Google veröffentlicht 138 offizielle Agent-Skills: Was im google/skills-Repo steckt

Ein YouTube-Short von Jack bringt es diese Woche auf einen Satz: Google habe seine eigenen Skills kostenlos auf GitHub gestellt, und wer sie nutzt, laufe den 99 Prozent voraus. Der Hook ist übertrieben, die Primärquelle dahinter ist echter und größer als der Teaser. Unter github.com/google/skills hält Google ein Repository mit Agent Skills für die eigenen Produkte offen. Stand heute, 14.09.2026: 138 Skills laut dem generierten Index, 19.893 Sterne, 1.599 Forks, 337 Commits, der letzte Push am selben Tag. Dieser Beitrag liest das Repo nicht als News-Zeile, sondern als Betriebsanleitung: Was dort liegt, wie Google die Skills produziert und was das Format für alle bedeutet, die Agenten betreiben statt sie nur zu benutzen.

Ein Skill ist ein Ordner mit einer SKILL.md-Datei am Kern. Im YAML-Frontmatter stehen zwei Pflichtfelder: name als Kennung und description als Beschreibung dessen, was der Skill tut und wann er zum Einsatz kommt. Kein Fine-Tuning, keine API-Anbindung: Der Agent liest die Beschreibung, passt sie zur Aufgabe, und lädt dann den Rest des Ordners nach. Das Format stammt von Anthropic, die offene Spezifikation liegt auf agentskills.io, und Google übernimmt es nicht als Leser, sondern als Anbieter. Die Beschreibung des Repos heißt Agent Skills for Google products and technologies. Das Repo besteht seit dem 31.03.2026, steht unter der Apache-2.0-Lizenz und ist Infrastruktur, keine Marketing-Ablage: 337 Commits, dazu 21 offene Issues und Pull Requests, gemeldet über die GitHub-API.

Die Zahl im Index ist 138, und die Liste liest sich wie eine Produktübersicht. Ein großer Block gehört zur Agent Platform: alert-configuration, deploy, endpoint-management, eval-flywheel, inference, model-registry, prompt-management, troubleshooting, dazu der Skill-Registry-Block. Ein weiterer Block gehört zu den Datenprodukten: BigQuery mit eigener AI-ML-Variante und BigFrames, AlloyDB, Bigtable, Cloud SQL, Data-Lineage-Werkzeuge. Dann die Betriebsprodukte: Cloud Run, Cloud Build, Cloud Logging und Cloud Monitoring bis hin zu PromQL-Abfragen. Bei Gemini liegen die Gemini-API-Skill für die Agent Platform, eine Managed-Agents-API-Skill und die Interactions-API, dazu Genkit für Dart und Go. Für die Orientierung im Bestand gibt es einen eigenen Skill: finding-google-skills holt den aktuellen Index und liefert exakte Einstiegspunkte, damit der Agent nicht über einen veralteten Blogpost sucht. Die Mehrheit der Skills adressiert Google Cloud, der Rest verteilt sich auf Entwicklung und Workflow.

Auffällig ist die Herkunft der Commits. Fast alle stammen von einem Copybara-Konto, der neueste Commit vom 12.09.2026 trägt die Nummer PiperOrigin-RevId 980133878, und etliche Commit-Texte heißen schlicht No public description. Piper ist Googles internes Versionsverwaltungssystem, Copybara ist der Exportweg nach GitHub. Die Skills entstehen also in internen Pipelines und werden automatisiert exportiert, genau wie bei anderen Google-Projekten. Sechs Beitragende sind öffentlich gelistet, dahinter arbeitet die Pipeline. Für die Einordnung heißt das: Das Repo ist kein Hobby-Ordner, sondern ein Produktionszweig. Das Tempo folgt der Maschinerie: Der Skill cloud-run-alert-configuration wurde am 11.09.2026 neu aufgenommen, drei Tage vor dem letzten Push, und die Änderungen landen ohne Umwege im Bestand.

