Skills vs MCP vs Plugins: Was jede Technologie wirklich tut

Sie hören ständig drei Begriffe: MCP, Skills und Plugins. Manchmal austauschbar verwendet. Manchmal so erklärt, dass sie identisch klingen. Sie sind nicht identisch. Sie lösen grundlegend verschiedene Probleme, und das Verständnis der Unterschiede wird Ihnen Stunden an Verwirrung ersparen.

Hier die Kurzfassung. MCP ist Infrastruktur. Es verbindet Ihre KI über eine strukturierte Schnittstelle mit externen Tools und Daten. Skills sind Fachwissen. Sie bringen Ihrer KI bei, wie sie über eine Aufgabe nachdenken und Tools eigenständig nutzen kann. Plugins sind Plattform-Erweiterungen. Sie fügen der Software, auf der Ihre KI läuft, völlig neue Fähigkeiten hinzu.

MCP kam zuerst und löste ein echtes Problem. Aber Skills wurden für eine andere Ära der KI entwickelt, eine Ära, in der KI eigenständig denken, Tools nutzen und in Schleifen arbeiten kann, bis eine Aufgabe erledigt ist. Diesen Wandel zu verstehen ist entscheidend, um zu wissen, wann welche Technologie die richtige ist.

Wie wir hierher kamen

Ende 2024 veröffentlichte Anthropic (das Unternehmen hinter Claude) das Model Context Protocol (MCP). Das Problem, das es löste, war real: Jedes KI-Tool hatte seine eigene Art, sich mit Diensten wie GitHub (wo Entwickler Code speichern), Slack (Team-Messaging), Datenbanken und allem anderen zu verbinden. MCP schuf einen einheitlichen Standard für all diese Verbindungen. Einen Connector bauen, und jedes KI-Tool mit MCP-Unterstützung kann ihn nutzen.

Damals war KI ein Chatbot. Sie konnte Fragen beantworten und Text generieren, aber sie konnte nicht wirklich Dinge auf Ihrem Computer tun. Sie brauchte jedes Tool im Voraus beschrieben: hier ist der Tool-Name, hier ist die Funktion, hier sind die genauen Parameter. MCP war die richtige Lösung für diesen Moment.

Dann änderte sich alles. Anfang 2025 veröffentlichte Anthropic Claude Code, eine KI, die nicht nur chattet. Sie kann Dateien auf Ihrem Computer lesen, Code schreiben, Befehle ausführen und eigenständig weiterarbeiten, bis eine Aufgabe erledigt ist. Andere Unternehmen folgten: OpenAI (das Unternehmen hinter ChatGPT) veröffentlichte Codex CLI, Google veröffentlichte Gemini CLI, und Tools wie Cursor und GitHub Copilot erhielten ähnliche Fähigkeiten. KI wandelte sich von etwas, mit dem man spricht, zu etwas, das für einen arbeitet. Das nennt man heute agentische KI oder einfach Agenten: KI, die eigenständig Aktionen ausführen, Tools nutzen und Aufgaben erledigen kann. Und eine KI, die eigenständig handeln kann, braucht nicht jedes Tool im Voraus beschrieben. Sie kann lernen, wie sie Tools nutzt, wenn man ihr nur den Workflow zeigt.

Genau das tun Skills. Anthropic lieferte Skills in Claude Code im Oktober 2025. Statt der KI eine formale Tool-Beschreibung zu geben, bringt ein Skill ihr bei, wie sie Tools eigenständig nutzt. Ein Skill ist nur eine Textdatei mit Anweisungen. Keine laufenden Prozesse, kein Protokoll, keine Infrastruktur.

Simon Willison, ein bekannter Entwickler und Autor im KI-Bereich, nannte Skills sofort „großartig, vielleicht bedeutender als MCP.” Seine Begründung: Skills sind elegant minimal, sie verbrauchen fast keine Ressourcen, bis sie tatsächlich benötigt werden (im Gegensatz zu MCP, das alles vorab lädt), und sie funktionieren mit jedem großen KI-Tool. Er prophezeite „eine kambrische Explosion an Skills, die den MCP-Hype dieses Jahres bescheiden wirken lassen wird.”

