Evolution: MCP → Skills (Layer 위의 Layer)
2024-11에 MCP가 자리잡은 직후 새로운 압력 4개가 동시에 등장했다 — token 부담, skill management 부재, 비개발자 진입성, client/agent 분리 부재. 이 압력이 layer 위의 layer를 형성한다. 표준이 자리 잡으면 그 위에서 새 압력이 등장한다. 진화는 끝나지 않는다.
1. 철학
evolution-function-calling-to-mcp에서 본 진화는 layer가 분리되는 과정이었다. 한 덩어리에서 transport이 떨어져 나왔다.
이번 단계는 다르다. layer가 추가되는 진화다. transport (MCP) 위에 새 layer들이 형성된다.
핵심 thesis 한 줄:
표준이 자리 잡으면 그 위에서 새 압력이 발생한다. 진화는 끝나지 않는다 — layer 위의 layer가 형성된다.
왜 이런 일이 일어나는가? — 한 layer가 자리 잡으면 그 layer 안의 문제는 해결되지만 그 layer가 다루지 않는 문제가 가시화된다. MCP가 transport을 해결하자 — transport이 다루지 않는 4가지 문제가 동시에 보였다. 이게 진화의 mechanism: 해결이 다음 문제를 가시화한다.
2. 추상 작동 구조
MCP 자리잡음 직후 등장한 4가지 압력
각 압력이 별 layer를 형성. 4개 layer가 동시에 등장한 게 결정적 — coalition de facto의 한계가 여기서 보인다.
Layer 위의 layer — 5-layer가 세분화된 모습
protocol-theory-lamport-tanenbaum에서 본 5-layer가 세분화됐다. orchestration이 client/agent 분리와 skill management로 나뉘고, 그 사이에 configuration layer가 추가됐다. 7-layer로 늘어난 셈. ⚠️ AI 추정: OSI 7-layer의 trap이 다시 보일 위험 — 그러나 각 layer가 명확한 압력에서 등장한 거라 OSI보다는 안정적.
4가지 표준의 동시 등장 — coalition de facto의 한계
4 표준이 동시에 등장 → 사용자가 무엇을 따를지 혼란. 권력 분산 → 단일 de facto 형성 늦어짐. 이게 coalition de facto의 한계 사례. 답은 anti-corruption layer로 다 흡수 (standards-and-protocols 참조).
3. 약점
Trap 1 — Layer 폭증
5-layer가 7-layer로 늘어남. 각 layer마다 standard, framework, learning curve. OSI 7-layer의 trap 재현 가능성. 진입장벽 폭증으로 비개발자 segment 진입 불가능해질 위험.
⚠️ AI 추정: 현재는 layer 폭증의 위험 영역. 한 표준이 다른 표준을 흡수하면 layer 줄어들 수 있음. 그러나 늘어날 가능성도 있음.
Trap 2 — 표준의 동시 등장이 만드는 혼란
AGENTS.md, agentskills.io, ACP, Skills가 동시에 등장 → 사용자가 무엇을 따를지 혼란. coalition de facto는 권력이 분산되어 단일 표준 형성이 늦어진다. 이게 standardization-political-economy의 coalition de facto 패턴의 한계.
Trap 3 — Skills lazy loading의 implementation gap
Anthropic이 처음 구현. 다른 vendor가 다르게 구현 가능. 표준화 안 된 채 패턴만 퍼짐 → 차세대 분기 위험. ⚠️ AI 추정: agentskills.io가 SKILL.md 형식을 표준화했지만 lazy loading mechanism은 표준화 안 됨. 이 gap에서 vendor lock-in 가능.
Trap 4 — Token 부담 해결의 차선책들이 분기
Tool description 압축, tool gateway, RAG-based tool retrieval — 각자 다른 답. 표준 부재. ③ frontier에서 깊이 다룸.
Trap 5 — layer 위의 layer가 anti-corruption layer 부재 시 무너진다
MCP (안정) 위에 불안정한 layer (Skills, AGENTS.md 등)가 쌓임. 위 layer가 변하면 — anti-corruption layer 없으면 아래 layer (사용자가 만든 skill, MCP server)가 영향. 이게 v1.0 design의 결정적 자리.
