Skills vs. MCP: Der Deep Dive, den du eigentlich brauchst

Zwei Systeme. Dasselbe Ziel. Und ein Missverstaendnis, das sich durch fast jede Diskussion zieht wie ein hartnäckiger Bug durch Production-Code. Wer Claude ernsthaft nutzt — nicht als Chatbot, sondern als Werkzeug — stolpert irgendwann über die Frage: Skills oder MCP? Die Antwort klingt simpel. Die Realität dahinter ist es nicht.

Anthropic hat mit dem Model Context Protocol (November 2024) und den Agent Skills (Oktober 2025) zwei Erweiterungssysteme geschaffen, die fundamental verschiedene Probleme lösen. MCP verbindet Claude mit der Außenwelt. Skills lehren Claude, wie es Aufgaben erledigen soll. Die Verwechslung der beiden kostet Teams Wochen an Architektur-Fehlentscheidungen.

Was MCP tatsächlich macht

Das Model Context Protocol ist ein offener Standard für bidirektionale Verbindungen zwischen KI-Systemen und externen Datenquellen. Die Architektur trennt sauber: MCP Server stellen Daten und Tools bereit, MCP Clients — Claude Desktop, Claude Code, die API — greifen darauf zu. Kommunikation läuft über JSON-RPC 2.0.

Ein MCP-Server bietet drei Arten von Primitiven an. Tools sind ausführbare Funktionen — einen Pull-Request erstellen, eine Datenbank abfragen. Resources liefern Datenzugriff — Dateien lesen, Dokumentationen laden. Prompts sind wiederverwendbare Templates. Claude formuliert bei Bedarf einen expliziten Aufruf an den passenden Server, die Berechnung findet außerhalb des Modells statt.

Die Zahlen sprechen für sich: Über 97 Millionen SDK-Downloads pro Monat, mehr als 10.000 aktive öffentliche Server, Adoption durch OpenAI, Google DeepMind, Microsoft und Apple. Im Dezember 2025 übergab Anthropic die Governance an die Linux Foundation — das Signal für einen herstellerneutralen Infrastrukturstandard. Wer tiefer einsteigen will: Der MCP-Guide erklärt die Grundlagen, der Einrichtungs-Guide zeigt das Setup Schritt für Schritt. Wer nur die Kurzfassung braucht: Skills vs. MCP — der kompakte Vergleich.

Was Skills tatsächlich machen

Agent Skills, gelauncht im Oktober 2025, funktionieren grundlegend anders. Kein Server, kein Protokoll, keine externe Verbindung. Eine Skill ist ein Ordner mit einer SKILL.md-Datei — Markdown mit YAML-Header und detaillierten Anweisungen. Optional: Code-Dateien, Referenzdokumente, Templates.

Wenn Claude eine Anfrage erhält, scannt es die Metadaten aller verfügbaren Skills — nur 30 bis 50 Token pro Skill. Passt ein Skill zum Kontext, wird der vollständige Inhalt geladen. Anthropic nennt das Progressive Disclosure: Hunderte Skills können installiert sein, ohne den Kontext zu belasten. Erst bei Relevanz wird Platz im Kontextfenster belegt.

Vier Prinzipien definieren das System. Skills sind composable — mehrere arbeiten zusammen, Claude koordiniert automatisch. Sie sind portable — dieselbe Datei funktioniert in Claude.ai, Claude Code und über die API. Sie sind efficient durch Progressive Disclosure. Und sie sind powerful, weil sie ausführbaren Code enthalten können, der in Claudes Sandbox läuft. Wer selbst Skills bauen will, findet in der Skills-Anleitung den Einstieg, der SKILL.md-Aufbau erklärt die Dateistruktur. Die Agent Skills Library zeigt, was die Community bereits gebaut hat.

Die philosophische Differenz

Der tiefste Unterschied liegt nicht in der Technik. Er liegt in der Frage, die jedes System stellt.

