정의
마이크로소프트가 제안한 AI 에이전트 최적화 방법론으로, 거대 언어 모델의 파라미터를 수정하는 대신 에이전트가 사용하는 텍스트 기반의 ‘스킬 문서(행동 운영체제)’ 자체를 파라미터처럼 취급하여 자동으로 진화시키고 개선하는 기술이다.
핵심 속성
- 최적화 대상: 모델 내부의 가중치(Weight)가 아닌, 외부에 존재하는 에이전트의 텍스트 기반 스킬 체계
- 작동 방식: 별도의 옵티마이저 모델이 에이전트의 작업 실행 궤적(성공/실패)을 분석하여 스킬 문서 내의 지시문이나 규칙을 추가, 삭제, 교체함
- 검증 메커니즘: 수정된 스킬은 즉각 적용되지 않고 검증 게이트(Validation)를 거치며, 실제 성능 향상이 확인될 때만 업데이트가 승인됨
- 모델 전이성(Transferability): 텍스트 공간에서 최적화된 스킬 문서는 특정 모델에 종속되지 않고 GPT, Claude, Codex 등 다양한 환경으로 전이가 가능함
- 비용 효율성: 모델 자체를 재학습(Fine-tuning)할 필요 없이 추가 추론 비용만으로 지속적인 성능 개선이 가능함
관계
- 20260610-agent-as-a-learning-organization — 상위개념 (SkillOpt가 궁극적으로 에이전트 생태계에 구현하는 조직적 특성)
- 20260610-textual-optimization-over-fine-tuning — 연장 (모델 파라미터 최적화 대비 텍스트 최적화가 갖는 이점)
인용
모델 자체를 계속 바꾸려 하지 말고, 에이전트의 스킬 자체를 학습 가능한 상태로 다뤄라.
출처
- 📎 클리핑: 20260623-jinho-yoos-post