AI 에이전트의 활용이 점차 확대되면서, 에이전트의 성능을 좌우하는 '스킬(Skill)'을 어떻게 찾고, 관리하며, 검증할 것인가에 대한 관심이 높아지고 있습니다. 최근 개발자 커뮤니티에서는 AI 에이전트용 스킬 관리 방안에 대한 심도 깊은 논의가 이루어졌는데, 핵심은 범용적인 스킬을 무작정 모으기보다는 실제 업무에서 반복되는 지시와 시행착오를 스킬로 만들어 관리하는 것이 훨씬 효과적이라는 것입니다.
가장 많이 언급된 스킬 관리 방식은 Git 저장소에 스킬 원본을 보관하고, 각 에이전트의 스킬 디렉터리에 심볼릭 링크(symbolic link)를 걸어 연결하는 것입니다. 이를 통해 여러 에이전트가 동일한 스킬을 공유하면서도, 스킬이 복사되어 수정본이 갈라지는 문제를 방지할 수 있습니다. 스킬의 내용은 주로 개발 절차, 운영 작업, 팀 관례 등 각자의 환경과 업무에 특화된 반복적인 지시와 절차를 담습니다. 예를 들어, 코딩 요령보다는 이슈 확인부터 PR 작성까지의 개발 절차, 테스트 데이터 조회나 클라우드 로그 조사 같은 운영 작업, 혹은 브랜치 이름 규칙이나 커밋 메시지 작성법 같은 팀 관례를 스킬로 만드는 식입니다. 또한, 'AGENTS.md' 파일에는 항상 필요한 핵심 규칙을 짧게 유지하고, 긴 작업 절차는 별도 스킬이나 참조 문서로 분리하여 필요할 때만 읽도록 구성하는 것이 효율적이라는 의견도 제시되었습니다.
이러한 스킬 관리 방식은 여러 면에서 중요한 의미를 가집니다. 첫째, 에이전트가 불필요한 추론에 사용하는 토큰(token)을 절약하여 비용 효율성을 높이고 응답 속도를 개선할 수 있습니다. 둘째, 조직 전체가 공유할 수 있는 업무 기준선을 만들고, 에이전트 활용의 최소 수준과 일관성을 높이는 데 기여합니다. 셋째, 모델의 발전으로 범용적인 코딩 지침의 가치가 줄어들더라도, 사내 시스템 관계, 팀의 승인 절차, 특정 도구 사용 조건 등 모델이 스스로 알 수 없는 고유한 지식은 스킬 형태로 저장되어 지속적인 가치를 제공합니다. 결국 스킬은 에이전트의 능력을 새로 만드는 수단이라기보다는, 반복 업무의 실행 절차를 저장한 문서로서 에이전트의 실제 업무 적용 가능성을 크게 확장하는 역할을 합니다.