Progressive Disclosure 기반의 맞춤형 Context 주입으로 LLM Context Window 최적화

Gemini CLI Skills: Teaching Your Terminal Agent How to Think 🧠

Domenico Tenace2026년 5월 26일9분intermediate

AI 요약

Context

전역 설정 파일인 GEMINI.md에 모든 컨텍스트를 포함할 경우 Model Context Window의 조기 포화 및 불필요한 토큰 소비 발생. 태스크와 무관한 정보 유입으로 인한 응답 정확도 저하 및 추론 비용 증가라는 구조적 한계 존재.

On-demand Loading 방식을 통한 필요한 시점에만 특정 전문 지식을 로드하는 Skill 구조 설계
Progressive Disclosure 기법을 적용하여 모든 Skill의 Description만 우선 인식 후 필요 시 Full Instruction을 로드하는 2단계 필터링 구현
Project-level(.gemini/skills/)과 Global-level(~/.gemini/skills/)로 Scope를 분리하여 팀 컨벤션과 개인 생산성 설정의 계층적 관리
SKILL.md 내 Frontmatter(Metadata)와 Body(Instructions)를 분리하여 Agent의 Skill Activation 판단 로직 정밀화
전문 지식의 파편화를 방지하기 위해 One Skill, One Responsibility 원칙을 적용한 모듈형 컨텍스트 설계

실천 포인트

1. LLM 컨텍스트 설계 시 전체 지식 주입 대신 태스크 기반의 Progressive Disclosure 전략 검토

2. Skill Description 작성 시 'Do not use' 케이스를 명시하여 False Positive 활성화 방지

3. 팀 공통 워크플로우는 Git Repository 내 Project Skill로 관리하여 설정 동기화

4. 복잡한 가이드는 SKILL.md 본문에 직접 작성하지 않고 resources/ 또는 examples/ 폴더로 외부 참조화하여 가독성 확보

태그