Der aufschlussreichste Commit-Text im Repo ist eine Lehre über Listen. Am 28.08.2026 stellte Google die handgepflegten Plugin-Listen um, weil beide drifted waren. Ein Rules-File behauptete, ein Plugin installiere drei Skills, tatsächlich brachte das Plugin fünf. Die Zahl stimmte beim Schreiben und war im Moment des ersten Updates falsch, genau der Defekt, der bei jedem neuen Skill wieder auftritt. Zwei Marketplace-Manifeste beschrieben denselben Marktplatz, aber das Claude-Manifest listete siebzehn Plugins und das agents-Manifest sechzehn; ein Eintrag war nur in einer der beiden Dateien gepflegt worden. Googles Antwort ist besser als jede Einzelfall-Korrektur: Statt den falschen Zähler zu korrigieren, steht in der Datei kein Zähler mehr, sondern der Auftrag, die tatsächlich verfügbaren Skills zu prüfen, statt der Datei zu vertrauen. Ein Zähler, der nicht hingeschrieben ist, kann nicht veralten. Dazu kamen drei Conformance-Fälle als automatische Prüfungen: Wer zwei oder mehr Skills aufzählt, muss alle nennen; wer eine Anzahl angibt, muss die richtige nennen, ob als Ziffer oder Wort; und beide Marketplace-Manifeste müssen dieselbe Menge an Plugins listen.

Die zweite Lehre steckt im Commit vom 12.09.2026. Der Skill retrieving-developer-knowledge dokumentierte einen Batch-Abruf als POST /v1/documents:batchGet mit JSON-Body. Diese Methode existiert nicht, der Aufruf lief auf einen 404, der dokumentierte Weg funktionierte schlicht nie. Die v1-Discovery-Datei verlangt ein GET mit wiederholten names-Parametern und ohne Request-Body, dazu optional den view-Parameter und eine Grenze von 20 Dokumenten pro Abruf. Der Fix korrigiert SKILL.md und die Referenzdatei api-fallback.md und ergänzt die fehlende Credential-Anleitung: Beide Dateien verweisen jetzt auf den öffentlichen Developer-Knowledge-Quickstart, der API-Aktivierung und Key-Erstellung abdeckt. Die Lektion für Skill-Autoren liegt offen zutage: Ein Skill ist Code in Prosa, und Prosa rot genauso wie Code. Wer eine API beschreibt, testet die Beschreibung gegen die Live-API, sonst schreibt der Agent einem den 404 treu nach Dokumentation in die eigene Geschichte.

Für alle, die Agenten betreiben, liegt die Nachricht nicht in der Zahl 138, sondern in der Richtung. Erstens: Das Anthropic-Format ist kein Produktfeature einer Firma mehr, sondern Branchen-Infrastruktur. Zwei der größten Anbieter liefern ihre Skills im selben Ordner-Schema aus, und der Standard auf agentskills.io macht die Einheiten portabel: einmal geschrieben, in jedem kompatiblen Harness ladbar. Zweitens verlagern Skills Wissen aus dem Prompt in versionierte Dateien. Ein Prompt ist vergänglich, ein Skill liegt in der Git-Historie, lässt sich im Team teilen und per Pull Request prüfen. Genau die Stelle, an der Agenten-Betrieb sonst wackelt. Drittens zeigt Google, wie Qualitätssicherung bei diesem Maßstab aussieht: nicht mit Rezensionen, sondern mit Conformance-Fällen, die automatisch prüfen, ob Dokumentation und Wirklichkeit auseinanderlaufen. Wer eigene Skills schreibt, kann dieselbe Prüfkette übernehmen: weniger Behauptungen, mehr Checks.

Der Weg ins eigene Setup läuft über die Plugin-Schnittstelle. Das Repo liefert zwei Marketplace-Manifeste, eines für Claude-basierte Harnesses und eines für agenten-unabhängige Werkzeuge, mit je einem Eintrag pro Plugin-Paket. Das Cloud-Plugin bündelt die Agent-Platform- und Cloud-Skills, einzelne Skills bleiben einzeln installierbar, der Umweg über das Paket ist optional. Für die Suche im Bestand gibt es den Skill finding-google-skills: Er holt den generierten Index mit 138 Einträgen und liefert die exakten Pfade, statt dass der Agent das Repo von Hand durchsucht. Die Installation selbst folgt dem Standard: Ordner klonen, Skill registrieren, fertig. Wer nichts installieren will, liest die SKILL.md-Dateien als Dokumentation, auch das funktioniert.

Über den Autor: Ich betreibe das HUNTER-Cyberdeck auf einem gebrauchten Google Pixel, ohne Root, mit Cloud-Modellen und Terminal-Orchestrierung. Skills behandle ich als Betriebsschicht, nicht als Deko. Zuletzt fachlich geprüft: 14.09.2026.

Quellen: github.com/google/skills (Repo-Daten über GitHub-API und generiertes index.json, Stand 14.09.2026), Commit-Historie im Repo mit den Commits vom 28.08., 11.09. und 12.09.2026, Agent-Skills-Standard auf agentskills.io, Auslöser: Jack auf YouTube, Kurzvideo https://www.youtube.com/shorts/J0emMr26CgE (Abruf 14.09.2026).