Prompt 의존성 탈피 및 Skill 기반 Workflow 도입을 통한 Agent 재현성 확보

Context

LLM Agent의 성능 개선을 단순 Prompt 최적화에 의존함에 따라 발생하는 비결정론적 결과물 생성 문제 분석. 단순 Tool 제공만으로는 복잡한 도메인 지식이 필요한 실무 Workflow를 일관되게 수행하는 데 한계가 존재함.

Technical Solution

• Prompt 기반의 단순 의도 전달에서 Skill 중심의 패키징된 Workflow 실행 구조로 전환
• Tool(Capability)과 Skill(Workflow)을 분리하여 MCP(Model Context Protocol)가 제공하는 연결성에 구체적인 실행 습관(Habit)을 결합한 설계
• Skill 내부에 실행 조건, 필수 Tool, 단계별 Workflow, Failure Case, 검증 단계(Verification steps)를 포함하여 판단 로직을 캡슐화
• 반복적 추론 과정을 생략하고 정의된 Operating Pattern을 따르게 하여 Agent의 Randomness 제거
• SKILL.md 또는 설치 가능한 패키지 형태로 Workflow를 명세화하여 Tribal Knowledge를 재사용 가능한 자산으로 전환

Key Takeaway

Agent 시스템의 신뢰성은 모델의 지능보다 Workflow의 재현성에 있으며, '의도(Prompt) -> 능력(Tool) -> 습관(Skill)'으로 이어지는 계층적 설계가 실무 적용의 핵심임.