7개. Claude, GPT, Gemini를 포함해 AI 스킬 스토어가 즉시 호환되는 플랫폼의 수다. 스마트폰 앱스토어에서 사용자가 앱을 내려받듯, AI 에이전트가 스스로 필요한 기능을 찾아 설치하는 환경이 구축된 셈이다. 그리고 이 시스템의 핵심은 사람이 아닌 AI가 주체가 되어 스킬을 검색하고 평가하며 설치까지 수행하는 '자율성'에 있다.

기존의 AI 도구 마켓은 사람이 웹에서 검색하고 수동으로 설정하는 구조였다. 에이전트가 진정으로 자율적인 작업을 수행하려면 도구의 탐색부터 적용까지의 과정에서 인간의 개입이 제거되어야 한다. 이번에 공개된 AI 스킬 스토어는 에이전트가 자연어로 스킬을 찾고, 그 효용성을 평가해 직접 설치하는 프로세스를 구현했다. MCP 서버 URL만으로 API 키 없이 브라우징이 가능하다는 점은 진입 장벽을 낮추는 실질적인 장치다.

MCP 기반의 자율 스킬 검색 및 설치 구조

왜 매번 새로운 AI 기능을 추가할 때마다 사람이 직접 검색하고 설정을 만져야 할까? 기존의 AI 도구 마켓플레이스는 사용자가 웹 브라우저에서 필요한 기능을 검색하고, 개발 문서에서 API 키를 발급받아 환경 변수에 수동으로 입력하는 구조였다. 이번에 공개된 AI 스킬 스토어는 이 모든 과정을 AI 에이전트가 직접 수행하는 자율 마켓플레이스 체계를 구축했다. 에이전트가 자연어로 필요한 스킬을 검색하고, 해당 스킬이 현재 작업에 적합한지 스스로 평가한 뒤 설치까지 완료하는 에이전트 디스커버리(Agent Discovery) 기능을 구현했다. 사람이 개입해 도구를 선정하고 연결하는 수동 작업 단계가 제거되고, 에이전트가 스스로 작업에 필요한 도구를 확보해 실행하는 구조로 전환됐다.

시스템의 핵심은 MCP(Model Context Protocol, 모델 컨텍스트 프로토콜) 기반의 설계에 있다. MCP는 서로 다른 AI 모델이 동일한 도구 규격을 공유하여 외부 데이터나 기능에 접근하게 만드는 표준 프로토콜이다. 이를 통해 Claude, GPT, Gemini를 포함한 총 7개 플랫폼의 에이전트가 별도의 인터페이스 변환 과정 없이 MCP 도구에 즉각적으로 접근할 수 있다. 특히 MCP 서버 URL을 추가하는 것만으로 별도의 API 키 입력 없이 브라우징이 가능하다는 점이 핵심이다. 개별 서비스마다 서로 다른 인증 절차를 거치거나 복잡한 설정 파일을 수정하지 않고, URL 주소 하나로 도구의 기능을 탐색하고 연결하는 방식이다. 파편화된 API 환경을 단일 프로토콜로 통합해 도구 연결에 소요되는 리소스를 줄였다.

해당 프로젝트의 소스 코드는 https://github.com/garasegae/aiskillstore 저장소에 공개되어 있다. 1인 개발 체제로 운영 중인 이 시스템은 현재 Smithery.ai 플랫폼에서 주간 1,900회 이상의 툴 콜(tool calls)이 발생하는 수치를 기록하고 있다. 툴 콜은 에이전트가 특정 작업을 수행하기 위해 외부 스킬을 실제로 호출한 횟수를 의미한다. 초기 단계의 프로젝트임에도 불구하고 매주 1,900회 이상의 호출이 일어난다는 것은 에이전트가 스스로 기능을 확장하고 사용하는 자율 구조가 실제 작동하고 있음을 보여준다. 단순한 기능 구현을 넘어 실제 호출 데이터가 쌓이는 구조를 통해 자율 스킬 검색 및 설치 체계의 실효성을 입증하고 있다.

USK 도입과 에이전트 간 리뷰 시스템의 실효성

서로 다른 플랫폼을 사용하는 AI 에이전트가 동일한 스킬을 사용할 때마다 매번 새로운 인증 과정을 거쳐야 한다면 효율성은 어떻게 확보되는가. USK(Universal Skill Key, 범용 스킬 키)는 하나의 키로 여러 플랫폼에서 동일한 스킬을 사용할 수 있게 설계되었다. 기존에는 플랫폼별로 개별 API 키를 발급받고 설정하는 수동 작업이 필수적이었다. 이는 개발자가 다수의 에이전트 환경을 지원할 때 관리 포인트가 기하급수적으로 늘어나는 원인이 되었다. USK는 이러한 인증 단계를 통합해 플랫폼 간 이동 시 발생하는 설정 비용을 제거했다. 개발자는 한 번의 키 설정만으로 다양한 환경에 스킬을 배포하고 관리할 수 있으며 이는 배포 속도의 향상으로 이어진다.

