Der vollständige Leitfaden zum Erstellen von Claude Skills

• Claude Skills sind als Workflow-Wissenspakete konzipiert, in denen wiederkehrende Arbeitsabläufe einmal definiert und dann dauerhaft wiederverwendet werden
• Der von Anthropic selbst verfasste 33-seitige PDF-Leitfaden behandelt den gesamten Prozess von der Skill-Konzeption bis zu Strukturierung, Tests und Bereitstellung Schritt für Schritt
• Enthält ein breites Spektrum an Einsatzszenarien, von der Automatisierung einzelner Workflows bis zur stärkeren Integration MCP-basierter Tools
• Basierend auf Mustern und Fehlerschlägen, die in realen Betriebsumgebungen validiert wurden
• Wenn die wichtigsten 2–3 Workflows bereits definiert sind, lässt sich der erste Skill innerhalb von 15–30 Minuten erstellen und testen

---

Introduction

• Dieser Leitfaden verfolgt das Ziel, Claude Skills nicht als einmalige Prompts, sondern als wiederverwendbare Workflow-Assets zu behandeln
• Skills werden als Struktur definiert, mit der Claude eine bestimmte Aufgabe oder einen Prozess einmal beigebracht bekommt, um ihn anschließend in allen Gesprächen konsistent wiederzuverwenden
• Dadurch müssen Nutzer ihre Präferenzen, Arbeitsweise und ihr Domänenwissen nicht jedes Mal neu erklären, was die kognitiven und operativen Kosten deutlich senkt

• Situationen, in denen Skills besonders effektiv sind

  • Skills entfalten ihre größte Wirkung bei wiederholbaren und strukturierten Aufgaben
    • Erstellen von Frontend-Designs auf Basis von Spezifikationen
    • Durchführung von Research nach einer festen Methodik
    • Verfassen von Dokumenten unter Berücksichtigung eines Team-Styleguides
    • Orchestrierung komplexer Prozesse mit mehreren Schritten
  • Sie lassen sich natürlich mit den integrierten Funktionen von Claude kombinieren, etwa Code-Ausführung oder Dokumenterstellung

• Rollenverteilung zwischen MCP und Skills

  • Bei Verwendung von MCP-Integrationen werden Skills als zusätzliche Ebene zur Stabilisierung von Workflows beschrieben, die über eine reine Tool-Anbindung hinausgeht
  • Wenn MCP bereitstellt, „was möglich ist“, legen Skills fest, „wie es gemacht werden soll“
  • Dadurch lässt sich ein roher Tool-Zugriff in eine zuverlässige Automatisierungserfahrung verwandeln

• Zweck und Umfang des Leitfadens

  • Dieses Dokument deckt den gesamten Prozess ab, der für den Aufbau von Skills nötig ist
    • Vorabplanung und Strukturdesign
    • Konkrete Schreibweise
    • Tests und iterative Verbesserung
    • Bereitstellung und Teilen
  • Es richtet sich an alle Einsatzbereiche: persönliche Skills, teaminterne Standard-Skills und Skills zum Teilen mit der Community
  • Der Schwerpunkt liegt nicht auf Theorie, sondern auf in der Praxis validierten Mustern und Beispielen

• Zielgruppe

  • Entwickler, die möchten, dass Claude bestimmte Workflows immer auf dieselbe Weise ausführt
  • Power-User, die wiederkehrende Aufgaben automatisieren möchten
  • Teams, die die Nutzung von Claude organisationsweit standardisieren wollen
  • Builder, die Workflow-Wissen mit MCP-Connectors kombinieren möchten

• Empfohlene Pfade zur Nutzung des Leitfadens

  • Wenn das Ziel der Aufbau eigenständiger Skills ist:
    • Fundamentals
    • Planning and Design
    • Schwerpunktmäßig Kategorie 1–2 konsultieren
  • Wenn die Stärkung von MCP-Integrationen im Fokus steht:
    • Abschnitt Skills + MCP
    • Schwerpunktmäßig Kategorie 3 nutzen
  • Beide Pfade teilen sich technische Anforderungen und können selektiv je nach Bedarf angewendet werden

