Claude Code vs. Gemini CLI: Portabilität von Agent-Skills 2026

Der Vergleich zwischen Claude Code und Gemini CLI hat sich grundlegend geändert. Lange Zeit drehte sich die Diskussion um die Größe des Kontextfensters und darum, welcher Agent die besseren nativen Fähigkeiten hatte. Aber zwei jüngste Entwicklungen haben diese Debatte überflüssig gemacht. Erstens unterstützen beide Agenten jetzt denselben offenen Standard für Skills. Zweitens ist Gemini CLI kein Tool mehr für einzelne Entwickler.

Das stellt die ganze Frage „Claude Code vs. Gemini CLI“ in einen neuen Rahmen. Der Fokus liegt nicht mehr auf den proprietären Funktionen der jeweiligen Ausführungsumgebung, sondern auf der Portabilität der Skills selbst. Was ist erforderlich, damit ein Skill auf jeder Plattform, die den Standard unterstützt, zuverlässig funktioniert? Und was sagen unsere Testdaten – aus der Ausführung von 2116 Skills in einer Claude-Code-Umgebung – darüber aus, warum sie fehlschlagen?

Die gemeinsame Grundlage: Der Agent-Skills-Standard

Bevor die Ausführungsumgebungen verglichen werden, ist es entscheidend zu verstehen, was sie gemeinsam haben. Die Anfrage „do skills work in gemini cli“ hat eine einfache, direkte Antwort: Ja. Das liegt daran, dass sowohl Claude Code und Gemini CLI als auch eine wachsende Liste anderer Clients wie Codex, Cursor und OpenCode das offene Agent-Skills-Format übernommen haben.

Ursprünglich von Anthropic entwickelt und jetzt als offener Standard unter agentskills.io gepflegt, definiert dieses Format einen Skill als ein in sich geschlossenes Verzeichnis. Im Kern steht eine SKILL.md-Datei, die YAML-Frontmatter für Metadaten (wie name und description) und einen Markdown-Body mit Anweisungen für den Agenten enthält. Dieses Verzeichnis kann optional eigene Ressourcen bündeln, wie Skripte in einem scripts/-Ordner oder Referenzdokumente in references/.

Dieser gemeinsame Standard bedeutet, dass ein für Claude Code geschriebener Skill im Prinzip von Gemini CLI gelesen werden kann und umgekehrt. Der Skill selbst ist portabel. Die Abweichung entsteht dadurch, wie jede Agenten-Ausführungsumgebung ihn entdeckt, lädt und ausführt.

Mechanik der Ausführungsumgebung: Wie Claude und Gemini Skills ausführen

Obwohl das Skill-Format dasselbe ist, unterscheiden sich die operativen Mechanismen von Claude Code und Gemini CLI in wesentlichen Punkten. Diese Unterschiede beeinflussen, wie Skills verwaltet, wie sie in den Kontext geladen werden und wie sie mit dem Sicherheitsmodell des Agenten interagieren.

Skill-Ausführung in Claude Code

Claude Code sucht nach Skills an zwei Hauptorten: einem globalen Verzeichnis unter ~/.claude/skills/<name>/SKILL.md für persönliche Skills und einem projektspezifischen Verzeichnis unter .claude/skills/<name>/SKILL.md. Es entdeckt auch Skills in verschachtelten .claude/skills/-Verzeichnissen, während es ein Projekt durchläuft.

Wenn eine Aufgabe einen Skill auslöst, rendert Claude Code die gesamte SKILL.md-Datei als eine einzige Nachricht in die Konversation. Dieser Kontext bleibt für den Rest der Sitzung bestehen; die Datei wird bei nachfolgenden Interaktionen nicht erneut gelesen. Dies ist ein einfacher, dateibasierter Ansatz. Das Frontmatter in SKILL.md ermöglicht auch eine gewisse Kontrolle über die Werkzeuge des Agenten während der Ausführung des Skills. Der Schlüssel allowed-tools kann bestimmte Werkzeuge für die Interaktion, die den Skill aufruft, vorab genehmigen, während disallowed-tools Werkzeuge vorübergehend aus der Reichweite des Agenten entfernen kann, während der Skill aktiv ist.

