SkillComposer는 LLM 에이전트가 작업마다 어떤 스킬을 몇 개, 어떤 순서로 사용할지 예측하는 구조화 스킬 조합(structured skill composition) 방법이다. 스킬 라이브러리가 커질수록 단순 검색으로는 “어떤 스킬을 함께 써야 하는가”를 안정적으로 풀기 어렵다는 문제에서 출발한다.
문제: 스킬 선택은 top-k 검색이 아니다
Agent Skills는 샌드박스 설정, 테스트 실행, 리팩터링, 보안 감사처럼 재사용 가능한 절차 지식을 패키지화한다. 라이브러리가 작을 때는 사람이 고르거나 임베딩 검색으로 충분하지만, 스킬이 많아지면 다음 세 가지 결정을 동시에 내려야 한다.
| 결정 | 예시 |
|---|---|
| subset | 이 작업에 보안 리뷰 스킬과 테스트 스킬이 모두 필요한가 |
| count | 하나만 쓸지, 세 개를 연쇄로 쓸지 |
| order | 설계 스킬을 먼저 쓰고 구현 스킬을 나중에 쓸지 |
기존 retrieval 방식은 보통 관련도 높은 top-k 스킬을 가져온다. 하지만 top-k는 스킬 간 의존성과 실행 순서를 직접 모델링하지 않는다.
접근: 스킬 ID 시퀀스 예측
SkillComposer는 스킬 조합을 task-conditioned skill sequence prediction 문제로 다룬다. 입력은 작업 설명과 스킬 라이브러리이고, 출력은 실행 가능한 스킬 ID 시퀀스다.
핵심은 constrained autoregressive decoder다. 디코더가 스킬 식별자만 생성하도록 제한하면, 스킬 부분집합·개수·순서가 한 번의 디코딩에서 함께 결정된다. 앞서 선택한 스킬이 다음 스킬 선택에 영향을 주므로, 스킬 간 의존성도 자연스럽게 반영된다.
평가 결과
논문은 실제 사람이 큐레이션한 스킬 라이브러리에서 task-composition pair 학습 데이터를 만들고, 두 축으로 평가했다.
- held-out test set에서 조합 품질 평가
- SkillsBench에서 두 개의 production-grade coding agent를 대상으로 다운스트림 작업 성공률 평가
arXiv 초록 기준, GPT-5.2-Codex와 Gemini-3-Pro-Preview에서 SkillComposer는 no-skill baseline 대비 각각 +23.1pp, +18.2pp pass rate 향상을 보였다. 또한 top-3 retrieval을 넘고, gold-skill retrieval upper bound와 유사한 성능을 더 낮은 prompt-token 비용으로 달성했다고 보고한다.
하네스 설계 관점
SkillComposer는 스킬을 “문서 검색 결과”가 아니라 실행 계획의 일부로 본다. 이는 에이전트 하네스가 커질수록 중요한 설계 방향이다.
- 스킬 라이브러리 전체를 매번 컨텍스트에 넣지 않는다
- 검색 결과를 그대로 노출하지 않고 실행 가능한 순서로 압축한다
- 스킬 선택 정책 자체를 학습·평가 가능한 컴포넌트로 분리한다
누가 쓰면 좋은가
- 코딩 에이전트 플랫폼 개발자: 수십~수백 개 스킬 중 작업별 조합을 자동 선택해야 하는 경우
- 팀 스킬 라이브러리 운영자: 단일 스킬 품질보다 스킬 간 조합·순서가 성능 병목이 되는 경우
- 에이전트 평가 연구자: 스킬 검색과 스킬 실행 계획을 분리해 측정하려는 경우
참고 자료
- Generative Skill Composition for LLM Agents — arXiv 2606.32025 (2026-06-30)