4. 대안 흐름
가상: 다른 방향들
| 가상 path | 결과 (⚠️ AI 추정) |
|---|---|
| Token 부담을 모델 capability에 떠넘기기 (context window 폭증) | 비용 폭증 + Context Rot. 1M token model이 등장했지만 lazy loading을 대체 못함 |
| Tool 자체를 RAG화 (vector DB에서 retrieve) | accuracy 낮음. tool 호출은 정확한 selection이 필요 |
| Skill management 표준을 위원회로 | 너무 늦음. ecosystem이 자기 답을 먼저 만듦 |
| MCP 자체를 확장해서 skill management 포함 | layer 위반. 단순성 깨짐. ⓘ Anthropic이 의식적으로 안 함 |
핵심 — layer 위의 layer로 가는 게 거의 유일한 답. 다른 방향은 fundamentals 4축 어느 하나를 깬다.
4 표준의 layer-별 분담
각 표준이 다른 layer를 다룸:
| 표준 | 다루는 layer | 권력 출처 |
|---|---|---|
| MCP | transport | Anthropic |
| Skills | skill management | Anthropic |
| agentskills.io | skill 정의 format | vendor-neutral 합의 |
| AGENTS.md | configuration | 4 vendor 합의 |
| ACP | client/agent boundary | Zed |
⚠️ AI 추정: 이게 각 layer가 자기 표준을 갖는 구조로 안정화 중. SOAP의 통합 표준이 아니라 layer별 분리 표준. 더 작고 단순한 표준 여러 개. Worse is Better의 분산 적용.
5. 인사이트
5.1 표준이 자리 잡으면 그 위에서 새 압력이 등장한다
MCP가 자리 잡은 직후 새 압력 4개 등장. 진화는 끝나지 않음. 한 layer가 자리잡으면 위 layer에서 압력 발생. 학내 marketplace에서도 — v1.0이 자리잡으면 v2.0의 압력이 등장한다. 그게 무엇일지 미리 예측하는 게 design의 일부.
5.2 Token 부담이 예상치 못한 lever였다
2024년에는 token 부담을 모두 인식 못 함. context window 키우면 된다고 생각. 2025년 Context Rot 발견 + lazy loading 등장. 학내 segment에서 token 부담은 이미 결정적 — 1000 req/day quota. v1.0에서 lazy loading 패턴 처음부터 박아두는 게 결정적. 이건 research-to-production-gap의 thesis와 직접 연결.
5.3 표준의 동시 등장이 coalition de facto의 한계를 보여줌
AGENTS.md, agentskills.io, ACP, Skills가 동시 등장 → 사용자 혼란. coalition de facto는 권력 분산으로 단일 표준 형성이 늦어진다. 학내 marketplace에서도 — 여러 표준을 동시 채택하는 게 답 (standards-and-protocols 참조). 이게 anti-corruption layer가 결정적인 이유. 어느 표준이 이길지 모를 때 다 흡수.
5.4 Skills lazy loading 패턴은 ① 4축 모두 충족 — 학내의 복제 대상
- 단순함: Markdown 한 장 + frontmatter
- layer 분리: skill management가 transport (MCP)와 분리
- de facto 권력: Anthropic 채택 + agentskills.io 합의
- 관대함: frontmatter optional, body 자유
4축 충족 → ecosystem 채택 시작. 학내 marketplace가 그대로 복제해야 할 패턴. 새로 발명할 필요 없음.
5.5 Layer 위의 layer = Anti-corruption layer의 자리
MCP (transport) 위에 skill management layer가 추가됐다. skill management layer가 vendor 차이를 흡수 (Anthropic Skills vs OpenClaw vs custom). 이게 anti-corruption layer의 교과서적 사례. 학내 marketplace에서 — skill management layer를 직접 design. 외부 vendor 차이를 흡수. design-principles #7과 직접 연결.
5.6 표준은 layer 단위로 등장한다 — 통합 표준은 더 이상 답이 아님
한 표준이 모든 layer를 다루지 않음. MCP = transport. AGENTS.md = configuration. agentskills.io = skill format. ACP = client/agent. layer마다 다른 표준이 자연스러움. 학내 marketplace에서도 — 통합 표준 만들 생각 X. layer마다 적절한 표준 채택. 이게 standards-and-protocols 4 표준 thesis의 원리적 근거.