• Erwartetes Ergebnis

  • Der Leitfaden ist so konzipiert, dass sich in einer einzigen Session ein praktischer Skill fertigstellen lässt
  • Wenn 2–3 klare Haupt-Workflows vorhanden sind, lässt sich der erste Skill in etwa 15–30 Minuten erstellen und testen
  • Die Introduction verdeutlicht die zentrale Perspektive, auf der alle folgenden Kapitel aufbauen:
    „Skills sind keine Prompts, sondern wiederverwendbares Arbeitswissen“

Chapter 1: Grundkonzepte (Fundamentals)

• Erläutert die konzeptionelle Grundlage und Designphilosophie zum Verständnis von Claude Skills
• Definiert Skills nicht als bloßes Bündel von Prompts, sondern als dauerhaft wiederverwendbare Einheiten von Arbeitswissen
• Fasst die zentralen Prinzipien zusammen, die den Ausführungen zu Design, Tests und Bereitstellung in den späteren Kapiteln zugrunde liegen

• Was ist ein Skill?

  • Ein Skill ist eine Struktur, mit der Claude einmal beigebracht wird, wie eine bestimmte Aufgabe oder ein Workflow auszuführen ist, damit dies wiederholt genutzt werden kann
  • Er ist so konzipiert, dass Nutzer Präferenzen, Verfahren und Domänenwissen nicht jedes Mal erneut erklären müssen
  • Seine größte Wirkung entfaltet er bei Aufgaben mit hoher Wiederholbarkeit
  • Beispiele:
    • Erstellen von Frontend-Designs auf Basis von Spezifikationen
    • Durchführung von Research auf konsistente Weise
    • Verfassen von Dokumenten nach dem Team-Styleguide
    • Automatisierte Ausführung mehrstufiger Prozesse

• Grundlegende Bestandteile eines Skills

  • Ein Skill ist als einzelner Ordner aufgebaut
  • Erforderlicher Bestandteil:
    • SKILL.md: die zentrale Datei mit YAML-Frontmatter und Markdown-Anweisungen
  • Optionale Bestandteile:
    • scripts/: ausführbarer Code wie Python oder Bash
    • references/: Dokumente und Leitfäden, auf die bei Bedarf verwiesen wird
    • assets/: Templates und Ressourcen, die in Ausgaben verwendet werden
  • Diese Struktur ist darauf ausgelegt, Einfachheit und Erweiterbarkeit zugleich zu gewährleisten

• Zentrales Designprinzip 1: Progressive Disclosure

  • Skills folgen einer dreistufigen Struktur zum Laden von Informationen

  • Stufe 1: YAML-Frontmatter

    • Wird immer in den System-Prompt von Claude geladen
    • Enthält nur die Mindestinformationen, die nötig sind, um zu beurteilen, wann der Skill verwendet werden sollte
    • Dient dazu, unnötiges Laden von Kontext zu verhindern

  • Stufe 2: Hauptteil von SKILL.md

    • Wird geladen, wenn Claude entscheidet, dass der Skill relevant ist
    • Enthält die eigentlichen Arbeitsschritte und Anweisungen

  • Stufe 3: Verknüpfte Dateien

    • references, scripts, assets usw.
    • Werden nur durchsucht, wenn Claude dies für notwendig hält
    • Hält den Token-Verbrauch gering und bewahrt zugleich fachliche Tiefe
  • Mit dieser Struktur wird ein Gleichgewicht zwischen Kontextkosten und Arbeitsgenauigkeit erreicht

• Zentrales Designprinzip 2: Composability

  • Claude kann mehrere Skills gleichzeitig laden
  • Daher sollte jeder Skill:
    • nicht voraussetzen, allein ausgeführt zu werden, und
    • so entworfen sein, dass er nicht mit anderen Skills kollidiert
  • Als Grundannahme gilt also eine Umgebung, in der Skills zusammenarbeiten können

• Zentrales Designprinzip 3: Portability

  • Skills sind so ausgelegt, dass sie in Claude.ai, Claude Code und API-Umgebungen gleich funktionieren
  • Ein einmal erstellter Skill kann ohne plattformspezifische Anpassungen wiederverwendet werden
  • Allerdings unterliegen etwa Skripte oder Netzwerkzugriffe den Einschränkungen der jeweiligen Ausführungsumgebung

• Beziehung zwischen MCP und Skills

  • Bei Verwendung von MCP übernehmen Skills die Rolle einer Wissensebene (knowledge layer)
  • MCP stellt Zugriff auf Tools und Daten bereit
  • Skills definieren, wie diese Tools verwendet werden sollen

