Agent Skills

Agenten-Skills sind Ordner mit Anweisungen, Skripten und Referenzdateien, die einem KI-Agenten Fachwissen für eine bestimmte Aufgabenart vermitteln. Sie sind so verpackt, dass der Agent sie nur lädt, wenn eine Aufgabe sie erfordert. Im Mittelpunkt jedes Skills steht eine Datei SKILL.md. Ihre kurze Beschreibung sagt dem Agenten, wann er den Skill verwenden soll, und der Inhalt erklärt, wie. Anthropic führte Agent Skills für Claude im Oktober 2025 ein und veröffentlichte das Format im Dezember 2025 als offenen Standard auf agentskills.io. Claude Code, OpenAI Codex, Gemini CLI, Cursor, GitHub Copilot, VS Code und Dutzende weitere Agenten können inzwischen dieselben Ordner lesen. Ein Skill funktioniert dadurch auf all diesen Plattformen.

So funktionieren Agent Skills#

Ein Skill ist ein Verzeichnis, das nach dem Skill benannt ist und einen erforderlichen Ordner SKILL.md sowie optionale Ordner scripts/, references/ und assets/ enthält. SKILL.md beginnt mit einem YAML-Frontmatter mit zwei Pflichtfeldern: einem name-Feld mit höchstens 64 Kleinbuchstaben, Ziffern und Bindestrichen, das dem Verzeichnisnamen entspricht, und einem description-Feld mit höchstens 1.024 Zeichen, das beschreibt, was der Skill tut und wann er verwendet werden soll. Der folgende Markdown-Text enthält die Vorgehensweise, Beispiele und Randfälle.

Agenten laden Skills schrittweise. Dadurch bleibt eine große Skill-Bibliothek ressourcenschonend. Beim Start liest der Agent nur den Namen und die Beschreibung jedes Skills – etwa 100 Token pro Skill. Passt eine Anfrage zu einer Beschreibung, liest der Agent die vollständige Datei SKILL.md in sein Kontextfenster ein. Die Spezifikation empfiehlt, diesen Inhalt auf unter 500 Zeilen und 5.000 Token zu begrenzen. Skripte und Referenzdateien werden erst geladen, wenn die Anweisungen darauf verweisen. Führt der Agent ein Skript lediglich aus und liest die Ausgabe, gelangt dessen Code überhaupt nicht in den Kontext.

Aufbau einer SKILL.md-Datei#

Ein Team aus dem Einzelhandel könnte seinem Agenten diesen Skill für Regalfotos geben. Die Beschreibung enthält die Schlüsselwörter, anhand derer der Agent den Skill auswählt. Der Inhalt verweist auf ein Skript und eine Referenztabelle, die erst bei Bedarf geladen werden:

---
name: shelf-audit
description: Counts products and finds empty facings in retail shelf photos. Use when the user asks about stock levels, gaps, or planogram compliance in store images.
---

# Shelf audit

1. Run `python scripts/detect_products.py <image>` on each photo. It prints one JSON line per product with its class, confidence, and box.
2. Compare the counts with the expected facings in `references/planogram.csv`.
3. Report each empty facing with its shelf position.
4. Send detections below 0.5 confidence to a person for review instead of counting them.

Der Agent sieht nur die beiden Frontmatter-Zeilen, bis jemand nach Regalen fragt. Die Planogrammdatei öffnet er erst in Schritt 2.

Agent Skills im Vergleich zu verwandten Konzepten#

• Werkzeuge und Funktionsaufrufe: Ein Werkzeug ist ein einzelner Vorgang, den ein Agent aufrufen kann, etwa eine Datenbankabfrage oder ein Modell zur Objekterkennung. Ein Skill vermittelt dem Agenten, wann und wie er Werkzeuge für eine Aufgabe kombiniert. Außerdem stellt er Validierungsregeln und Fachkontext bereit, die den Werkzeugen selbst fehlen.
• Model Context Protocol (MCP): Verbindet einen Agenten über Server mit externen Systemen, auf die er live zugreift. Skills vermitteln Verfahrenswissen. Agenten verwenden daher häufig beides: Ein Skill kann dem Agenten sagen, welche MCP-Werkzeuge er in welcher Reihenfolge aufrufen soll.
• Systemaufforderungen und Projektanweisungen: Dateien wie AGENTS.md werden in jede Sitzung geladen. Der Inhalt eines Skills wird nur bei passenden Aufgaben geladen. So kann ein Agent Hunderte Skills nutzen, ohne sein Kontextfenster zu überfüllen – das zentrale Prinzip der Kontextgestaltung.
• Feinabstimmung: Verändert die Gewichte eines Modells, um ihm ein bestimmtes Verhalten beizubringen. Ein Skill verändert nur den Kontext, lässt sich daher wie Code bearbeiten, versionieren und überprüfen und wirkt sofort.

Skills in der Praxis#

Skills bündeln Fachwissen, über das ein allgemeines großes Sprachmodell (LLM) nicht verfügt oder das es uneinheitlich anwendet: Unternehmensregeln für die Marke, eine Release-Checkliste des Teams oder Besonderheiten eines Dateiformats. Das öffentliche Skill-Repository von Anthropic enthält Skills für Word, PDF, PowerPoint und Excel, die Claudes eigene Dokumenterstellung ermöglichen. Die Ultralytics Agent Skills decken den Lebenszyklus der Computer Vision ab: Ein Router-Skill yolo leitet jede Anfrage an einen Skill für die Modellauswahl, Datensätze, das Training, die Feinabstimmung, Inferenz oder den Export weiter. Ein Skill platform-cli automatisiert die Ultralytics Platform über die Kommandozeile ul cloud. Der Ask AI-Assistent der Platform verwendet diesen Skill platform-cli. Dieselben Ordner lassen sich mit claude plugin install yolo@ultralytics in Claude Code oder mit npx skills add ultralytics/skills in anderen Agenten installieren. Dadurch kann ein agentisches Programmierwerkzeug auf eine Anfrage in natürlicher Sprache hin ein YOLO26-Modell trainieren und exportieren.

Sicherheitsaspekte#

Ein Skill wird mit den Berechtigungen des Agenten ausgeführt. Die Installation eines Skills eines Drittanbieters ähnelt daher der Installation von Software. Seine Anweisungen können eine Prompt Injection enthalten, die den Agenten umlenkt, und seine Skripte können Dateien lesen oder Daten an jedes Ziel senden, das die Umgebung des Agenten zulässt. Teams überprüfen vor der Installation die Anweisungen, Skripte und Abhängigkeiten eines Skills, legen Versionen fest und führen Skill-Skripte in einer Sandbox für Agenten mit eingeschränktem Netzwerkzugriff aus. Die Spezifikation definiert außerdem das experimentelle Feld allowed-tools, eine durch Leerzeichen getrennte Liste wie Bash(git:*) Read, in der die Werkzeuge aufgeführt sind, die ein Skill ohne Rückfrage ausführen darf. Agenten, die dieses Feld unterstützen, genehmigen diese Werkzeuge in ihrer Agentenlaufzeitumgebung vorab.