Skills

Skills sind wiederverwendbare, dateisystembasierte Ressourcen, die deinem Agenten domänenspezifische Expertise verleihen: Workflows, Kontext und Best Practices, die einen Allzweck-Agenten in einen Spezialisten verwandeln. Jeder Skill, den du hinzufügst, verursacht geringe Kosten im „context window" (Kontextfenster) der Session, da Anweisungen und Metadaten hinzugefügt werden, die dem Modell helfen, den Skill zu nutzen. Mehr dazu erfährst du in der Übersicht zu Agent Skills.

Skills erreichen deinen Agenten auf zwei Wegen: Hänge sie über das skills-Array des Agenten an oder lade sie aus einem GitHub-Repository, das in der Session gemountet ist. Angehängte Skills gibt es in zwei Typen. Alle Skills funktionieren auf dieselbe Weise: Dein Agent ruft sie automatisch auf, wenn sie für die Aufgabe relevant sind.

• Vorgefertigte Anthropic-Skills: Gängige Dokumentaufgaben wie die Verarbeitung von PowerPoint, Excel, Word und PDF (pptx, xlsx, docx, pdf).
• Benutzerdefinierte Skills: Skills, die du selbst erstellst und in deinen Workspace hochlädst.

Wie du benutzerdefinierte Skills erstellst, erfährst du unter Agent Skills und Best Practices für die Skill-Erstellung. Wie du einen benutzerdefinierten Skill in deinen Workspace hochlädst, erfährst du unter Einen benutzerdefinierten Skill erstellen.



Einen benutzerdefinierten Skill erstellen

Ein benutzerdefinierter Skill ist ein Verzeichnis, das eine SKILL.md-Datei sowie beliebige unterstützende Dateien enthält und als Zip-Archiv oder als einzelne Dateien in deinen Workspace hochgeladen wird. Beim Erstellen des Skills wird die skill_*-ID zurückgegeben, auf die du verweist, wenn du ihn an einen Agenten anhängst. Vorgefertigte Anthropic-Skills sind bereits in jedem Workspace verfügbar und erfordern diesen Schritt nicht. Wenn du nur vorgefertigte Skills verwenden möchtest, springe zu Skills an einen Agenten anhängen.

Die Skills API erfordert keinen Beta-Header. Anfragen, die weiterhin anthropic-beta: skills-2025-10-02 senden, funktionieren weiter und geben die früheren Antwortfelder zurück.

Diese Beispiele lassen das optionale Feld display_name weg, sodass der Anzeigename des Skills aus dem Feld name in SKILL.md abgeleitet wird. Ein expliziter display_name kann bis zu 255 Zeichen lang sein und muss innerhalb deines Workspace nicht eindeutig sein.

ant skills create \
  --file example_skill.zip

Wie du benutzerdefinierte Skills auflistest, abrufst, löschst und versionierst, erfährst du unter Benutzerdefinierte Skills verwalten. Die vollständigen Anfrage- und Antwortschemata findest du in der API-Referenz zu Create Skill. Skill-Bundles werden direkt in die Skills API hochgeladen und nicht über die Files API.



Skills an einen Agenten anhängen

Hänge Skills beim Erstellen eines Agenten an. Jede Session unterstützt bis zu 500 Skills, gezählt als deduplizierte Menge über alle Agenten in der Session hinweg (siehe Multiagenten-Orchestrierung).

Jeder Eintrag im skills-Array verwendet die folgenden Felder:

ant beta:agents create < agent.yaml

name: Financial Analyst
model: claude-opus-5
system: You are a financial analysis agent.
skills:
  - type: anthropic
    skill_id: xlsx
  - type: custom
    skill_id: skill_01AbCdEfGhIjKlMnOpQrStUv
    version: latest



Skills aus einem GitHub-Repository laden

Skills können auch in deiner Codebasis liegen. Wenn eine Session ein Repository über die github_repository-Ressource mountet, wird das .claude/skills-Verzeichnis im Stammverzeichnis des Repositorys beim Start der Session gescannt, und jeder dort gefundene Skill steht dem Agenten zur Verfügung. Es ist weder ein Upload noch ein Eintrag im skills-Array des Agenten erforderlich. Der Agent sieht Namen, Beschreibung und Pfad jedes entdeckten Skills in der Sandbox und liest die SKILL.md des Skills, wenn eine Aufgabe passt, einschließlich aller Skripte und Ressourcen, die der Skill mitliefert. Die Erkennung stützt sich auf das read-Tool des Agenten aus dem Agenten-Toolset, das standardmäßig aktiviert ist; ein Agent mit deaktiviertem read lädt keine Repository-Skills.

Die Erkennung findet Skills genau unter .claude/skills/<skill-name>/SKILL.md, eine Verzeichnisebene tief im Stammverzeichnis des Repositorys:

• your-repo/
  • .claude/
    • skills/
      • code-review/
        • SKILL.md
      • release-process/
        • SKILL.md
        • scripts/
          • run_checks.sh
  • src/

Speicherorte, die diesem Layout nicht entsprechen, werden beim Start der Session nicht erkannt:

• .claude/skills/SKILL.md: eine SKILL.md ohne umgebendes Skill-Verzeichnis
• .claude/skills/tools/code-review/SKILL.md: mehr als eine Verzeichnisebene tief verschachtelt
• skills/code-review/SKILL.md: ein skills-Verzeichnis außerhalb von .claude

Ein .claude/skills-Verzeichnis an anderer Stelle im Repository, etwa innerhalb eines Paket-Unterverzeichnisses, wird beim Start der Session nicht angekündigt; diese Skills können dennoch auftauchen, wenn der Agent Dateien unter diesem Teilbaum liest.

Repository-Skills verwenden dasselbe SKILL.md-Format wie die benutzerdefinierten Skills, die du hochlädst. Hinweise zum Format und zur Erstellung findest du unter Agent Skills und Best Practices für die Skill-Erstellung.

Um Skills aus einem Repository zu laden, erstelle eine Session, die es mountet. Dies ist dieselbe Anfrage, die unter Zugriff auf GitHub gezeigt wird; mount_path ist optional und standardmäßig /workspace/<repo-name>:

SESSION_ID=$(ant beta:sessions create \
  --agent "$AGENT_ID" \
  --environment-id "$ENVIRONMENT_ID" \
  --transform id --raw-output <<'EOF'
resources:
  - type: github_repository
    url: https://github.com/org/repo
    mount_path: /workspace/repo
    authorization_token: ghp_your_github_token
EOF
)

Bei privaten Repositorys muss das authorization_token der Ressource Zugriff auf das Repository haben. Dies ist derselbe Ablauf mit persönlichem Zugriffstoken, der für jeden Repository-Mount verwendet wird; siehe Zugriff auf GitHub.

Entdeckte Skills folgen dem ausgecheckten Zustand des Repositorys: dem checkout-Branch oder -Commit, wenn die Ressource einen festlegt, andernfalls dem Standard-Branch des Repositorys. Der Scan läuft einmal, beim Start der Session. Während der Session gepushte Commits werden nicht übernommen; um aktualisierte Skills zu laden, starte eine neue Session.

Repository-Skills funktionieren neben Skills, die über das skills-Array des Agenten angehängt sind. Wenn ein Repository-Skill denselben Namen wie ein angehängter Skill oder wie ein Skill aus einem anderen gemounteten Repository hat, sind beide verfügbar; jeder wird mit seinem eigenen Pfad angekündigt.



Nächste Schritte