  • Küchenmetapher

    • MCP: Küche, Zutaten und Kochwerkzeuge
    • Skills: das Rezept
    • In der Kombination beider müssen Nutzer komplexe Abläufe nicht mehr selbst entwerfen

• Nutzung ohne MCP

  • Auch ohne MCP sind Skills sehr nützlich
  • Allein mit den integrierten Funktionen von Claude wie Dokumenterstellung oder Code-Ausführung lassen sich:
    • wiederkehrende Aufgaben standardisieren
    • eine konsistente Qualität sicherstellen
    • die Arbeitsgeschwindigkeit verbessern

• Kernaussage dieses Kapitels

• Skills sind keine kurzfristige Prompt-Optimierung, sondern dauerhaft wachsende Arbeits-Assets
• Entscheidend ist weniger „was man tun kann“ als „festzulegen, wie es getan werden soll“
• Die folgenden Kapitel bauen auf diesem Konzept auf und erweitern es in Richtung konkreter Design- und Betriebspraktiken

Kapitel 2: Planung und Design (Planning and Design)

• Dieses Kapitel geht davon aus, dass Erfolg oder Misserfolg beim Aufbau von Skills fast vollständig von der Qualität des Designs vor der Schreibphase abhängt

• Noch vor der technischen Umsetzung muss klar definiert werden, welches Problem gelöst werden soll und welcher Ablauf festgelegt werden soll

• Ein gut entworfener Skill vereinfacht die Implementierung und senkt außerdem die Kosten für Tests und Wartung erheblich

• Ausgangspunkt: Anwendungsfälle definieren

  • Vor dem Schreiben eines Skills müssen unbedingt 2–3 konkrete Anwendungsfälle (Use Cases) definiert werden
  • Anwendungsfälle sind keine abstrakten Ziele, sondern müssen auch die tatsächlichen Sätze enthalten, die Benutzer sagen würden, sowie die Ergebnisse

  • Bestandteile eines guten Anwendungsfalls

    • Das Ziel, das der Benutzer erreichen möchte
    • Ein Trigger-Satz, den der Benutzer wahrscheinlich sagen würde
    • Die intern auszuführenden schrittweisen Aufgaben
    • Die verwendeten Tools (Claude-Basisfunktionen oder MCP)
    • Der abschließende Ergebniszustand
  • Am Beispiel wird hervorgehoben, dass eine klare Definition mit Startbedingung – Verarbeitungsschritten – Abschlusszustand wichtig ist, etwa wie bei „Sprint-Planung erstellen“

• Zentrale Fragen, die vor dem Design gestellt werden sollten

  • Was möchte der Benutzer abschließen
  • Welcher mehrstufige Workflow ist für dieses Ergebnis erforderlich
  • Welches Tool wird in welchem Schritt benötigt
  • Wo sollen Domain-Wissen oder Best Practices, die menschliches Urteilsvermögen erfordern, verankert werden
  • Wenn diese Fragen nicht klar beantwortet werden können, ist der Skill noch nicht bereit, fest definiert zu werden

• Beobachtete Haupttypen von Skill-Anwendungsfällen

  • Kategorie 1: Dokument- und Asset-Erstellung

    • Wird für die Erstellung von Ergebnissen verwendet, bei denen konsistente Qualität wichtig ist
    • Dazu gehören Dokumente, Präsentationen, Designs, Code und UI-Ergebnisse
    • Merkmale:
      • Integrierte Stilrichtlinien und Markenregeln
      • Nutzung von Ausgabe-Templates
      • Enthält eine abschließende Qualitäts-Checkliste
    • Kann ohne externe Tools allein mit den Claude-Basisfunktionen abgeschlossen werden

  • Kategorie 2: Workflow-Automatisierung

    • Geeignet für Prozesse, bei denen mehrere Schritte wiederholt ausgeführt werden müssen
    • Beispiel: skill-creator
    • Merkmale:
      • Enthält schrittweisen Fortschritt und Validierungspunkte
      • Bietet strukturierte Templates
      • Integrierte Zwischenreviews und Verbesserungsschleifen
    • Wird als Typ beschrieben, bei dem eher die Stabilität des Prozesses als das Ergebnis im Vordergrund steht

