Agent Skills

Agent-Fähigkeiten sind wiederverwendbare Pakete aus Anweisungen, Metadaten, Referenzmaterialien und optionalen Skripten, die einem KI-Agenten spezialisiertes Fachwissen für eine bestimmte Aufgabe verleihen. Anstatt jede Prozedur in einen langen System-Prompt zu packen, können Entwickler eine fokussierte Funktion bündeln – wie das Prüfen von Produkten, das Analysieren von Tabellenkalkulationen oder das Befolgen der Bereitstellungs-Checkliste einer Organisation – und den Agenten diese nur dann laden lassen, wenn es relevant ist.

Fähigkeiten helfen einem allgemeinen KI-Agenten, sich eher wie ein Domänenspezialist zu verhalten, während das Wissen modular, wartbar und portabel bleibt. „Claude-Fähigkeiten“ sind eine Produktimplementierung dieser umfassenderen Idee; der Begriff Agent-Fähigkeiten kann sich auch auf das interoperable Format beziehen, das in der Übersicht über offene Agent-Fähigkeiten beschrieben wird.

Wie Agent-Fähigkeiten funktionieren#

Gemäß der Spezifikation für Agent-Fähigkeiten ist eine Fähigkeit typischerweise ein Verzeichnis, das eine erforderliche SKILL.md-Datei enthält. Diese Datei beginnt mit YAML-Metadaten, einschließlich eines Namens und einer Beschreibung, die erklärt, was die Fähigkeit tut und wann der Agent sie aktivieren soll. Ihr Markdown-Hauptteil enthält Prozeduren, Beispiele, Einschränkungen und Anleitungen für Sonderfälle. Optionale Verzeichnisse können ausführbare Skripte, Referenzdokumente, Schemas oder Vorlagen enthalten.

Fähigkeiten nutzen progressive Offenlegung (progressive disclosure), was bedeutet, dass Informationen in das Kontextfenster des Agenten schrittweise gelangen:

1. Der Agent sieht zunächst kurze Namen und Beschreibungen für verfügbare Fähigkeiten.
2. Wenn eine Anfrage mit einer Beschreibung übereinstimmt, lädt er die relevante SKILL.md.
3. Er liest unterstützende Ressourcen oder führt gebündelte Skripte nur bei Bedarf aus.

Dies reduziert den unnötigen Token-Verbrauch und ermöglicht es einem Agenten, auf viele spezialisierte Funktionen zuzugreifen, ohne jede Anweisung beim Start zu laden. Die Dokumentation zu Claude-Agent-Fähigkeiten und die Dokumentation zu Microsoft-Agent-Fähigkeiten bieten Beispiele für dieses Lademuster in Agentenplattformen.

Agent-Fähigkeiten im Vergleich zu verwandten Konzepten#

Agent-Fähigkeiten organisieren Wissen und Prozeduren, aber sie ersetzen weder den Agenten noch seine Tools oder das System, das seine Aktionen koordiniert.

• Tools und Funktionsaufrufe (Tools and function calling): Ein Tool führt eine einzelne Operation aus, wie das Abfragen einer API oder das Ausführen von Inferenz. Eine Fähigkeit erklärt, wann und wie ein oder mehrere Tools zusammen verwendet werden sollen, einschließlich Validierungsregeln und Domänenkontext.

• Agentische Workflows (Agentic workflows): Eine Fähigkeit lässt den Agenten Anweisungen adaptiv interpretieren. Ein Workflow definiert einen expliziteren Ausführungspfad, was ihn für langlebige Prozesse, Checkpoints, Freigaben und Aktionen bevorzugenswert macht, die in einer festen Reihenfolge ablaufen müssen.

• Model Context Protocol: MCP standardisiert, wie Agenten externe Ressourcen und Tools entdecken und aufrufen. Die offizielle MCP-Tools-Spezifikation definiert Tool-Schnittstellen, während eine Fähigkeit prozedurales Fachwissen bündelt, das einen Agenten anweisen kann, diese Schnittstellen zu nutzen.

Ein Prompt wird normalerweise für ein einzelnes Gespräch geschrieben. Eine Fähigkeit ist dazu gedacht, in kompatiblen Umgebungen wiederverwendet, versioniert, getestet und geteilt zu werden.

