GitHub Copilot Skills vs. MCP-Server: Was Sie im Juli 2026 nutzen sollten, und was nicht

Microsoft hat im Juni 2026 GitHub Copilot Skills als neue Funktionsebene ausgerollt, parallel zum etablierten MCP-Ökosystem. Auf den ersten Blick klingt beides nach Werkzeugkasten für KI-Agenten. Auf den zweiten Blick sind es zwei konkurrierende Antworten auf dieselbe Frage: wie kommt ein Agent an prozedurales Wissen und externe Tools? Wer im Mittelstand in den nächsten Wochen entscheidet, welche der beiden Welten in den eigenen Workflow einzieht, entscheidet implizit über drei Jahre Plattformbindung.

Was Copilot Skills sind, und was nicht

Copilot Skills sind kuratierte, wiederverwendbare Anweisungs-Sets, die in einem GitHub-Repository als Markdown-Datei liegen. Sie werden bei Bedarf in den Prompt geladen, von Copilot interpretiert und als Anweisung an den Agenten weitergegeben. Skills kapseln Workflows, Code-Konventionen, Coding-Praktiken oder Compliance-Vorgaben, sie sind deklarativ, nicht ausführbar. Ein typisches Skill-Bundle im Juli 2026 umfasst fünf bis zwölf Markdown-Dateien plus ein Manifest, das die Auswahl regelt.

Der entscheidende Unterschied zu klassischem Copilot-Custom-Instruction-Setup: Skills sind versioniert, projektspezifisch und werden vom Agenten zur Laufzeit ausgewählt. Wer im Repo ein Skill für "Refactoring-Legacy-Python-2-Code" hat, lädt es nur, wenn der Agent erkennt, dass die Anfrage passt. Das ist ressourcenschonend und kontrolliert.

Was MCP-Server sind, und was nicht

Model Context Protocol-Server sind kleine Dienste, die Tools bereitstellen, die ein Agent zur Laufzeit aufrufen kann. Ein MCP-Server für eine interne Jira-Instanz liefert Methoden wie "create_ticket" oder "search_issues", der Agent ruft sie via JSON-RPC auf, das Ergebnis fließt in den nächsten Prompt. MCP-Server sind Code, sie werden betrieben, sie haben Versionen, Authentifizierung und Audit-Logs. Das MCP-Ökosystem hat laut Anthropic-Tracking im Juni 2026 etwa 10.000 öffentliche Server, mit 9.652 Einträgen in der offiziellen Registry und 97 Millionen monatlichen SDK-Downloads.

Der entscheidende Unterschied zu Skills: MCP-Server führen Aktionen aus und liefern Ergebnisse zurück. Sie sind Werkzeuge, nicht Anweisungen. Wer eine Jira-MCP-Anbindung hat, kann Tickets anlegen. Wer ein Jira-Skill hat, weiß, wie der Agent Tickets anlegen soll, hat aber keinen Jira-Zugang.

Drei Einsatzbereiche, in denen Skills klar besser sind

1. Coding-Konventionen und Code-Style. Welche Architekturmuster gelten im Projekt, welche Test-Konventionen, welche Naming-Standards. Diese Vorgaben lassen sich deklarativ in Markdown formulieren, ohne externe Aktionen auszulösen. Wer hier auf MCP setzt, baut sich einen Server, der "lint_check" zurückgibt, das ist Overhead ohne Mehrwert.

2. Compliance- und Sicherheitsanweisungen. Welche Daten dürfen nicht ins LLM fließen, welche Code-Pfade sind tabu, welche Reviewer müssen vor Merge benachrichtigt werden. Skills sind das natürliche Format, weil sie vom Agenten gelesen werden, bevor er handelt. Wer hierfür einen MCP-Server baut, der "policy_query" anbietet, schiebt Logik in Infrastruktur, die als Markdown neben dem Code gehört.

3. Domänenspezifische Workflow-Beschreibungen. Welche Schritte gehören zu unserem Release-Prozess, wie sieht unser Incident-Response-Playbook aus. Skills transportieren Wissen, das der Agent zur Anweisungs-Generierung braucht, nicht Daten, die er zur Aktion braucht.

Drei Einsatzbereiche, in denen MCP-Server klar besser sind

1. Live-Daten aus internen Systemen. Jira, Confluence, GitHub Enterprise, interne Datenbanken, observability-Stacks. Wer einem Agenten Zugriff auf das eigene Jira geben will, kommt um einen MCP-Server nicht herum. Ein Skill kann das Wissen über Jira-Workflows beschreiben, aber nicht die echten Tickets lesen.

2. Schreibende Aktionen mit Authentifizierung. Wer durch den Agenten Tickets anlegen, Pull-Requests erzeugen oder Deployments auslösen will, braucht einen MCP-Server mit Authentifizierung. Skills können die Aktion beschreiben, aber nicht ausführen.

3. Externe Datenquellen mit Rate-Limits. Web-Recherche, Wetter-APIs, Börsenkurse, regulatorische Datenbanken. MCP-Server kapseln das Rate-Limit-Handling, das Caching und die Fehlerbehandlung. Skills würden den Agenten jedes Mal aufs Neue mit diesen operativen Details belasten.

Was sich im Juli 2026 konkret entscheidet

Microsoft pusht Copilot Skills strategisch, weil sie Microsofts Daten- und Compliance-Vorteil ausspielen. Wer in VS Code arbeitet, bekommt Skills out-of-the-box, ohne dass ein eigener MCP-Server betrieben werden muss. Für Microsoft-zentrierte Mittelständler ist das der Pfad des geringsten Widerstands.

MCP bleibt gleichzeitig der offene Standard, den Anthropic, OpenAI und andere Anbieter unterstützen. Wer Skills-only baut, bindet sich an Microsoft. Wer MCP-only baut, hat einen eigenen Infrastrukturfußabdruck, der Betrieb und Wartung kostet. Die Frage ist nicht "Skills oder MCP", sondern "welche Aufgaben löse ich mit welcher Technologie".

Wie centerbit die Kombination einsetzt

In unseren Projekten folgen wir einer einfachen Heuristik: wenn der Agent nur Wissen braucht, um den nächsten Schritt zu entscheiden, ist es ein Skill. Wenn der Agent etwas in der echten Welt tut oder echte Daten liest, ist es ein MCP-Server. Konkret heißt das: Coding-Standards als Skills, Jira-Zugriff als MCP, Incident-Response-Playbook als Skill, observability-Daten als MCP, Compliance-Vorgaben als Skills, interner Datenbankzugriff als MCP.

Diese Trennung hat zwei Effekte: die Anzahl der MCP-Server bleibt klein und überschaubar, in der Regel drei bis fünf pro Projekt, und die Skills werden zum lebendigen Teil des Code-Repos, versioniert mit dem Code, reviewbar im Pull-Request.

Empfehlung

Wenn Sie in den nächsten vier Wochen eine Entscheidung treffen: führen Sie eine Skill-Inventur durch, was im Repo bereits an Konventionen, Anweisungen und Playbooks liegt. Wer vorher schon Confluence-Seiten mit Coding-Standards hatte, kann die oft eins zu eins in Skills überführen. Wer danach MCP-Server aufsetzt, tut das für die zwei bis drei Kern-Integrationen, die das eigene Team tatsächlich braucht, nicht für ein ganzes Ökosystem.

Die Frage ist nicht Skills gegen MCP. Die Frage ist, ob Sie prozedurales Wissen im Repo behalten oder in externe Infrastruktur auslagern. Die Antwort hängt davon ab, wie viel Sie selbst kontrollieren wollen.