에이전트 리뷰 시스템은 사람이 아닌 AI 에이전트가 직접 스킬을 사용한 뒤 평가를 남기는 구조다. 에이전트가 특정 도구를 호출해 작업을 수행하고 그 결과의 정확도나 효율성을 데이터 기반으로 기록한다. 일반적인 사용자 리뷰가 주관적 경험이나 감상에 의존하는 것과 달리 에이전트 리뷰는 실행 성공 여부와 응답 시간 같은 객관적 지표를 남긴다. 다른 에이전트는 이 리뷰 데이터를 참조해 최적의 스킬을 선택하고 설치하는 판단 근거로 활용한다. 사람이 개입하지 않고 AI가 스스로 도구의 품질을 검증하고 최적화하는 자율적 피드백 루프가 형성된 셈이다. 이는 스킬의 품질 상향 평준화를 가속하는 기제로 작동한다.

실제 가동 수치는 Smithery.ai(스미더리 에이아이, MCP 도구 관리 플랫폼) 기준으로 주간 1,900건 이상의 tool calls(도구 호출)가 발생하고 있다. 1인 개발 체제로 운영되는 환경에서 이 정도의 호출 수가 기록된 것은 MCP(Model Context Protocol, 모델 컨텍스트 프로토콜) 기반의 표준화가 가져온 결과다. 개별 플랫폼의 API 규격을 일일이 맞출 필요 없이 표준 프로토콜을 통해 도구를 연결했기에 가능한 수치다. 개발자가 인프라 관리에 쏟는 시간을 줄이고 기능 구현에 집중할 수 있는 환경이 조성되었다. 운영 인력의 최소화와 높은 호출 빈도는 시스템의 확장 가능성을 입증하는 실무적 지표가 된다.

전체 소스 코드는 GitHub(깃허브) 저장소 https://github.com/garasegae/aiskillstore 를 통해 공개되어 있다. MCP 서버 URL만 추가하면 별도의 API 키 설정 없이 즉시 브라우징이 가능한 구조를 취하고 있다. 개발자가 직접 도구를 검색하고 설치하는 기존의 수동 방식에서 벗어나 에이전트가 자연어로 스킬을 찾고 설치까지 완료하는 자동화 흐름을 구현했다. 플랫폼의 경계를 허무는 통합 키와 AI 전용 평가 체계는 에이전트 생태계의 진입 장벽을 낮추는 실질적인 장치로 작동한다. 이는 개별 에이전트의 능력을 넘어 도구의 공유와 확산이 가속화되는 환경을 제공한다.

반복 작업이 잦은 워크플로우에 우선 적용한다

에이전트가 MCP 서버 URL 하나로 외부 도구를 즉시 연결하는 환경은 API 키 발급과 환경 변수 설정 등 반복적인 수동 세팅을 제거한다. 매주 1,900회 이상의 도구 호출이 발생하는 현상은 표준화된 프로토콜이 에이전트의 작업 연속성을 보장함을 증명한다. 따라서 특정 도구를 빈번하게 교체하거나 다수의 외부 API를 연동해야 하는 개발 환경이라면 자율 스킬 검색 체계를 도입해 운영 리소스를 절감할 수 있다. 도구 연결의 표준화는 설정 오류를 줄이고 에이전트의 작업 실행 속도를 높이는 핵심 동력이다.

객관적 지표가 확보된 스킬을 우선순위로 배치한다

에이전트 리뷰 시스템은 주관적 평가 대신 실행 성공률과 응답 시간 등 데이터 기반의 지표를 생성한다. 다른 에이전트가 이 데이터를 참조해 도구를 선택하는 방식은 스킬의 품질을 상향 평준화하는 피드백 루프로 작동한다. 실무자는 에이전트가 남긴 실행 로그와 성공률 데이터를 검토해 신뢰도가 검증된 스킬부터 순차적으로 통합해야 한다. 사람이 직접 도구의 적합성을 판단하던 기존 방식보다 데이터 중심의 자동 선택이 에이전트의 작업 성공률을 높이는 데 유리하다.

플랫폼 종속성을 제거하고 통합 인증 체계를 구축한다

USK를 통한 범용 인증은 플랫폼별로 개별 API 키를 관리하던 복잡성을 단일 관리 체계로 전환한다. 개발자는 에이전트가 여러 플랫폼을 이동하더라도 별도의 재설정 없이 동일한 스킬을 즉시 배포하고 관리할 수 있다. 다수의 AI 모델을 혼용하거나 에이전트 환경을 확장하려는 기업은 플랫폼 간 인증 장벽을 제거하는 통합 키 방식을 채택해야 한다. 관리 포인트의 최소화는 에이전트 생태계 확장을 위한 필수적인 인프라 요건이다.

결국 에이전트의 자율성은 도구의 표준화와 객관적 검증 데이터가 뒷받침될 때 비로소 실무적인 생산성으로 치환된다.