스킬(Skills), 하네스(Harness), MCP, 서브에이전트, 컨텍스트 엔지니어링, 루프 엔지니어링 등등 매주 새로운 용어가 나온다. 다들 잘 쓰고 있는 것 같은데 요런거 제대로 한번 공부해놔야 나도 잘 쓸 수 있을 것 같아서 정리한다.
그런데 전부 같은 문제를 여러 방식으로 푸는 것 같다. 문제는 다음과 같다.
그렇다면 — 이 함수에 무엇을, 언제, 어떤 형태로 넣을 것인가?
스킬도, CLAUDE.md도, MCP도 전부 이 질문에 대한 답들이다.
그래서 이 글은 용어를 하나씩 암기하는 대신, 기반이 되는 법칙 두 개에서 출발해 MZ AI 용어들을 순서대로 알아본다. 다음 달에 처음 보는 용어가 나와도 "아, 이건 그 문제를 이렇게 푼 거네"라고 슥 봐도 금방 이해하는 것 그리고 그것으로 FOMO를 격파하는 것이 이 글의 목표이다.
LLM은 그냥 이렇게 생긴 함수다.
f(지금까지의 텍스트) → 다음에 올 조각의 확률 분포
"대한민국의 수도는"을 넣으면 {" 서울": 98%, " 부산": 0.1%, ...} 같은 확률표가 나온다.
이 함수 안에는 기억도, 계획도, 파일을 읽는 능력도 없다. GPT, Claude의 똑똑한 동작들은 전부 이 함수를 잘 반복 호출해서 만든 결과다.