  • Kategorie 3: MCP-Verstärkung

    • Wandelt den vom MCP-Server bereitgestellten Tool-Zugriff in einen tatsächlich nutzbaren Workflow um
    • Merkmale:
      • Mehrere MCP-Aufrufe werden nacheinander kombiniert
      • Kontext wird automatisch ergänzt, auch wenn Benutzer ihn nicht direkt angeben
      • Integrierte Behandlung von MCP-Fehlersituationen
    • Wird nicht als einfache Automatisierung, sondern als Kapselung spezialisierter Nutzungsmuster definiert

• Die Bedeutung der Definition von Erfolgskriterien

  • Ein Skill sollte nicht danach bewertet werden, ob er „scheinbar gut funktioniert“, sondern danach, ob er einen Verbesserungseffekt erzeugt
  • Erfolgskriterien werden nicht als exakte Zahlen, sondern als Kriterien mit klarer Richtung formuliert

  • Quantitative Kriterien

    • Wird bei den meisten beabsichtigten Anfragen automatisch ausgelöst
    • Bei Nutzung des Skills sinken die Anzahl der Tool-Aufrufe und der Token-Verbrauch
    • Der Workflow wird ohne Fehlschlag bei MCP-Aufrufen abgeschlossen

  • Qualitative Kriterien

    • Der Ablauf geht weiter, ohne dass der Benutzer den nächsten Schritt anweisen muss
    • Bei wiederholter Ausführung bleiben Struktur und Qualität der Ergebnisse konsistent
    • Auch neue Benutzer können beim ersten Versuch erfolgreich sein
  • Es wird anerkannt, dass in die Bewertung bis zu einem gewissen Grad auch intuitive Einschätzung (vibes) einfließen kann, zugleich wird aber betont, dass Vergleichsmaßstäbe beibehalten werden müssen

• Überblick über technische Anforderungen

  • Ein Skill muss einer festgelegten Verzeichnisstruktur folgen
  • Die Datei SKILL.md ist verpflichtend, und ihr Name muss exakt übereinstimmen
  • Für den Ordnernamen und das Feld name ist kebab-case zu verwenden
  • Innerhalb des Skill-Ordners wird keine README.md abgelegt

• Die Rolle von YAML-Frontmatter

  • Das Frontmatter ist das zentrale Signal, anhand dessen Claude entscheidet, wann ein Skill geladen werden soll
  • Minimale Pflichtfelder:
    • name
    • description
  • Die description muss zwingend Folgendes enthalten:
    • Was der Skill macht
    • Wann er verwendet wird
    • Konkrete Formulierungen, die Benutzer wahrscheinlich sagen würden
  • Wichtiger als technische Beschreibungen ist eine Sprache aus Benutzersicht

• Gestaltungsprinzipien für Frontmatter

  • Innerhalb von 1024 Zeichen halten
  • Keine XML-Tags verwenden
  • Aus Sicherheitsgründen ist die Verwendung bestimmter Namen (claude, anthropic) eingeschränkt
  • Metadaten sind optional, aber Versions- und Autoreninformationen werden empfohlen

• Gestaltungsrichtung für den Hauptteil von SKILL.md

  • Klare, ausführbare Anweisungen Schritt für Schritt bereitstellen
  • Beispiele und erwartete Ergebnisse gemeinsam angeben
  • Häufige Fehler und Lösungen einbeziehen
  • Zu ausführliche Erklärungen in das Verzeichnis references auslagern

• Der Kern von Kapitel 2 ist, dass Skills nicht als „Prompt-Bündel“, sondern als Workflow-Design-Artefakte mit klarer Absicht behandelt werden müssen

Kapitel 3: Testen und iterative Verbesserung (Testing and Iteration)

• Dieses Kapitel konzentriert sich auf den Prozess, Skills auf ein tatsächlich vertrauenswürdiges Niveau zu bringen
• Der Kern liegt bei Skills weniger im Schreiben selbst, sondern in der Überprüfung, wann sie geladen werden, wie sie ausgeführt werden und ob sich die Ergebnisse verbessern
• Wichtig ist, die Intensität der Tests je nach Einsatzbereich und Auswirkung anzupassen

• Auswahl des Testniveaus

  • Skills-Tests können je nach geforderter Qualität und Umfang der Bereitstellung auf unterschiedlichen Ebenen durchgeführt werden

  • Manuelle Tests (Claude.ai)

    • Anfragen direkt in Claude.ai eingeben und das Verhalten überprüfen
    • Schnelle Iterationen ohne zusätzliche Einrichtung möglich
    • Geeignet für die Validierung des frühen Designs und schnelle Korrekturen

