참여하세요.

아키텍트라면, 전략을 수립하세요. 조직이 Skills를 어떻게 관리할지 결정하세요. 내부 레지스트리가 필요한지 평가하세요. 거버넌스 프로세스를 정의하세요. 인프라를 계획하세요. 예산을 확보하세요.

기술 리더라면, 빌드 vs 바이 결정을 내리세요. 내부 Skills를 구축하세요. 이것이 경쟁 우위입니다. 하지만 인프라는 구매하세요. 상용 도구를 활용하세요. 조직을 준비시키세요. 측정하고 최적화하세요.

인프라 전쟁은 당신이 보지 못하는 사이에 일어났습니다. Skills가 승리했습니다. 이제 그것들을 사용할 때입니다. 생태계는 기다리지 않습니다.

그리고 기억하세요. 가장 지루한 기술이 종종 가장 중요한 기술입니다. Markdown 파일이 AI의 미래를 형성하고 있습니다. 그것이 바로 기술의 아름다움입니다.

문서 작성일자: 2025-02-05

이 문서는 2025년 2월 5일 현재 웹 검색을 통해 수집된 최신 정보를 바탕으로 작성되었습니다.

AI, Agent Skills

AI SkillsMP progressive-disclosure MCP Anthropic Skills-Directory OpenAI claude-skills Google Extensions GEMINI.md agentskills.io Medium Claude.write