목차
같은 Git 릴리스를 다르게 처리하는 MCP와 에이전트 스킬 (2026-05)
원문 정보
- 원문: ODW #6: Git 자동화 관점에서 본 MCP와 에이전트 스킬의 장단점
- 매체 · 게시일: LY Corporation Tech Blog · 2026-05-15
- 저자: 한길로 (AI Lab 팀)
- 원문 내용을 바탕으로 재구성한 요약입니다.
Git 로그를 읽고 변경 이력을 쓰고 버전을 올리는 릴리스 작업은 스킬로도, MCP(model context protocol) 서버로도 자동화할 수 있습니다. 결과가 같아도 실행 과정은 다릅니다. 정해진 절차를 로컬 스크립트가 수행하는지, LLM이 도구의 응답을 받아 다음 행동을 판단하는지가 비교할 지점입니다.
Orchestration Development Workshop(ODW) 시리즈의 6번째 글은 이 차이를 작은 파이썬 계산기 프로젝트로 보여 줍니다. LY Corporation AI Lab의 한길로가 사내 워크숍에서 진행한 ‘MCP와 에이전트 스킬의 이해’ 강의에 예제를 보충한 글이며, 스킬의 개념과 자세한 사용법보다 실제 작업에 적용하는 과정에 초점을 둡니다.
매번 긴 프롬프트로 입력하는 릴리스 절차
릴리스 절차를 길게 적어 채팅창에 넣어도 원하는 결과를 얻을 수 있습니다. 문제는 반복입니다. 여러 단계를 거치는 작업을 운영 환경에서 되풀이할 때, 작업자가 매번 모든 조건을 빠짐없이 입력하리라 기대하는 데에는 위험과 비효율이 따릅니다.
스킬은 그 절차를 팀이 배포하고 재사용할 수 있는 모듈로 만듭니다. 반드시 지켜야 할 규칙과 워크플로를 담아 두면 작업자의 컨디션이나 프롬프트 작성 역량에 기대지 않고 일관된 품질을 보장할 수 있다는 것이 저자의 설명입니다.
당시 저자는 에이전트 개발이 MCP 서버 구축에서 구현과 아키텍처가 더 간단한 스킬 쪽으로 옮겨 가는 흐름을 보고 있었습니다. 기본 개념을 설명하는 자료와 거창한 GitHub 예제도 많았습니다. 그런데 정작 자기 업무에 어떻게 쓸지 알려 주는 가이드는 드물었습니다. ‘Git 스마트 릴리스 자동화’는 그 간극을 메우기 위해 고른 예제입니다.
계산기 릴리스 로그에 남은 스킬과 MCP
시험은 add와 subtract만 구현한 계산기에서 시작합니다. pyproject.toml의 버전은 0.1.0이고, Git에는 v0.1.0 태그를 붙여 원격 저장소에 푸시한 상태입니다. 여기에 multiply를 추가하고 feat: 곱하기 기능 추가로 커밋한 뒤, Claude Code에 “현재 프로젝트의 새 버전 배포를 진행해줘”라고 요청했습니다.
git-smart-release 스킬은 먼저 커밋하지 않은 변경 사항이 없는지 확인했습니다. 이어 v0.1.0 이후의 커밋을 읽어 곱하기 기능과 .gitignore 추가 내역을 Features와 Chores로 나눈 CHANGELOG.md를 만들었습니다. pyproject.toml의 버전은 0.2.0으로 올렸습니다. 이 시험에서 minor 버전으로 올리는 것은 저자가 의도한 조건입니다.
릴리스 커밋은 chore: release v0.2.0, 태그는 v0.2.0입니다. 원격 변경 사항을 rebase한 뒤 커밋과 태그를 푸시하는 작업까지 마쳤습니다. 완료 메시지만 확인한 것은 아닙니다. 저자는 CHANGELOG.md와 pyproject.toml을 직접 열어 변경 이력과 버전이 요구대로 반영됐는지 확인했습니다.
다음 릴리스에는 미리 구축한 git-release-mcp 서버를 사용했습니다. mcp-builder로 서버를 만드는 과정은 생략하고, 계산기에 divide와 mod를 추가한 뒤 배포를 요청했습니다. LLM은 커밋 분석 도구에서 minor 버전업을 권장하는 결과를 받고, pyproject.toml을 읽은 다음 릴리스 생성 도구를 호출했습니다. 이번에도 변경 이력 작성과 버전 변경, 커밋과 태깅이 끝났고 버전은 v0.2.0에서 v0.3.0이 됐습니다.
릴리스는 모두 성공했습니다. 차이는 로그에 남았습니다. 스킬 예제에서는 로컬 스크립트가 정해진 절차를 직접 처리합니다. MCP 예제에서는 LLM이 서버에 요청을 보내고 응답을 읽으며 다음 행동을 결정합니다.
저자가 짚은 위험도 이 판단 과정에 있습니다. LLM이 도구를 자율적으로 조합하다가 원치 않는 위험한 동작을 하거나 접근하면 안 되는 데이터에 닿을 수 있는 ‘과도한 권한’ 문제입니다. 전체 커밋 로그 같은 대용량 중간 결과가 LLM과 MCP 서버 사이를 계속 오가는 ‘중간 결과의 이중 통과’는 불필요한 토큰 비용을 만듭니다. 스킬은 절차 지식을 내부에 두고 로컬 스크립트로 처리해 이 문제들을 해결한다는 설명입니다.