  • Skriptbasierte Tests (Claude Code)

    • Testfälle in der Claude-Code-Umgebung automatisieren
    • Nützlich für Regressionstests, wenn sich Änderungen ansammeln
    • Geeignet für Skills, die intern von Teams genutzt werden

  • Programmgesteuerte API-Tests

    • Mit der Skills API definierte Testsuiten automatisch ausführen
    • Quantitative Vergleiche und systematische Validierung möglich
    • Geeignet für großflächige Bereitstellungen und Enterprise-Umgebungen
• Kleine interne Skills und extern veröffentlichte Skills erfordern nicht dieselben Teststandards

• Empfohlener Ansatz: mit einer schwierigen Aufgabe beginnen

  • Effektive Skill-Ersteller konzentrieren sich auf eine anspruchsvolle Aufgabe und verbessern diese iterativ
  • Den Ansatz, mit dem Claude diese Aufgabe zuverlässig erfolgreich löst, extrahieren und als Skill festhalten
  • Statt breit angelegter Tests liefert die wiederholte Arbeit an einem einzelnen, aussagekräftigen Fall schnelleres Lernen
  • Erst danach werden Tests auf unterschiedliche Fälle ausgeweitet

• Zentrale Testbereiche

  • 1. Trigger-Tests

    • Ziel: überprüfen, ob der Skill nur in passenden Situationen automatisch geladen wird
    • Enthaltene Punkte:
      • Wird bei eindeutigen Anfragen ausgelöst
      • Wird auch bei anders formulierten Anfragen ausgelöst
      • Wird bei irrelevanten Anfragen nicht geladen
    • Die Qualität des Triggers hängt direkt mit der Gestaltung des description-Felds zusammen

  • 2. Funktionstests

    • Ziel: bestätigen, dass der Skill das beabsichtigte Ergebnis korrekt erzeugt
    • Zu prüfen sind:
      • Genauigkeit der Ausgabe
      • Erfolg von MCP-Aufrufen
      • Verhalten bei Fehlerbehandlung
      • Umgang mit Edge Cases
    • Bewertet wird nicht nur der einfache Erfolg, sondern die Vollständigkeit des gesamten Workflows

  • 3. Vergleichstests zur Performance

    • Ziel: den tatsächlichen Verbesserungseffekt vor und nach Einsatz des Skills überprüfen
    • Vergleichspunkte:
      • Anzahl der Nachrichten-Pingpongs
      • Ob MCP-Aufrufe fehlschlagen
      • Gesamter Token-Verbrauch
    • Ein Skill muss nicht nur beweisen, dass er „funktioniert“, sondern dass er „besser wird“

• Testen und Verbessern mit skill-creator

  • skill-creator ist ein Meta-Tool zur Unterstützung von Skill-Design und -Verbesserung
  • Hauptfunktionen:
    • Erzeugen eines ersten Skill-Entwurfs auf Basis einer natürlichsprachlichen Beschreibung
    • Automatisches Erstellen von SKILL.md-Format und Frontmatter
    • Erkennen von Risiken durch zu viele oder zu wenige Trigger
    • Vorschlagen passender Testfälle je nach Ziel
  • Es ersetzt jedoch weder Ausführungstests noch quantitative Bewertung

• Iterative Verbesserung auf Basis von Feedback

  • Skills sind keine festen Endprodukte, sondern Objekte, die kontinuierlich verfeinert werden müssen

  • Signale für zu wenige Trigger

    • Der Skill wird nicht automatisch geladen
    • Benutzer aktivieren den Skill manuell
    • Fragen wie „Wann verwendet man das eigentlich?“ tauchen auf
    • Lösung: dem description-Feld konkrete Formulierungen und Begriffe hinzufügen

  • Signale für zu viele Trigger

    • Der Skill wird auch bei irrelevanten Fragen geladen
    • Benutzer deaktivieren den Skill
    • Es entsteht Verwirrung über den Zweck
    • Lösung: den Umfang eingrenzen, negative Trigger hinzufügen

  • Signale für Ausführungsprobleme

    • Mangelnde Konsistenz der Ergebnisse
    • MCP-Fehler oder Wiederholungsversuche treten auf
    • Eingriffe durch Benutzerkorrekturen sind nötig
    • Lösung: Anweisungen präzisieren, Fehlerbehandlung verbessern

