Im Dezember 2025 veröffentlichte Anthropic die Agent Skills Spezifikation als offenen Standard. OpenAI übernahm das gleiche Format innerhalb weniger Wochen für Codex CLI. Stand Februar 2026 listet allein SkillsMP über 160.000 Skills, Vercel betreibt ein offenes Skills-Verzeichnis mit eigenem CLI-Installer, und Unternehmen wie dbt Labs und Supabase veröffentlichen offizielle Skill-Pakete, die KI-Agenten beibringen, ihre Plattformen richtig zu nutzen. Das SKILL.md-Format ist für KI-Agenten das, was package.json für Node.js ist: eine universelle Deklarationsdatei, die jeder kompatible Agent lesen und umsetzen kann.
Das ist der App-Store-Moment für KI-Coding-Agenten. Nicht im Sinne eines geschlossenen Apple-Ökosystems, sondern im Sinne von “installiere eine Fähigkeit mit einem Befehl, und sie funktioniert einfach.”
Was Agent Skills sind (und was nicht)
Ein Skill ist ein Ordner mit einer SKILL.md-Datei, die YAML-Frontmatter und Markdown-Anweisungen enthält, plus optionale Skripte und Templates. Das ist das gesamte Format. Keine kompilierten Binärdateien, keine komplexen APIs, keine Laufzeitabhängigkeiten. Die SKILL.md-Datei teilt dem Agenten mit, was der Skill kann, wann er ihn einsetzen soll und wie er ihn ausführt.
---
name: database-migration
description: Hilft Agenten bei sicheren Datenbank-Migrationen
version: 1.0.0
---
# Datenbank-Migration Skill
## Wann verwenden
Diesen Skill aktivieren, wenn der Nutzer Datenbank-Migrationen
erstellen, ändern oder rückgängig machen möchte.
## Anweisungen
1. Immer zuerst den aktuellen Migrationsstatus prüfen...
2. Standardmäßig reversible Migrationen generieren...
Skills sind model-invoked: Der KI-Agent entscheidet automatisch, wann er einen Skill aktiviert, basierend auf dem Kontext. Wenn ein Datenbank-Migrations-Skill installiert ist und man den Agenten bittet, “eine created_at-Spalte zur Users-Tabelle hinzuzufügen,” erkennt er den passenden Skill und folgt dessen Anweisungen. Man triggert einen Skill nie manuell. Der Agent liest die SKILL.md-Dateien im Skills-Verzeichnis beim Start und nutzt sie bei Bedarf.
Das unterscheidet Skills grundlegend von MCP-Servern. MCP bietet strukturierten API-Zugang zu externen Tools und Datenquellen. Skills liefern Anweisungen und Workflows: Sie bringen dem Agenten eine neue Arbeitsweise bei. Man nutzt einen MCP-Server für die Datenbankverbindung und einen Skill, um dem Agenten die Migrations-Konventionen des Teams beizubringen. Beide Schichten ergänzen sich, sie konkurrieren nicht.
Die drei Marktplätze, die man kennen muss
Das Agent-Skills-Ökosystem hat sich in mehrere Discovery-Plattformen aufgeteilt, jede mit einem anderen Ansatz. Drei sind relevant.
SkillsMP: Der Aggregator
SkillsMP ist das größte Skills-Verzeichnis und indexiert über 160.000 Skills aus GitHub-Repositories. Es funktioniert wie eine Suchmaschine für Agent Skills: Man sucht nach Stichwort oder Kategorie, sieht eine Vorschau des SKILL.md-Inhalts und bekommt Installationsanweisungen. SkillsMP hostet die Skills nicht selbst, sondern crawlt GitHub nach Repositories mit SKILL.md-Dateien und macht sie auffindbar.
Die SkillsMP-Dokumentation erklärt das Kompatibilitätsmodell: Skills funktionieren mit Claude Code, Codex CLI, ChatGPT und jedem Agenten, der die SKILL.md-Konvention befolgt. Die Qualität schwankt erheblich, da jeder einen Skill veröffentlichen kann, aber die schiere Menge bedeutet, dass man für fast jede Entwicklungsaufgabe einen Skill findet.