Zwei Monate später veröffentlichte Anthropic Skills als offenen Standard. Dieselbe Skill-Datei funktioniert jetzt mit Claude Code, Codex CLI, Gemini CLI, Cursor, GitHub Copilot, Windsurf, Cline, Amp und ChatGPT. Einmal schreiben, überall nutzen.

Etwa zur gleichen Zeit spendete Anthropic MCP an eine neutrale Branchenorganisation, die Agentic AI Foundation unter der Linux Foundation, mitgegründet mit Block (das Zahlungsunternehmen hinter Square und Cash App) und OpenAI. MCP ist jetzt ein Industriestandard, unterstützt von Amazon, Google, Microsoft und Cloudflare. Es wird nicht verschwinden. Aber die Frage, ob man es für die meisten Aufgaben tatsächlich braucht, hat heute eine andere Antwort als vor einem Jahr.

MCP: die Verbindungsschicht

Das Model Context Protocol (MCP) ist ein Standard, um KI-Anwendungen mit externen Tools und Daten zu verbinden. Stellen Sie es sich wie USB-C für KI vor. Vor USB-C hatte jedes Gerät sein eigenes Ladekabel. Vor MCP brauchte jedes KI-Tool seinen eigenen Connector für GitHub, Slack, Ihre Datenbank und alles andere. MCP schuf einen universellen Anschluss.

So funktioniert es

Das Setup hat zwei Seiten. Ihr KI-Tool (Claude Desktop, Cursor, VS Code) ist die eine Seite. Auf der anderen Seite steht ein kleines Programm, ein MCP-Connector, das mit einem bestimmten Dienst kommunizieren kann. Wollen Sie, dass Ihre KI GitHub verwaltet? Starten Sie einen GitHub-MCP-Connector. Soll sie mit einer Datenbank arbeiten? Starten Sie einen Datenbank-MCP-Connector.

Jeder Connector teilt der KI mit, was er kann: „Ich kann Pull Requests erstellen,” „Ich kann Issues durchsuchen,” „Ich kann Datenbank-Abfragen ausführen.” Die KI sieht diese Fähigkeiten und kann sie bei Bedarf nutzen.

Was Connectoren bereitstellen	Wer steuert es	Beispiel
Tools	Die KI entscheidet, wann sie sie nutzt	„Pull Request erstellen,” „Issues durchsuchen”
Resources	Die Anwendung stellt sie bereit	Dateien, Datenbankeinträge, Dokumente
Prompts	Der Nutzer löst sie aus	Vorgeschriebene Vorlagen für häufige Aufgaben

Das Ökosystem

MCP hat massive Verbreitung: 97 Millionen monatliche Downloads, über 10.000 Connectoren und Governance durch die Linux Foundation. Die beliebtesten zeigen die Bandbreite: Playwright MCP von Microsoft für Browser-Automatisierung, Firecrawl zum Umwandeln von Websites in sauberen Text, Connectoren für GitHub, Notion, Brave Search, PostgreSQL und sogar Blender für 3D-Modellierung. Dienste wie Composio bündeln über 250 Integrationen in einem einzigen Connector.

Das Problem: MCP wurde für Chatbots gebaut

MCP wurde entworfen, als KI jedes Tool im Voraus beschrieben brauchte. Es löste das richtige Problem zur richtigen Zeit. Aber die Welt hat sich verändert.

Jeder MCP-Connector, den Sie hinzufügen, lädt seine vollständige Fähigkeitsliste in den Speicher der KI. Verbinden Sie 10 Connectoren mit je 5 Tools, und 50 Tool-Beschreibungen verbrauchen Speicher, bevor Ihr Gespräch überhaupt beginnt. Speicher, den die KI für Ihre eigentliche Aufgabe nutzen könnte.