Skill-Ausführung in Gemini CLI

Gemini CLI verwendet ein strukturierteres, mehrstufiges Erkennungssystem und einen zweistufigen Ladeprozess. Es sucht nach Skills in einer bestimmten Rangfolge: eingebaute Skills, Erweiterungs-Skills, Benutzer-Skills (~/.gemini/skills/ oder der Alias ~/.agents/skills/) und schließlich Workspace-Skills (.gemini/skills/ oder dessen Alias .agents/skills/).

Im Gegensatz zu Claude Code lädt Gemini CLI nicht sofort den gesamten Skill. Zu Beginn einer Sitzung werden nur name und description jedes aktivierten Skills in den System-Prompt injiziert. Dadurch bleibt der anfängliche Kontext schlank. Erst wenn das Modell feststellt, dass eine Aufgabe zu einem Skill passt, ruft es das activate_skill-Tool auf. Dies löst eine Zustimmungsabfrage für den Benutzer aus, die den Namen des Skills, seinen Zweck und den Verzeichnispfad, auf den er Zugriff erhält, detailliert beschreibt. Nach Zustimmung des Benutzers werden der vollständige SKILL.md-Body und seine Ordnerstruktur zum Konversationsverlauf hinzugefügt, und das Verzeichnis des Skills wird zur Liste der erlaubten Dateipfade des Agenten hinzugefügt.

Dieses System wird über einen dedizierten Satz von Befehlen verwaltet, wie gemini skills install <git-url-or-dir> --consent und /skills link <path> --scope user|workspace.

Hier ist eine Zusammenfassung der wichtigsten Unterschiede:

Merkmal	Claude Code	Gemini CLI
Skill-Pfad	~/.claude/skills/, .claude/skills/	~/.gemini/skills/, .gemini/skills/ (plus .agents/skills/ alias)
Aufruf	Vollständige SKILL.md wird bei erster Nutzung injiziert, bleibt bestehen	Name/Description im System-Prompt; SKILL.md wird bei Aktivierung injiziert
Benutzerzustimmung	Implizit bei Installation/Platzierung	Explizite Abfrage bei erster Aktivierung pro Sitzung
Verwaltung	Dateisystem-Operationen	CLI-Befehle (gemini skills ..., /skills ...)

Die wahre Geschichte für 2026: Gemini CLI ist kein Consumer-Tool mehr

Der technische Vergleich ist für die meisten Entwickler inzwischen weitgehend akademisch. Am 19. Mai 2026 kündigte Google an, Gemini CLI auf ein neues Tool namens Antigravity CLI umzustellen. Seit dem 18. Juni 2026 bearbeitet Gemini CLI und die zugehörigen Gemini Code Assist IDE-Erweiterungen keine Anfragen mehr für einzelne Google AI Pro- und Ultra-Abonnenten sowie für die kostenlose Stufe (die früher 60 Anfragen/Minute und 1.000/Tag umfasste).

Der Dienst wird für Unternehmenskunden mit Gemini Code Assist Standard- und Enterprise-Lizenzen sowie für Nutzer, die die Gemini API über direkte Abrechnung verwenden, fortgesetzt. Das gemini-cli-Repository bleibt unter einer Apache-2.0-Lizenz öffentlich und wird weiterhin aktiv entwickelt.

Entscheidend ist, dass Google erklärt hat, dass die Kerntechnologien des Agenten – Agent Skills, Hooks, Subagents und Extensions – auf Antigravity CLI übertragen werden, das als Neufassung in Go zur Leistungssteigerung beschrieben wird. Die Ankündigung ging nicht auf die Lizenz für Antigravity CLI ein. Diese Veränderung ändert die Bedeutung der Wahl zwischen Claude Code oder Gemini CLI im Jahr 2026. Für einen einzelnen Entwickler ohne Unternehmenslizenz oder direkte API-Abrechnung ist es nicht länger eine Wahl zwischen zwei Consumer-Tools. Die praktische Sorge ist, ob die Investition in den Aufbau einer persönlichen Skill-Bibliothek auf zukünftige Agenten-Ausführungsumgebungen übertragbar sein wird.

