Agent Skills: Definition, Aufbau, Abgrenzung, Beispiel

Agent Skills sind einzeln verpackte Fähigkeiten für KI-Agenten (Programme, die eigenständig Aufgaben erledigen). Jede Fähigkeit liegt in einem eigenen Ordner mit einer Beschreibungsdatei namens SKILL.md und den nötigen Zusatzdateien (Anleitungen, Beispiele, kleine Skripte). Der Agent lädt einen Skill erst dann in seinen Arbeitsspeicher (Kontext), wenn die aktuelle Aufgabe ihn wirklich braucht. Anthropic hat dieses Format im Oktober 2025 für seinen Assistenten Claude eingeführt; andere Anbieter nutzen den Begriff mittlerweile für ähnliche, wiederverwendbare Fähigkeiten-Pakete.

Was sind Agent Skills?

Der Begriff antwortet auf ein wiederkehrendes Problem beim Aufbau von KI-Agenten. Sobald ein Agent mehr als eine Handvoll Aufgaben erledigen soll, wächst die zentrale Grundanweisung (der sogenannte System-Prompt): Regeln zur Formatierung, zur Sprache der Marke, zum Ablauf einzelner Prozesse, Verweise auf Datenquellen, Beispiele. Am Ende steht eine große Anweisung, in der Fähigkeiten stecken, die selten gemeinsam gebraucht werden. Skills lösen diese Verklumpung auf. Jede Fähigkeit lebt in einem eigenen Ordner mit einer `SKILL.md`, die Name, Zweck, Aktivierungs-Hinweise (wann der Skill greifen soll) und die eigentlichen Anweisungen enthält. Ergänzende Dateien wie Vorlagen, Nachschlagewerke oder kleine Skripte liegen im selben Ordner daneben.

Der Ladepfad ist dreistufig und wird meist als Progressive Disclosure beschrieben. Der Agent sieht beim Start jeder Sitzung ausschließlich die Kurzbeschreibungen aller verfügbaren Skills. Passt eine Anfrage auf die Beschreibung, lädt er die vollständige SKILL.md. Verweist diese auf weitere Dateien (etwa ein Prozess-Handbuch oder ein Beispiel-Set), lädt der Agent sie nach Bedarf. Der Kontext bleibt schlank, die Fähigkeit steht trotzdem in voller Tiefe zur Verfügung.

Anthropic hat die Konvention im Oktober 2025 vorgestellt und begleitend das offene Repository anthropic-skills veröffentlicht, das Referenz-Skills für Office-Formate, Slide-Decks und PDF-Verarbeitung enthält. Das Format wurde schnell von der Community und von Framework-Anbietern aufgegriffen; der Begriff „Skill" wird seither auch außerhalb des Claude-Ökosystems für dasselbe Muster verwendet. Nachbarn wie das OpenAI-Umfeld, LangChain und Google ADK nutzen zum Teil eigene Bezeichnungen für vergleichbare Bundles (Actions, Toolkits, Sub-Agents), die Idee dahinter überlappt.

Skills sind anbieterunabhängig lesbar, weil eine SKILL.md im Kern eine Markdown-Datei mit Frontmatter ist. Sie sind versionierbar, weil ein Skill-Ordner in Git liegt. Sie sind teilbar, weil sie ohne den zugehörigen Modell-Anbieter dokumentiert sind. Diese drei Eigenschaften machen Skills zum bevorzugten Verpackungsformat für Fähigkeiten, die über mehrere Agenten und Teams hinweg gepflegt werden.

Abgrenzung zu Tool-Use, MCP und Prompt-Template

Der Begriff wird in der Diskussion mit angrenzenden Konzepten des Agenten-Stacks vermischt. Die Unterschiede:

Begriff	Was es ist	Verhältnis zu Skills
Tool / Function Calling	Einzelne aufrufbare Funktion mit Signatur, ausgeliefert an das Modell	Baustein: ein Skill kann mehrere Tools verwenden und ihre Nutzung anleiten
Model Context Protocol (MCP)	Serverseitiger Standard, um Werkzeuge und Ressourcen an Agenten auszuliefern	Ergänzung: Skills auf der Agenten-Seite, MCP auf der Server-Seite
Prompt-Template	Statischer Textbaustein für einen bestimmten Turn	Vorstufe: ein Skill lädt sich selektiv und bringt Ressourcen mit
Agent-Framework-Baustein	Framework-Primitiv im Code (LangGraph-Node, Crew-Agent)	Orthogonal: ein Framework kann Skills als deklarative Ebene einbinden
Agent Memory	Persistente Wissensschicht über Sessions hinweg	Getrennt: Skills sind statisch versioniert, Memory ist zustandsbehaftet

Zwei Verwechslungen kommen häufig vor. Erstens: ein Skill ist mehr als eine Sammlung von Tools. Er beschreibt, wann eine Fähigkeit aktiviert wird, wie sie ausgeführt wird und welche Ressourcen sie mitbringt, während Function Calling nur den Aufruf einer einzelnen Funktion regelt. Zweitens: Skills und MCP schließen sich nicht aus. Ein Skill verweist im Idealfall auf MCP-Server für die eigentlichen Aktionen und liefert daneben die Anleitung, wie diese Aktionen in einem Prozess einzusetzen sind.

Beispiel: drei Skills für einen Support-Agenten

Ein Support-Team stattet seinen Claude-Agenten mit drei Skills aus:

`brand-voice/`: enthält den Voice-Guide des Unternehmens, eine Liste erlaubter und verbotener Formulierungen sowie drei Beispiel-Antworten unterschiedlicher Länge. SKILL.md beschreibt: „Aktivieren, wenn eine Antwort an einen externen Kunden formuliert wird."
`refund-flow/`: bündelt die Prozess-Anleitung für Rückerstattungen mit Freigabegrenzen, benötigten Belegen, Verweisen auf zwei MCP-Tools (CRM-Read, Payment-Refund) und einem Entscheidungsbaum für Grenzfälle. Aktivierung: „wenn der Nutzer eine Rückerstattung anfragt."
`report-generation/`: enthält zwei Report-Templates, einen kurzen Python-Skript-Baustein für Diagramme und eine Referenz zu Farbwerten aus dem Styleguide. Aktivierung: „wenn ein Bericht oder eine Zusammenfassung angefordert wird."

Der System-Prompt des Agenten bleibt kurz. Er verweist auf den Skill-Ordner und definiert Rollen-Erwartung, Datenschutz-Grenzen sowie Eskalations-Regeln. Alles andere wird über die Skills bereitgestellt. Kommt eine neue Fähigkeit hinzu, wird ein Ordner angelegt; ändert sich der Refund-Prozess, wird die zugehörige SKILL.md versioniert und über Pull Requests reviewt. Das Team pflegt die Fähigkeiten dort, wo sie sichtbar und diffbar sind, ohne den zentralen Prompt anzufassen.