So nutzen Sie Agent Skills

Agent Skills gehören zu den effektivsten Möglichkeiten, LLMs einzusetzen. Sie liefern den passenden Kontext für Aufgaben, die Sie wiederholt erledigen möchten. 

Und das Beste daran? 

Unternehmen erstellen diese Skills für Sie. Sie müssen sie nur in Ihren Workflows einsetzen. In diesem Leitfaden zeige ich Ihnen, wie Sie diese Skills nutzen, um Funktionen zu entwickeln, die tatsächlich funktionieren.

Was sind Skills?

Ein „Skill“ ist ein Ordner mit Markdown-Dateien, die erklären, wie eine bestimmte Aufgabe erledigt wird. Die zentrale Skill-Datei muss SKILL.md heißen. Der Inhalt dieser Datei kann beliebig sein, solange der Frontmatter-Bereich ein Namens- und ein Beschreibungsfeld enthält. (Weitere optionale Frontmatter-Felder finden Sie hier.)

Für diese zentrale SKILL.md-Datei werden weniger als 500 Zeilen empfohlen.

In diesem Ordner können weitere Informationen liegen, auf die die Datei SKILL.md verweisen kann. Sie werden jedoch nur bei Bedarf in den Kontext geladen. Diese Informationen sollten in den folgenden Ordnern gespeichert werden:

1. scripts/ – Ausführbarer Code, den Agents ausführen können.
2. references/ – Weitere Markdown-Dateien, die bei Bedarf als zusätzliche Dokumentation dienen können.
3. assets/ – Statische Ressourcen, die der Agent nutzen kann.

Was macht Skills besonders?

Eines der größten Probleme beim Einsatz von KI ist Context Bloat. Von Context Bloat spricht man, wenn Sie der KI so viel Kontext – also Informationen – geben, dass sie Schwierigkeiten hat, die Aufgabe zu erledigen.

Stellen Sie sich vor, Sie geben einem Junior-Entwickler die genaue Dokumentation für eine bestimmte Funktion – und nichts Irrelevantes. Nach dem Lesen dieser Dokumentation wäre die Wahrscheinlichkeit hoch, dass er sie erfolgreich implementiert.

Stellen Sie sich nun vor, Sie bitten den Junior-Entwickler, die GESAMTE Dokumentation zu lesen. Anschließend soll er eine bestimmte Funktion aus einem kleinen Teil der Dokumentation implementieren. Die Erfolgsquote wäre deutlich niedriger.

LLMs verhalten sich genauso. 

Frühere Ansätze wie MCP versuchten, dieses Problem durch das Laden großer Mengen strukturierten Kontexts in das Modell zu lösen. Das funktionierte besser, als gar keinen Kontext bereitzustellen, doch die zuverlässige Erledigung von Aufgaben blieb schwierig.

Skills sind anders.

Standardmäßig werden nur Name und Beschreibung aus dem Frontmatter in das Kontextfenster geladen. Das benötigt nur wenig Kontext, informiert das LLM aber darüber, welche Arten von Skills verfügbar sind. Wenn ein Skill als hilfreich eingestuft wird, wird SKILL.md in das Kontextfenster geladen. Erst bei Bedarf werden die weiteren Dateien aus den Ordnern scripts/, references/ und assets/ in den Kontext geladen.

Wie nutzen Sie diese Skills also?

skills.sh

Je nach verwendeter LLM-Oberfläche können Sie sie herunterladen und an den passenden Speicherorten für die jeweilige Anwendung ablegen. Zum Beispiel:

Skills sind nur Ordner mit Dateien. Sie können sie also in diese Verzeichnisse kopieren, und alles funktioniert.

Alternativ können Sie skills.sh verwenden. 

Dies ist ein von Vercel entwickeltes Verzeichnis für Agent Skills, mit dem Sie Skills danach entdecken können, wie häufig sie verwendet werden. Mit dem ebenfalls entwickelten CLI-Tool können Sie diese Skills zu Ihren Projekten oder Ihrem globalen Benutzerprofil hinzufügen.

Führen Sie dazu den Befehl npx skills add <owner/repo> aus. Er führt Sie durch den gesamten Prozess. Der Befehl ist im Wesentlichen Copy-and-Paste, aber schneller.

Skills verwenden

Nach der Installation – entweder über skills.sh oder durch Kopieren und Einfügen – ist die Nutzung sehr einfach. Der verwendete Editor sollte den Skill automatisch verwenden, wenn er ihn für hilfreich hält. Theoretisch müssen Sie nicht mehr daran denken, sobald der Skill am richtigen Speicherort liegt. 

ABER zum Zeitpunkt dieses Artikels werden Skills nicht immer im richtigen Moment genutzt. Wenn Sie wissen, dass ein Skill in einer bestimmten Situation verwendet werden sollte, sagen Sie es dem LLM. 

Ich habe beispielsweise die Speech-to-Text-Skills von ElevenLabs installiert. Wenn ich möchte, dass Claude sie verwendet, kann ich folgenden Prompt senden:

Verwende den Speech-to-Text-Skill, um in diesem Projekt ein einfaches Beispiel zu implementieren. Verwende diese Audiodatei: https://storage.googleapis.com/eleven-public-cdn/audio/marketing/nicole.mp3.

Damit konnte die untenstehende App in einem Durchgang erstellt werden.

Natürlich braucht diese UI noch viele Verbesserungen, aber die Kernlogik von ElevenLabs ist solide und funktioniert. Und das mit nur einem Satz. 

Ich empfehle dringend, Agent Skills in Ihren Projekten zu nutzen. Sie geben Ihrem LLM den passenden Kontext für eine bestimmte Aufgabe – zusammengestellt von den Menschen, die die Tools entwickelt haben.

Wenn Sie ElevenLabs in Ihren Projekten verwenden, installieren Sie unsere Skills mit:

npx skills add elevenlabs/skills