Claude 블로그 되짚어보기 #76 — Skills로 Specialist 만들기, Composable 전문성 (2026)
원문 정보
- 제목: Building agents with Skills: Equipping agents for specialized work
- 링크: claude.com/blog/building-agents-with-skills-equipping-agents-for-specialized-work
- 발행: 2026년 1월 23일
- 카테고리: Claude Code
글의 요지
Skills의 운영 깊이. "capable generalist → knowledgeable specialist" 의 변환. 3-tier progressive disclosure (메타데이터 50토큰 → SKILL.md 500토큰 → references 2,000+토큰), 3가지 Skills 유형 분류 (Foundational, Service Provider, Internal Workflow). Skills 생태계의 성숙도 보고.
Skills의 본질 — "Capable Generalist" 의 한계
Anthropic이 인식한 갭:
- MCP가 connectivity 표준화
- Claude Code가 generalist 코딩 에이전트
- Claude Agent SDK가 production-ready
- 그러나 갭: 에이전트가 "intelligence + capabilities" 있지만 "expertise" 부족
"Skills are organized collections of files that package domain expertise - workflows, best practices, scripts - in a format agents can access and apply. They turn a capable generalist into a knowledgeable specialist."
3-tier Progressive Disclosure
본문이 강조하는 컨텍스트 효율:
| Tier | 내용 | 토큰 |
|---|---|---|
| 1 | 메타데이터 (name + description) | ~50 |
| 2 | SKILL.md 본문 | ~500 |
| 3 | reference files | 2,000+ (필요 시만) |
효과:
- 수백 개 Skill 등록 가능
- context window 1% 미만 사용 (메타데이터)
- 매칭된 Skill만 깊이 로드
수학:
- 100 Skills × 50 토큰 = 5,000 토큰 (메타데이터)
- 매칭된 1 Skill × 500 토큰 = 500 토큰
- 필요 시 references = 2,000 토큰
- 총 7,500 토큰 (200K context의 3.75%)
3가지 Skills 유형 분류
본문이 식별한 시장 형태:
1) Foundational Skills (기초)
- 누구나 필요한 핵심 능력
- 문서, 스프레드시트, 프레젠테이션
- 문서 생성·조작 베스트 프랙티스
- Anthropic이 직접 빌드 (xlsx, pptx, docx, pdf)
2) Service Provider Skills
- 회사들이 자기 서비스를 agent-accessible 하게
- Claude 능력을 특정 도메인 확장
- 사례:
- K-Dense
- Browserbase
- Notion
- 등 다수
3) Internal/Custom Skills
- 회사·팀 internal 워크플로
- 도메인 전문성 캡슐화
- 사례 (#69 글 - Anthropic 법무팀)
- Marketing self-review
- Contract redlining
- PIA (Privacy Impact Assessment)
Code = Self-Documenting Tool
본문이 강조한 통찰:
"Traditional tools have problems: some have poorly written instructions, the model can't always modify or extend them, and they often bloat the context window. Code, on the other hand, is self-documenting, modifiable, and doesn't need to be in context at all times."
이게 Skills + 코드의 결합 가치:
전통 tool:
- 빈약한 문서
- 모델이 수정 못 함
- 컨텍스트 차지
Code in Skill:
- 자기 문서화 (코드 자체가 명확)
- Claude가 읽고 수정 가능
- 실행 시에만 컨텍스트
- 결정론적 실행
예시 — Anthropic Brand Skill:
# apply_template.py
# Anthropic 슬라이드 템플릿 일괄 적용- Claude가 매번 같은 코드 작성하지 말고
- 한 번 빌드 → 재사용
- 결정론적 출력
Foundational Capabilities Architecture
본문이 권장 패턴:
General Agent (Claude Code)
+
Foundation Skills (xlsx, pptx, ...)
+
Specialized Skills (frontend-design, financial-models)
+
MCP Servers (외부 데이터)
+
Subagents (분업)
=
Production Agent이 "layered architecture" 가 "general → specialist" 의 변환 메커니즘.
Vertical 사례 — Financial Services
본문이 제시한 사례:
- DCF Model Builder: 적절한 WACC 계산, sensitivity analysis
- Comparable Company Analysis: comps 테이블, multiples, benchmarking
이게 "general agent에 vertical Skills 추가 = vertical specialist" 패턴 검증.