• Kernaussage der Testphase

  • Testen ist ein Prozess zur Überprüfung nicht nur der Genauigkeit, sondern auch der Zuverlässigkeit eines Skills
  • Der Maßstab „Der Skill wird ausgeführt“ ist nicht ausreichend
  • Das endgültige Kriterium ist: „Schafft er es bis zum Ende, ohne dass der Benutzer die nächste Anweisung geben muss?“
• Kapitel 3 ist die Phase, in der Skills von einem experimentellen Werkzeug zu einem betriebsfähigen Workflow-Asset werden

Kapitel 4: Bereitstellung und Teilen (Distribution and Sharing)

• Skills sind ein Element, das den Wert von MCP-Konnektoren vervollständigt; selbst bei derselben Tool-Anbindung wird der Nutzen schneller erreicht, wenn Skills mitgeliefert werden
• Aus Nutzersicht zeigt sich die Tendenz, dass Konnektoren, die sofort ausführbare Workflows enthalten, gegenüber Konnektoren bevorzugt werden, die nur MCP bereitstellen
• Dieses Kapitel fasst den Bereitstellungsansatz zum Stand Januar 2026, die organisationsweite Bereitstellung, die Nutzung per API sowie empfohlene Betriebsstrategien zusammen

• Aktuelles Bereitstellungsmodell (Stand Januar 2026)

  • Bereitstellung für einzelne Nutzer

    • Den Skill-Ordner lokal herunterladen
    • Bei Bedarf den gesamten Ordner als ZIP-Datei komprimieren
    • In Claude.ai unter Settings → Capabilities → Skills hochladen
    • Oder direkt im skills-Verzeichnis der Claude Code-Umgebung ablegen
    • Nach dem Upload muss der Nutzer den Skill selbst aktivieren

  • Organisationsweite Bereitstellung

    • Administratoren können Skills im gesamten Workspace bereitstellen
    • Die organisationsweite Bereitstellungsfunktion ist seit dem 18. Dezember 2025 verfügbar
    • Unterstützung für zentrale Verwaltung und automatische Updates
    • Geeignet, um organisationsinterne Standard-Workflows durchzusetzen oder konsistent zu halten

• Skills als Open Standard

  • Agent Skills werden wie MCP als Open Standard veröffentlicht
  • Ziel ist, nicht an eine bestimmte Plattform gebunden zu sein und denselben Skill in mehreren AI-Tools lauffähig zu machen
  • Einige Skills können bestimmte Plattformfunktionen intensiv nutzen; in diesem Fall können Umgebungsbeschränkungen im Feld compatibility angegeben werden
  • Der Standard wird in Zusammenarbeit mit Teilnehmenden des Ökosystems weiterentwickelt

• Nutzung von Skills über die API

  • Zweck der API-Nutzung

    • Geeignet für programmbasierte Nutzungsszenarien wie Anwendungen, Automatisierungs-Pipelines oder Agent-Systeme
    • Skills lassen sich nicht nur manuell über die UI nutzen, sondern auch auf Systemebene steuern

  • Hauptfunktionen

    • Abruf und Verwaltung der Skill-Liste über den Endpunkt /v1/skills
    • Angabe von Skills über den Parameter container.skills bei Anfragen an die Messages API
    • Versionsverwaltung und Steuerung der Bereitstellung über die Claude Console
    • Aufbau benutzerdefinierter Agenten durch Integration mit dem Claude Agent SDK

  • Leitfaden zur Auswahl der Einsatzumgebung

    • Claude.ai / Claude Code:
      • Direkte Nutzung durch Endanwender
      • Manuelle Tests während der Entwicklung und schnelle Iteration
      • Individuelle, unregelmäßige Workflows
    • API:
      • Einbettung in Anwendungen
      • Groß angelegte Produktionsbereitstellung
      • Automatisierte Agenten und Pipelines

  • Hinweise

    • Für die API-basierte Nutzung von Skills ist die Code Execution Tool Beta erforderlich
    • Eine abgesicherte Ausführungsumgebung wird vorausgesetzt

• Empfohlene Bereitstellungsstrategie

  • 1. Betrieb eines öffentlichen GitHub-Repositorys

    • Der Skill selbst wird als einzelner Ordner verwaltet
    • Im Root-Verzeichnis des Repositorys sollte ein README für Menschen bereitgestellt werden
    • Es wird empfohlen, Installationsmethode, Einsatzzweck und Beispiel-Screenshots aufzunehmen
    • Innerhalb des Skill-Ordners wird keine README.md eingefügt