Armin Ronacher (Erfinder von Flask, einem beliebten Web-Framework) beschrieb das Problem treffend: Tool-Beschreibungen seien „zu lang, um sie eager zu laden, zu kurz, um der KI wirklich zu sagen, wie man sie nutzt.” Er bevorzugt es mittlerweile, die KI ihre eigenen Tools über Skills verwalten zu lassen, weil er so die Kontrolle behält.

MCP hat sich verbessert. Ein Update im Januar 2026 machte den initialen Speicherverbrauch deutlich kleiner. Aber das grundlegende Design bleibt: Sie brauchen ein laufendes Programm für jeden Dienst, den Sie verbinden, eine Übersetzungsschicht zwischen KI und Tool sowie Beschreibungen, die mit Ihrem eigentlichen Gespräch um Platz konkurrieren.

Noch wichtiger: Die meisten MCP-Connectoren sind bloße Wrapper um bereits existierende Tools. Ein GitHub-MCP-Connector wrapt gh (GitHubs eigenes Tool). Ein Postgres-MCP-Connector wrapt psql (das eigene Tool der Datenbank). Das ist eine zusätzliche Schicht zwischen KI und Tool, obwohl die KI das Tool direkt nutzen könnte.

Wo MCP weiterhin sinnvoll ist

MCP ist nicht nutzlos. Es hat echten Wert, wenn:

Die KI nur chatten kann, wie in Claude Desktop oder anderen Chat-only-Apps, in denen sie keine Befehle ausführen kann
Es kein existierendes Tool für den Dienst gibt, den Sie anbinden müssen
Compliance es erfordert, in Unternehmensumgebungen, die formale Audit-Trails benötigen
Sie nicht wollen, dass die KI Befehle ausführt, aus Sicherheitsgründen

Aber für die meisten praktischen Aufgaben, lokale Automatisierung und alles, wo die KI eigenständig handeln kann, gibt es etwas Besseres.

Skills: gebaut für die agentische Ära

Skills starten mit einer anderen Frage. MCP fragt „Wie verbinden wir die KI mit Tools?” Skills fragen „Wie bringen wir der KI bei, die Tools zu nutzen, die sie bereits hat?”

Ein Skill ist ein Satz von Anweisungen, der eine universelle KI zum Spezialisten macht. Er verbindet die KI nicht mit etwas Neuem. Er bringt ihr bei, wie sie das nutzt, was ihr bereits zur Verfügung steht, einschließlich jedes Tools und Programms, das auf dem Computer installiert ist, auf dem sie läuft.

---
name: weekly-summary
description: Summarize team notes into highlights, decisions, and risks
allowed-tools: Read, Grep, Glob
---

When asked to summarize weekly notes:
1. Read all files matching `notes/*.md`
2. Extract highlights, decisions, and open risks
3. Format as a structured summary with sections for each
4. Keep it under 500 words

Das ist ein vollständiger Skill. Wenn die KI ihn liest, gewinnt sie Fachwissen, das sie vorher nicht hatte. Sie kennt den Workflow, die Einschränkungen, das erwartete Ausgabeformat. Keine laufenden Programme. Keine Verbindungen zu verwalten. Nur eine Textdatei.

So funktionieren Skills

Wenn Sie einen Skill installieren, liegt er als Datei in Ihrem Projekt. Die KI liest den Namen und die Beschreibung des Skills zu Beginn einer Sitzung (das kostet fast nichts). Wenn der Skill gebraucht wird, entweder weil Sie ihn anfordern oder die KI die Situation erkennt, werden die vollständigen Anweisungen geladen. Das war’s.

Skills haben null Infrastrukturkosten. Sie sind Textdateien. Sie laden sofort. Sie funktionieren offline. Sie funktionieren mit jedem großen KI-Tool.