Skills.sh: Der Paketmanager
Vercels Skills.sh geht anders vor. Statt nur ein Verzeichnis zu sein, funktioniert es als vollwertiger Paketmanager mit CLI-Tool. Einen Skill installiert man mit einem einzigen Befehl:
npx skills add dbt-labs/dbt-agent-skills
Dieser Befehl lädt die Skill-Dateien herunter, platziert sie im richtigen Verzeichnis für den jeweiligen Agenten (~/.claude/skills/ für Claude Code, ~/.codex/skills/ für Codex) und übernimmt die Versionsverwaltung. Skills.sh unterstützt über 30 Agenten, darunter Cursor, GitHub Copilot, Gemini CLI, Windsurf und Kiro.
Die Berichterstattung von InfoQ zum Launch betonte, dass Skills.sh das Reasoning des Agenten von der Ausführung trennt. Statt Agenten dynamisch Shell-Befehle generieren zu lassen (riskant), geben Skills Agenten Zugang zu vordefinierten, getesteten Prozeduren. Das ist ebenso ein Sicherheitsgewinn wie ein Produktivitätsgewinn.
VoltAgent’s Awesome List: Die kuratierte Sammlung
Für Entwickler, die eine handverlesene Auswahl bevorzugen, kuratiert VoltAgent/awesome-agent-skills auf GitHub über 300 Skills von offiziellen Entwicklerteams und der Community. Jeder gelistete Skill wurde auf Nützlichkeit und Kompatibilität geprüft. Enthalten sind Skills von Anthropic, dbt Labs, Supabase, Vercel und Dutzenden unabhängiger Entwickler.
Der n-skills Marktplatz bietet einen ähnlich kuratierten Ansatz, speziell für plattformübergreifende Kompatibilität mit Claude Code, Codex und OpenSkills.
Wie Unternehmen offizielle Agent Skills veröffentlichen
Die spannendste Entwicklung sind nicht Indie-Entwickler, die Skills veröffentlichen. Es sind Plattform-Unternehmen, die Agent Skills als erstklassigen Developer-Relations-Kanal behandeln.
dbt Labs: Agenten für Analytics Engineering trainieren
Am 5. Februar 2026 veröffentlichte dbt Labs offizielle Agent Skills, die KI-Agenten beibringen, dbt Best Practices zu befolgen. Das Skill-Paket deckt Analytics Engineering ab (dbt-Modelle bauen und ändern, Tests schreiben, Datenquellen erkunden), Semantic-Layer-Konfiguration (Metriken, Dimensionen und semantische Modelle mit MetricFlow erstellen), Plattform-Operationen (Job-Fehler beheben, den dbt-MCP-Server konfigurieren) und Migration (Projekte von dbt Core zur Fusion Engine migrieren).
Das Besondere an den dbt-Skills ist ihre Granularität. Jeder Skill bündelt Prompts und Skripte, die LLMs je nach Aufgabe dynamisch kombinieren. Bittet man einen Agenten, “eine neue Umsatz-Metrik zu erstellen,” aktiviert dieser den Semantic-Layer-Skill, der MetricFlow-Syntax, Namenskonventionen und Testmuster vorgibt. Ohne den Skill würde der Agent MetricFlow-Konfigurationen halluzinieren. Mit dem Skill folgt er den gleichen Mustern wie ein erfahrener Analytics Engineer.
Installation in einer Zeile: npx skills add dbt-labs/dbt-agent-skills.
Supabase: Postgres Best Practices für Agenten
Am 21. Januar 2026 veröffentlichte Supabase Agent Skills für Postgres-Optimierung. Das Framework organisiert Postgres-Richtlinien in acht Kategorien: Query-Performance, Connection Management, Schema-Design, Nebenläufigkeit und Locking, Sicherheit und RLS, Datenzugriffsmuster, Monitoring und erweiterte Features.
