요약:
CNN/RNN의 파편화를 끝낸 Transformer의 대통합, “방 안의 뇌"였던 LLM에게 손발을 달아주려다 실패한 1세대 플러그인, 그 한계를 극복한 오픈 표준 MCP(Model Context Protocol), 그리고 토큰 낭비 없이 전문 전술을 주입하는 **스킬(Skill)**의 진화 과정을 실제 통신 패킷과 시각화 아키텍처로 쉽게 풀어봅니다.

1. 프롤로그: 모든 데이터가 하나로 통합되던 순간 (Transformer 혁명)

과거 딥러닝 시절에는 데이터 형태에 따라 완전히 다른 모델과 수학 공식을 써야 했습니다.

• 이미지: 픽셀 격자 위를 훑는 3×3 필터 행렬 연산 (CNN)
• 텍스트: 이전 단어의 기억을 다음 상태로 넘기는 재귀 루프 (RNN/LSTM)

하지만 2017년 Transformer의 등장 이후, AI는 세상의 모든 데이터를 단 하나의 포맷, 즉 **‘토큰(Token)’**으로 통일해 버렸습니다.

💡 Example: 서로 다른 데이터가 토큰으로 바뀌는 실제 모습

① 텍스트의 토큰화 (BPE Tokenization)

1

"def calculate(price):" ──► [721, 14205, 7, 4923, 1313]

② 이미지의 토큰화 (Vision Transformer, ViT)

224×224 픽셀 이미지를 16×16 픽셀짜리 바둑판 조각(패치) 196개로 자른 뒤 일렬로 펼쳐 단어처럼 취급합니다.

1

[16x16 픽셀 패치 1개] ──► 1차원 펼치기 (768차원 실수 벡터) ──► [0.24, -0.81, 0.05, ...]

③ 결과: 다차원 공간에서의 “공통 의미 좌표” 수렴

1
2
3

Cosine Similarity( "고양이", "cat" )                     ≒ 0.96 (거의 일치)
Cosine Similarity( "고양이", [고양이 털 사진 16x16 패치] ) ≒ 0.91 (의미 일치!)
Cosine Similarity( "고양이", "class Cat(Animal):" )       ≒ 0.88 (코드와도 일치!)

🏛️ Architecture 1: Transformer Multimodal Tokenization & Shared Latent Space

아래 다이어그램은 글자, 이미지 패치, 오디오가 단일 트랜스포머 어텐션 계층을 거쳐 공통 잠재 공간(Shared Latent Space)으로 수렴하는 구조를 보여줍니다.

🔍 인터랙티브 다이어그램 전체화면으로 보기 (줌/팬 & 가이드 뷰 지원)

2. “방 안의 천재"에게 손발을 달아주려던 1세대 시도: 플러그인(Plugin)의 실패

똑똑해진 LLM도 혼자서는 방 안을 벗어날 수 없었습니다. 모델은 오직 “텍스트를 받아 다음 텍스트를 출력하는 수학 함수"였기 때문입니다. 이때 등장한 1세대 시도가 **2023년의 ‘ChatGPT Plugins’**였습니다.

💡 Example: 과거 플러그인의 구조적 한계 (ai-plugin.json)

1
2
3
4
5

{
  "schema_version": "v1",
  "name_for_model": "autocad",
  "api": { "type": "openapi", "url": "https://api.my-cloud.com/openapi.yaml" }
}

1
2
3
4
5
6
7
8
9

[사용자] "내 맥북에 켜진 AutoCAD에 사각형 그려줘."
   │
   ▼ (1) ChatGPT 클라우드가 플러그인 API 호출 시도
OpenAI Server ──► HTTP POST https://api.my-cloud.com/draw
   │
   ▼ (2) "내 맥북의 로컬 AutoCAD를 어떻게 부르지?"
클라우드 서버는 사용자의 개인 맥북 사설망(192.168.0.x)이나 COM 포트에 접속 불가!
   │
   ❌ 결과: 로컬 PC 제어 불가능 (클라우드 SaaS만 호출 가능)

3. 2세대 표준화 혁명: MCP (Model Context Protocol) — AI의 USB-C

Anthropic이 오픈소스로 공개한 MCP는 도구를 클라우드가 아닌 사용자의 로컬 컴퓨터에서 독립 프로세스로 실행하도록 하여 이 한계를 정면으로 돌파했습니다.

