7개월 만에 skills.sh 레지스트리에 등록된 에이전트 스킬이 100만 개를 돌파했고, 설치 횟수는 약 2억 8천만 건에 달했습니다. 이 보고서는 해당 레지스트리의 집계 데이터를 토대로, 사람들이 에이전트에게 무엇을 가르치는지, 어떤 스킬이 많이 설치되는지, 그리고 어떤 스킬이 오래 살아남는지를 분석합니다.
스킬은 AI 에이전트가 특정 업무를 수행할 때 반복적으로 활용할 수 있는 지침입니다. 에이전트는 유능하지만 범용적입니다. 다양한 일을 처리할 수 있지만, 특정 개인·팀·기업이 그 일을 어떻게 해야 하는지까지는 알지 못합니다. 스킬은 바로 이 빠진 맥락을 채워주며, 일반적인 언어로 작성된 파일만큼 단순한 형태로도 존재할 수 있습니다.
Anthropic은 2025년 10월 Agent Skills를 도입했고, Vercel은 그로부터 3개월 뒤 skills.sh 레지스트리를 출시했습니다.
이 보고서는 해당 레지스트리의 집계 데이터를 토대로, 처음 100만 개 스킬이 등록되는 동안 형성된 새로운 시장을 추적합니다. 사람들이 에이전트에게 무엇을 가르치는지, 어떤 스킬이 많이 설치되는지, 그리고 가치의 흐름이 어디로 향하는지를 살펴봅니다.
스킬을 작성하려면 업무 뒤에 숨어 있는 판단 기준, 즉 따라야 할 절차, 좋은 결과의 기준, 결과물을 평가하는 방법 등을 명시적으로 표현해야 합니다. 에이전트와 그 도구들이 이미 핵심 역량의 상당 부분을 갖추고 있기 때문에, 스킬은 특정 업무에 필요한 판단 기준과 지침만 제공하면 됩니다.
덕분에 스킬은 기존 소프트웨어보다 훨씬 빠르고 쉽게 만들 수 있습니다.
skills.sh는 7개월 만에 스킬 100만 개를 달성했습니다. GitHub는 리포지토리 100만 개에 도달하는 데 27개월이 걸렸고, Apple 앱스토어는 앱 100만 개를 넘기는 데 5년이 넘게 걸렸습니다. npm은 패키지 100만 개를 채우는 데 9년 이상이 소요됐습니다.
컴퓨터 프로그래밍을 할 수 있는 사람보다 어떤 일을 어떻게 해야 하는지 설명할 수 있는 사람이 훨씬 많습니다. 게다가 한 번 작성된 스킬은 에이전트마다 다시 만들 필요 없이 배포하고 설치할 수 있습니다. 스킬은 훨씬 넓은 창작자 풀과 소프트웨어 특유의 재사용성을 결합해, 이 생태계의 폭발적인 성장을 이끌고 있습니다.
레지스트리에서 설치 수가 높은 스킬을 업무 유형별로 분류했습니다. 이 스킬들의 설치 횟수를 합산하면 전체 설치의 5분의 4 이상을 차지합니다. 등록 목록은 공급을 보여줍니다. 즉, 저자들이 에이전트에게 제공하기 위해 만들어놓은 것입니다. 설치 수는 수요를 보여줍니다. 즉, 사람들이 에이전트에게 학습시키고 싶은 것입니다.
공급은 기술 분야에 편중되어 있습니다. 전체 등록 목록의 절반 이상이 소프트웨어 엔지니어링, 에이전트 워크플로, 데이터, 인프라, 보안 관련 스킬이며, 소프트웨어 엔지니어링 단일 카테고리만으로도 전체의 약 4분의 1을 차지합니다.
수요는 더 고르게 분산되어 있습니다. 어느 카테고리도 전체 설치 수의 5분의 1을 넘지 않습니다. 소프트웨어 엔지니어링이 18%로 가장 높고, 에이전트 워크플로가 15%로 그 뒤를 잇습니다. 비즈니스 운영과 글쓰기는 각각 약 11%입니다.
각 카테고리가 규모 대비 어떤 성과를 내는지 파악하기 위해, 카테고리별 등록 목록 1개당 설치 수와 전체 평균을 비교했습니다.
등록 목록 1개당 설치 수가 가장 높은 카테고리는 비즈니스 운영, 글쓰기 및 문서, 클라우드 및 인프라입니다. 이들 업무 분야의 수요가 더 적은 수의 스킬에 집중되기 때문에, 스킬 하나가 더 많은 설치를 담당하게 됩니다. 비즈니스 운영 스킬의 평균 설치 수는 전체 평균보다 74%, 글쓰기 및 문서는 50%, 클라우드 및 인프라는 42% 높습니다.
반면 소프트웨어 엔지니어링, 교육 및 생산성, 리서치는 반대 양상을 보입니다. 소프트웨어 엔지니어링 스킬의 평균 설치 수는 전체 평균보다 약 30% 낮고, 교육 및 생산성은 39%, 리서치는 55% 낮습니다.
스킬을 만들려면 업무를 깊이 이해해야 합니다. 반면 설치하는 데는 그 일을 처리하고 싶다는 의지만 있으면 됩니다. 대부분의 스킬이 기술 분야에 집중된 것은 개발자 도구에서 출발했기 때문입니다. 설치 수가 훨씬 다양한 분야에 걸쳐 있는 이유는, 에이전트가 조직의 모든 영역에서 유용하게 쓰이기 때문입니다.