Was Skills von MCP unterscheidet

Moderne KI kann eigenständig Befehle ausführen. Sie kann curl nutzen (um Daten aus dem Web abzurufen), grep (um Dateien zu durchsuchen), git (um Code zu verwalten), docker (um Software auszuführen) und jedes andere verfügbare Tool auf dem Computer. Ein Skill bringt der KI bei, wann und wie sie diese Tools für eine bestimmte Aufgabe nutzt. Und entscheidend: Skills ermöglichen etwas, das MCP nicht kann: autonome Feedback-Schleifen.

Betrachten Sie den SEO-Skill von SquirrelScan. Er weist die KI an, eine Website auf Suchmaschinenoptimierung zu prüfen, die Ergebnisse zu lesen, die gefundenen Probleme zu beheben und dann in einer Schleife erneut zu prüfen, bis sich der Score verbessert. Die KI analysiert die Ausgabe, entscheidet, was zu beheben ist, nimmt die Änderungen vor und validiert das Ergebnis. MCP gibt der KI einen Knopf zum Drücken. Ein Skill gibt der KI einen Workflow zum Ausführen, Iterieren und eigenständigen Abschließen.

Dieses Muster funktioniert für fast alles. Müssen Sie mit GitHub interagieren? Es gibt ein Tool dafür. Datenbanken? Es gibt ein Tool dafür. Web-APIs? Es gibt ein Tool dafür. Die Tools existieren bereits. Skills bringen der KI nur bei, wie sie sie nutzt.

Das beeindruckendste Beispiel bisher: Hugging Face (eine große KI-Plattform und Community) veröffentlichte einen Skill, der KI beibringt, hochperformanten GPU-Code zu schreiben im Februar 2026. Eine kurze Textdatei mit strukturierter Anleitung, plus Referenz-Skripte und Optimierungs-Guides. Das Ergebnis: KI generiert funktionierenden Code, der andere KI-Modelle auf spezialisierter Hardware fast doppelt so schnell laufen lässt. Tiefes technisches Fachwissen als Textdatei codiert, mit realen Performance-Gewinnen. Kein MCP-Connector beteiligt.

Wie @chrysb auf X schrieb: „On-demand Skills sind alles, was man braucht. Sie können jeden Befehl ausführen, der seit Beginn der Computertechnik erfunden wurde. Eine Renaissance für uralte, aber mächtige Werkzeuge. Jetzt für uns alle verfügbar, gesteuert von den klügsten Modellen der Welt.”

Die gängigen Verteidigungen von MCP und ihre Gegenargumente:

„MCP gibt strukturierte, validierte Eingaben”: Das tut ein gut dokumentiertes Tool auch.
„MCP gibt explizite Berechtigungen”: Das tut eine kontrollierte Umgebung mit Allowlist auch.
„MCP ist ein Standard”: Ein Standard, der schlecht skaliert, bleibt ein Standard, der schlecht skaliert.

Funktioniert überall

Dieselbe Skill-Datei funktioniert mit Claude Code, OpenAI Codex CLI, Google Gemini CLI, Cursor, GitHub Copilot, Windsurf, Cline, Amp und ChatGPT. Einmal schreiben, überall nutzen. MCP versprach dasselbe, aber Skills erreichen es ohne Installation oder laufende Prozesse.

Das Ökosystem

Das Ökosystem wächst rasant. Vercel (eine große Web-Plattform) startete skills.sh im Januar 2026 als offenes Verzeichnis zum Entdecken und Installieren von Skills und erreichte kurz nach dem Launch zehntausende Installationen. Über 52.000 Skills sind mittlerweile über mehrere Marktplätze verfügbar: SkillsMP, AgentSkills.to, skill0, Skills Directory und andere. Hugging Face hostet ebenfalls Skills.

