MCP und Agent Skills: Offene Standards für skalierbare KI-Agenten

Makroaufnahme einer Festplatte mit Magnetscheibe und Schreib-Lesearm, metallische Reflexe
Deine Reaktion:

Ein KI-Agent verbindet sich über das Model Context Protocol mit Datenbanken und anderen Werkzeugen. Agent Skills laden bei Bedarf Fachwissen und konkrete Arbeitsanweisungen in den Kontext. Beide Standards lösen unterschiedliche Probleme: MCP schafft die technische Verbindung zur Ausführung, Agent Skills liefern das Wissen für den sicheren und gezielten Einsatz dieser Werkzeuge. Ihre gemeinsame Weiterentwicklung unter der Agentic AI Foundation verlagert zentrale Bausteine von einzelnen Anbietern in ein herstellerneutrales Ökosystem.

Warum das N-von-M-Problem die Architektur prägte

Die Entwicklung des MCP Toolbox for Databases begann mit einem praktischen Problem: Google Cloud unterstützt mehr als 15 unterschiedliche Datenbanken, während zugleich immer neue Frameworks für KI-Agenten entstanden. Jede Kombination aus Agentenplattform und Datenbank hätte eine eigene Anbindung benötigt. Das Ergebnis wäre ein Integrationsnetz aus N Clients und M Datenquellen, dessen Aufwand mit jeder Ergänzung weiter wächst.

Das Team um Kurtis Van Gent entschied sich deshalb für einen offenen Quellcode-Ansatz mit einem zentralen Server, passenden Clients und einem gemeinsamen Protokoll. Damit konnte ein Entwickler Datenbankwerkzeuge standardisiert bereitstellen, ohne für jedes einzelne Agentenframework eine neue Verbindung zu entwickeln. Der Ansatz lässt sich als eine Art Verteilstelle für Werkzeuge verstehen: Der Agent muss nicht wissen, wie jede Datenbank im Detail funktioniert, sondern ruft eine klar beschriebene Aktion auf.

Als Anthropic das Model Context Protocol vorstellte, lag damit bereits ein weitgehend passender Standard vor. Statt die eigene Lösung weiter als konkurrierendes Protokoll zu pflegen, entschied sich das Team für die direkte Übernahme von MCP. Das Projekt wurde zum MCP Toolbox for Databases und auf Kompatibilität mit verschiedenen MCP-Clients ausgerichtet. Gleichzeitig wurden Fähigkeiten aus dem ursprünglichen Protokoll in die offene MCP-Spezifikation zurückgegeben.

Diese Entscheidung ist bemerkenswert, weil sie kurzfristigen Projektschutz zugunsten langfristiger Interoperabilität aufgibt. Ein proprietäres Protokoll hätte mehr Kontrolle über die Entwicklung ermöglicht. Ein gemeinsamer Standard reduziert dagegen den Aufwand für alle Beteiligten, weil eine Anbindung potenziell mehreren Agenten, IDEs und Datenbanken dient.

Skalierbarkeit beginnt beim zustandslosen Transport

Mit der Verbreitung von MCP zeigte sich, dass die frühen Annahmen über dauerhafte Sitzungen und Initialisierungsprozesse in der Produktion bremsen konnten. Kurtis Van Gent leitete deshalb die Transports Working Group mit dem Ziel, die Spezifikation auf einen zustandslosen und horizontal skalierbaren Aufbau umzustellen. Eine Arbeitsgruppe mit zunächst wenigen Teilnehmenden entwickelte sich dabei zu einem Forum mit Beteiligten aus mehreren namhaften Technologieunternehmen.

Der entscheidende Unterschied liegt in der Betriebsarchitektur. Zustandsbehaftete Verbindungen erfordern, dass ein Server den Zustand einer laufenden Unterhaltung kennt. Das erschwert die Verteilung einer Last auf mehrere Instanzen und bringt Abhängigkeiten bei Ausfällen oder horizontaler Skalierung mit sich. Ein zustandsloser Ansatz behandelt jede Anfrage als eigenständige Einheit, die von einem passenden Server bearbeitet werden kann.

Wie bei einer gut ausgebauten Straßeninfrastruktur zählt nicht nur die Existenz einer Verbindung. Entscheidend ist, ob die Infrastruktur auch dann funktioniert, wenn einzelne Komponenten ausfallen, der Verkehr zunimmt oder Anfragen auf verschiedene Standorte verteilt werden. Die Arbeit am Transports Summit in den Google-Büros in San Francisco half dabei, die technischen Engpässe gemeinsam mit den MCP-Maintainern zu lösen. Im Anschluss wurde Van Gent als Core Maintainer in die Arbeit an der Kernspezifikation eingebunden.

Für Entwickler ist diese Arbeit weniger spektakulär als ein neues Modell, aber nicht weniger wichtig. Agenten brauchen keine komplizierte Demonstrationsumgebung, sondern zuverlässige Übertragungswege, die mit realen Anfragen und wachsendem Volumen umgehen können.

