AI 에이전트가 과학 연구 절차를 정확히 수행하도록 돕는 지침 모음
AI에게 '단백질 구조를 예측해 줘'라고 말하면, 필요한 도구를 찾아 실행하고 결과를 정리해 주는 장면을 상상해 보세요. 이 저장소는 AI 에이전트가 과학적 작업에서 범하기 쉬운 실수를 줄이고, 검증된 절차에 따라 움직이도록 돕는 지침 모음입니다. 특정 프로그래밍 언어나 프레임워크에 묶이지 않고, 표준을 따르는 다양한 AI 도구에서 사용할 수 있습니다.
Claude 전용에서 범용 과학 도구로
이 프로젝트는 최근 'Scientific Agent Skills'로 이름을 바꾸며, Claude만 지원하던 것에서 벗어나 Cursor, Codex, Google Antigravity 등 오픈 표준을 따르는 모든 AI 에이전트 호스트에서 동작하도록 확장되었습니다. 최신 버전 2.72.0에서는 문서 처리 관련 일부 스킬을 분리하고, 나머지 177개 스킬의 호환성과 검증 절차를 업데이트했습니다. 또한 데스크톱에서 직접 실행되는 무료 오픈소스 AI 코사이언티스트인 K-Dense BYOK를 통해, 사용자의 데이터가 로컬에 머물면서 100개 이상의 과학 데이터베이스와 모든 스킬에 접근할 수 있는 연구 워크스페이스를 제공합니다.
177개의 검증된 연구 절차
이 저장소는 생물학, 화학, 의학, 물리학, 공학, 지구 과학 등 다양한 분야의 177개 스킬을 포함합니다. 각 스킬은 특정 패키지나 데이터 소스를 사용할 때 필요한 과학적 관례와 검증 체크리스트를 명시하여, AI가 단순히 코드를 짜는 것을 넘어 연구 표준에 부합하는 작업을 수행하도록 유도합니다. 예를 들어 생정보학 분야에서는 시퀀스 분석과 단일 세포 RNA-seq 처리를, 의약 분야에서는 분자 도킹과 약동학 모델링을 위한 구체적인 가이드라인을 제공합니다. 이러한 스킬들은 AI 에이전트가 전문적인 과학 라이브러리나 데이터베이스를 안정적으로 다루는 데 필요한 맥락을 공급합니다.
데이터베이스와 도구 접근성
AI 에이전트가 연구에 필요한 정보를 스스로 찾아오도록 돕는 것이 핵심입니다. 이 저장소는 PubChem, ChEMBL, UniProt, ClinicalTrials.gov 등 80개 이상의 공개 또는 등록 데이터베이스에 접근하는 방법을 문서화한 'Database Lookup' 스킬을 제공합니다. 또한 RDKit, Scanpy, PyTorch Lightning 등 70개 이상의 Python 패키지에 대해 버전별 최적화된 워크플로우를 정의하여, 에이전트가 최신 도구를 올바르게 사용할 수 있게 합니다. Benchling, DNAnexus 등 9개의 과학 통합 플랫폼과도 연결되어, 실험 데이터 관리와 분석 파이프라인을 하나의 프롬프트로 실행할 수 있습니다.
설치와 환경 구성
설치는 지원되는 호스트에 따라 npx skills add 명령이나 GitHub CLI의 gh skill 명령으로 간단히 수행할 수 있습니다. Python 3.13 이상과 패키지 매니저 uv가 필요하며, macOS, Linux, Windows(WSL2)에서 동작합니다. 각 스킬은 자체적인 의존성과 호환성 요구 사항을 명시하므로, 설치 후 해당 스킬의 SKILL.md 파일을 확인하여 필요한 패키지를 설치해야 합니다. 모든 스킬을 한 번에 설치하기보다는, 자신의 연구 분야에 필요한 스킬만 선택적으로 설치하는 것이 권장됩니다.
보안 검토와 신뢰성 확인
AI 에이전트가 코드를 실행하고 파일을 수정할 수 있으므로, 설치 전 스킬의 내용을 반드시 검토해야 합니다. 이 저장소는 Cisco AI Defense Skill Scanner를 통해 모든 스킬을 정기적으로 스캔하고 결과를 공개하지만, 커뮤니티 기여 스킬의 경우 리뷰 범위에 한계가 있을 수 있습니다. 따라서 SKILL.md에서 어떤 외부 서비스와 연결되는지, 어떤 패키지를 사용하는지 확인하고, 의심스러운 스킬은 설치하지 않는 것이 안전합니다. 특히 네트워크 접근이 필요한 스킬은 사용자의 시스템 보안 정책과 충돌할 수 있으므로, 해당 도메인에 대한 접근 권한을 사전에 승인하는 절차를 거치는 것이 좋습니다.