2026년에 다시 읽으며 — 내가 본 것
1. "Generalist → Specialist" 의 깊은 통찰
이 글의 핵심 메시지가 깊다.
전통 패턴:
- General → Specialist = 모델 fine-tuning
- 비싸, 느려, 통제 어려움
- 매 도메인마다 별도 모델
새 패턴:
- General + Skill = Specialist
- 빠르고 (몇 분에 새 Skill)
- 통제 가능 (사용자가 Skill 작성)
- 결합 가능 (여러 Skill 동시)
이게 AI 시대 specialization의 정의:
- 핵심 모델 = 일반
- Specialization = 외부 자원
- "Specialization is composable"
비교 — 인간:
- 시니어 vs 주니어
- 시니어 = 깊은 도메인 경험 (years)
- AI Skills = 같은 깊이 (folders)
- "인간 시간" 이 "파일" 으로 압축
2. "3-tier 50/500/2000" 의 토큰 경제학
이 수치가 "Skills의 진짜 효율" 의 정확한 측정이다.
비교 — 토큰 효율:
프롬프트에 모든 지식 주입:
- 100K 토큰 = 50% context window
- 매번 사용 (필요 없어도)
- 매우 비효율
Skills 메타데이터만:
- 100 Skills × 50 = 5K 토큰 (2.5%)
- 모든 Skill 즉시 사용 가능
- 매우 효율
이 "40배 토큰 효율" 이 Skills의 진짜 마법이다. 정보를 잃지 않고 압축.
수학:
- 1 Skill 깊이 로드 = 모든 정보
- 99 Skill 메타데이터만 = 신호 유지
- "Just-in-time loading"
이게 AI 시대 정보 아키텍처의 정석이다.
3. "K-Dense, Browserbase, Notion"의 시장 형태
본문이 인용한 Service Provider Skills 사례:
K-Dense:
- AI 분야 (정확한 정체 불명, 추정: 데이터 처리)
- Skill로 자기 서비스 통합
Browserbase:
- 클라우드 브라우저 인프라
- AI 에이전트의 "browser as a service"
- Skills로 Claude가 깊이 사용
Notion:
- 모든 글에서 등장하는 "가장 적극적 파트너"
- Skill + MCP 둘 다 빠르게 출시
이 회사들의 공통점:
- infrastructure or developer-facing
- AI 시대 "AI가 우리 서비스 호출" 인식
- Skills로 통합 표준화
이게 "새 SaaS 패턴" 의 시그널 — AI-callable services. 사람을 위한 SaaS X, AI를 위한 SaaS.
4. "Apply Template Script" 의 진짜 가치
본문 인용된 실제 사례:
"We kept seeing Claude write the same script to apply Anthropic styling to slides."
이게 "Skill로 코드 캡슐화" 의 진짜 동기:
문제:
- Claude가 매번 같은 코드 재작성
- 시간 + 토큰 낭비
- 매번 다른 결과 (비결정적)
해결:
- 한 번 코드 작성
- Skill에 번들
- Claude가 호출 (코드 재작성 X)
- 결정론적 + 효율
이게 소프트웨어 엔지니어링 일반 원칙의 AI 적용:
- DRY (Don't Repeat Yourself)
- Reusable functions
- Library
- "AI도 같은 원칙"
5. "Cross-Product Portability" 의 표준 가치
본문 강조:
"Skills follow an open standard format, you can build them once and deploy across any skills-compatible agent."
이게 "agentskills.io" 표준의 진짜 가치:
전통 패턴:
- ChatGPT용 prompt
- Gemini용 prompt
- Claude용 prompt
- 각각 별도 작성
Skills 표준:
- 한 번 작성
- 모든 호환 AI에서 작동
- 회사 자산 보존
미래 시나리오:
- "우리 회사 Skills 라이브러리" = AI 회사 무관
- AI 모델 교체해도 Skills 그대로
- "Lock-in 회피"
이 "AI 모델 추상화" 가 enterprise CIO에게 결정적이다. 한 회사 잠김 X, 표준 위에서.
6. "Open Standard Adoption"의 진행 상황
본문이 언급:
"The Agent Skills format was originally developed by Anthropic, released as an open standard, and has been adopted by a growing number of agent products."