MCP fragt: Was braucht das Modell, um eine Aufgabe zu erledigen? Antwort: Verbinde es mit dem richtigen Tool. Skills fragen: Wie soll das Modell eine Aufgabe erledigen? Antwort: Lehre es die richtige Prozedur.

MCP ist ein Verbindungsprotokoll. Es löst das Problem, dass Claude isoliert in seiner Kontextfenster-Blase existiert — kein direkter Zugriff auf Live-Daten, keine APIs, keine Datenbanken. Skills sind ein Wissensformat. Sie lösen das Problem, dass Nutzer dieselben komplexen Anweisungen Konversation für Konversation neu eingeben.

Ein Beispiel aus der Praxis: Mit einem MCP-GitHub-Server kann Claude Pull-Requests analysieren. Aber Claude weiß dadurch nicht, wie ein Code-Review in deinem Team aussehen soll — welche Coding-Standards gelten, welche Patterns verboten sind, wie die Commit-Message-Konvention funktioniert. Dafür brauchst du eine Skill. Zusammen entsteht ein Workflow, der sowohl datenzugänglich als auch methodisch konsistent ist.

Token-Ökonomie: Wo es wirklich wehtut

Token-Verbrauch klingt nach Nerd-Detail. In der Praxis entscheidet er über die Brauchbarkeit eines Setups.

Skills: Schlankes Laden

Phase eins: Claude scannt die Metadaten — 30 bis 50 Token pro Skill. Bei 100 installierten Skills sind das 3.000 bis 5.000 Token. Phase zwei: Relevanz erkannt, vollständige Skill geladen — unter 5.000 Token. Phase drei: Nur wenn nötig werden zusätzliche Ressourcen und Scripts nachgeladen. Ergebnis: Hunderte Skills, minimaler Overhead.

MCP: Alles auf einmal

Standardverhalten: Alle Tool-Definitionen werden beim Start in den Kontext geladen. Ein typisches Setup mit fünf MCP-Servern und 58 Tools verbraucht über 55.000 Token — bevor auch nur eine Nachricht gesendet wurde. Anthropics Tool-Search-Feature reduziert das um rund 85 Prozent durch On-Demand-Loading. Aber die Grundarchitektur bleibt Token-intensiv, weil MCP für zuverlässigen Zugriff auf externe Ressourcen gebaut wurde, nicht für Sparsamkeit.

Sicherheit: Zwei gegensätzliche Modelle

Skills laufen vollständig in Claudes kontrollierter Sandbox. Kein Netzwerkzugriff, keine externen Credentials, kein Zugriff auf Produktionssysteme. Der Blast-Radius eines kompromittierten Skills bleibt begrenzt. Das Risiko: Prompt-Injection. Skills aus nicht vertrauenswürdigen Quellen könnten Anweisungen enthalten, die Claude über andere verfügbare Tools zu unerwünschten Aktionen verleiten.

MCP kapselt Zugriffsrechte explizit: Ein GitHub-MCP-Server hält das API-Token, nicht Claude. Korrekt aus Security-Perspektive — Credentials verlassen ihren vorgesehenen Server nicht. Aber die Protokoll-Kommunikation selbst ist ein Angriffspunkt. Laut Untersuchungen verwenden über die Hälfte der MCP-Server noch unsichere statische Secrets. Für Remote-Server, bei denen Kommunikation über das Netzwerk läuft, vergrößert sich der Blast-Radius erheblich.

Die Faustregel: Skills für alles, was in der Sandbox bleiben kann. MCP für alles, was authentifizierten Zugriff auf externe Systeme braucht — mit bewusstem Blick auf die Server-Qualität. Das Skills-Ökosystem zeigt, wie die Community mit diesem Spannungsfeld umgeht.

Die Entscheidungsmatrix

GitHub-Repos analysieren? MCP — externer Systemzugriff nötig. Coding-Standards durchsetzen? Skill — prozedurales Wissen, wenig Token. Datenbankabfragen? MCP — stateful, authentifiziert, externe Verbindung. Content für SEO optimieren? Skill — wiederholbarer Workflow, keine Live-Daten nötig. Brand Guidelines einhalten? Skill — Kontextwissen einmalig verpacken. Jira-Tickets erstellen? MCP — Remote Auth plus API-Calls.

