AI Skills vs MCP: AI 에이전트 확장 방법의
결정적 차이 완벽 분석

1. Skills와 MCP, 왜 혼동할까? 🤔

AI 에이전트 설정을 시작하면 반드시 마주치는 두 개념이 있습니다: Skills와 MCP(Model Context Protocol)입니다. 둘 다 "AI의 기능을 확장한다"고 설명되기 때문에 처음에는 비슷해 보일 수 있습니다. 하지만 실제로는 완전히 다른 레이어에서 작동합니다.

혼동이 생기는 이유는 표면적인 목표가 비슷하기 때문입니다. 둘 다 "기본 AI가 갖지 못한 무언가를 추가"하는 방향으로 설명됩니다. 하지만 추가하는 것이 근본적으로 다릅니다. Skills는 AI가 어떻게 생각하고 행동할지 정의하고, MCP는 AI가 실제로 무엇을 실행할 수 있는지 외부 서버와 연결하여 제공합니다.

2. Skills란? AI에게 행동법을 가르치는 방법 📚

Skills는 AI에게 "이 작업을 이렇게 해라"라고 가르치는 마크다운(Markdown) 텍스트 파일입니다. 코드 실행이 포함되지 않으며, AI의 컨텍스트 윈도우에 로드되어 행동 패턴을 변경하는 구조화된 프롬프트 확장의 일종입니다.

SKILL.md: 가장 구체적인 형태

Claude Code나 OpenClaw와 같은 AI 에이전트 환경에서 skill은 SKILL.md 파일이라는 공식 형태로 존재합니다. 구조는 간단합니다: 상단의 YAML frontmatter 블록에서 이 skill이 언제 활성화되어야 하는지 선언하고, 그 아래 Markdown으로 실제 행동 지침을 작성합니다.

# 블로그 포스트 작성 스킬
name: "blog-post-writer"
description: "SEO 최적화된 기술 블로그 포스트 작성"
triggers:
  - "블로그 작성"
  - "tech article"
version: "1.0"

---

## 작성 가이드라인

### 1. 제목 규칙
- 60자 이내로 작성
- 키워드를 앞에 배치
- 숫자 활용 (예: "5가지 방법")

### 2. 구조
1. **도입부**: 문제 제기 (200자)
2. **본문**: 3-5개 섹션
3. **결론**: 핵심 요약

### 3. SEO 최적화
- 메타 설명 포함
- H2, H3 태그 적절히 사용
- 내부 링크 3개 이상

다른 플랫폼에서의 구현

공통점은 단 하나의 텍스트 파일이 AI의 행동 패턴을 변경한다는 것입니다. 새로운 skill을 추가하는 것은 Markdown 파일 하나를 추가하는 것만큼 간단합니다.

3. MCP란? AI를 외부 세계와 연결하는 프로토콜 🔌

MCP(Model Context Protocol)는 Anthropic이 2024년 11월에 발표한 오픈소스 표준 프로토콜입니다. AI 에이전트가 외부 시스템과 표준화된 방식으로 연결할 수 있도록 설계되었습니다. 핵심은 실제 코드 실행입니다. LLM 자체가 할 수 없는 작업(파일 접근, 데이터베이스 쿼리, API 호출, 웹 검색)을 외부 서버에 위임합니다.

Host / Client / Server 아키텍처

3가지 Primitives: Tools, Resources, Prompts

MCP 도구 스키마 예시

[
  {
    "name": "read_file",
    "description": "파일 시스템의 파일 내용을 읽습니다.",
    "inputSchema": {
      "type": "object",
      "properties": {
        "path": {
          "type": "string",
          "description": "파일의 절대 경로"
        }
      },
      "required": ["path"]
    }
  },
  {
    "name": "write_file",
    "description": "파일에 내용을 씁니다.",
    "inputSchema": { "..." : "..." }
  }
]

4. 핵심 차이점 완벽 비교 📊

5. 언제 무엇을 사용해야 할까? 🎯

6. 실전 사례: GitHub 이슈 자동 분류 🚀

이론은 충분합니다. 이제 실제 사례를 통해 Skills와 MCP가 어떻게 함께 작동하는지 살펴보겠습니다. GitHub 이슈를 자동으로 분류하는 에이전트를 구축해 보겠습니다.

1단계: MCP로 GitHub 연결

// GitHub MCP 서버 연결
const githubServer = new MCPServer({
  name: "github",
  tools: [
    "list_issues",
    "add_label",
    "create_comment",
    "get_repository"
  ]
});

2단계: Skills로 분류 로직 정의

name: "github-issue-triage"
description: "GitHub 이슈를 자동으로 분류하고 라벨링"
triggers:
  - "이슈 분류"
  - "triage issues"

---

## 분류 기준

### 1. 버그 (Bug)
- **키워드**: "broken", "error", "crash", "fail"
- **라벨**: `bug`, `priority-high`

### 2. 기능 요청 (Feature Request)
- **키워드**: "add", "support", "feature", "enhancement"
- **라벨**: `enhancement`, `feature-request`

### 3. 질문 (Question)
- **키워드**: "how to", "question", "help"
- **라벨**: `question`

7. 커뮤니티 반응: Reddit 개발자들의 의견 💬

🎯 결론: 둘 다 필요합니다

Skills와 MCP는 경쟁 관계가 아닙니다. 상호 보완적입니다.

Skills는 AI에게 무엇을 어떻게 할지 가르치고,
MCP는 AI가 실제로 실행할 수 있는 능력을 제공합니다.

레시피(Skills)와 도구(MCP)가 모두 있을 때,
비로소 진정한 AI 에이전트가 됩니다. 🚀