Claude Code vs. Gemini CLI: Portabilitet for agentferdigheter i 2026

Sammenligningen mellom Claude Code og Gemini CLI har endret seg fundamentalt. Lenge sentrerte diskusjonen seg om størrelsen på kontekstvinduet og hvilken agent som hadde de beste innebygde egenskapene. Men to nylige endringer har gjort den debatten foreldet. For det første støtter begge agentene nå den samme åpne standarden for ferdigheter. For det andre er Gemini CLI ikke lenger et verktøy rettet mot individuelle utviklere.

Dette omformulerer hele spørsmålet om Claude Code vs. Gemini CLI. Fokuset er ikke lenger på de proprietære funksjonene i hvert rammeverk, men på portabiliteten til selve ferdighetene. Hva kreves for at en ferdighet skal fungere pålitelig på enhver plattform som støtter standarden? Og hva forteller våre testdata – fra kjøring av 2116 ferdigheter i et Claude Code-miljø – oss om hvorfor de feiler?

Det felles grunnlaget: Agent Skills-standarden

Før vi sammenligner rammeverkene, er det avgjørende å forstå hva de har til felles. Spørsmålet "fungerer ferdigheter i gemini cli" har et enkelt, direkte svar: ja. Dette er fordi både Claude Code og Gemini CLI, sammen med en voksende liste over andre klienter som Codex, Cursor og OpenCode, har tatt i bruk det åpne Agent Skills-formatet.

Opprinnelig utviklet av Anthropic og nå vedlikeholdt som en åpen standard på agentskills.io, definerer dette formatet en ferdighet som en selvstendig mappe. Kjernen er en SKILL.md-fil som inneholder YAML frontmatter for metadata (som name og description) og en markdown-kropp med instruksjoner for agenten. Denne mappen kan valgfritt pakke med sine egne ressurser, som skript i en scripts/-mappe eller referansedokumenter i references/.

Denne felles standarden betyr at en ferdighet skrevet for Claude Code i prinsippet skal være lesbar for Gemini CLI, og omvendt. Selve ferdigheten er portabel. Forskjellen ligger i hvordan hvert agentrammeverk oppdager, laster og utfører den.

Rammeverkets mekanikk: Hvordan Claude og Gemini kjører ferdigheter

Selv om ferdighetsformatet er det samme, skiller den operasjonelle mekanikken til Claude Code og Gemini CLI seg på sentrale punkter. Disse forskjellene påvirker hvordan ferdigheter administreres, hvordan de lastes inn i konteksten, og hvordan de samhandler med agentens sikkerhetsmodell.

Kjøring av ferdigheter i Claude Code

Claude Code leter etter ferdigheter på to primære steder: en global mappe på ~/.claude/skills/<name>/SKILL.md for personlige ferdigheter, og en prosjektspesifikk mappe på .claude/skills/<name>/SKILL.md. Den oppdager også ferdigheter i nestede .claude/skills/-mapper mens den traverserer et prosjekt.

Når en oppgave utløser en ferdighet, gjengir Claude Code hele SKILL.md-filen inn i samtalen som én enkelt melding. Denne konteksten vedvarer ut økten; filen leses ikke på nytt i påfølgende runder. Dette er en enkel, filbasert tilnærming. Frontmatter-delen i SKILL.md gir også en viss kontroll over agentens verktøysett under kjøringen av ferdigheten. allowed-tools-nøkkelen kan forhåndsgodkjenne spesifikke verktøy for den runden som aktiverer ferdigheten, mens disallowed-tools midlertidig kan fjerne verktøy fra agentens rekkevidde mens ferdigheten er aktiv.

Kjøring av ferdigheter i Gemini CLI

Gemini CLI bruker et mer strukturert, flernivås oppdagelsessystem og en to-trinns lasteprosess. Den søker etter ferdigheter i en spesifikk rekkefølge for prioritet: innebygde ferdigheter, utvidelsesferdigheter, brukerferdigheter (~/.gemini/skills/ eller ~/.agents/skills/-aliaset), og til slutt arbeidsområdeferdigheter (.gemini/skills/ eller dets .agents/skills/-alias).

I motsetning til Claude Code, laster ikke Gemini CLI hele ferdigheten umiddelbart. Ved starten av en økt injiserer den kun name og description for hver aktiverte ferdighet i systemmeldingen. Dette holder den innledende konteksten slank. Først når modellen fastslår at en oppgave samsvarer med en ferdighet, kaller den activate_skill-verktøyet. Dette utløser en samtykkeforespørsel til brukeren, som detaljerer ferdighetens navn, formål og mappestien den vil få tilgang til. Etter brukerens godkjenning legges hele SKILL.md-kroppen og dens mappestruktur til i samtalehistorikken, og ferdighetens mappe legges til i agentens liste over tillatte filstier.

