SkillZip: Contract-Preserving Graph Compression for Scalable Agent Skill Libraries

Large Language Models (LLMs) increasingly act as agents whose procedural knowledge is stored in reusable skill packages and loaded at inference time. As skill libraries grow, a central challenge is to expose the smallest sufficient executable context under a limited context budget. Existing systems struggle to reuse routines below the whole-skill level, preserve procedural contracts during compression, keep compressed routines executable and expandable, and update the compressed library as skills evolve. These challenges reveal a unit mismatch: skills are retrieved as packages, compressed as text, and converted into execution graphs only after retrieval, whereas reliable reuse requires a contract-bearing procedural unit. We propose SkillZip, an execution-aware procedural abstraction framework that performs contract-preserving compression over section-level graphs. SkillZip rewrites recurring contract-valid motifs into reversible ported macros while preserving boundary signatures, dependency closure, verifier reachability, and source-level expansion. At inference time, it hydrates a compact, dependency-closed context and expands macros only when required. ReZip further integrates new skills and revises risky macros using execution evidence. Comprehensive experiments1 on technical and embodied agent benchmarks show SkillZip consistently outperforms the strongest baseline by up to 12.2 points, while achieving a 3.46x compression ratio with 99.2% dependency preservation and 98.7% verifier reachability. Scaling analyses further confirm robust retrieval across skill libraries ranging from 200 to 100K skills.

한 줄 요약

SkillZip은 실행 계약을 보존하면서 실행 그래프를 압축하는 스케일러블 에이전트 스킬 라이브러리 시스템이다.

핵심 기여도

**MotifZip 모듈**을 통해 반복되는 실행 패턴을 **역가능한 포트 마크로**로 압축하여, 3.46배의 압축률을 달성.
**Ret@1 73.6%**, **DPR 99.2%**, **VR 98.7%**로, 기존 시스템 대비 최대 12.2점 개선.
**PathHydrate 알고리즘**을 통해 필요 시만 마크로 확장하여, **1,941 토큰**의 컨텍스트로 실행 가능.
**ReZip 알고리즘**을 통해 실행 증거를 기반으로 라이브러리 업데이트 및 위험 마크로 수정 가능.

핵심 아이디어

기존 시스템은 스킬을 전체 단위로 검색하고 텍스트로 압축하지만, 이는 실행 계약을 보존하지 못한다. SkillZip은 **section-level procedural graphs**를 기반으로, **contract-preserving compression**을 수행한다. 즉, **MotifZip**은 반복되는 실행 패턴을 **reversible ported macros**로 변환하면서 **boundary signatures**, **dependency closure**, **verifier reachability**, **source-level expansion**을 유지한다. 이는 단순 텍스트 압축과 달리, 실행 가능성과 검증 가능성을 동시에 보장한다. PathHydrate는 압축된 루틴 중 필요한 부분만 확장하여, 실행 시 필요한 최소한의 컨텍스트만 로드한다. ReZip은 실행 중 발생하는 증거를 기반으로 새로운 스킬을 통합하고, 위험한 마크로를 수정한다.

기술적 접근법

**SkillZip 프레임워크**:
**Section-level procedural graphs**로 스킬을 분해.
**MotifZip**: 반복되는 실행 패턴을 **reversible macros**로 압축.
**PathHydrate**: 필요 시만 마크로 확장하여 **compact task-specific context** 생성.
**ReZip 알고리즘**: 실행 증거를 기반으로 새로운 스킬 통합 및 위험 마크로 수정.
**실험 환경**: **SkillsBench**, **ALFWorld** 데이터셋 사용.
**하이퍼파라미터**: 압축 시 **dependency closure**, **verifier constraint**를 유지.
**토큰 수**: 최종 컨텍스트는 **1,941 토큰**으로, 전체 스킬 로드 대비 **72.1% 감소**.

주요 결과

**SkillsBench**와 **ALFWorld**에서 **Ret@1 73.6%**, **DPR 99.2%**, **VR 98.7%** 달성.
**MotifZip 제거 시** 토큰 수는 **2,967**로 증가, **Ret@1 71.8%**로 하락.
**Dependency closure 제거 시 DPR 82.3%**, **Verifier constraint 제거 시 VR 76.4%**로 하락.
**PathHydrate 제거 시 Ret@1 68.2%**, **Hydration 비활성화 시 토큰 2,587** 증가.
**SkillZip**은 **3.46x 압축률**을 유지하면서 **12.2점 개선**.

의의 및 한계

SkillZip은 실행 계약을 보존하면서 실행 그래프를 압축함으로써, **스킬 라이브러리의 확장성**과 **실행 효율성**을 동시에 달성한다. 특히, **MotifZip**과 **PathHydrate**는 실행 단계에서 필요한 최소한의 컨텍스트만 로드하여, **토큰 비용을 줄이고 정확도를 유지**한다. 그러나, **초기 스킬 라이브러리 구축 시 실행 증거가 부족하면 ReZip의 효과가 제한적**일 수 있다. 또한, **복잡한 실행 그래프를 다룰 때 압축률이 낮아질 가능성**이 있다.

실용적 활용

SkillZip은 **LLM 기반 에이전트가 여러 스킬을 효율적으로 재사용**해야 하는 상황, 예를 들어 **스프레드시트 처리**, **데이터 검증**, **환경 인터페이스** 등에서 유용하게 활용될 수 있다. 특히, **대규모 스킬 라이브러리 관리** 및 **실행 시간 최적화**가 필요한 산업 현장에서 적용 가능하다.