SSL(Scheduling-Structural-Logical) 표현은 AI 에이전트 스킬 아티팩트를 기계가 처리하기 쉬운 3계층 구조로 분해하는 최초의 에이전트 스킬 구조화 표현 연구다. 현재 SKILL.md 형식으로 대표되는 텍스트 중심 스킬은 명령 인터페이스·실행 구조·구체적 부작용이 자연어 안에 뒤섞여 있어, 스킬 컬렉션 관리와 에이전트 실행 중 스킬 활용 모두에서 비효율이 발생한다.
문제: 텍스트 중심 스킬의 한계
LLM 에이전트는 재사용 가능한 스킬(명령·제어 흐름·제약·도구 호출을 결합한 패키지)에 점점 더 의존하고 있다. 그러나 현재 스킬은 대부분 텍스트 아티팩트로 표현되어 세 가지 핵심 문제를 일으킨다:
- 호출 인터페이스 파악의 어려움: 스킬을 언제 어떻게 쓸지 판단하려면 전체 텍스트를 추론해야 함
- 실행 구조 불투명: 스킬 내부의 단계 순서와 분기 논리가 서술 안에 묻혀 있음
- 부작용 신호 부재: 스킬이 어떤 리소스를 사용·수정·위험화하는지 명시적으로 드러나지 않음
SSL 표현의 3계층 구조
SSL은 인지 언어학의 Schank & Abelson Memory Organization Packets, Script Theory, Conceptual Dependency 이론을 에이전트 스킬에 적용해 세 계층으로 분리한다:
| 계층 | 수준 | 포착하는 정보 |
|---|---|---|
| S (Scheduling) | 스킬 수준 | 호출 인터페이스, 트리거 조건, 전제 조건 |
| S (Structural) | 장면 수준 | 실행 구조, 단계 순서, 제어 흐름 |
| L (Logical) | 행동/리소스 수준 | 구체적 행동, 리소스 사용, 부작용 증거 |
LLM 기반 정규화기(normalizer)가 기존 SKILL.md를 SSL 표현으로 변환하며, 원본 텍스트 소스에 근거를 유지한다.
성능 결과
두 가지 다운스트림 태스크에서 텍스트 전용 기준선 대비 유의미한 개선:
| 태스크 | 텍스트 전용 | SSL 표현 | 개선 |
|---|---|---|---|
| 스킬 발견 (MRR@50) | 0.649 | 0.729 | +12% |
| 위험 평가 (Macro F1) | 0.409 | 0.509 | +24% |
Ctx2Skill: 컨텍스트에서 스킬을 자동 추출하는 보완 연구
Ctx2Skill은 SSL과 보완 관계에 있는 독립 연구로, 복잡한 컨텍스트(기술 문서, 논문, 코드 저장소)에서 스킬을 인간 어노테이션 없이 자동 추출하는 멀티 에이전트 셀프 플레이 프레임워크다.
멀티 에이전트 셀프 플레이 루프
5개의 에이전트 역할이 협력해 스킬을 공진화한다:
| 에이전트 | 역할 |
|---|---|
| Challenger | 컨텍스트 기반 탐침(probing) 태스크 생성 |
| Reasoner | 스킬 셋 기반 태스크 해결 |
| Judge | 성공/실패 판정 |
| Proposer | 실패/성공 패턴에서 스킬 업데이트 제안 |
| Generator | 제안을 실제 스킬 업데이트로 구체화 |
Cross-Time Replay: 과거 모든 스킬 후보를 대표 탐침 태스크로 재평가해 에이전트가 극단적으로 특화되는 “적대적 붕괴”를 방지한다.
Ctx2Skill 성능
CL-bench 4개 컨텍스트 학습 태스크 평균:
| 모델 | 스킬 없음 | Ctx2Skill 적용 | 개선 |
|---|---|---|---|
| GPT-4.1 | 11.1% | 16.5% | +5.4% |
| GPT-5.1 | 21.2% | 25.8% | +4.6% |
| GPT-5.2 | 18.2% | 21.4% | +3.2% |
두 연구의 관계
| SSL | Ctx2Skill | |
|---|---|---|
| 문제 | 스킬 표현의 구조화 | 스킬 자동 발굴 |
| 접근 | 정규화기로 SKILL.md 변환 | 셀프 플레이로 컨텍스트에서 스킬 추출 |
| 출력 | 구조화된 스킬 표현 | 자연어 스킬 셋 |
| 평가 | 발견·위험 평가 태스크 | 컨텍스트 학습 벤치마크(CL-bench) |
활용 케이스
- 스킬 라이브러리 관리자: 수백 개 스킬의 인덱싱·검색·위험도 분류 자동화
- 에이전트 프레임워크 개발자: 스킬 라우팅 로직에 SSL 구조 활용
- 도메인 전문가: 기술 문서에서 Ctx2Skill로 에이전트 스킬 자동 추출
관련 도구 & 논문
- agent-skills — 에이전트 스킬 시스템 개요 및 작성 가이드
- skill-rag — 스킬 라우팅으로 RAG 정렬 오류를 교정하는 프레임워크
논문 정보
SSL 논문
- 제목: From Skill Text to Skill Structure: The Scheduling-Structural-Logical Representation for Agent Skills
- 저자: Qiliang Liang, Hansi Wang, Zhong Liang, Yang Liu
- arXiv: 2604.24026 (cs.CL, cs.AI)
- 제출일: 2026년 4월 27일 (v4: 2026년 5월 4일)
Ctx2Skill 논문
- 제목: From Context to Skills: Can Language Models Learn from Context Skillfully?
- 저자: S1s-Z 팀
- GitHub: S1s-Z/Ctx2Skill
참고 자료
- From Skill Text to Skill Structure: The SSL Representation for Agent Skills — arXiv (2026-04-27)
- S1s-Z/Ctx2Skill — GitHub 공식 저장소