Kontextfenster vs. Skill-Tiefe

Viel wurde über Geminis beworbenes 1M-Token-Kontextfenster geredet. Obwohl auf beiden Seiten Konfigurationen mit großem Kontext existieren, verfehlt die Fixierung auf die Token-Anzahl den Kern der Sache. Kontextgröße und Skill-Tiefe lösen unterschiedliche Problemklassen.

Ein riesiges Kontextfenster ist mächtig für Aufgaben, die ein ganzheitliches Verständnis einer großen Codebasis erfordern. Es ermöglicht dem Agenten, mehr von Ihrem Repository in seiner unmittelbaren Aufmerksamkeit zu halten, was für komplexe Refactorings oder Analysen von unschätzbarem Wert sein kann. Es löst jedoch nicht das Problem der Aktion.

Ein 1M-Token-Fenster kann kein fehlendes Binary installieren. Es kann keinen API-Schlüssel bereitstellen. Es kann keine SKILL.md-Datei reparieren, die zu vage geschrieben ist, um zuverlässig ausgelöst zu werden. Dies sind Probleme der Skill-Tiefe – die Fähigkeit eines Agenten, eine präzise, wiederholbare, umgebungsbewusste Aufgabe auszuführen. Das ist die Domäne eines gut geschriebenen Skills, und sein Erfolg hängt oft weniger von der Größe des Kontextfensters ab als von der Umgebung, in der er ausgeführt wird.

Was unsere Daten über das Scheitern von Skills zeigen (auf jeder Plattform)

Das bringt uns zum Kern des Problems: Warum scheitern Skills? Bei SkillProof installieren und führen wir Skills aus, um ein ehrliches Urteil zu veröffentlichen. Von den 2116 von uns getesteten Skills bestehen 1307 (62%), 704 sind als „Works with setup“ markiert – sie funktionieren, aber erst nach Konfiguration, die in der Beschreibung aufgeführt sein muss – und 105 erhalten das Urteil „fails“: einige wurden ausgeführt und verschlechterten das Ergebnis, andere konnten gar nicht ausgeführt werden.

Um es ganz klar zu sagen: Wir führen diese Tests ausschließlich in einer Claude-Code-Ausführungsumgebung durch. Wir haben noch nie einen Skill auf Gemini CLI oder Antigravity CLI ausgeführt und machen keine Aussagen über deren Erfolgsquoten. Unser vollständiger Prozess ist in unserer Methodik detailliert beschrieben.

Unsere Daten darüber, warum Skills scheitern, sind jedoch für jede Ausführungsumgebung von hoher Relevanz. Wir haben die Testnotizen für jeden Skill, der nicht auf Anhieb bestanden hat, durchsucht. Die Ergebnisse sind aufschlussreich.

Von den 704 Skills, die ein Setup erforderten:

• 195 erwähnten ein fehlendes CLI oder Binary.
• 99 waren von einem separaten MCP-Server abhängig, der konfiguriert und ausgeführt werden musste.
• 92 erforderten einen API-Schlüssel oder andere Anmeldeinformationen.
• 64 benötigten ein kostenpflichtiges Konto oder Abonnement.

Von den 105 Skills, die als „fails“ eingestuft wurden:

• 27 betrafen ein fehlendes CLI oder Binary.
• 12 waren von einem MCP-Server abhängig.
• 10 erforderten ein kostenpflichtiges Konto.
• 7 benötigten einen API-Schlüssel.

Dies sind Zählungen aus einer Stichwortsuche in unseren eigenen Testnotizen, keine erschöpfende Taxonomie der Ursachen, und die Kategorien überschneiden sich: Ein einzelner Skill kann sowohl ein CLI als auch einen Schlüssel benötigen. Aber das Muster ist kaum zu übersehen. Der überwältigende Grund, warum ein Skill nicht die erwartete Leistung erbringt, ist eine Abhängigkeit von der externen Umgebung. Ein Skill, der ein nicht installiertes Binary benötigt, wird scheitern, egal ob er über Claude Code oder Gemini CLI ausgeführt wird. Ein Skill, der einen API-Schlüssel benötigt, wird ohne diesen nicht funktionieren, unabhängig vom Kontextfenster des Agenten.