Adoption 진행:
- Anthropic: 자기 도구 (Claude Code, Cowork, Claude Apps)
- DeepLearning.AI: 코스 (커리큘럼화)
- Databricks: MCP Catalog와 통합
- Notion, Box, Cloudflare: 자기 Skills 빌드
다음 예측:
- OpenAI도 결국 채택 (MCP 패턴 반복)
- Google Gemini도 채택
- 산업 표준 정착
비교 — MCP 채택 타임라인:
- 2024년 11월: Anthropic 출시
- 2025년 4월: OpenAI 채택
- 2025년 12월: Linux Foundation
Skills 예측:
- 2025년 10월: Anthropic 출시
- 2025년 12월: 오픈 표준 (이미)
- 2026년 중반: OpenAI 채택?
- 2027년: 모든 AI 회사
7. "DeepLearning.AI 코스"의 교육 분화
이 글 시점 후 DeepLearning.AI에 Skills 코스 출시:
- Elie Schoppik 강의 (Anthropic)
- Skills 디자인 + 커스텀 빌드
- MCP, Subagents와 결합
이게 "AI 도구 교육의 새 시대" 시그널이다:
- 2023: prompt engineering 코스
- 2024: LLM API 코스
- 2025: Agent 코스
- 2026: Skills, MCP, Context Engineering 코스
DeepLearning.AI = Andrew Ng의 플랫폼. "가장 권위 있는 AI 교육". 그가 Skills를 정식 코스화 = 산업 인정.
이 교육 채널이 "개발자 락-인" 의 일부 (#59 글의 Skilljar 패턴). 표준 + 교육 = 시장 우위 굳힘.
8. "Barry Zhang, Keith Lazuka, Mahesh Murag"의 인간적 디테일
본문 끝 인용:
"Written by Barry Zhang, Keith Lazuka, and Mahesh Murag, who all really like folders."
(폴더를 정말 좋아하는 세 사람이 작성)
이 "who really like folders" 디테일이 흥미롭다:
- 진지한 기술 글 + 가벼운 자기 비하 유머
- "우리는 사람" 메시지
- Anthropic 문화의 일관성
이 톤이 "기업 AI 회사" 와 "인간적 회사" 의 차이를 만든다. 다른 AI 회사 글: 기업적 톤. Anthropic 글: 개인적 + 기술적.
이 차이가 마케팅 자산이다. "우리는 친해 보이는 회사" 가 "우리 도구 시도해보고 싶은" 마음 만든다.
마무리
이 글은 "Skills 빌드 가이드" 같지만, 실제로는 AI specialization의 새 정의다.
- Generalist + Skill = Specialist: composable specialization
- 3-tier 50/500/2000: 토큰 효율 정밀
- 3가지 Skill 유형: Foundational, Service Provider, Custom
- K-Dense, Browserbase, Notion: AI-callable services 시장
- Apply Template Script: 코드 캡슐화 가치
- Cross-Product Portability: lock-in 회피
- DeepLearning.AI 코스: 산업 교육 인정
- "who really like folders": 인간적 톤
2026년 1월 23일 시점은 "Skills = 흥미로운 기능" 시대가 끝난 시점이다. Skills = 산업 표준의 공식 정착. 출시 3개월 만에 거대 생태계 형성.
흥미로운 건 이 글이 "Skills 만드는 법" 이 아니라 "Skills 시장 분류" 라는 점이다. 단순 기술 가이드 X, 시장 형성 진단.
이 진단이 "Skills 시대" 의 정착을 시그널한다:
- 시장 분류 가능 = 시장 존재
- 사례 다수 = 검증
- 표준 정착 = 영구
- 교육 코스 = 인재 양성
이 모든 시그널이 모여서 Anthropic의 표준 정복 다음 단계를 정의한다. MCP가 인프라, Skills가 콘텐츠. 두 표준 위에 "AI 시대 소프트웨어" 가 빌드된다. 그 빌드의 하부 인프라가 모두 Anthropic 표준 = 시장 압도적 우위.
다음 글 (#76 이후)은 이 표준 위에서 빌드되는 다양한 application을 보여준다. 인프라 정의가 끝나면 application 폭발. 2026년이 그 폭발의 해다.
