에이전트 기술: 대규모 언어 모델 기능 확장을 위한 Claude 기술의 데이터 기반 분석

Agent Skills: A Data-Driven Analysis of Claude Skills for Extending Large Language Model Functionality

February 8, 2026

저자: George Ling, Shanshan Zhong, Richard Huang

cs.AI

초록

에이전트 스킬은 트리거 조건, 절차적 논리, 도구 상호작용을 정의하는 재사용 가능한 프로그램형 모듈로 대규모 언어 모델(LLM) 에이전트의 기능을 확장합니다. 이러한 스킬이 공개 마켓플레이스에서 확산됨에 따라 어떤 유형이 존재하는지, 사용자가 어떻게 채택하는지, 어떤 위험이 발생하는지가 불분명합니다. 이러한 질문에 답하기 위해 우리는 주요 마켓플레이스의 공개된 스킬 40,285개를 대상으로 대규모 데이터 기반 분석을 수행합니다. 분석 결과, 스킬 출시는 커뮤니티 관심의 변화를 따라가는 짧은 집중 형태로 발생하는 경향이 있음을 보여줍니다. 또한 스킬 콘텐츠가 소프트웨어 엔지니어링 워크플로우에 높은 집중도를 보이는 반면, 정보 검색 및 콘텐츠 생성 분야가 실제 채택에서 상당한 비중을 차지함을 발견했습니다. 콘텐츠 동향을 넘어서, 우리는 범주별로 뚜렷한 공급-수요 불균형을 밝혀냈으며, 스킬 길이 분포가 꼬리가 두꺼운 분포를 보임에도 대부분의 스킬이 일반적인 프롬프트 예산 내에 머무른다는 점을 보여줍니다. 마지막으로, 우리는 의도 수준의 중복이 광범위하게 퍼진 강한 생태계 동질성을 관찰하고, 상태 변경 또는 시스템 수준의 행동을 가능하게 하는 스킬을 포함하여 상당한 안전 위험을 식별합니다. 전반적으로, 우리의 연구 결과는 에이전트를 위한 새로운 인프라 계층으로서의 에이전트 스킬에 대한 정량적 현황을 제공하며, 향후 스킬 재사용, 표준화 및 안전 인식 설계에 관한 연구에 정보를 제공합니다.

English

Agent skills extend large language model (LLM) agents with reusable, program-like modules that define triggering conditions, procedural logic, and tool interactions. As these skills proliferate in public marketplaces, it is unclear what types are available, how users adopt them, and what risks they pose. To answer these questions, we conduct a large-scale, data-driven analysis of 40,285 publicly listed skills from a major marketplace. Our results show that skill publication tends to occur in short bursts that track shifts in community attention. We also find that skill content is highly concentrated in software engineering workflows, while information retrieval and content creation account for a substantial share of adoption. Beyond content trends, we uncover a pronounced supply-demand imbalance across categories, and we show that most skills remain within typical prompt budgets despite a heavy-tailed length distribution. Finally, we observe strong ecosystem homogeneity, with widespread intent-level redundancy, and we identify non-trivial safety risks, including skills that enable state-changing or system-level actions. Overall, our findings provide a quantitative snapshot of agent skills as an emerging infrastructure layer for agents and inform future work on skill reuse, standardization, and safety-aware design.