Ai Agents

iterative-retrieval은 에이전트 작업에서 문맥 검색을 점진적으로 정교화하는 워크플로 패턴입니다. 서브에이전트가 문맥을 너무 많이도, 너무 적게도 받지 않도록 도와주며, iterative-retrieval 사용법, 설치 판단, Workflow Automation용 iterative-retrieval에 특히 유용합니다.

continuous-agent-loop는 에이전트가 품질 게이트, 평가, 복구 단계, 명확한 중지 규칙을 갖춘 반복 가능한 자율 루프를 안정적으로 실행하도록 돕습니다.

autonomous-loops는 단순한 순차 파이프라인부터 품질 게이트와 핸드오프를 포함한 멀티 에이전트 DAG 오케스트레이션까지, 자율형 Claude Code 워크플로를 설계하기 위한 스킬입니다.

autonomous-agent-harness는 Claude Code를 메모리, 예약 실행, 작업 분배, 컴퓨터 사용을 갖춘 지속형 자기지시 에이전트 시스템으로 바꿉니다. 일회성 프롬프트로는 부족하고 에이전트 오케스트레이션, 반복 점검, 장기 실행 워크플로가 필요할 때 적합합니다.

eval-first 실행, 작업 분해, 모델 라우팅, 회귀 검사를 통한 더 안전한 워크플로 자동화를 위해 agentic-engineering 스킬을 익혀보세요.

agent-introspection-debugging 스킬은 AI 에이전트 실패를 위한 구조화된 자기 디버깅 워크플로를 제공합니다. 실패 상태를 캡처하고, 가능한 원인을 진단한 뒤, 제한된 복구 단계를 적용하고, 사람이 읽기 쉬운 introspection 보고서를 생성합니다. 반복 실행, 재시도 중심, 또는 드리프트가 자주 발생하는 작업에 적합하며, 일반적인 검증 용도로는 권장되지 않습니다.

agent-harness-construction은 에이전트 harness 설계를 개선하는 데 실용적인 스킬로, 더 높은 완료율을 위해 tool schema, observation 형식, error recovery, context budgeting까지 폭넓게 다룹니다.

subagent-driven-development는 작업마다 새로운 subagent를 배정해 구현 계획을 실행하고, 각 결과를 두 단계로 검토하는 스킬입니다. 먼저 명세 준수 여부를 확인하고, 그다음 코드 품질을 리뷰합니다. implementer, spec reviewer, code quality reviewer를 위한 프롬프트 템플릿도 함께 제공합니다.

dispatching-parallel-agents는 서로 완전히 독립적인 작업을 별도 에이전트에 분산하고, 각 에이전트의 컨텍스트를 분리한 채 결과를 조율해 합칠 수 있도록 설계된 Agent Orchestration 스킬입니다.

evaluation-methodology 스킬은 Model Evaluation을 위한 PluginEval 점수 체계를 설명합니다. 평가 레이어, 루브릭, 종합 점수 산정, 배지 기준점은 물론, 결과를 해석하고 취약한 평가 차원을 개선하는 실무적인 방법까지 다룹니다.

prompt-engineering-patterns는 실전형 프롬프트 설계를 위한 스킬로, Context Engineering에 맞춰 설치 맥락, 재사용 가능한 템플릿, few-shot 예시, structured outputs, 프롬프트 최적화 워크플로를 다룹니다.

langchain-architecture는 LangChain 1.x와 LangGraph 애플리케이션 설계를 위한 디자인 가이드입니다. 구현에 들어가기 전에 chains, agents, retrieval, memory, stateful orchestration 패턴 중 무엇을 선택할지 판단할 때 유용합니다.

team-composition-patterns는 Claude Code Agent Teams에서 멀티 에이전트 팀을 설계하기 위한 의사결정 스킬로, 팀 규모 산정 휴리스틱, subagent_type 선택, 표시 모드 가이드를 제공합니다. 이 team-composition-patterns 가이드를 활용해 검토/디버그 팀 프리셋을 적용하고 역할을 결정하며, 작업 전반의 팀 구성을 표준화하세요.

