LocalLLaMA, AgentHandover의 로컬 Skill 생성 워크플로를 오픈 agent 논의로 끌어올리다

LocalLLaMA 글은 AgentHandover를 오픈 agent tooling 논의 한가운데로 끌어왔다. 매번 zero-base prompt로 설명하는 대신, 일상적인 desktop workflow를 관찰해 재사용 가능한 Skill로 만든다는 framing 덕분이다. 이 Reddit 글은 117포인트와 30개의 댓글을 기록했는데, 요지는 단순하다. Mac 위에서 반복되는 작업을 관찰하고 그 뒤의 strategy를 추출해, Codex, Claude Code, Cursor, OpenClaw 같은 MCP-compatible agent에게 넘긴다는 것이다.

GitHub README를 보면 이 프로젝트는 단순한 screen recording보다 훨씬 큰 목표를 가진다. AgentHandover는 screenshot 캡처, Gemma 4 또는 Qwen 3.5를 이용한 로컬 VLM annotation, text와 optional image embedding을 통한 vector knowledge base 구축, 세션 간 유사 활동 clustering, 그리고 반복 행동을 canonical Skill로 바꾸는 11-stage pipeline을 설명한다. 또한 이 Skill들이 곧바로 auto-execute되는 것도 아니다. 사용자 review가 끝나고 evidence quality, freshness, trust, preflight checks, execution history를 포함한 여섯 개 readiness gate를 통과해야만 agent-ready 상태가 된다고 적고 있다.

이 프로젝트가 현재 agent ecosystem과 직접 맞닿는 지점은 handoff layer다. AgentHandover는 ready Skill 목록 조회, semantic search, full bundle fetch, execution result 보고를 위한 MCP server를 제공하고, 그 결과를 다시 받아 Skill을 점진적으로 개선하는 구조를 제시한다. README는 Claude Code, Codex, OpenClaw 통합을 명시적으로 다루며, Codex 경로에서는 agent-ready Skills, guardrails, voice guidance를 담은 AGENTS.md를 생성한다고 설명한다. 즉 이 시스템은 두 가지 어려운 문제를 동시에 풀려고 한다. 사람의 tacit workflow knowledge를 포착하는 일과, 그것을 agent가 재사용 가능한 형식으로 포장하는 일이다.

왜 이 Reddit 글이 중요했나

• 전체 pipeline이 macOS에서 로컬 실행되도록 설계됐고, 기본 경로도 Ollama 기반 local models다.
• 이 프로젝트는 Skill을 static prompt template이 아니라 feedback loop를 가진 living artifact로 다룬다.
• MCP interface 덕분에 현재 agent-tooling 커뮤니티가 개념을 즉시 이해할 수 있다.

물론 실제로 충분한 workflow를 추출하려면 사용자가 어느 정도 관찰을 받아들여야 한다는 open question은 남는다. 하지만 바로 그 점 때문에 이 글이 울림을 만들었다. agent tooling의 진짜 병목이 점점 model availability가 아니라, 사람의 durable process knowledge를 매 세션 다시 설명하지 않고 어떻게 포착할 것인가로 이동하고 있음을 드러내기 때문이다.