From Skill Text to Skill Structure: The Scheduling-Structural-Logical Representation for Agent Skills

이 연구는 텍스트 형태의 에이전트 스킬 설명에서 암묵적 정보를 분리해 내기 위한 구조화된 JSON 그래프 프레임워크인 Scheduling-Structural-Logical(SSL) 표현을 도입한다.

이 연구는 텍스트 형태의 에이전트 스킬 설명에서 암묵적 정보를 분리해 내기 위한 구조화된 JSON 그래프 프레임워크인 Scheduling-Structural-Logical(SSL) 표현을 도입한다. 이 프레임워크는 스킬 검색 성능을 향상시켜 MRR@50 0.729(최상의 비-SSL 베이스라인 대비 0.080 증가)를 달성했으며, 원본 문서와 결합했을 때 고정된 LLM 심판에 대해 Macro F1을 0.101 증가(0.509로)시켜 실행 전 위험 평가를 강화했다.

핵심 요약

• 에이전트 스킬은 주로 텍스트 위주의 산출물로 표현되어, 자연어 설명 안에 호출 인터페이스, 실행 구조, 도구 사용을 뒤섞어 놓는다.
• 스킬 정보의 암묵적 특성은 자동화 시스템이 대규모 스킬 저장소에서 관련 능력을 파싱·검증·신뢰성 있게 재사용·효율적으로 발견하는 것을 저해한다.
• 제3자 스킬의 실행 전 보안 위험 평가는 구분되지 않은 텍스트 형식 때문에 어렵고, 위험 관련 증거를 검사·감사하기가 까다롭다.
• 비정형 SKILL.md 문서로부터 스킬 정보를 명시적으로 구조화하기 위해, 타입이 지정된 3계층 JSON 그래프인 Scheduling-Structural-Logical(SSL) 표현을 제안했다.
• SSL은 스킬 속성을 Scheduling Layer(스킬 수준 인터페이스), Structural Layer(장면 수준 실행 단계), Logical Layer(원자적 동작 및 자원 증거)로 분리한다.
• SKILL.md 파일을 SSL 스키마로 변환하는 LLM 기반 정규화기(DeepSeek-V3.2 사용)를 개발했으며, 원본 산출물에 대한 엄격한 근거 보장과 검증·재시도를 통한 높은 충실도를 확보했다.

논문 링크

외부 연구를 정리한 자료입니다. HDATF가 발표한 논문이나 제품 성능을 측정한 결과는 아닙니다.