Die meistinstallierten Skills zeigen, wofür sie tatsächlich genutzt werden: React Best Practices von Vercel (166k Installationen), Web-Design-Richtlinien (127k), Remotion Video-Rendering (111k), Frontend-Design von Anthropic (99k) und Azure-Cloud-Skills von Microsoft (je 53k). Domänenspezifische Skills wie Hugging Face CUDA Kernels, Stripe-Zahlungsintegration, Trail of Bits Sicherheits-Auditing und SquirrelScan SEO vervollständigen das Bild.

Ein Wort der Warnung: Das Wachstum hat die Qualität überholt. Eine Hugging-Face-Analyse des Skills-Marktplatzes ergab, dass 46 % der gelisteten Skills Duplikate oder Beinahe-Duplikate sind, viele weit über das hinaus aufgebläht sind, was eine KI sinnvoll nutzen kann, und 9 % kritische Sicherheitsrisiken darstellen. Akademische Forschung bestätigt dies: SkillsBench, der erste große Benchmark für Agent-Skills, stellte fest, dass gut designte Skills die KI-Leistung im Durchschnitt um 16 Prozentpunkte verbessern, wobei einige Domänen Verbesserungen von über 50 Punkten zeigen. Aber Skills, die von der KI selbst automatisch generiert wurden, brachten keinerlei Nutzen. Die Erkenntnis ist klar: Die besten Skills werden von Menschen geschrieben, die die Domäne und den Workflow verstehen, nicht massenhaft von KI generiert. Qualität vor Quantität. Ein Befehl, um einen guten zu installieren:

npx skills add openclaw-rocks/skills --skill jobs-ive

Wann Sie Skills nutzen sollten

Sie wollen, dass Ihre KI sich konsistent verhält (Ihrem Coding-Stil, Ihrem Review-Prozess, Ihrer Schreibstimme folgt)
Sie wollen Ihrer KI Domänen-Expertise geben (Produktstrategie, Sicherheits-Auditing, SEO-Optimierung)
Sie wollen, dass Ihre KI in Schleifen arbeitet (etwas prüfen, es beheben, erneut prüfen, bis ein Standard erreicht ist)
Sie wollen denselben Skill mit verschiedenen KI-Tools nutzen
Sie wollen null Einrichtungsaufwand und null laufende Kosten

Wenn Ihr Problem ist „Meine KI weiß nicht, wie man X richtig macht,” dann ist ein Skill mit ziemlicher Sicherheit die richtige Antwort.

OpenClaw-Plugins: die Plattformschicht

OpenClaw (die Open-Source-KI-Assistenten-Plattform) hat ihren eigenen Weg, Fähigkeiten zu erweitern: Tools, Skills und Plugins. Skills in OpenClaw funktionieren genau wie der oben beschriebene Standard. Aber Plugins sind etwas völlig anderes.

Ein OpenClaw-Plugin ist tatsächlicher Code, der innerhalb der OpenClaw-Software selbst läuft. Während Skills der KI beibringen, was zu tun ist, und MCP sie mit externen Diensten verbindet, verändern Plugins, was die Plattform auf fundamentaler Ebene kann. Sie können neue Messaging-Kanäle hinzufügen (damit Ihre KI über Telegram, WhatsApp oder Teams mit Ihnen kommuniziert), neue Features zur Plattform hinzufügen, Hintergrundaufgaben ausführen und eigene Skills und Tools bündeln.

OpenClaws Schöpfer Peter Steinberger entschied sich bewusst dagegen, native MCP-Unterstützung hinzuzufügen. Wie er sagte: „Es gibt einen Grund, warum ich MCP-Unterstützung nicht zu OpenClaw hinzugefügt habe (außer über den mcporter MCP-zu-CLI-Konverter).” Die Philosophie ist klar: Skills sind der primäre Weg, die Fähigkeiten Ihrer KI zu erweitern. MCP steht als Fallback über mcporter zur Verfügung (der MCP-Connectoren in reguläre Tools konvertiert), wenn Sie es wirklich brauchen.