실행 매뉴얼과 스크립트를 갖춘 git-smart-release
앞의 스킬을 만드는 데에는 Anthropic이 공식 제공하는 skill-creator를 썼습니다. 말 그대로 스킬을 만들어 주는 스킬입니다. Claude Code에서 요구 사항을 전달하되, 작업 순서와 실행 경로를 먼저 명확히 했습니다.
초기 명세에는 최근 태그 이후의 git log를 읽어 변경 사항을 CHANGELOG.md 최상단에 추가하고, 파일이 없으면 새로 만들도록 적었습니다. 이어 pyproject.toml의 patch 버전을 올리고, 변경한 파일을 git add한 뒤 chore: release v[새 버전]으로 커밋하고 태그를 생성하도록 했습니다. 실행 방식에도 제약을 뒀습니다. 반드시 현재 터미널의 실행 경로인 pwd를 기준으로 작동하는 로컬 파이썬 스크립트여야 했습니다. 에이전트가 엉뚱한 디렉터리를 건드리거나 불필요하게 복잡한 계획을 세우는 일을 막기 위한 조건입니다.
남은 조건은 에이전트의 질문에 답하면서 구체화했습니다. patch뿐 아니라 minor와 major도 지원하고, 이전 태그가 없는 최초 릴리스는 v0.1.0으로 시작하도록 정했습니다. 커밋과 태그는 원격 저장소까지 푸시합니다. 작업 디렉터리에 커밋하지 않은 변경 사항이 있으면 작업을 취소하고 이유를 설명하도록 했습니다. 생성된 스킬에는 ‘Keep a Changelog’ 형식의 변경 이력 작성과 feat, fix, docs 등의 커밋 분류도 포함됐습니다.
완성된 git-smart-release는 SKILL.md, scripts/smart_release.py, evals/evals.json으로 구성됐습니다. 에이전트가 처음부터 모든 내용을 읽는 방식은 아닙니다. SKILL.md의 YAML 프런트매터는 언제, 왜 이 스킬을 꺼낼지 알려 주는 명함이자 검색 지표로, 약 100 토큰 분량을 항상 메모리에 올려 둡니다. 구체적인 절차를 적은 마크다운 본문은 스킬을 사용하기로 결정한 뒤에만 읽는 실행 매뉴얼입니다.
실제 Git 제어와 파일 수정은 smart_release.py가 로컬에서 맡습니다. LLM이 데이터를 일일이 읽고 쓰는 데 토큰을 쓰지 않도록 실행을 스크립트에 담은 것입니다. 그렇다고 에이전트가 스크립트만 실행하고 끝내지는 않습니다. 정해진 워크플로를 수행하다 추가 조치나 예외 처리가 필요하다고 판단하면 다음 행동을 제안합니다. 저자가 말하는 LLM의 유연함과 스크립트의 엄격함은 이 지점에서 함께 작동합니다.
외부 시스템과의 연결을 맡는 MCP
로컬 스크립트로 절차를 처리하는 장점이 있다고 해서 모든 기능을 스킬 하나에 넣는 것이 답은 아닙니다. 새 플랫폼을 연동할 때마다 스크립트를 뜯어고쳐야 한다면 유지 보수 지옥에 빠집니다. MCP가 제공하는 확장성도 잃게 됩니다.
저자가 제안하는 역할 구분에서 MCP는 데이터베이스, API, 파일 같은 외부 시스템과 연결하는 인프라입니다. 스킬은 복잡한 작업 단계를 정의하고 비즈니스 로직을 적용하는 워크플로를 맡습니다. MCP와 스킬을 상호 보완 관계로 보는 이유입니다.
원문의 비유를 빌리면 MCP는 데이터가 달릴 튼튼한 고속도로입니다. 스킬은 그 도로 위에서 목적지까지 안전하고 효율적으로 달리는 자율 주행 트럭 소프트웨어에 해당합니다. 반복 작업의 절차를 스킬에 담으면서 외부 연결에는 MCP를 활용하는 구분입니다.
CLI와 앱에 맞춰진 스킬 실행 환경
이 역할 구분을 범용 서버에 그대로 옮기는 데에는 제약이 있었습니다. 원문이 나온 2026년 5월 당시 에이전트 스킬 생태계는 Claude Code 같은 CLI 기반 코딩 에이전트나 Claude Desktop 같은 앱에서 최적으로 작동하도록 설계돼 있었습니다. 스킬을 MCP 서버처럼 범용 서버 환경에 무리하게 구현하면 반쪽짜리에 머물 확률이 높다는 것이 저자의 주의 사항입니다.
당시 스킬 기능을 공식 지원하는 SDK는 Anthropic SDK가 유일했습니다. 이 SDK도 로컬 스크립트를 그 자리에서 실행하는 방식은 아닙니다. 사용자가 만든 스킬 파일 전체를 묶어 클라우드로 전송하고 가상 공간을 생성해 실행하므로, 의도치 않게 막대한 토큰을 낭비할 수 있었습니다. 앞서 로컬 스크립트에서 확인한 장점과 SDK의 실행 방식을 구분해서 읽어야 하는 대목입니다.
예제 설정값과 실행 결과
| 항목 | 값 |
|---|---|
| 스킬 이름 | git-smart-release (SKILL.md, scripts/smart_release.py, evals/evals.json) |
| 시작 상태 | v0.1.0 태그, 푸시 완료 |
| 스킬 릴리스 결과 | v0.1.0에서 v0.2.0 (minor) |
| MCP 릴리스 결과 | v0.2.0에서 v0.3.0 (minor) |
| 커밋 메시지 규칙 | chore: release v[새 버전] |
| 프런트매터 상시 로드 크기 | 약 100 토큰 |