Jede Kategorie verwendet nach Auswirkung gewichtete Regeln von Priorität 1 (kritisch) bis Priorität 8 (niedrig), speziell für maschinelle Verarbeitung konzipiert. Wenn ein KI-Agent in einem Supabase-Projekt Datenbankabfragen schreibt, stellen diese Skills sicher, dass er optimiertes SQL statt der naiven Queries generiert, die LLMs typischerweise produzieren.
Die Supabase-Skills lösen ein echtes Problem. KI-Agenten generieren Datenbankabfragen im großen Stil, aber den meisten fehlt eingebettetes Wissen über Postgres-spezifische Optimierungsmuster. Ohne den Skill schreibt ein Agent eine Query, die funktioniert, aber unter Last miserabel performt. Mit dem Skill weiß er, passende Indizes anzulegen, Connection Pooling zu nutzen und Row-Level Security korrekt zu behandeln.
Eigene Skills erstellen: Der SKILL.md-Standard
Einen einfachen Skill zu schreiben dauert etwa 15 Minuten. Der Standard verlangt zwei Dinge: eine SKILL.md-Datei mit Name und Beschreibung im Frontmatter, sowie klare Anweisungen im Body.
Die Mintlify-Dokumentation zu SKILL.md erklärt das Progressive-Disclosure-Modell: Leichtgewichtige Metadaten werden früh geladen (der Agent liest Name und Beschreibung beim Start), vollständige Anweisungen erst bei Relevanz (aktiviert bei einer passenden Aufgabe), und unterstützende Ressourcen nur bei Bedarf (Skripte, Templates, Beispieldateien).
Ein praktisches Beispiel. Angenommen, das Team hat spezifische Konventionen für React-Komponenten:
---
name: react-component-conventions
description: Erzwingt Team-React-Komponentenmuster
version: 1.0.0
---
# React-Komponenten-Konventionen
## Wann verwenden
Aktivieren bei Erstellung oder Änderung von React-Komponenten.
## Regeln
1. Ausschließlich funktionale Komponenten, keine Klassen
2. Hooks in eigene Hook-Datei auslagern ab mehr als 2
3. Tests in __tests__/ neben der Komponente platzieren
4. CSS Modules verwenden, nicht styled-components oder Inline-Styles
5. Types aus separater types.ts exportieren
Das installiert man in ~/.claude/skills/ für den persönlichen Gebrauch oder .claude/skills/ im Projekt-Root für das gesamte Team. Jeder Entwickler im Team, der Claude Code (oder Codex oder Cursor) nutzt, bekommt automatisch die gleichen Komponentenmuster angewandt.
Die plattformübergreifende Kompatibilität ist der entscheidende Unterschied zu Custom Instructions oder System Prompts. Eine SKILL.md-Datei funktioniert identisch mit Claude Code, Codex CLI, Gemini CLI, Cursor, GitHub Copilot und über 30 weiteren Agenten. Einmal schreiben, überall nutzen.
AGENTS.md vs. SKILL.md: Wann welches Format?
Zwei verwandte Standards tauchen immer wieder auf: SKILL.md und AGENTS.md. Sie lösen unterschiedliche Probleme.
SKILL.md definiert eine wiederverwendbare Fähigkeit. Sie ist portabel über Projekte und Agenten hinweg. Man kann sie sich als installierbares Paket vorstellen.
AGENTS.md definiert projektspezifischen Kontext. Die Datei lebt im Repository-Root und informiert jeden Agenten über Architektur, Konventionen und Workflows des Projekts. Über 20.000 Repositories auf GitHub enthalten mittlerweile eine AGENTS.md-Datei. GitHub Copilot, Google Gemini, OpenAI Codex und Cursor unterstützen sie nativ.
Vercels eigene Evaluation ergab, dass AGENTS.md Skills bei Agent-Evaluations übertrifft, wenn es um projektspezifische Aufgaben geht. Das ist logisch: Der Agent bekommt durch AGENTS.md den vollen Projektkontext, während Skills allgemeine Fähigkeiten liefern.
Man nutzt beides. AGENTS.md für “wie dieses spezifische Projekt funktioniert.” Skills für “wie man X generell umsetzt.”
