MCP와 Agent Skills 조합으로 구현한 AI 에이전트 최적화 전략

Context

Amazon Q Developer Pro를 이용한 다중 계정 AWS 인프라 관리 필요성 대두. MCP 서버 과다 연결 시 컨텍스트 윈도우 부족 및 함수 선택 오류 발생. Agent Skills 단독 사용 시 실행 환경의 의존성 불일치 문제 직면.

Technical Solution

• 도구 제공을 위한 MCP Layer와 판단 로직을 위한 Skills Layer의 계층적 분리 구조 설계
• MCP 서버를 개별 Docker 컨테이너로 격리하여 boto3, Slack SDK 등 외부 라이브러리 의존성 문제 해결
• 복잡한 판단 기준과 워크플로우는 SKILL.md 파일에 정의하여 LLM의 추론 경로 최적화
• MCP는 '무엇을 할 수 있는가(Capabilities)'라는 기능적 인터페이스 역할 수행
• Skills는 '어떻게 생각해야 하는가(Expertise)'라는 도메인 지식 및 의사결정 가이드 역할 수행
• 특정 태스크 발생 시 Skill이 판단 로직을 수행하고 필요한 시점에만 MCP 함수를 호출하는 하이브리드 워크플로우 적용

Impact

• 12개 MCP 서버 연결 시 초기 컨텍스트 윈도우의 35%가 함수 정의로 점유되는 리소스 낭비 확인

Key Takeaway

AI 에이전트 설계 시 실행 기능(Tooling)과 판단 로직(Reasoning)을 분리하여 컨텍스트 효율성과 실행 환경의 독립성을 동시에 확보해야 함.