Dette systemet administreres via et dedikert sett med kommandoer, som gemini skills install <git-url-or-dir> --consent og /skills link <path> --scope user|workspace.

Her er en oppsummering av de viktigste forskjellene:

Funksjon	Claude Code	Gemini CLI
Sti til ferdighet	~/.claude/skills/, .claude/skills/	~/.gemini/skills/, .gemini/skills/ (pluss .agents/skills/-alias)
Aktivering	Hele SKILL.md injiseres ved første gangs bruk, vedvarer	Navn/beskrivelse i systemmelding; SKILL.md injiseres ved aktivering
Brukersamtykke	Implisitt ved installasjon/plassering	Eksplisitt forespørsel ved første aktivering per økt
Administrasjon	Filoperasjoner	CLI-kommandoer (gemini skills ..., /skills ...)

Den virkelige historien for 2026: Gemini CLI er ikke lenger et forbrukerverktøy

Den tekniske sammenligningen er nå stort sett akademisk for de fleste utviklere. Den 19. mai 2026 kunngjorde Google at de overfører Gemini CLI til et nytt verktøy kalt Antigravity CLI. Fra og med 18. juni 2026 sluttet Gemini CLI og de tilhørende Gemini Code Assist IDE-utvidelsene å betjene forespørsler for individuelle Google AI Pro- og Ultra-abonnenter, samt gratisnivået (som tidligere var 60 forespørsler/minutt og 1 000/dag).

Tjenesten fortsetter for bedriftskunder med Gemini Code Assist Standard- og Enterprise-lisenser og for de som bruker Gemini API via direkte fakturering. gemini-cli-repositoriet forblir offentlig under en Apache-2.0-lisens og er fortsatt i aktiv utvikling.

Avgjørende er at Google har uttalt at kjerneagentteknologiene – Agent Skills, Hooks, Subagents og Extensions – vil bli videreført til Antigravity CLI, som beskrives som en omskriving i Go for ytelse. Kunngjøringen sa ingenting om lisensen for Antigravity CLI. Denne endringen forandrer hva det i det hele tatt betyr å velge mellom Claude Code eller Gemini CLI i 2026. For en individuell utvikler uten en bedriftslisens eller direkte API-fakturering, er det ikke lenger et valg mellom to forbrukerverktøy. Den praktiske bekymringen er om investeringen i å bygge et personlig bibliotek av ferdigheter vil være portabel til fremtidige agentrammeverk.

Kontekstvindu vs. ferdighetsdybde

Mye har blitt sagt om Geminis annonserte 1M token kontekstvindu. Selv om det finnes konfigurasjoner med stor kontekst på begge sider, bommer man på poenget ved å fokusere på antall tokens. Kontekststørrelse og ferdighetsdybde løser ulike klasser av problemer.

Et massivt kontekstvindu er kraftig for oppgaver som krever en helhetlig forståelse av en stor kodebase. Det lar agenten holde mer av repositoriet ditt i sin umiddelbare oppmerksomhet, noe som kan være uvurderlig for kompleks refaktorering eller analyse. Men det løser ikke handling.

Et 1M token-vindu kan ikke installere en manglende binærfil. Det kan ikke provisjonere en API-nøkkel. Det kan ikke fikse en SKILL.md-fil som er skrevet for vagt til å utløses pålitelig. Dette er problemer med ferdighetsdybde – en agents evne til å utføre en presis, repeterbar, miljøbevisst oppgave. Det er domenet til en velskrevet ferdighet, og suksessen avhenger ofte mindre av størrelsen på kontekstvinduet og mer av miljøet den kjører i.

Hva våre data viser om hvorfor ferdigheter feiler (på alle plattformer)

Dette bringer oss til kjernen av problemet: hvorfor feiler ferdigheter? Hos SkillProof installerer og kjører vi ferdigheter for å publisere en ærlig dom. Av de 2116 ferdighetene vi har testet, består 1307 (62 %), 704 er merket "Fungerer med oppsett" – de gjør jobben, men først etter konfigurasjon som oppføringen må spesifisere – og 105 får dommen 'feiler': noen kjørte og etterlot deg i en verre tilstand enn ingen ferdighet i det hele tatt, andre kunne ikke kjøre i det hele tatt.