Warum Agent Skills und MCP zwei Seiten desselben Systems sind

MCP hat Werkzeuge standardisiert. Eine Organisation kann Aktionen in einem MCP-Server anbieten, und ein Agent kann diese über eine einheitliche Schnittstelle finden und aufrufen. Mit der Verbreitung dieser Offenheit entstand jedoch ein zweites Problem: Agenten sahen zunehmend Schemas für sehr viele Werkzeuge, während ihr Kontextfenster begrenzt blieb. Nicht jede Toolbeschreibung und jede Anleitung kann gleichzeitig in das Modell geladen werden.

Agent Skills setzen hier am Procedural Disclosure an. Eine Skill wird zunächst nur mit leichtem YAML-Frontmatter geladen, das Name und Beschreibung enthält. Der vollständige Inhalt der SKILL.md, ergänzt um Referenzdateien und Skripte, wird erst dann in den Kontext aufgenommen, wenn die konkrete Aufgabe ihn benötigt. Das verhält sich ungefähr wie ein gut indexiertes Handbuch: Für die Auswahl genügt der Titel, für die eigentliche Arbeit wird die passende Seite geöffnet.

Damit teilen sich die beiden Standards die Arbeit. Agent Skills bündeln prozedurales Fachwissen und erklären, wie ein bestimmtes Problem anzugehen ist. MCP stellt die Ausführungsumgebung bereit, über die der Agent tatsächlich mit Datenbanken, APIs oder anderen Systemen kommuniziert. Die Skills sagen somit nicht nur, was zu tun ist. Sie leiten auch die Nutzung der bereitgestellten Werkzeuge an.

Auch die gemeinsame Weiterentwicklung in der Agentic AI Foundation unterstützt dieses Zusammenspiel. Initiativen rund um Agent Plugins und Vorschläge, Skills über MCP bereitzustellen, zeigen, dass das Ökosystem beide Standards zunehmend als Einheit betrachtet. Prozesswissen und ausführbare Schnittstelle gehören in der Praxis zusammen.

Herstellerneutrale Governance schützt Portabilität

Unternehmen zögern verständlicherweise, kritische Abläufe auf einer Spezifikation aufzubauen, die ein einzelner Anbieter kontrolliert. Das Argument ähnelt dem bei Kubernetes: Eine offene, herstellerneutrale Governance kann über einzelne Unternehmen und Produktzyklen hinaus Bestand haben. Die Agentic AI Foundation schafft dafür einen gemeinsamen Rahmen, in dem Organisationen, unabhängige Maintainer und Open-Source-Communities die Entwicklung von MCP und Agent Skills mitgestalten.

Für Entwickler bedeutet dies vor allem Portabilität. Eine einmal erstellte Skill sollte nicht an einen einzelnen Agenten, eine bestimmte IDE oder ein proprietäres Harness gebunden sein. Ebenso sollte eine MCP-Implementierung mit möglichst vielen kompatiblen Clients arbeiten. Offene Standards schaffen dabei nicht automatisch perfekte Kompatibilität, aber sie verlagern die Regeln von einer bilateralen Vereinbarung in einen nachvollziehbaren, gemeinschaftlich verwalteten Prozess.

Die Neutralität ist dabei kein bloßes Etikett. Sie schafft Vertrauen in den Entscheidungsweg und erleichtert die Beteiligung konkurrierender Anbieter. Das wiederum erhöht die Wahrscheinlichkeit, dass die Spezifikation als gemeinsame Basis dient, statt sich in mehrere voneinander isolierte Dialekte zu verzweigen.

Datenbank-Workflows mit sicheren Aktionen und präzisen Anweisungen

Ein konkretes Beispiel liefern die Google Cloud Databases und ihre Agent Plugins. Ein Entwickler kann in Antigravity ein Plugin für Cloud SQL oder AlloyDB installieren und einen Agenten mit einer PostgreSQL-Datenbank verbinden. Der MCP-Teil stellt dabei kontrollierte Aktionen bereit. Der gebündelte Agent Skill erklärt die einzelnen Schritte für Aufgaben wie die Bereitstellung einer Instanz oder die Einrichtung einer IAM-basierten Datenbankauthentifizierung.

Diese Trennung ist praktisch relevant, weil eine kurze Werkzeugbeschreibung allein nicht jede sicherheitsrelevante Entscheidung transportiert. Ein Agent mag wissen, dass er eine Authentifizierungsmethode konfigurieren kann. Die Skill ergänzt die fachlichen und organisatorischen Regeln, nach denen diese Aktion ausgeführt werden sollte. Dokumentation für menschliche Leser ist dafür meist zu umfangreich und zu wenig auf den konkreten Agentenablauf zugeschnitten.