Anwendungen in der Computer Vision#

Agent-Fähigkeiten sind besonders nützlich, wenn visuelle Wahrnehmung mit Geschäftsregeln und Folgemaßnahmen kombiniert werden muss.

Fertigungsinspektion: Eine Qualitätskontrollfähigkeit kann einen Agenten anweisen, ein Bild aufzunehmen, die Objekterkennung auszuführen, Erkennungen mit Akzeptanzkriterien zu vergleichen, Beweise zu speichern und eine menschliche Überprüfung anzufordern, wenn die Konfidenz gering ist. Das Vision-Modell liefert Beobachtungen, während die Fähigkeit das werkspezifische Inspektionsverfahren bereitstellt. Dies unterstützt wiederholbare Fehlererkennungs-Workflows, ohne jede Richtlinie in den Basis-Prompt des Agenten einzubetten.

Inventurprüfung im Einzelhandel: Eine Regalprüfungsfähigkeit kann einen Agenten anleiten, Ladenbilder zu verarbeiten, bestimmte Produkte zu zählen, Ergebnisse mit Bestandsaufzeichnungen zu vergleichen und eine Nachbestellungsempfehlung zu erstellen. Teams können die Ultralytics Platform nutzen, um Regaldaten zu annotieren, ein benutzerdefiniertes Modell zu trainieren, dieses bereitzustellen und das visuelle Tool zu überwachen, das die Fähigkeit aufruft.

In beiden Fällen verbinden Fähigkeiten die Wahrnehmung mit operativem Wissen. Sie verbessern die visuelle Genauigkeit des zugrunde liegenden Modells nicht von sich aus; sie machen dessen Ergebnisse lediglich einfacher konsistent anzuwenden.

Beispiel-Vision-Skript für eine Fähigkeit#

Eine Fähigkeit kann ein deterministisches Skript für die visuelle Inspektion bündeln. Der folgende dokumentierte Ultralytics YOLO-Vorhersage-Workflow könnte im scripts/-Verzeichnis einer Fähigkeit gespeichert werden:

from pathlib import Path

from ultralytics import YOLO

image_url = "https://ultralytics.com/images/bus.jpg"
output_path = Path("inspection_result.jpg")

# Run the skill's visual perception step
model = YOLO("yolo26n.pt")
results = model(image_url)

result = results[0]
result.save(filename=str(output_path))

print(output_path)

Hier bietet YOLO26 die visuelle Fähigkeit, während SKILL.md erklären würde, wann das Skript ausgeführt werden soll, wie dessen Ausgabe zu interpretieren ist und welche Aktion folgen sollte.

Design- und Sicherheitsaspekte#

Effektive Fähigkeiten sollten enge Verantwortlichkeiten, klare Aktivierungsbeschreibungen, prägnante Anweisungen, réalistische Beispiele und dokumentierte Abhängigkeiten aufweisen. Die offiziellen Best Practices für die Erstellung von Fähigkeiten empfehlen, die Detailgenauigkeit der Anweisungen an das Aufgabenrisiko anzupassen: Eine flexible Anleitung kann für ergebnisoffene Analysen geeignet sein, während fehleranfällige Vorgänge exakte Skripte und strengere Einschränkungen erfordern.

Fähigkeiten von Drittanbietern sollten wie installierte Software behandelt werden. Überprüfen Sie jede Anweisung, jedes Skript, jede Abhängigkeit, jeden Netzwerkaufruf und jede Dateioperation, bevor Sie Zugriff gewähren. Wenden Sie Sandboxing, Berechtigungen mit geringsten Rechten (Least-Privilege), Ressourcenlimits, Protokollierung und menschliche Freigaben für konsequente Aktionen an. Diese Kontrollen helfen dabei, Risiken zu bewältigen, die in den OWASP-Leitlinien zur Prompt-Injektion und den OWASP-Leitlinien zu übermäßiger Agentenautonomie beschrieben werden. Teams können auch das NIST AI Risk Management Framework Playbook verwenden, um die Bewertung, Überwachung und Governance von Fähigkeiten in ein umfassenderes KI-Risikomanagement zu integrieren.