과학 연구용 AI 에이전트 스킬 라이브러리, K-Dense Scientific Agent Skills 분석

왜 이 레포인가

AI 에이전트가 연구 업무를 실제로 대체하려면, 단순한 대화를 넘어 도메인별 워크플로를 미리 주입해야 해요. 이번에 살펴본 K-Dense의 scientific-agent-skills 레포는 그 요구를 오픈소스로 풀어낸 사례다. 현재 GitHub Trending 오픈소스 레인에 오른 이 프로젝트는 36.9k star, 3.5k fork를 기록하고 있고, README 기준 175,000명 이상이 사용한다고 공개해 눈길을 끈다.

배경과 구조

핵심 컨셉은 "일반 AI 에이전트 → AI Scientist"로, 기존 코딩 에이전트에 연구 기능을 추가하는 스킬 팩을 제공하는 거예요. 버전 2.64.0 기준으로 163개의 스킬을 제공하며, 생물정보학, 화학정보학, 임상 연구, 의료 영상, ML, 재료 과학 등 과학 전반을 커버한다.

기술적으로는 Cursor, Claude Code, Codex, Google Antigravity 등을 지원하고, Agent Skills 표준과 Agent Plugins 패키지 규격을 함께 만족하도록 설계되어 있다. 그래서 특정 벤더에 종속되지 않으면서도 플러그인으로 한 번에 로드할 수 있는 구조다.

핵심 구성 요소

가장 먼저 눈에 띄는 부분은 100개 이상의 과학/금융 데이터베이스 지원이다. PubChem, ChEMBL, UniProt, COSMIC, ClinicalTrials.gov, FRED, USPTO, OneKGPd, Genomic Intelligence 등이 명시되어 있다. 별도의 스킬로 래핑해 사용하기도 하지만, database-lookup 스킬 하나로 78개 이상 공개 DB를 통일된 형태로 접근할 수 있도록 구성한 점이 인상적이다.

그다음은 70개 이상의 Python 패키지 스킬이다. RDKit, Scanpy, PyTorch Lightning, scikit-learn, BioPython, Qiskit, OpenMM, MDAnalysis, NeuroKit2, QuTiP, GeoPandas, pydicom 등 연구에서 자주 쓰이는 패키지별로 검증된 사용법을 SKILL.md와 코드 예제로 정리해 뒀다. 여기서 중요한 점은 "버전 인식"이다. 동일 패키지라도 버전에 따라 API·동작이 달라지는 경우가 많은데, 이 라이브러리는 명시적으로 대상 버전 범위를 두고 예제를 관리하고 있다.

실제 연구 워크플로에서의 의미

연구자 입장에서 가장 큰 병목은 "도메인 지식 + 코드 + 데이터 접근" 세 가지를 한번에 연결하는 단계다. 이 레포는 세 가지를 스킬 단위로 미리 연결해 두었다. 예를 들어 단일 세포 RNA-seq 분석을 요청하면, Scanpy 스킬의 절차에 따라 데이터 불러오기, QC, 임베딩, 클러스터링 순으로 안내하고, 필요하면 NCBI나 Single Cell Portal 같은 DB 접근도 함께 다룰 수 있다.

여기서 주목할 점은 검증 구조다. 각 스킬은 사용 예제와 테스트 스위트를 같이 제공하고, CI에서 구조 계약 검증을 한다고 README에 명시되어 있다. 즉 단순한 템플릿 모음이 아니라, 실제 동작 가능한 워크플로의 경로를 미리 검증해 둔 셈이다.

오픈소스 운영 관점

이 프로젝트는 오픈소스 생태계에서 중요한 신호 하나를 보여준다. MIT 라이선스로 전환한 뒤 상업적 사용이 가능해졌고, 보안 스캔 워크플로, issue 템플릿, PR 템플릿, Contributor Covenant 등 GitHub Community Standards 요건을 갖추었다. 이런 운영 구조는 과학 오픈소스가 단순 코드 공유를 넘어 연구 인프라로 자리 잡기 위해 필요한 부분이다.

한계와 확인 포인트

이 레포는 강력한 참고 자료이지만, 모든 스킬이 각 연구실 환경에서 그대로 동작하는 것은 아니다. 패키지 버전, OS, GPU/CPU 환경, 데이터 라이선스, 기관 내 보안 정책 등에 따라 동일 스킬도 검증이 필요하다. 실제로 CI를 돌린다고 해도 사용자 환경까지 보장하지는 않는다. 그래서 이 글에서는 스킬을 그대로 복사해 쓰기보다, 자신의 연구 도구 흐름에 맞춰 스킬을 선택적으로 적용하고 검증하는 방식을 권한다.

참고 링크

• Scientific Agent Skills
• Agent Skills 표준
• Agent Plugins