지식관리를 위한 클로드 스킬 (1)

클로드 스킬, 혁신이나 Hype이냐?

클로드 스킬에 대한 커뮤니티 반응

2025년 10월 Anthropic이 Claude Code에 Skills 기능을 출시한 이후, 개발자 커뮤니티에서 예상치 못한 열기가 일고 있다. 최근 종합 라운드업 아티클에서 정리한 바와 같이, 기술적으로 특별한 내용은 없으나, 실제로는 날로 중요해지는 컨텍스트 효율화와 다양한 스킬 생태계를 여는 전환점으로 평가받고 있다.

하지만 한계도 존재한다. Skills의 가장 큰 한계는 직접 호출할 수 없다는 점이다. Slash Commands나 Sub-agents는 명시적으로 실행할 수 있지만, Skills는 Claude가 “알아서” 사용하기를 희망해야 한다. 핵심 개발 작업보다는 “잘 정의된 유틸리티 작업”에 적합하다는 것이 커뮤니티의 결론이다.

지식관리를 위한 클로드 스킬

커뮤니티의 뜨거운 반응을 보며 나도 PKM 워크플로우에 Skills를 도입해 보았다. 조만간 현재 실험중이며, 조만간 AI4PKM 프레임워크에 포함될 스킬들을 살펴보자.

Foundation Skills: PKM의 기반 규칙

obsidian-links, obsidian-yaml-frontmatter, obsidian-markdown-structure 세 가지 스킬은 내 PKM 시스템의 핵심 컨벤션을 담고 있다. 예를 들어 obsidian-links는 위키링크 포맷 검증([[YYYY-MM-DD Title]]), 섹션 헤더 매칭, 링크 전 파일 존재 확인, 폴더 접두사 규칙(AI 폴더 파일은 “AI/” 생략) 등을 처리한다.

이 스킬들의 진짜 가치는 progressive disclosure 메커니즘에 있다. 프론트매터 메타데이터만 먼저 읽어(~100-200 토큰) 관련성을 판단하고, 필요할 때만 전체 내용을 로드한다(~300-1,000 토큰). 각 프롬프트마다 200-400 토큰씩 반복 작성하던 규칙들을 50-100 토큰 참조로 대체하니, 15개 프롬프트 전체에서 약 2,250-4,500 토큰을 절약한다. 컨텍스트 사용량이 40-60% 감소하는 셈이다.

Document Processing & Content Creation Skills

실용적 작업을 위한 스킬들도 추가했다. pdf-skill은 PDF 텍스트/테이블 추출과 폼 채우기를, youtube-transcript-skill은 YouTube 자막 다운로드와 Whisper 전사를 처리한다. markdown-slides와 markdown-video는 마크다운 문서를 Deckset 슬라이드와 한국어 TTS 영상으로 변환한다. claude-epub-skill은 마크다운을 EPUB3 전자책으로 만들어준다.

content-research-writer-skill은 블로그 글이나 뉴스레터 작성을 돕는다. 아웃라인 작성부터 리서치, 섹션별 피드백, 인용 관리까지—글쓰기 파트너처럼 작동한다. claude-d3js-skill은 D3.js 기반 인터랙티브 데이터 시각화를 생성한다. 네트워크 그래프, 지리 시각화, 복잡한 차트 등 표준 차트 라이브러리를 넘어서는 작업에 유용하다.

사용 소감: 마법이 아니라 효율

일주일 정도 사용해 본 솔직한 소감은, Skills는 안 되는 것을 되게 하는 마법이 아니다. Claude가 원래 못 하던 작업을 갑자기 잘하게 되진 않는다. 하지만 전체적인 워크플로우 효율은 확실히 증가했다.

가장 큰 개선은 단일 진실 공급원(Single Source of Truth) 효과다. 예전엔 15개 프롬프트마다 위키링크 규칙을 반복 작성했는데, 링크 포맷을 수정할 때마다 15군데를 다 고쳐야 했다. 이제는 obsidian-links 스킬 하나만 업데이트하면 된다. 새 프롬프트 작성 속도도 약 70% 빨라졌다. 규칙을 다시 쓸 필요 없이 스킬 참조만 추가하면 되기 때문이다.

다만 커뮤니티에서 지적한 것처럼 예측 불가능성은 여전히 과제다. 슬래시 커맨드는 내가 명시적으로 호출하지만, 스킬은 Claude가 “알아서” 판단해 사용한다. 대부분 잘 작동하지만, 가끔 필요한 스킬을 놓치거나 불필요한 스킬을 호출할 때가 있다. 중요한 작업일수록 스킬에 전적으로 의존하기보다, 명시적 지시와 병행하는 게 안전하다.

향후 발전 방향

다른 AI Agent로의 확장

현재 Skills는 Claude Code 전용이다. 하지만 나는 Gemini와 Codex(OpenAI)도 함께 사용하는데, 이들 에이전트에도 같은 규칙을 적용하고 싶다. 이상적으로는 Skills 포맷이 플랫폼 독립적 표준이 되거나, Openskills와 같은 다른 플랫폼용까지 지원하는 도구가 생기면 좋겠다. 대안으로 다른 에이전트에도 마크다운 기반 규칙 문서를 명시적으로 주입하는 방법을 실험 중이다. Progressive disclosure 같은 토큰 효율은 없지만, 일관성은 유지할 수 있다.

MCP와의 결합: Code Execution 패러다임

Anthropic의 최근 블로그 2025-11-05 Code execution with MCP building more efficient AI agents - Codex는 Skills의 미래를 엿보게 한다. 기존 MCP 방식은 모든 도구 정의를 미리 컨텍스트에 로드하고, 중간 결과도 모델을 거치며 전달된다. 예를 들어 Google Drive 문서를 Salesforce에 첨부하려면, 전체 문서 내용이 컨텍스트를 두 번 통과한다. 2시간 회의록이면 50,000 토큰이 추가로 소모된다.

Code execution 접근법은 이를 근본적으로 바꾼다. MCP 서버를 코드 API로 제공하면, 에이전트가 필요한 도구만 파일시스템에서 읽어 코드를 작성한다. 중간 결과는 실행 환경에 머물고, 모델은 최종 요약만 받는다. Anthropic의 테스트에서는 토큰 사용량이 150,000에서 2,000으로—98.7% 감소했다.

AI4PKM의 다양한 워크플로우에도 이 패러다임을 적용할 잠재력이 크다. 예를 들어 Limitless 라이프로그를 처리할 때, 긴 음성 전사를 컨텍스트에 전부 넣는 대신 코드로 필터링/요약한 후 핵심만 모델에 전달할 수 있다. 또는 수백 개의 클리핑 파일을 검색할 때, 벡터 인덱스로 관련 문서를 먼저 추려낸 뒤 분석하면 토큰을 대폭 절약한다.

지금은 스킬의 최종 모습이 나오지도 않았고, 관련 생태계도 초기 단계다. 하지만 커뮤니티의 실험 정신과 Anthropic의 기술 방향을 보면, 2025년은 AI 에이전트 워크플로우가 근본적으로 진화하는 해가 될 것 같다. 완벽함을 기다리지 말고 지금 실험하는 것이 가장 빠른 학습 경로다.