Fallstudien: Wo Skills erfolgreich sind und wo sie scheitern

Die Betrachtung konkreter Beispiele macht dies deutlich. Der Unterschied zwischen einem erfolgreichen Skill und einem, der ein Setup benötigt, hat oft nichts mit der Agenten-Ausführungsumgebung zu tun.

• Sync Agent Instructions: Dieser coding-Skill hat unsere Tests bestanden. Sein Zweck ist es, Anweisungen über CLAUDE.md-, GEMINI.md- und AGENTS.md-Dateien hinweg zu synchronisieren. Er funktioniert, weil er keine externen Abhängigkeiten hat; er verwendet nur grundlegende Shell-Befehle wie cp, git diff und git add. Seine Logik ist vollständig portabel. Der Mehrwert gegenüber einem naiven Ansatz war seine Präzision – er hat die Zieldateien korrekt über git add zum Staging hinzugefügt, während die Quelldatei ungestaged blieb.

• AI Multimodal: Dieser data-Skill erhielt die Bewertung „Works with setup“. Seine Skripte sind sauber und verwenden das offizielle google-genai Python SDK. Er erfordert jedoch, dass dieses SDK installiert ist und, was noch wichtiger ist, ein aktiver GEMINI_API_KEY in der Umgebung vorhanden ist. Wir konnten für den Test keinen Schlüssel bereitstellen, daher wurde seine Ausgabe nie gemessen. Dies ist ein Gemini-basierter Skill, der aus einem Grund fehlschlägt, der ihn in Gemini CLI selbst genauso effektiv blockieren würde.

• Amazon Alexa QA: Ein weiteres „Works with setup“-Beispiel, dieser seo-Skill veranschaulicht das Problem der versteckten Abhängigkeiten. Seine Anweisungen erwähnen nie, dass er stillschweigend ein separates browser-act-cli-Tool erfordert, das über uv tool install browser-act-cli installiert werden muss. Er benötigt auch ein aktives, angemeldetes Amazon-Konto. Dieses Fehlermuster ist völlig unabhängig vom Agenten.

• AI Search Hub: Dieser erfolgreiche data-Skill ist ein Beispiel für ein Werkzeug, das einfach funktioniert. Wir haben seinen dokumentierten Befehl ausgeführt, und er lieferte beim ersten Versuch eine korrekte Antwort. Der Basisvergleich – dasselbe Modell ohne den Skill – benötigte drei Versuche und lieferte keine Ergebnisse.

Der Vergleich von Gemini CLI vs. Claude Code für das Coding ist also weniger eine Frage der beiden Tools als vielmehr eine Frage der Skills, die man darauf ausführt. Ein gemeinsamer Standard ist ein echter Fortschritt, aber wie unsere Daten zeigen, hängt die Portabilität letztendlich davon ab, ob ein Skill ehrlich angibt, was er von der darunter liegenden Maschine benötigt.

Weiterführende Lektüre: Wir haben dieselbe Portabilitätsfrage mit dem Agenten von OpenAI in Claude Code vs Codex CLI untersucht und in AGENTS.md vs Claude Skills behandelt, wie sich Anweisungsdateien von Skills unterscheiden.

Das ist das Problem, für dessen Lösung SkillProof entwickelt wurde. Wir installieren jeden Skill, führen ihn bei realen Aufgaben aus und veröffentlichen das Ergebnis – einschließlich der Fehlschläge. Der vollständige Katalog von 2116 getesteten Skills kann kostenlos durchsucht werden; wenn Sie lieber mit einer engeren Auswahl beginnen möchten, verkaufen wir auch rollenbasierte Pakete mit zehn Skills für jeweils 10 $.