2026 Cursor Agent Skill Komplettguide: Von SKILL.md zum Cloud-Mac-Agent-Workflow

Die Reifekurve von KI-Agenten verläuft klar: Chatbot → Aufgabenassistent → Agent mit domänenspezifischen Workflows. Sobald Agenten Code ändern, CI anstoßen oder Telegram-Gateways bedienen, limitiert selten die Modellqualität – sondern ob im Kontext stabile, ausführbare Verfahren liegen.

Klassische „Megaprompts“ scheitern an drei Stellen: jede Session wiederholt komplexe Abläufe; irrelevante Historie und Dateien fressen das Kontextfenster; keine teamübergreifende Wiederverwendung über Repositories hinweg. Ein Skill kapselt „wie etwas erledigt wird“ in einen Ordner mit Metadaten: Beim Start liest der Agent nur name und description (oft nur wenige Dutzend Token pro Skill). Passt die Aufgabe, wird die volle SKILL.md geladen; erst bei der Ausführung kommen references/ oder die Ausgabe von scripts/ ins Fenster – der Skriptquelltext selbst bleibt meist draußen.

• Kurzdefinition: Ein Skill ist eine Betriebsanleitung für den Agenten, damit er zur richtigen Zeit das Richtige tut.
• Ökosystem 2026: Community-Skills im fünfstelligen bis zehntausendfachen Bereich; Cursor Marketplace bündelt Rules, Skills und MCP in einem Klick.
• NUKCLOUD-Szenario: Laufen Hermes, OpenClaw oder ein selbst gehosteter Copilot-Coding-Agent auf Cloud-Mac, gehören .cursor/skills/ und AGENTS.md ins gleiche Repo – sonst ist lokal alles da, der CI-Agent aber nackt.

Wer heute nur Prompts kopiert, zahlt morgen in Review-Zeit und Incident-Postmortems. Skills sind die kleinste Einheit, um Verhalten zu versionieren, in Pull Requests zu reviewen und bei Rollbacks gezielt zurückzudrehen – analog zu Infrastructure-as-Code, nur für Agent-Verhalten.

Viele Teams stopfen sämtliche Konventionen in .cursor/rules. Jede Unterhaltung lädt dann statischen Text, ob die Aufgabe Deployment, Styling oder Architektur-Review ist. Die folgende Tabelle hilft bei der schnellen Zuordnung:

Was Skills leisten: eigene /-Befehle (z. B. /deploy), mehrstufige Workflows (commit → push → PR), Domänenwissen, eingebettete Bash-, Python- oder Node-Skripte, Kombination mit Hooks und MCP. MCP sagt dem Agenten, welche Werkzeuge existieren; der Skill sagt, in welcher Reihenfolge und mit welchen Abnahmekriterien gearbeitet wird – komplementär, nicht austauschbar.

Praxisregel: Alles, was bei jeder Zeile Code gilt, bleibt Rule. Alles, was ein Ereignis auslöst (Release, Incident, Kundenangebot), wird Skill. Alles, was Daten von außen braucht, läuft über MCP – der Skill orchestriert die Aufrufe.

Standardlayout (Cursor, projektbezogen):

.cursor/skills/deploy-app/
├── SKILL.md
├── scripts/
│   ├── validate.py
│   └── deploy.sh
├── references/
│   └── REFERENCE.md
└── assets/
    └── config-template.json

Das Feld description ist der Kern für automatisches Routing: Schreiben Sie Triggerbedingungen, keine Marketing-Zusammenfassung. Schlecht: „Dieser Skill enthält Deploy-Anweisungen.“ Gut: „Nutzen, wenn der Nutzer eine App deployen, live schalten, staging/production wechseln oder Release erwähnt.“

• Pflicht: name (Kleinbuchstaben, Bindestriche, gleich Ordnername), description
• Optional: paths (Glob für Dateigrenze), disable-model-invocation: true (nur manuell per /skill-name), metadata
• Auffindbarkeit: Projekt .cursor/skills/, Nutzer ~/.cursor/skills/; Claude Code oft .claude/skills/; in Monorepos Skills pro Paket, Scope folgt dem Pfad

Offizielle Cursor-Doku: Cursor Agent Skills. Offener Standard: agentskills.io. Halten Sie Schritte in SKILL.md testbar: klare Eingaben, erwartete Artefakte, Exit-Codes aus Scripts als harte Gates.

agentskills.io beschreibt progressive Disclosure in drei Phasen:

1. L1
   Discovery (beim Start): Nur name + description aller Skills – der Agent prüft „könnte relevant sein“.
2. L2
   Aktivierung (bei Match): Vollständige SKILL.md wird gelesen; der Agent folgt den Schritten.
3. L3
   On demand (während Ausführung): references/ nachladen; scripts/ ausführen und Stdout/Stderr zurück in den Kontext – nicht der Quellcode.