Im Alltag entstehen Skills außerdem dort, wo ein Agent eine wiederkehrende Aufgabe noch nicht zuverlässig erledigt. Van Gent nennt dafür die Strukturierung von GitHub-Repositories und die Formatierung von Commit-Nachrichten. Solche Regeln müssen nicht bei jeder Aufgabe erneut erklärt werden. Sie werden als wiederverwendbare Anweisung hinterlegt und bei Bedarf geladen.

In Benchmarks des Teams Leadingen Entwickler komplexe Datenbankaufgaben mit MCP-Werkzeugen und gezielt ausgewählten Agent Skills schneller und zuverlässiger ab als mit einer reinen Kombination aus unstrukturierten Dokumenten. Der Grund liegt in der Analogie zu einem gut vorbereiteten Arbeitsplatz: standardisierte Werkzeuge ermöglichen die Handlung, präzise Ablaufbeschreibungen verhindern Umwege.

Offene Schnittstellen für Skills und Datenbanken

Der MCP Toolbox for Databases verbindet heute Agenten mit mehr als 25 Cloud- und Open-Source-Datenbanken. Dazu gehören AlloyDB, Cloud SQL, Spanner, PostgreSQL, MySQL, SQLite, Valkey und ClickHouse. Das Projekt bildet damit eine gemeinsame Vermittlungsebene zwischen Agenten und sehr unterschiedlichen Datenspeichern. Die konkrete Datenbank bleibt hinter der Schnittstelle erreichbar, während der Agent mit standardisierten Werkzeugen arbeitet.

Das MCP Toolbox for Databases ist damit ein Beispiel dafür, wie der Standard in produktive Software übersetzt wird. Eine allgemeine Spezifikation beschreibt Regeln, doch die Tool-Ebene macht sie für Entwickler unmittelbar nutzbar. Beide Seiten profitieren: Die Toolbox muss keine eigene Agentenwelt aufbauen, während MCP-Clients nicht für jede Datenbank eigene Adapter benötigen.

Für die Anwendungspraxis heißt das: Ein Agent kann Entwicklerunterstützung oder Anwendungssysteme mit Daten verbinden, ohne dass jedes Team eine eigene Brücke zwischen Modell, Framework und Datenbank entwickeln muss. Das reduziert Integrationsaufwand und erleichtert die Migration zwischen Modellen oder Laufzeitumgebungen. Der Standard wird damit zum gemeinsamen Steckverbinder eines vielfältigen Werkzeugkastens.

Verpackung und Discovery als nächste Hürde

Für die kommende Arbeit nennt Van Gent zwei besonders wichtige Bereiche: die Verpackung mehrerer Skills und ihre Auffindbarkeit. Die Spezifikation beschreibt derzeit, wie eine einzelne Skill aufgebaut ist. Noch ist sie jedoch weniger eindeutig darin, wie Sammlungen von Skills gebündelt, wie Agentenplattformen sie entdecken und wie Namenskonflikte zwischen unterschiedlichen Skill-Sets aufgelöst werden sollen.

Das Problem wirkt auf den ersten Blick klein. In einem großen Ökosystem kann es jedoch bestimmen, ob eine Skill zuverlässig gefunden, eindeutig referenziert und ohne ungewollte Überschreibung geladen wird. Eine belastbare Discovery braucht daher klare Regeln für Namen, Versionen, Abhängigkeiten und Ladeverhalten. Die Verpackung bestimmt außerdem, welche Dateien gemeinsam verteilt und welche Bestandteile erst bei Bedarf geladen werden.

Auch hier zeigt sich das gleiche Muster wie beim MCP-Transport. Offene Standards schaffen nicht nur die sichtbaren Funktionen. Sie brauchen belastbare Regeln für Betrieb und Verteilung. Je größer die Community, desto wichtiger werden diese weniger sichtbaren Vereinbarungen.

Die Entwicklung von KI-Agenten verschiebt sich damit von einer Frage der reinen Modellleistung zu einer Frage gemeinsam getragener Infrastruktur. Model Context Protocol und Agent Skills bieten einen offenen Rahmen für Werkzeugzugriff und prozedurales Wissen. Was daraus wird, entscheiden nun nicht mehr einzelne Hersteller allein, sondern ein wachsendes Ökosystem unter herstellerneutraler Governance. Für die Praxis bedeutet das weniger Abhängigkeit, mehr Portabilität und letztlich bessere Kontrolle über die Systeme, in denen Agenten tatsächlich handeln.

Quelle: opensource.googleblog.com

Deine Reaktion:
Artikel teilen:
Krötzsch-Check0 — 100
Fakten 74
Relevanz 76
Hype 35
Einschätzung 72
Redaktion 50 Stand 50 · noch keine Stimmen
Ist das Hype?
Sebastian Krötzsch
Autor

Sebastian Krötzsch

Sebastian Krötzsch schreibt auf sebask.de über Künstliche Intelligenz, Automatisierung, digitale Systeme und die Frage, was davon im Alltag wirklich nützlich ist. Ohne Buzzword-Nebel, dafür mit klarem Blick auf Praxis, Tools und echte Wirkung.