Multi-Step-Workflows? Beide. MCP für den Datenzugriff, Skills für die Logik. In unserer Praxis-Übersicht zeigen wir, wie beides zusammenspielt.

Die komprimierte Faustregel: Brauchst du Zugriff auf etwas? MCP. Muss Claude wissen, wie etwas gemacht wird? Skill. Brauchst du beides? Dann kombiniere.

Kombinations-Workflows in der Praxis

Die mächtigsten Setups verbinden beide Systeme. Ein konkreter SEO-Workflow: MCP holt über den GitHub-Server die aktuellen Seiteninhalte aus dem Repository. Eine SEO-Skill wendet die Optimierungslogik an — Heading-Struktur prüfen, Keyword-Dichte analysieren, interne Verlinkung empfehlen, Meta-Beschreibungen generieren. MCP erstellt anschließend automatisch einen Pull-Request mit den Änderungen.

Für Claude Code empfehlen Praktiker ein minimales Setup: Zwei bis drei MCP-Server — GitHub fürs Repo-Management, Filesystem für lokale Dateien, ein domänenspezifischer Server. Dazu Skills für Coding-Standards, Code-Review-Prozess und Deployment-Workflow. Optional Hooks für Pre-Commit-Lint und Post-Write-Tests. Der GSC-MCP-Deep-Dive zeigt ein reales Beispiel mit Google Search Console.

Ökosystem-Status 2026

MCP hat sich in unter 18 Monaten vom Anthropic-Sideprojekt zum De-facto-Standard entwickelt. 97 Millionen SDK-Downloads pro Monat. 28 Prozent der Fortune-500-Unternehmen mit MCP-Servern in Produktion. 900 Prozent Year-over-Year-Wachstum bei den SDK-Downloads. Gartner prognostiziert, dass 75 Prozent der API-Gateway-Anbieter bis Ende 2026 MCP-Features integrieren.

Skills wurden im Oktober 2025 gelauncht, im Dezember als offener Standard freigegeben. Die Spezifikation wurde von OpenAI Codex, Gemini CLI und weiteren Tools übernommen. Box, Rakuten und Canva nutzen Skills laut Anthropics Launch-Announcement. Das anthropics/skills-Repository auf GitHub ist zur Referenzimplementierung geworden.

Die Realität abseits der Zahlen: MCP hat in Enterprise-Deployments noch Hürden. Thoughtworks stuft es im Technology Radar auf „Trial" ein. Sicherheitslücken in Server-Implementierungen, fehlende Observability-Standards, Token-Overhead bei großen Tool-Libraries. Skills sind einfacher im Einstieg, aber weniger vorhersehbar für produktionskritische Workloads. Wer den vollständigen Überblick über Claudes Werkzeuglandschaft braucht: Die Produktlandschaft 2026 ordnet alles ein. Und wie Claude Code selbst von beiden Systemen profitiert, zeigt der Claude Code Deep Dive.

Was das für dich bedeutet

Skills und MCP sind architektonische Partner auf verschiedenen Abstraktionsebenen. MCP ist die Integrationsschicht — es gibt Modellen Zugriff auf die echte Welt. Skills sind die Wissensschicht — sie lösen das Problem der Wiederholbarkeit bei domänenspezifischen Workflows.

Nutze MCP, wenn du Claude mit bestehenden Systemen verbinden musst — GitHub, Datenbanken, APIs, CRMs. Nutze Skills, wenn du Claude beibringen willst, wie dein Unternehmen arbeitet — deine Coding-Standards, deinen SEO-Prozess, dein Dokumentations-Format. Kombiniere beide für Workflows, die sowohl datenzugänglich als auch methodisch konsistent sind.

Die strategische Frage für 2026 lautet nicht mehr „MCP oder Skills?" — sie lautet: Welche Expertisen kodierst du als Skills, und an welche Systeme verbindest du Claude per MCP?

Häufige Fragen