Auslöser: Standard automatisch (Agent entscheidet aus dem Dialog); manuell mit /skill-name; explizit mit @skill-name als Referenz. Mit disable-model-invocation: true verhält sich der Skill wie ein klassischer Slash-Command – nur bewusster Aufruf lädt Inhalt.

In großen Repos mit Dutzenden Skills ist L1 entscheidend: schlechte Descriptions erzeugen Fehlaktivierungen; zu vage Descriptions werden ignoriert. Testen Sie mit echten Nutzer-Sätzen aus Slack oder Tickets, nicht mit internem Jargon.

Schnellster Weg: Im Cursor Agent /create-skill eingeben, Workflow in natürlicher Sprache beschreiben – der Agent erzeugt Ordner und SKILL.md.

Manuell: Im Projektroot .cursor/skills/ihr-skill-name/SKILL.md anlegen → Frontmatter und Schritte pflegen → unter Settings → Rules prüfen, ob der Skill discovered ist → mit realen Aufgaben testen, ob description triggert.

Migration: Ab Cursor 2.4+ liefert /migrate-to-skills die Umwandlung alter dynamic rules und slash commands in Skill-Pakete – vermeidet doppelte Pflege in Rules und Skills.

Nach der Migration: alte Rules löschen oder auf wirklich globale Policies reduzieren. Sonst zahlen Sie weiterhin feste Token-Kosten und riskieren widersprüchliche Anweisungen zwischen Rule-Text und Skill-Body.

Dieselbe SKILL.md lässt sich von Claude Code nach .cursor/skills/ kopieren – ohne Syntaxbruch. Kategorien: Entwicklerproduktivität (Prompt-Bibliotheken, Skill Installer), Frontend (React/Next-Audits), Workflow (PR-Skill, TDD-Skill), Medien (Remotion-Video-Skills) und mehr.

Für Mac-Nutzer lösen Skills das Verfahren im Chat. 7×24 online, persistente Erinnerung, Telegram-Gateway brauchen trotzdem einen stabilen Host – siehe Hermes Dreischicht-Speicher und OpenClaw lokaler Agent. Committen Sie .cursor/skills/, klonen Sie auf dem dedizierten Cloud-Mac dasselbe Repo: IDE-Agent, Runner und Nacht-Jobs teilen eine Skill-Bibliothek.

• Datenpunkt: Offener Standard Ende 2025 von Anthropic; 2026 von 16+ Agent-Produkten unterstützt (Cursor, Claude Code, Codex, Gemini CLI).
• Version: Cursor 2.4+ stabil; früher Nightly.
• Sicherheit: Fremde Skills wie npm-Pakete prüfen – scripts/ lesen, bevor Sie sie in Produktion laufen lassen.

Skills auf dem Laptop zu schreiben ist angenehm – zugeklappt bricht das Gateway ab. Geteilte macOS-VPS leiden oft unter Überbuchung, Bandbreiten-Spikes und abgebrochenen Langzeitverbindungen. Sollen skill-gesteuerte Agenten (Hermes, Self-hosted Runner, lokale Inferenz) dauerhaft online bleiben, gehört die Ausführungsebene auf NUKCLOUD Multi-Region Bare-Metal Mac, im Einklang mit dem Konsolen-Runbook.

1. 01
   Workflows inventarisieren: Listen Sie Prozesse, die Skill werden sollen (Deploy, PR, Tests, Angebote). Trennen Sie statische Konventionen (Rule) von mehrstufigen Abläufen (Skill).
2. 02
   .cursor/skills/ im Repo: Per /create-skill oder handgeschriebener SKILL.md; description mit echten Aufgaben-Sätzen testen; Git-Commit für das Team.
3. 03
   Dedizierten Apple-Silicon-Knoten buchen: Über die Bestellseite nach Agent-Bedarf wählen (lokale Inferenz: ds4-Artikel, 96-GB-Schwelle); geteilte Pools vermeiden.
4. 04
   Konsole und Persistenz: In der Konsole SSH holen; launchd für Agent-Gateway; Xcode-, Node- und Python-Versionen wie auf dem Entwicklungs-Mac.
5. 05
   GitHub-Agent-Ebene: Self-hosted macOS-Runner für Copilot Coding Agent / gh-aw; AGENTS.md plus Skills im Repo; Branch Protection mit menschlicher Freigabe.
6. 06
   72-Stunden-Soak-Test: Skill-Trefferquote, Skript-Exit-Codes, Langzeitverbindungen protokollieren. Nach geteiltem VPS mit Zufalls-Disconnects P95-Latenz auf dediziertem Knoten vergleichen, dann skalieren oder Mac Mini kaufen.

Minutenpools erfüllen selten auditierbare Mandantengrenzen und stabile Agent-Sessions zugleich. Wer Skills als Produktionsfähigkeit behandelt, nutzt NUKCLOUD Cloud-Mac mit derselben macOS-CLI wie eigene Hardware – ohne Kapitalbindung für jedes Experiment. Stundenweise validieren auf der Preisseite, dann langfristig entscheiden. Support: Hilfe.