클로드 에이전트 스킬 — 반복하는 일에서 손을 떼는 방법
클로드 스킬. 다시 말해 “AI 에이전트”와 “스킬”. 두 단어를 따로 떼어 생각해 보면 이야기가 쉬워진다.
에이전트는 “나 대신” 일을 처리하는 사람이다. 스포츠 매니지먼트 에이전트가 전형적인 예다. 선수 대신 계약하고, 협상하고, 일정을 조율한다. 선수는 경기에만 집중한다.
스킬은 특정 영역을 이해하고 처리하는 능력이다.
사람이 이런 능력을 갖추려면 시간이 필요하다. 지식을 쌓아야 하고, 문제에 적용해 본 경험도 있어야 한다.
AI의 스킬은 이 두 개념이 만나는 지점에 있다.
AI는 만능인데, 왜 굳이 스킬이 필요한가
ChatGPT나 Claude를 매일 쓰다 보면 놀랍다. 모르는 게 없어 보인다.
그런데 막상 내 업무에 쓰려고 하면 어딘가 어색하다.
이유는 간단하다.
ChatGPT도 Claude도 내가 매일 무슨 일을 하는지 모른다. 내 업무 방식, 내 팀의 규칙, 내가 원하는 결과물의 형태를 모른다. 그러니 내가 매번 설명해야 한다.
일반적인 질문이 아닌, 에이전트처럼 동작하도록 AI를 쓰고 싶다면 프롬프트를 써야 한다. 그것도 제법 공들여서. “당신은 피자 가게에서 주문을 받는 직원입니다”처럼, 역할과 데이터의 형태, 원하는 동작 방식까지 상세하게.
이렇게 하면 AI는 채팅 상대가 아니라 내가 시킨 일을 내가 원하는 방식으로 처리하는 프로그램이 된다.
문제는, 이 프롬프트를 매번 복사해서 붙여 넣어야 한다는 것이다.
어딘가에 저장해 놓고. 잊어버리지 않게. 팀원과 공유도 해야 하고. 번거롭다. 솔직히 말하면 귀찮아서 안 하게 된다.
스킬은 그 번거로움을 없애는 구조다
Claude AI 스킬은 이런 반복 작업을 구조화하고 자동화하는 방법이다.
예를 하나 들어보자. 매주 CSV 형태의 마케팅 캠페인 데이터를 분석해야 한다고 가정하자.
기존 방식이라면 매번 데이터를 첨부하고, 데이터 품질 체크 방법, CTR과 전환율 계산 방식, 결과 출력 형식, 예산 재배정 규칙까지 장문으로 설명해야 한다. 그리고 그 긴 프롬프트는 대화 시작부터 컨텍스트 창(Context Window)을 차지하며 토큰 효율을 떨어뜨린다.
스킬을 쓰면 이 모든 것이 하나의 독립된 자산이 된다. 팀원과 공유하고, 버전을 관리하고, 재사용한다.
스킬은 어떻게 생겼나 — SKILL.md
스킬의 핵심은 SKILL.md라는 마크다운 파일 하나다.
파일 최상단에는 YAML 형식의 메타데이터가 들어간다.
- Name: 스킬의 식별자. 예를 들어 analyzing-marketing-campaign
- Description: Claude가 이 스킬을 언제 꺼내야 하는지 판단하는 기준
그 아래에는 분석 지침을 상세하게 작성한다. 데이터 품질 체크 방법, 효율성 분석 지표, 결과 출력 형식 등을 담는다.
여기서 한 가지 영리한 포인트가 있다. “예산 재배정에 대한 질문이 있을 때만 특정 파일을 읽어라”는 식의 조건부 지침을 넣을 수 있다. 필요한 정보를 필요한 순간에만 불러오니 컨텍스트를 훨씬 효율적으로 쓸 수 있다.
폴더 구조와 업로드
폴더 구조는 단순하다.
