Claude Code 스킬 사용 현황 분석: 설치된 스킬의 80%가 토큰만 낭비 중

커뮤니티 반응

작성자가 공유한 분석 결과에 대해 사용자들은 자신의 환경에서도 유사한 토큰 낭비가 발생하고 있는지 확인하려는 관심을 보이고 있습니다.

주요 논점

01중립다수

Claude Code의 스킬 관리 시스템이 비효율적이며 사용자가 인지하지 못하는 비용을 발생시키고 있다.

합의점 vs 논쟁점

합의점

사용하지 않는 스킬이 컨텍스트 윈도우를 차지하고 토큰 비용을 발생시킨다는 점에 동의함
플러그인 설치 후 관리가 어렵다는 점에 공감함

실용적 조언

npm에서 skill-graveyard를 실행하여 본인의 스킬 사용 현황을 직접 점검하십시오.
자주 사용하지 않는 플러그인은 즉시 삭제하여 컨텍스트 효율을 높이십시오.

섹션별 상세

작성자는 최근 30일간의 세션 로그 파일인 jsonl 데이터를 파싱하여 스킬 호출 빈도를 전수 조사했다. 설치된 총 65개의 스킬 중 단 13개만이 실제 실행에 사용되었으며, 나머지 52개는 단 한 번도 호출되지 않았음이 수치로 증명됐다. 이는 사용자가 인지하지 못한 채 상당수의 스킬이 방치되고 있음을 시사한다.

미사용 스킬들이 매 요청 시마다 설명(description)을 컨텍스트에 로드하면서 발생하는 자원 낭비가 심각한 수준이다. 한 달간 약 50만 토큰이 실제 작업과 무관한 스킬 메타데이터를 로드하는 데 소모되었으며, 특히 한 번 설치 후 잊혀진 플러그인 번들 스킬들이 주요 원인으로 지목됐다. 이는 LLM 에이전트 운영 시 정기적인 스킬 청소의 필요성을 뒷받침한다.

bash

npx skill-graveyard

설치된 스킬 중 실제 사용되지 않는 항목을 분석하기 위한 CLI 도구 실행 명령어

로그 분석 과정에서 Claude가 bash, read, edit 등 내장 도구들을 마치 외부 스킬인 것처럼 호출하는 현상이 관찰됐다. 모델이 내부적으로 정의된 기본 도구와 사용자가 추가한 스킬을 동일한 메커니즘으로 처리하고 있을 가능성이 제기됐다. 작성자는 이러한 '유령 호출' 현상에 대해 명확한 기술적 근거를 찾기 위해 커뮤니티의 의견을 구했다.

용어 해설

스킬 메타데이터(Skill Metadata): — AI 에이전트가 사용할 수 있는 도구(스킬)의 이름, 설명, 매개변수 정보를 담은 데이터이다. 모델은 이 정보를 컨텍스트에 로드하여 어떤 상황에 어떤 도구를 호출할지 판단하지만, 사용하지 않는 스킬 정보가 많을수록 토큰 소모가 불필요하게 증가한다.
컨텍스트 윈도우(Context Window): — AI 모델이 한 번에 처리할 수 있는 텍스트 데이터의 총량이다. 본문에서는 사용하지 않는 스킬의 설명이 이 영역을 차지하여 실제 작업에 필요한 정보를 넣을 공간을 낭비하고 비용을 발생시키는 문제를 지적한다.
토큰(Token): — AI 모델이 텍스트를 처리하는 기본 단위이다. API 사용 비용은 이 토큰의 양에 비례하여 산정되며, 본문에서는 한 달간 약 50만 개의 토큰이 미사용 스킬 정보를 로드하는 데 낭비되었다는 수치를 제시했다.

언급된 도구

skill-graveyard추천링크

Claude Code 세션 로그를 분석하여 미사용 스킬과 토큰 낭비량을 진단하는 CLI 도구

언급된 리소스

GitHubskill-graveyard on npm