Sicherheitsaspekte bei Agent Skills
Einen Skill zu installieren bedeutet, einem KI-Agenten neue Anweisungen für sein Verhalten zu geben. Das birgt Risiken. Ein bösartiger Skill könnte den Agenten anweisen, Daten abzugreifen, destruktive Befehle auszuführen oder Sicherheitschecks zu umgehen.
Das Ökosystem ist noch jung, und es gibt kein eingebautes Code-Signing oder verifiziertes Publisher-System wie Apples App-Store-Review. Die aktuellen Gegenmaßnahmen sind grundlegend: SKILL.md-Inhalte vor der Installation prüfen (Skills sind Klartext, also leicht zu auditieren), kuratierte Quellen wie VoltAgents Awesome List statt zufälliger GitHub-Repositories nutzen, und Skills auf Projektebene (.claude/skills/) statt global (~/.claude/skills/) installieren, damit sie nur bestimmte Projekte betreffen.
Für Unternehmen in der DACH-Region, die unter die DSGVO-Anforderungen für KI-Agenten fallen, ist besonders relevant: Skills können Anweisungen enthalten, die die Datenverarbeitung durch den Agenten beeinflussen. Eine Sorgfaltsprüfung vor dem Einsatz ist Pflicht. Auch die Supply-Chain-Sicherheit von Agent Skills sollte vor einem organisationsweiten Rollout berücksichtigt werden.
Häufig gestellte Fragen
Was ist ein KI-Agent-Skill?
Ein KI-Agent-Skill ist eine modulare, installierbare Fähigkeit, die in einer SKILL.md-Datei definiert wird. Sie enthält Anweisungen, Skripte und Templates, die einem KI-Coding-Agenten beibringen, bestimmte Aufgaben wie Datenbank-Migrationen, Code-Reviews oder Framework-spezifische Muster auszuführen. Skills werden vom Agenten automatisch aktiviert, wenn sie zur Anfrage des Nutzers passen.
Wie installiere ich Agent Skills in Claude Code?
Agent Skills lassen sich in Claude Code installieren, indem man SKILL.md-Dateien in ~/.claude/skills/ (persönliche Skills) oder .claude/skills/ im Projekt-Root (projektspezifische Skills) ablegt. Am einfachsten geht es mit dem Vercel Skills CLI: npx skills add gefolgt vom Skill-Paketnamen, zum Beispiel npx skills add dbt-labs/dbt-agent-skills.
Was ist der Unterschied zwischen SKILL.md und AGENTS.md?
SKILL.md definiert wiederverwendbare, portable Fähigkeiten, die über Projekte und Agenten hinweg funktionieren. AGENTS.md definiert projektspezifischen Kontext über die Architektur und Konventionen eines bestimmten Repositories. Skills sind installierbare Pakete; AGENTS.md ist Repository-Dokumentation für Agenten. Beide Standards werden von Claude Code, Codex, Cursor, GitHub Copilot und über 30 weiteren Agenten unterstützt.
Welche Agent-Skills-Marktplätze gibt es 2026?
Die drei wichtigsten Marktplätze sind SkillsMP (über 160.000 indexierte Skills von GitHub), Skills.sh von Vercel (ein offenes Verzeichnis mit CLI-Paketmanager für über 30 Agenten) und VoltAgents awesome-agent-skills (eine kuratierte Sammlung von über 300 geprüften Skills). Jeder verfolgt einen anderen Ansatz: Aggregation, Paketverwaltung oder Kuration.
Sind Agent Skills sicher zu installieren?
Agent Skills bergen ein gewisses Risiko, da sie Anweisungen liefern, die das Verhalten eines KI-Agenten verändern. Ein verifiziertes Publisher-System gibt es noch nicht. Best Practices umfassen die Prüfung des SKILL.md-Inhalts vor der Installation, die Nutzung kuratierter Quellen wie VoltAgents Liste und die Installation auf Projektebene statt global, um den Wirkungsbereich einzuschränken. Für den Unternehmenseinsatz in der DACH-Region sollte die Supply-Chain-Sicherheit von Agent Skills vor einem organisationsweiten Rollout berücksichtigt werden.