5.7 각 layer는 자기 시점을 갖는다 — 진화는 비동기
- MCP: 2024-11. 이미 표준.
- Skills: 2025. 자리 잡는 중.
- AGENTS.md: 2025. 자리 잡는 중.
- ACP: 2025. 자리 잡는 중.
각 layer가 다른 시점에 자리 잡는다. v1.0 design에서 — 어떤 layer는 안정, 어떤 layer는 미정인 상황을 정상으로 보고 design. 안정 layer는 직접 채택, 미정 layer는 anti-corruption layer로 보호.
5.8 현재 보이는 압력 → 다음 진화 예측
2024-11 MCP 자리잡은 직후 4 압력이 가시화됐다. 현재 자리잡고 있는 표준들 위에서 — 다음 압력이 곧 가시화될 것. ⚠️ AI 추정 후보:
- Cross-skill orchestration 표준 — skill끼리 호출 방식
- Skill marketplace governance 표준 — rating, discovery, trust
- Skill versioning 표준
- Multi-agent communication 표준 — ACP 확장?
학내 marketplace v1.0이 이 다음 단계의 압력을 의식. v2.0 hook을 박아둔다.
5.9 해결이 다음 문제를 가시화한다 — 진화의 mechanism
한 layer 문제가 해결되면 그 layer가 다루지 않는 문제가 가시화. 이게 진화의 본질. 학내 marketplace에서도 — v1.0이 완벽한 답이 아니다. v1.0이 자리 잡으면 그 위의 문제가 가시화될 것. 이걸 불안으로 보지 말 것. 건강한 진화 mechanism. v1.0의 일은 완벽함이 아니라 진화 가능한 출발점.
6. ② Evolution 완성 — 두 단계 합산
이 노트로 ② Evolution이 완성됐다.
| 단계 | 시기 | 진화의 종류 | 핵심 |
|---|---|---|---|
| Stage A | 2023-06 ~ 2024-11 | layer 분리 | 한 덩어리 → MCP가 transport 분리 |
| Stage B | 2024-11 ~ 2025 | layer 추가 | MCP 위에 4 layer 동시 등장 |
② 합산 thesis:
agent ecosystem 진화는 layer 분리에서 layer 추가로 이동했다. 진화는 끝나지 않는다 — 해결이 다음 문제를 가시화한다.
이 lens가 박혔으니 ③ Frontier로 — 현재 진행 중인 frontier를 같은 lens로 해석.
7. 다음으로 — ③ Frontier
③ Frontier sub-노트 후보:
- frontier-rl-skill-generation — AutoSkill, WebRL, SkillRL. RL로 skill을 자동 생성
- frontier-acp-and-agent-as-server — ACP, agent-as-MCP-server. agent끼리 호출 패턴
- frontier-tool-gateway-and-compression — Tool gateway, description 압축. cross-cutting concern 다루는 layer
내 추천 — frontier-tool-gateway-and-compression 먼저. token 부담이 현재 학내 segment의 결정적 lever라서 가장 직접적. 그 다음 frontier-rl-skill-generation (skill 자동 생성은 학내 segment의 automation 가능성), 마지막 frontier-acp-and-agent-as-server (multi-agent는 v2.0 이후).
참조
- Anthropic Skills 발표 (2025)
- agentskills.io 표준 — vendor-neutral SKILL.md
- AGENTS.md 표준 — agents.md, OpenAI/Cursor/Amp/Sourcegraph 합의
- ACP — agentclientprotocol.com, Zed 주도
- Anthropic의 Context Rot 발견 — token 부담의 예상치 못한 비용
연결:
-
- evolution-function-calling-to-mcp — 이 노트의 직전 단계 (layer 분리)
- worse-is-better · protocol-theory-lamport-tanenbaum · standardization-political-economy · postels-law-and-robustness — ① 4축
- standards-and-protocols — 4 표준 채택 thesis. 이 노트는 그 원리적 근거
- research-to-production-gap — Anthropic Skills 패턴이 12% production 도달의 lever
- design-principles #7 Anti-Corruption Layer — layer 위의 layer가 만드는 자리