Die offiziellen Plugins decken die häufigsten Anforderungen ab: Sprachanrufe, Microsoft Teams, Matrix-Messaging und Nostr (ein dezentrales soziales Protokoll). Auf ClawHub (dem Community-Marktplatz) umfassen über 5.700 community-erstellte Skills und Plugins alles von KI-Modell-Wechsel über Kubernetes-Management bis SEO-Auditing. Die aktivsten Kategorien sind KI/LLM-Integration, Suche und Recherche, DevOps und Webentwicklung.

Was Plugins können

Die Bandbreite dessen, was ein Plugin registrieren kann, ist groß:

Messaging-Kanäle: Verbinden Sie Ihre KI mit Telegram, Matrix, Zalo, MS Teams und mehr
Custom Tools: Geben Sie Ihrer KI neue Fähigkeiten jenseits dessen, was Skills lehren können
Befehle: Fügen Sie neue Befehle zur OpenClaw-Kommandozeile hinzu
API-Endpunkte: Erweitern Sie die Fähigkeiten des OpenClaw-Servers
Hintergrunddienste: Führen Sie langfristige Aufgaben nach Zeitplan aus
Login-Flows: Fügen Sie neue Authentifizierungsmethoden hinzu (Google, GitHub, API-Keys)
Hooks: Lösen Sie automatisch Aktionen aus, wenn Ereignisse eintreten
Skills: Bündeln Sie Skill-Pakete innerhalb des Plugins

Plugin-Struktur

Jedes Plugin hat eine Konfigurationsdatei, die deklariert, was es zur Plattform hinzufügt:

{
  "openclaw": {
    "extensions": ["./src/channels.ts", "./src/tools.ts"]
  }
}

Das Plugin läuft innerhalb der OpenClaw-Software selbst, was bedeutet, dass es vollen Zugriff auf das System hat. Das macht Plugins mächtig, aber es bedeutet auch, dass Sie dem Code vertrauen müssen, bevor Sie ihn installieren.

Installation

openclaw plugins install @openclaw/voice      # from npm
openclaw plugins install ./my-plugin          # local directory
openclaw plugins install plugin.tgz           # tarball

Verwaltung über die CLI:

openclaw plugins list
openclaw plugins enable <id>
openclaw plugins disable <id>
openclaw plugins doctor                       # diagnose issues

Sicherheit

Da Plugins innerhalb der OpenClaw-Software laufen, haben sie dieselbe Zugriffsebene wie die Software selbst. OpenClaw hat eingebaute Schutzmaßnahmen (es blockiert verdächtige Dateipfade, validiert Eigentümerschaft und unterstützt Allowlists für zugelassene Plugins), aber die Grundregel lautet: Prüfen Sie ein Plugin, bevor Sie es installieren, insbesondere wenn es aus unbekannter Quelle stammt.

Wann Sie Plugins nutzen sollten

Sie müssen OpenClaw mit einer neuen Messaging-Plattform verbinden (Telegram, WhatsApp, Teams)
Sie wollen der OpenClaw-Software selbst neue Fähigkeiten hinzufügen
Sie brauchen geplante Aufgaben oder automatische Reaktionen auf Ereignisse
Sie bauen etwas, das über das hinausgeht, was Anweisungen in einer Textdatei leisten können

Plugins sind der mächtigste Weg, OpenClaw zu erweitern, und der komplexeste. Sie sind auch OpenClaw-spezifisch. Ein Plugin funktioniert nicht in Claude Code oder Cursor. Es funktioniert in OpenClaw.

Wie alles zusammenpasst

Die drei repräsentieren eine Evolution, keine Hierarchie:

              What it is                Built for          Works across tools?
-----------------------------------------------------------------------------
MCP           Connectors (protocol)     Chatbot era        Yes
Skills        Instructions (text)       Agentic era        Yes
Plugins       Code (software)           Platform needs     OpenClaw only

MCP löste das Integrationsproblem, als KI Tools nicht eigenständig nutzen konnte. Skills lösen es besser, jetzt wo sie es kann. Plugins erweitern die Plattform, wenn Skills nicht ausreichen.