에이전트 워크플로 및 자동화는 분류된 데이터셋 전체 설치 수의 14.8%를 차지하며, 소프트웨어 엔지니어링에 이어 2위를 기록했습니다. 설치 수 10만 건 이상의 스킬 중에서는 에이전트 워크플로가 가장 큰 비중을 차지합니다.
에이전트 워크플로 및 자동화 스킬은 계획 수립, 작업 라우팅, 도구 활용, 브라우저 자동화 등 에이전트가 다양한 업무에 두루 적용할 수 있는 능력을 가르칩니다. 계약 검토 스킬은 계약 업무에만 적용되지만, 계획 수립 스킬은 계약 업무를 포함해 에이전트가 맡는 모든 업무에 활용됩니다.
사람들은 에이전트를 활용해 에이전트 자체를 개선하고 있습니다. 에이전트가 스킬 작성도 돕기 때문에, 스킬 카탈로그는 그것을 만드는 데 쓰이는 바로 그 도구를 개선하면서 함께 성장합니다.
설치 활동은 특정 스킬에 매우 집중되어 있습니다. 전체 스킬 중 절반 가까이는 설치 횟수가 단 한 번에 그쳤습니다. 반면 반대편 끝에는, 전체 레지스트리의 0.04%에 해당하는 375개 스킬이 전체 설치 수의 62%를 차지하며, 상위 1.2%가 전체 설치의 94%를 점유합니다.
이처럼 집중도가 높음에도 불구하고, 독점적인 승자는 없습니다. 설치 수 1위 스킬조차 전체 설치의 1%에 미치지 못합니다.
스킬은 같은 업무 안에서 서로 경쟁하고, 서로 다른 업무에 걸쳐 축적됩니다. 한 팀이 경비 보고서 스킬을 선택하면, 또 다른 경비 보고서 스킬을 설치할 이유는 없습니다. 하지만 그 스킬과 함께 스프레드시트, 리서치, 프레젠테이션 스킬을 나란히 활용할 수는 있습니다. 업무마다 승자가 따로 있고, 이 승자들이 모여 대부분의 설치를 이끌어냅니다.
각 스킬을 업종 공통 업무와 특정 업종 전용 업무로도 분류했습니다. 스프레드시트 정리나 웹사이트 배포처럼 은행, 병원, 법무법인, 식당 등 업종을 불문하고 반복되는 업무가 여기에 해당합니다. 이러한 업종 공통 스킬은 분류된 스킬의 66%, 전체 설치 수의 87.5%를 차지하며, 등록 목록 1개당 평균 설치 수는 업종 특화 스킬보다 3.6배 높습니다.
핵심은 범용성입니다. 에이전트 워크플로처럼 다양한 업무에 걸쳐 쓰이든, 여러 업종에 걸쳐 통용되든, 가장 많이 설치되는 스킬은 결국 가장 많은 사람이 활용할 수 있는 스킬입니다.
처음 100만 개의 스킬은 누구나 아는 지식을 에이전트에게 가르쳤습니다. 다음 100만 개는 오직 나만 아는 지식을 에이전트에게 가르칠 것입니다.
공개 스킬과 더 발전한 모델 덕분에 범용 전문성은 모든 팀이 손쉽게 활용할 수 있게 됩니다. 그렇게 되면 이는 차별화 요소가 아닌 기본값으로 자리 잡을 것입니다. 차별화 가치의 중심은 기업 고유의 판단 기준으로 이동할 것입니다. 예를 들어, 어떤 상황에서 환불을 해줄지, 혹은 어떤 경우에 추가 검토 없이 출고할 수 있는지 같은 기준이 여기에 해당합니다.
스킬을 평가하는 기준도 인기에서 효과로 바뀔 것입니다. 지금은 설치 수가 스킬 품질을 가늠하는 가장 좋은 신호입니다. 하지만 모델이 발전할수록 기준은 높아집니다. 스킬이 있을 때 에이전트가 없을 때보다 더 잘 업무를 수행하는지가 스킬의 존재 이유가 되기 때문입니다. 바로 그것을 측정하는 테스트와 벤치마크가 스킬에 도입될 것입니다.
1세대 스킬은 전문성을 소프트웨어로 바꿨습니다. 다음 세대에는 공급이 수요를 따라잡으면서 공개 카탈로그가 계속 성장할 것입니다. 그리고 조직들은 그 위에 자신만이 가진 지식을 기록하고, 지금 코드를 관리하듯 그것을 유지·관리하게 될 것입니다.
처음 100만 개를 둘러보거나, 다음 100만 개에 기여하고 싶다면 skills.sh를 방문하세요.
이 보고서는 skills.sh의 집계 데이터를 활용합니다. 측정 방식에 대해 몇 가지 참고 사항을 안내합니다.
카탈로그 집계는 레지스트리에 등록된 고유 목록을 기준으로 합니다.
설치 수는 레지스트리 집계 카운터를 기준으로 하며, 고유 사용자 수나 독립적인 선택을 반드시 반영하지는 않습니다.
기능 및 업종 관련 분석 결과는 전체 카탈로그가 아닌 분류된 샘플을 기준으로 합니다.
각 분석에는 이용 가능한 최신 완전 데이터를 사용합니다. 기반 데이터와 방법론이 개선됨에 따라 수치는 수정될 수 있습니다.