💡 Example: AI와 로컬 앱 사이의 실제 통신 패킷 (JSON-RPC)

① AI ➔ MCP Server (Request):

1
2
3
4
5
6
7
8
9

{
  "jsonrpc": "2.0",
  "method": "tools/call",
  "params": {
    "name": "draw_line",
    "arguments": { "start": [0, 0], "end": [500, 0], "layer": "Wall" }
  },
  "id": 1
}

② MCP Server ➔ 로컬 AutoCAD 실행 후 AI 응답 (Response):

1
2
3
4
5
6
7

{
  "jsonrpc": "2.0",
  "result": {
    "content": [{ "type": "text", "text": "Success: Line Entity #A284 created on 'Wall'." }]
  },
  "id": 1
}

4. 손발이 생겼는데 왜 또 ‘스킬(Skill)‘이 필요할까?

도구(MCP)만 쥐어준다고 일을 잘하지는 않습니다.
회사 규칙(Git Flow), 커밋 컨벤션(Conventional Commits), 도면 레이어 규칙을 모르면 엉뚱하게 도구를 쓰기 때문입니다.

스킬은 모든 규칙을 시스템 프롬프트에 넣어 토큰을 낭비하는 대신, **필요한 순간에만 전문 매뉴얼(SKILL.md)을 대화 컨텍스트에 동적 주입(Progressive Disclosure)**합니다.

🏛️ Architecture 2: Plugin vs MCP vs Skill 엔드투엔드 워크플로우

아래 다이어그램은 상단의 Skill 주입 흐름, 중앙의 에이전트 판단, 그리고 하단의 **MCP 로컬 실행 (AutoCAD/Figma)**과 Legacy Plugin의 차이를 한눈에 보여줍니다.

🔍 인터랙티브 다이어그램 전체화면으로 보기 (Trace 애니메이션 및 뷰 전환 지원)

5. 실제 프롬프트 백엔드에서는 무슨 일이 일어나는가?

사용자가 채팅창에 입력한 글은 단 한 줄이지만, 런타임은 배후에서 스킬을 결합하여 거대한 프롬프트로 확장(Augment)해 LLM에 전달합니다.

사용자가 입력한 것:

“새로운 로그인 기능 커밋하고 PR 올려줘. /git-workflow”

실제 LLM API로 전달되는 HTTP Payload:

 1
 2
 3
 4
 5
 6
 7
 8
 9
10
11
12
13
14
15
16
17
18
19

{
  "model": "claude-3-7-sonnet",
  "messages": [
    {
      "role": "system",
      "content": "당신은 AI 코딩 어시스턴트입니다..."
    },
    {
      "role": "system",
      "name": "injected_skill_instructions",
      "content": "=== [DYNAMIC SKILL LOADED: git-workflow] ===\n1. 커밋 전 반드시 npm test 통과 여부를 검증할 것.\n2. 커밋 메시지는 'feat(auth): ...' 형식을 준수할 것.\n3. main에 직접 푸시하지 말고 feature/ 브랜치를 생성할 것.\n============================================"
    },
    {
      "role": "user",
      "content": "새로운 로그인 기능 커밋하고 PR 올려줘."
    }
  ],
  "tools": [{ "name": "mcp_git_cli", "description": "로컬 git 명령어 실행" }]
}

6. 결론: 2026 에이전트 아키텍처의 완성 공식

1. Transformer: 텍스트, 코드, 이미지를 단일 토큰 공간에서 해석하는 거대한 만능 두뇌
2. Skill: 토큰을 낭비하지 않고 필요할 때만 전문가 매뉴얼을 뇌에 주입하는 동적 전술 지침(SOP)
3. MCP: 내 컴퓨터의 OS, 로컬 파일, CAD, Figma, DB를 직접 조종하는 표준화된 인터페이스 (USB-C)

이 세 요소가 결합될 때 비로소 모델은 단순한 챗봇을 넘어, 현실 세계의 소프트웨어와 엔지니어링 문제를 스스로 해결하는 진정한 에이전트로 진화합니다.