parallel-feature-development 스킬은 팀이 하나의 기능을 명확한 담당 그룹으로 나누고, 공유 계약을 초기에 정의하며, 멀티 에이전트 Git 워크플로에 더 안전한 병합 방식을 선택하도록 돕습니다. 파일 소유권 계획, 의존성까지 고려한 통합, 충돌을 줄이는 병렬 구현이 필요할 때 유용합니다.

task-coordination-strategies는 복잡한 업무를 더 작은 단위로 분해하고, 의존 관계를 설계하며, 승인 기준을 정의하고, 병렬로 진행되는 에이전트 또는 기여자 워크플로를 더 명확한 책임 구분과 더 적은 merge conflict로 조율할 수 있도록 돕습니다.

team-communication-protocols는 에이전트 팀을 위한 메시징 규칙을 정의하는 스킬로, 직접 메시지와 브로드캐스트 구분, 계획 승인, 종료 절차, 재사용 가능한 템플릿까지 다뤄 협업형 Agent Orchestration을 더 일관되게 운영할 수 있도록 돕습니다.

agentic-eval은 reflection, rubric 기반 비평, evaluator-optimizer 패턴을 활용해 AI 출력에 대한 evaluation loop를 구축하는 방법을 보여주는 GitHub Copilot 스킬입니다.

agent-governance는 도구를 사용하는 에이전트와 멀티 에이전트 시스템을 위해 AI 에이전트 가드레일, 정책 검사, 신뢰 규칙, 도구 제한, 감사 로깅을 설계할 수 있도록 돕는 문서 중심 스킬입니다.

context-engineering 스킬은 프로젝트 컨텍스트를 구조화해 에이전트가 규칙을 따르고, 환각을 줄이며, 핵심 작업에 집중하도록 돕습니다. 세션을 시작할 때, 작업을 전환할 때, 또는 코드베이스용 context-engineering 가이드를 만들 때 사용하세요.

pua 스킬이 무엇을 하는지, pua 사용 방식이 어떻게 작동하는지, 설치 전에 무엇을 검토해야 하는지 안내합니다. Workflow Automation 기준으로 트리거 로직, 워크플로 라우팅, 참고 파일, 에스컬레이션 경로, 설정 한계를 함께 다룹니다.

p9는 Agent Orchestration을 위한 테크 리드형 스킬로, 작업 프롬프트를 작성하고 P8 에이전트를 조율하며 직접 코딩은 피합니다. 프로젝트 목표를 역할, 제약 조건, 의존성, 승인 기준이 포함된 범위 명확한 실행 프롬프트로 나눌 때 유용합니다.

ai-shaped-readiness-advisor는 제품 리더가 조직이 AI-first인지 AI-shaped인지 평가하고, 성숙도 격차를 파악하며, 더 나은 의사결정을 위해 다음에 구축할 역량을 선택하도록 돕습니다.

agent-framework-azure-ai-py는 Microsoft Agent Framework Python SDK로 지속형 Azure AI Foundry 에이전트를 만드는 스킬입니다. agent-framework-azure-ai-py 설치와 사용법, AzureAIAgentsProvider 설정, 스레드 기반 대화, 호스티드 도구, MCP 통합, 스트리밍 실행, 그리고 에이전트 오케스트레이션을 위한 구조화된 출력까지 다룹니다.

do-in-steps는 작업을 순서가 있는 하위 작업으로 나누고, 서브 에이전트를 조율하며, 각 단계를 다음 단계로 넘어가기 전에 검증해 복잡한 작업을 처리하도록 돕습니다. 저장소 변경, 다단계 리팩터링, 마이그레이션처럼 통제된 인계와 보이지 않는 실패를 줄이는 일이 필요할 때 특히 잘 맞는, Agent Orchestration용 do-in-steps입니다.