Wer mit KI-Agenten arbeitet, kennt das Problem: Die Modelle sind schlau, aber sie wissen nicht, wie mein Unternehmen Dokumente formatiert, wie unsere Code-Reviews ablaufen oder welche Farbpalette wir nutzen. Agent Skills lösen dieses Problem — und seit 2026 gibt es dafür einen herstellerübergreifenden Standard.
Was sind Agent Skills?
Ein Agent Skill ist im Kern ein Ordner mit einer Datei namens SKILL.md. Darin stehen Metadaten (Name und Beschreibung) und die eigentlichen Anweisungen, die der Agent befolgen soll. Optional kommen noch Skripte, Vorlagen oder Referenzmaterial dazu.
Die Struktur ist bewusst simpel:
SKILL.md— Pflicht: Metadaten und Anweisungenscripts/— Optional: ausführbarer Codereferences/— Optional: Dokumentationassets/— Optional: Templates, Ressourcen
Keine komplexe Plugin-Architektur, keine Abhängigkeits-Hölle. Ein Markdown-Ordner, den man mit Git versionieren kann.
Wie ein Skill geladen wird: Progressive Disclosure
Das clevere Detail ist, wie Agenten mit Skills umgehen. Sie laden nicht alles auf einmal, sondern in drei Stufen:
- Discovery: Beim Start liest der Agent nur Name und Beschreibung jedes Skills — gerade genug, um zu wissen, wann er relevant sein könnte.
- Activation: Passt eine Aufgabe zur Beschreibung, lädt der Agent die vollständigen Anweisungen.
- Execution: Der Agent folgt den Anweisungen und führt bei Bedarf mitgelieferte Skripte aus.
Das bedeutet: Man kann dutzende Skills installiert haben, ohne dass der Kontext überläuft. Vollständige Anweisungen landen nur im Speicher, wenn sie tatsächlich gebraucht werden.
Wo funktionieren Agent Skills?
Der Standard unter agentskills.io wird von mehreren Tools unterstützt:
- Claude Code — Anthropic hat Skills direkt in seinen Coding-Agenten integriert
- VS Code — Microsofts Editor unterstützt SKILL.md nativ
- Augment Code — folgte der Spezifikation von Anfang an
- ChatGPT — OpenAI führt seit 2026 ein eigenes Skills-System ein, das SKILL.md-kompatibel ist
Ein Skill, den man für Claude Code schreibt, läuft also auch in VS Code oder Augment. Kein Rewrite, kein Fork.
Warum ein offener Standard?
Ich finde den Ansatz aus zwei Gründen überzeugend:
Erstens: Unternehmen müssen ihr Domänenwissen nicht für jedes Tool neu aufschreiben. Eine Brand-Guideline als Skill funktioniert überall. Ein Code-Review-Prozess als Skill funktioniert überall. Das spart Arbeit und sorgt für Konsistenz.
Zweitens: Der Standard ist leichtgewichtig genug, dass ihn jeder implementieren kann. Keine Binärformate, keine proprietären Protokolle. Markdown plus eine Ordnerstruktur. Das senkt die Einstiegshürde massiv.
Was noch fehlt
Ganz ehrlich: Der Standard ist jung. Es gibt noch keine zentrale Registry, die so einfach funktioniert wie npm oder PyPI. Skills werden aktuell über GitHub-Repos oder lokale Ordner geteilt. Die skills.sh-Plattform zeigt erste Ansätze, aber ein echtes Ökosystem mit Bewertungen und Versionierung steht noch aus.
Trotzdem: Wer heute mit KI-Agenten in Produktion arbeitet, sollte sich das Format ansehen. Die Wahrscheinlichkeit ist hoch, dass SKILL.md in den nächsten Monaten zum De-facto-Standard wird — ähnlich wie .editorconfig oder .gitignore seinerzeit.