For å være helt tydelig: vi kjører disse testene utelukkende i et Claude Code-rammeverk. Vi har aldri kjørt en ferdighet på Gemini CLI eller Antigravity CLI, og vi gjør ingen påstander om deres bestått-rater. Hele prosessen vår er detaljert i vår metodikk.

Våre data om hvorfor ferdigheter feiler er likevel svært relevante for ethvert rammeverk. Vi skannet testnotatene for hver ferdighet som ikke besto uten problemer. Resultatene er talende.

Av de 704 ferdighetene som krevde oppsett:

• 195 nevnte en manglende CLI eller binærfil.
• 99 var avhengig av at en separat MCP-server var konfigurert og kjørte.
• 92 krevde en API-nøkkel eller annen legitimasjon.
• 64 trengte en betalt konto eller abonnement.

Av de 105 ferdighetene som fikk dommen 'feiler':

• 27 involverte en manglende CLI eller binærfil.
• 12 var avhengig av en MCP-server.
• 10 krevde en betalt konto.
• 7 trengte en API-nøkkel.

Dette er tellinger fra et nøkkelordsøk i våre egne testnotater, ikke en uttømmende taksonomi av årsaker, og kategoriene overlapper: en enkelt ferdighet kan trenge både en CLI og en nøkkel. Men mønsteret er vanskelig å overse. Den overveldende grunnen til at en ferdighet underpresterer, er en avhengighet av det eksterne miljøet. En ferdighet som krever en binærfil du ikke har installert, vil feile enten du kjører den via Claude Code eller Gemini CLI. En ferdighet som trenger en API-nøkkel, vil ikke fungere uten en, uavhengig av agentens kontekstvindu.

Casestudier: Hvor ferdigheter består og feiler

Å se på spesifikke eksempler gjør dette tydelig. Forskjellen mellom en ferdighet som består og en som trenger oppsett, har ofte ingenting med agentrammeverket å gjøre.

• Sync Agent Instructions: Denne coding-ferdigheten besto testene våre. Formålet er å synkronisere instruksjoner på tvers av CLAUDE.md-, GEMINI.md- og AGENTS.md-filer. Den fungerer fordi den ikke har noen eksterne avhengigheter; den bruker bare grunnleggende shell-kommandoer som cp, git diff og git add. Logikken er fullstendig portabel. Verdien den ga utover en naiv grunnlinje var presisjonen – den iscenesatte målfilene korrekt via git add mens kildefilen ble latt være uiscenesatt.

• AI Multimodal: Denne data-ferdigheten fikk dommen "Fungerer med oppsett." Skriptene er rene og bruker den offisielle google-genai Python SDK-en. Den krever imidlertid at den SDK-en er installert og, enda viktigere, en aktiv GEMINI_API_KEY i miljøet. Vi kunne ikke provisjonere en nøkkel for testen, så resultatet ble aldri målt. Dette er en Gemini-drevet ferdighet som feiler av en grunn som ville blokkert den like effektivt inne i selve Gemini CLI.

• Amazon Alexa QA: Et annet eksempel på "Fungerer med oppsett", denne seo-ferdigheten illustrerer problemet med skjulte avhengigheter. Instruksjonene nevner aldri at den i det stille krever et separat browser-act-cli-verktøy, som må installeres via uv tool install browser-act-cli. Den trenger også en aktiv, pålogget Amazon-konto. Dette feilmønsteret er helt uavhengig av agenten.

• AI Search Hub: Denne data-ferdigheten som består, er et eksempel på et verktøy som bare fungerer. Vi kjørte den dokumenterte kommandoen, og den returnerte et korrekt svar på første forsøk. Grunnlinjen – den samme modellen uten ferdigheten – brukte tre forsøk og ga null resultater.

Å sammenligne Gemini CLI vs Claude Code for koding er altså mindre et spørsmål om de to verktøyene enn om ferdighetene du kjører på dem. En felles standard er et reelt skritt fremover, men som våre data viser, koker portabilitet ned til om en ferdighet er ærlig om hva den trenger fra maskinen under.

Relatert lesning: vi stilte det samme portabilitetsspørsmålet mot OpenAIs agent i Claude Code vs Codex CLI, og dekket hvordan instruksjonsfiler skiller seg fra ferdigheter i AGENTS.md vs Claude Skills.

Dette er problemet SkillProof ble bygget for å løse. Vi installerer hver ferdighet, kjører den på reelt arbeid, og publiserer dommen – inkludert feilene. Hele katalogen med 2116 testede ferdigheter er gratis å bla gjennom; hvis du heller vil starte med en kortliste, selger vi også rollebaserte pakker med ti ferdigheter for $10 stykket.