Ni hör ständigt tre begrepp: MCP, skills och plugins. Ibland använda utbytbart. Ibland förklarade på sätt som får dem att låta identiska. De är inte identiska. De löser fundamentalt olika problem, och att förstå gränserna sparar er timmar av förvirring.

Här är den korta versionen. MCP är rörmokeri. Det kopplar er AI till externa verktyg och data via ett strukturerat gränssnitt. Skills är expertis. De lär er AI att tänka kring en uppgift och använda verktyg på egen hand. Plugins är plattformstillägg. De lägger till helt nya funktioner till programvaran som er AI körs på.

MCP kom först och löste ett verkligt problem. Men skills designades för en annan era av AI, en era där AI kan resonera, använda verktyg självständigt och fortsätta arbeta i loopar tills en uppgift är klar.

Hur vi hamnade här

I slutet av 2024 släppte Anthropic Model Context Protocol (MCP). Problemet det löste var verkligt: varje AI-verktyg hade sin egen koppling till tjänster som GitHub, Slack, databaser och allt annat. MCP skapade en enda standard. Bygg en koppling, och alla AI-verktyg som stöder MCP kan använda den.

Sedan ändrades allt. I början av 2025 släppte Anthropic Claude Code, en AI som inte bara chattar. Den kan läsa filer, skriva kod, köra kommandon och fortsätta arbeta självständigt. Andra följde: OpenAI släppte Codex CLI, Google släppte Gemini CLI. AI gick från något man pratar med till något som arbetar åt en. Det här är vad folk kallar agentisk AI, eller helt enkelt agenter.

Det är precis vad skills gör. Anthropic släppte Skills i Claude Code i oktober 2025. Istället för formella verktygsbeskrivningar lär en skill AI:n att använda verktyg självständigt via en textfil med instruktioner.

Simon Willison kallade dem “fantastiska, kanske en större sak än MCP.” Två månader senare släppte Anthropic skills som öppen standard. Samma skill-fil fungerar nu med Claude Code, Codex CLI, Gemini CLI, Cursor, GitHub Copilot, Windsurf, Cline, Amp och ChatGPT.

MCP: kopplingsskiktet

Model Context Protocol (MCP) är ett standardsätt att koppla AI-applikationer till externa verktyg och data. Tänk på det som USB-C för AI.

Varje MCP-koppling berättar för AI:n vad den kan: “Jag kan skapa pull requests”, “Jag kan söka issues”, “Jag kan köra databasfrågor.” MCP har massiv adoption: 97 miljoner månatliga nedladdningar, 10 000+ kopplingar, och governance av Linux Foundation.

Problemet: MCP byggdes för chatbotar

Varje MCP-koppling ni lägger till laddar sin fulla lista av funktioner i AI:ns minne. Koppla 10 kopplingar med 5 verktyg vardera och ni har bränt 50 verktygsbeskrivningar innan samtalen ens börjar.

Armin Ronacher beskrev problemet: verktygsbeskrivningar hamnar “för långa att ivrigt ladda, för korta att verkligen berätta för AI:n hur man använder dem.” MCP har fortfarande värde när AI:n bara kan chatta, det inte finns något befintligt verktyg, compliance kräver det, eller ni inte vill att AI:n kör kommandon. Men för hands-on-arbete har något bättre anlänt.

Skills: byggda för den agentiska eran

Skills startar från en annan fråga. MCP frågar “hur kopplar vi AI:n till verktyg?” Skills frågar “hur lär vi AI:n att använda verktyg den redan har?”

---
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

Det är en komplett skill. Noll infrastrukturkostnad. Textfiler som laddas direkt, fungerar offline, och fungerar med alla stora AI-verktyg.

Skills möjliggör något MCP inte kan: autonoma feedbackloopar. SquirrelScans SEO-skill instruerar AI:n att granska en webbplats, läsa resultaten, fixa problemen, och sedan granska igen tills poängen förbättras. MCP ger AI en knapp att trycka på. En skill ger AI ett arbetsflöde att utföra, iterera på och slutföra på egen hand.

Hugging Face släppte en skill som lär AI att skriva högpresterande GPU-kod. Djup teknisk expertis kodad som en textfil, med verkliga prestandavinster.

Ekosystemet växer snabbt. Över 52 000 skills finns nu på skills.sh, SkillsMP, AgentSkills.to och andra. Men en Hugging Face-analys fann att 46 % är duplikat. SkillsBench visade att väldesignade skills förbättrar AI-prestanda med 16 procentenheter i snitt, men AI-genererade skills gav ingen fördel alls. Kvalitet framför kvantitet.

OpenClaw-plugins: plattformsskiktet

OpenClaw har sin egen utökningsmekanism: plugins. Där skills lär AI:n vad den ska göra och MCP kopplar den till externa tjänster, ändrar plugins vad plattformen kan på en fundamental nivå.

En OpenClaw-plugin är kod som körs inuti OpenClaw-programvaran. Den kan lägga till nya meddelandekanaler (Telegram, WhatsApp, Teams), nya funktioner, bakgrundsuppgifter och bunta egna skills och verktyg. Officiella plugins täcker röstsamtal, Microsoft Teams, Matrix och Nostr. Över 5 700 community-byggda skills och plugins finns på ClawHub.

Plugins registrerar: meddelandekanaler, agentverktyg, CLI-kommandon, API-endpoints, bakgrundstjänster, autentiseringsflöden, hooks och skills.

openclaw plugins install @openclaw/voice      # från npm
openclaw plugins install ./my-plugin          # lokal katalog

Hur de passar ihop

              Vad det är                Byggt för           Fungerar med alla verktyg?
-----------------------------------------------------------------------------
MCP           Kopplingar (protokoll)    Chatbot-eran        Ja
Skills        Instruktioner (text)      Agentiska eran      Ja
Plugins       Kod (programvara)         Plattformsbehov     Bara OpenClaw

Exempel: er OpenClaw-assistent sammanfattar teamets veckovisa Slack-aktivitet.

  1. En skill definierar hela arbetsflödet. Den berättar för AI:n vilken output som ska produceras, vilka kanaler som ska prioriteras och kvalitetsstandarden.
  2. En plugin tillhandahåller leveranskanalen. En Telegram-kanalplugin låter OpenClaw skicka den färdiga sammanfattningen via Telegram varje fredag eftermiddag.

Ingen MCP-koppling behövs.

Beslutsträdet

“Min AI behöver kommunicera med en annan tjänst.” Fråga först: har den tjänsten ett befintligt verktyg? Om ja, skriv en skill. Om nej, överväg MCP.

“Min AI vet inte hur man gör X ordentligt.” Använd en skill.

“Jag behöver ändra hur OpenClaw själv fungerar.” Använd en plugin.

Det praktiska rådet är enkelt. Börja med skills. Gå till plugins när plattformen själv behöver utökas. Och om ni vill ha allt hanterat och alltid igång, är det vad vi byggde OpenClaw.rocks för.

Varje OpenClaw.rocks-instans stöder skills och plugins direkt. Distribuera på sekunder på EU-infrastruktur och börja utöka er assistent omedelbart. Kom igång gratis eller lär er mer om vad OpenClaw är och vad det kan göra.