  • 2. Verknüpfung mit der MCP-Dokumentation

    • Den Skill auch in der Dokumentation des MCP-Konnektors vorstellen
    • Den Mehrwert der Kombination mit Skills im Vergleich zur alleinigen Nutzung von MCP klar erläutern
    • Eine Schnellstart-Anleitung bereitstellen

  • 3. Installationsanleitung bereitstellen

    • Klar angeben, wie der Skill heruntergeladen wird
    • Eine Schritt-für-Schritt-Anleitung für die Installation in Claude.ai oder Claude Code bereitstellen
    • Ein Verfahren zur Überprüfung der Verbindung zum MCP-Server einschließen
    • Einfache Beispiel-Prompts zum Testen bereitstellen

• Grundsätze für die Positionierung von Skills

  • Ergebnisorientierte Beschreibung statt Funktionsbeschreibung

    • Statt interne Implementierung oder technische Struktur zu erklären, sollte das Ergebnis für den Nutzer hervorgehoben werden
    • Effekte wie Zeitersparnis, weniger Fehler und gesicherte Konsistenz sollten in den Vordergrund gestellt werden

  • Die Kombination aus MCP + Skills ist entscheidend

    • MCP bietet den Zugriff auf Tools
    • Skills liefern das Wissen darüber, wie diese Tools genutzt werden sollten
    • Erst durch die Kombination beider Elemente wird AI-basierte Automatisierung vollständig
• Bereitstellung und Teilen sind nicht nur ein einfacher Transfer, sondern ein Prozess, der es Nutzern ermöglicht, den Wert von Skills zu verstehen und sie sofort praktisch einzusetzen

Kapitel 5: Muster und Fehlerbehebung (Patterns and Troubleshooting)

• Dieses Kapitel fasst Designmuster zusammen, deren Wirksamkeit sich wiederholt bewährt hat, sowie Lösungsansätze für Probleme, die im laufenden Betrieb häufig auftreten, basierend auf Fällen früher Skills-Nutzer und interner Teams.
• Die vorgestellten Muster sind keine Normen, sondern eine Sammlung erprobter Vorgehensweisen und setzen voraus, dass sie passend zum Zweck des jeweiligen Skills ausgewählt und kombiniert werden.
• Die Kernbotschaft lautet nicht „Werkzeuge verbinden“, sondern einen Ablauf zur Problemlösung entwerfen.

• Auswahl des Ansatzes: problemzentriert vs. toolzentriert

  • Beim Entwurf von Skills ist es wichtig, eine von zwei Perspektiven zu wählen.

  • Problemzentriert (Problem-first)

    • Der Nutzer nennt das Ergebnis, das er erreichen möchte.
    • Der Skill entscheidet intern über die passenden MCP-Tools und die Reihenfolge ihrer Aufrufe.
    • Beispiel: „Erstelle mir einen Projekt-Workspace“ → der Skill übernimmt alle Tool-Aufrufe.
    • Geeignet für ergebnisorientierte Nutzererfahrungen.

  • Toolzentriert (Tool-first)

    • Der Nutzer kennt die MCP-Anbindung bereits.
    • Der Skill liefert Fachwissen dazu, wie sich das jeweilige Tool optimal nutzen lässt.
    • Beispiel: Nutzung von Notion MCP, Anleitung für den optimalen Workflow.
    • Geeignet für erfahrene Nutzer und interne Tool-Guides.
• Die meisten Skills liegen näher an einer dieser beiden Seiten, und diese Einordnung klar zu erkennen, ist entscheidend für die Qualität des Designs.

• Muster 1: Orchestrierung sequenzieller Workflows

  • Geeignet für Fälle, in denen mehrere Schritte zwingend in einer festgelegten Reihenfolge ausgeführt werden müssen.
  • Jeder Schritt hängt vom Ergebnis des vorherigen Schritts ab.
  • Kann Anweisungen zur Validierung pro Schritt und zum Rollback im Fehlerfall enthalten.
  • Geeignet für Aufgaben wie Onboarding, Kontoerstellung oder Einrichtung von Abonnements.