Beispiel: Ihr OpenClaw-Assistent fasst die wöchentliche Slack-Aktivität Ihres Teams zusammen.

Ein Skill definiert den gesamten Workflow. Er sagt der KI, welches Ergebnis sie produzieren soll, welche Kanäle Priorität haben, was als Highlight vs. Entscheidung vs. Risiko zählt und den Qualitätsanspruch. Er weist die KI an, Nachrichten über das Slack-Tool abzurufen.
Ein Plugin stellt den Zustellkanal bereit. Ein Telegram-Kanal-Plugin ermöglicht es OpenClaw, Ihnen die fertige Zusammenfassung jeden Freitagnachmittag über Telegram zu senden.

Kein MCP-Connector nötig. Der Skill bringt der KI bei, wie sie die Arbeit erledigt. Das Plugin übernimmt die Plattform-Integration.

Der Entscheidungsbaum

Wenn Sie sich fragen, welche Technologie die richtige ist:

„Meine KI muss mit einem anderen Dienst kommunizieren.” Fragen Sie zuerst: Hat dieser Dienst ein existierendes Tool? Wenn ja, schreiben Sie einen Skill, der der KI beibringt, es zu nutzen. Wenn nein, ziehen Sie MCP in Betracht.

„Meine KI weiß nicht, wie man X richtig macht.” Nutzen Sie einen Skill. Schreiben Sie die Anweisungen, und die KI lernt. Wenn die Aufgabe Iteration erfordert (prüfen, beheben, erneut prüfen), können Skills das natürlich abbilden.

„Ich muss ändern, wie OpenClaw selbst funktioniert.” Nutzen Sie ein Plugin. Fügen Sie einen neuen Messaging-Kanal, ein neues Feature oder eine Hintergrundaufgabe hinzu.

„Ich will all das in einem installierbaren Paket.” Genau das bieten Claude Code Plugins (Januar 2026) und OpenClaw-Plugins: Bündel, die Skills, Tools und Plattform-Erweiterungen zusammen ausliefern können.

Was passiert ist und was als Nächstes kommt

Vor einem Jahr startete MCP, um ein echtes Problem zu lösen: KI brauchte jedes Tool formal beschrieben, weil sie Tools noch nicht eigenständig nutzen konnte. Dieses Problem ist weitgehend gelöst. Moderne KI kann existierende Tools mit minimaler Anleitung nutzen.

Skills kamen und boten etwas, das für diese neue Realität gebaut wurde: Bringe der KI den Workflow in Klartext bei, lass sie die Tools nutzen, die sie bereits hat, und lass sie weiterarbeiten, bis die Aufgabe erledigt ist. Kein Protokoll. Keine zusätzliche Software. Kein verschwendeter Speicher. Simon Willison erkannte es sofort. Armin Ronacher erkannte es. Peter Steinberger baute eine ganze Plattform darum.

MCP ist nicht tot. Es hat 97 Millionen monatliche Downloads und die Unterstützung jedes großen Tech-Unternehmens. Es wird weiterhin Chat-only-Interfaces, Corporate Compliance und Dienste bedienen, für die keine existierenden Tools existieren. Aber für praktische Arbeit, für Automatisierung, für alles, wo die KI eigenständig handeln kann: Skills sind der Weg nach vorn.

Der praktische Rat ist einfach. Beginnen Sie mit Skills. Greifen Sie zu Plugins, wenn die Plattform selbst erweitert werden muss. Und wenn Sie das alles gemanagt und immer verfügbar haben wollen, dafür haben wir OpenClaw.rocks gebaut.

Jede OpenClaw.rocks Instanz unterstützt Skills und Plugins sofort einsatzbereit. In Sekunden auf EU-Infrastruktur deployen und Ihren Assistenten sofort erweitern. Kostenlos starten oder mehr erfahren über was OpenClaw ist und was es kann.