- 소문자와 대시(
-)를 사용해 메인 폴더를 만든다. 예:analyzing-marketing-campaign - 그 안에
references라는 하위 폴더를 만든다. 추가 규칙이나 보조 자료를 여기에 넣는다. 예:budget_reallocation_rules.md - 메인 폴더 루트에는
SKILL.md를,references폴더 안에는 보조 자료를 배치한다. - 폴더 전체를 ZIP으로 압축한 뒤, Claude 설정의 Capabilities > Skills 섹션에 업로드한다.
이렇게 만들어진 것이 바로 아티팩트 관점에서 스킬의 실체다. 압축 파일 하나. 그 안에 평문 파일과 코드가 디렉토리 구조로 들어있는 것이다. 특별할 것도 없다. 그런데 이 단순한 구조가 꽤 강력하게 동작한다.
실제로 어떻게 동작하는가
업로드가 완료되면 새로운 채팅에서 바로 사용할 수 있다.
CSV 데이터를 첨부하고 분석을 요청하면, Claude는 업로드된 스킬의 이름과 설명을 대조해서 해당 스킬을 자동으로 실행한다. 예산 재배정에 대한 질문이 나오는 순간 그제야 references 폴더 안의 파일을 읽어 들인다.
Claude의 내장 기능과 결합하면 더 강력해진다. 코드 실행 기능을 함께 쓰면, 분석 결과를 바탕으로 컬러 코딩이 적용된 엑셀 리포트까지 한 번에 만들 수 있다.
마치며
스킬은 단순한 프롬프트 저장소가 아니다.
정보를 중앙에서 관리하고, 컨텍스트 윈도우를 아끼며, 어느 도구에서도 꺼내 쓸 수 있는 이동 가능한 자산이다. 오픈 표준(Open Standard)을 따르기 때문에 Codex나 Gemini CLI 같은 다른 환경에서도 활용할 수 있다.
반복하는 일을 계속 반복하는 것은 낭비다.
그 낭비를 스킬에 위임하고, 분석된 인사이트를 바탕으로 더 가치 있는 판단에 집중하는 것. 그것이 지금 시대에 AI를 제대로 쓰는 방식이다.
그러나 쉬운 AI사용보다 더 중요한 것들이 있다.
재사용성과 반복재현성
같은 데이터를 사용해서 A라는 작업자가 작업한 내용과 B라는 사람이 작업한 내용이 다를 수 있다.
지식의 차이 혹은 일을 하는 절차나 자료를 다루는 방식이 달라
기업 내에서 지식을 공유/관리하는 산출물
필요한 경우 스크립트 형식의 코드를 추가할 수도 있지만 대부분 평문이다. 코드를 볼 줄 모르는 사람도 주어진 입력을 어떻게 처리하여 어떻게 결과를 내는지 알 수 있게 된다.
물론 작성자는 이 평문을 완성하기 위해 많은 시간과 노력을 투자했을 수 있다. 고민도 많이 묻어 있다. 원저자에 의해 개발되고 사용자들에 의해 개선된다.
앤스로픽에도 혜자 스러운 고안이다
OpenAI 대피 앤스로픽은 인프라 투자에 소극적이다. 가지고 있는 컴퓨팅 인프라가 적기 때문에 메모리를 최적화 해서 써야 할것이다. 이런 방식으로 필요할 때만 해당 컨택스트를 메모리에 올릴 수 있다면 최적화된 성능을 낼 수 있을 것이다.
오픈 소스 정책을 차용한 무한 기능 확장
스킬 자체는 평문이다. 문법도 요즘 대세인 YAML과 markdown 포맷을 사용함으로 기본적인 지식만 있으면 누구나 해당 스킬이 어떤 일을 하며 어떻게 동작하는지 파악할 수 있다.
OpenAI가 AGI를 지향하며 B2C를 위한 모든 지능을 탑재 하려 자사의 모든 자원을 투입하는 동안 앤스로픽은 오픈소스 전략을 통해 영향력을 확대해 나갈 수 있었다.