• Muster 2: Zusammenarbeit mehrerer MCPs

  • Für Fälle, in denen für ein einzelnes Ergebnis mehrere Services (MCPs) nacheinander genutzt werden müssen.
  • MCPs pro Schritt trennen und den Datenfluss klar definieren.
  • Vor dem Übergang zum nächsten Schritt ist eine Validierung erforderlich.
  • Geeignet für komplexe Workflows wie Design → Speichern → Task-Erstellung → Benachrichtigung.

• Muster 3: Iterative Verfeinerung (Iterative Refinement)

  • Geeignet für Aufgaben, bei denen sich die Qualität durch Wiederholungen deutlich verbessert statt nur durch ein erstes Ergebnis.
  • Einen Loop aus Entwurfserstellung → Validierung → Überarbeitung → erneuter Validierung explizit entwerfen.
  • Qualitätskriterien und Abbruchbedingungen für die Iteration müssen klar definiert sein.
  • Wirksam bei der Erstellung von Berichten und der Verbesserung der Dokumentenqualität.

• Muster 4: Situationsbewusste Tool-Auswahl

  • Wird verwendet, wenn sich je nach Situation das optimale Tool unterscheidet, obwohl das Ziel gleich bleibt.
  • Erfordert klare Entscheidungskriterien wie Dateigröße, Dateityp oder Kollaborationsbedarf.
  • Die Gründe für die Auswahl dem Nutzer erklären, um Vertrauen zu schaffen.
  • Geeignet für Workflows rund um Storage, Dokumentenmanagement und Code-Ablage.

• Muster 5: Eingebaute domänenspezifische Intelligenz

  • Skills, die über einfache Tool-Aufrufe hinausgehen und Fachwissen sowie Regeln verinnerlichen.
  • Entscheidungs- und Validierungsschritte vor der Ausführung sind der Kern.
  • Sämtliche Entscheidungsprozesse dokumentieren, damit ein Audit-Trail möglich ist.
  • Geeignet für Hochrisikobereiche wie Finanzen, Compliance und Sicherheit.

• Leitfaden zur Fehlerbehebung

  • Upload fehlgeschlagen

    • Tritt auf, wenn der Dateiname SKILL.md nicht exakt stimmt.
    • Formatfehler wie fehlende YAML-Trenner (---) oder nicht geschlossene Anführungszeichen sind die Ursache.
    • Enthält das Feld name Großbuchstaben oder Leerzeichen, wird der Upload abgelehnt.

  • Wenn der Skill nicht ausgelöst wird

    • Wenn die description zu abstrakt ist oder typische Nutzerausdrücke nicht widerspiegelt.
    • Muss so angepasst werden, dass Formulierungen enthalten sind, die echte Nutzer wahrscheinlich verwenden würden.
    • Zum Debuggen kann man Claude fragen: „Wann wird dieser Skill verwendet?“

  • Wenn der Skill zu häufig ausgelöst wird

    • Ursache ist eine description mit zu breitem Umfang.
    • Negative Trigger ergänzen (Do NOT use when…).
    • Verarbeitete und ausgeschlossene Fälle klar voneinander trennen.

  • MCP-Aufruf fehlgeschlagen

    • Verbindungsstatus des MCP-Servers prüfen.
    • Zugangsdaten (API-Schlüssel, OAuth-Token) kontrollieren.
    • Die Ursache eingrenzen, indem MCP ohne Skill direkt aufgerufen wird.
    • Die exakte Groß- und Kleinschreibung des Tool-Namens prüfen.

  • Wenn Anweisungen nicht gut befolgt werden

    • Wenn die Anweisungen zu ausschweifend sind oder der Kern darin untergeht.
    • Wichtige Bedingungen oben platzieren und wiederholt hervorheben.
    • Statt vager Formulierungen eine Liste überprüfbarer Bedingungen verwenden.
    • Wichtige Prüfungen sind oft zuverlässiger, wenn sie als Skript implementiert werden.

  • Leistungsabfall durch großen Kontext

    • Tritt auf, wenn SKILL.md übermäßig groß ist.
    • Detaillierte Dokumente in references auslagern.
    • Wenn zu viele Skills gleichzeitig aktiv sind, empfiehlt sich eine Reduzierung.
    • Bei gleichzeitiger Aktivierung von 20 bis 50 oder mehr Skills kann es zu Leistungseinbußen kommen.
• „Ein Skill ist kein artefact, das einmal erstellt wird und dann abgeschlossen ist, sondern ein Betriebsobjekt, das durch Musterauswahl und iterative Verbesserung reift.“