Skill, Plugin, Connector oder MCP? Was ist was bei Claude & ChatGPT – der große Praxis-Guide

Skill, Plugin, Connector, MCP – wer heute mit Claude, ChatGPT und Co. arbeitet, stolpert ständig über diese Begriffe. Und fast genauso oft werden sie durcheinandergeworfen. Dabei steckt hinter jedem Begriff eine klar abgegrenzte Idee – und wer die einmal verstanden hat, holt aus KI-Tools deutlich mehr heraus. In diesem Guide erkläre ich Ihnen die Unterschiede ausführlich, mit Schaubildern, Screenshots und Beispielen aus meinem Agentur-Alltag.

Die Kurzantwort: Wissen, Zugriff, Paket

Wenn Sie sich nur eine Faustregel aus diesem Artikel mitnehmen, dann diese: Ein Skill gibt der KI Wissen. Ein Connector gibt der KI Zugriff. Ein Plugin ist das Paket, das beides bündelt. Und MCP? Das ist der technische Standard darunter, der dafür sorgt, dass Zugriff auf externe Systeme überhaupt einheitlich funktioniert.

Ein Beispiel macht das greifbar. Stellen Sie sich vor, Sie stellen eine neue Mitarbeiterin ein. Ein Skill ist das Onboarding-Handbuch, das Sie ihr auf den Tisch legen: „So schreiben wir Angebote, so ist unsere Tonalität, diese Vorlagen nutzen wir.“ Ein Connector ist der Schlüsselbund mit den Zugangskarten: E-Mail-Postfach, CRM, Kalender. Und ein Plugin ist das komplette Starterpaket, das beides enthält – Handbuch plus Schlüssel plus ein paar fertige Arbeitsabläufe obendrauf.

Genau so verhalten sich die drei Bausteine in Claude und – mit etwas anderen Namen – auch in ChatGPT. Schauen wir uns jeden einzeln an. Vorher aber lohnt sich ein Blick auf das Fundament.

MCP – das Fundament, auf dem alles steht

MCP steht für Model Context Protocol – ein offener Standard, den Anthropic im November 2024 veröffentlicht hat. Die Grundidee: Statt für jede Kombination aus KI-Anwendung und externem Tool eine eigene Schnittstelle zu programmieren, gibt es ein einheitliches Protokoll, über das sich beliebige Systeme an beliebige KI-Anwendungen anschließen lassen.

Die offizielle Dokumentation nutzt dafür ein schönes Bild: MCP ist der USB-C-Anschluss für KI-Anwendungen. So wie USB-C einen einheitlichen Weg bietet, Geräte miteinander zu verbinden – egal ob Monitor, Festplatte oder Ladekabel –, bietet MCP einen einheitlichen Weg, KI-Systeme mit Datenquellen und Tools zu verbinden. Ein MCP-Server stellt dabei drei Dinge bereit: Tools (Aktionen, die die KI ausführen darf, z. B. „lege einen Termin an“), Ressourcen (Daten, die sie lesen kann) und Prompts (vorbereitete Arbeitsanweisungen).

Das Bemerkenswerte: MCP ist kein Anthropic-exklusives Format geblieben. Auch OpenAI hat den Standard übernommen – ChatGPT-Connectors und die neuen ChatGPT-Apps basieren heute ebenfalls auf MCP. Damit ist das Protokoll faktisch die gemeinsame Sprache der KI-Branche geworden, wenn es um Tool-Anbindung geht. Für Sie als Anwender heißt das: Ein einmal gebauter MCP-Server kann prinzipiell mit Claude und ChatGPT und vielen weiteren KI-Anwendungen sprechen.

Connectors: Die KI bekommt Zugriff

Ein Connector ist die nutzerfreundliche Verpackung eines MCP-Servers. Während MCP das Protokoll ist, ist der Connector das, was Sie in der Claude-Oberfläche mit zwei Klicks aktivieren: Gmail, Google Drive, Slack, Notion, HubSpot, GitHub – die Liste wächst ständig. Nach einem kurzen OAuth-Login („Claude möchte auf Ihr Google-Konto zugreifen – erlauben?“) kann die KI in diesen Diensten suchen, lesen und je nach Freigabe auch schreiben.

Der entscheidende Punkt: Ein Connector ändert nichts daran, WIE die KI arbeitet. Er öffnet nur Türen. Ob Claude mit den Daten aus Ihrem CRM etwas Sinnvolles anfängt, hängt weiter von Ihren Anweisungen ab – oder eben von einem Skill, dazu gleich mehr.

• Vorgefertigte Connectors: von Anthropic bzw. den Tool-Herstellern gepflegt, per Klick aktivierbar – etwa für Google Workspace, Slack, Asana, Stripe oder Canva.
• Custom Connectors: Sie tragen die URL eines beliebigen MCP-Servers ein – auch eines selbst gebauten. So binden Unternehmen interne Systeme an, für die es keinen fertigen Connector gibt.
• Rechte-Steuerung: Sie entscheiden pro Connector, was erlaubt ist. In Team- und Enterprise-Umgebungen können Admins das zentral steuern.

Skills: Die KI bekommt Wissen

Ein Skill beantwortet eine ganz andere Frage als ein Connector. Nicht „Worauf darf die KI zugreifen?“, sondern „Wie soll sie eine Aufgabe erledigen?“. Technisch ist ein Skill erstaunlich unspektakulär: ein Ordner mit einer Markdown-Datei (SKILL.md), in der Arbeitsanweisungen, Best Practices, Vorlagen und optional kleine Skripte stecken. Kein Code-Zwang, keine Server – im Kern eine sehr gut strukturierte Anleitung.

Das Clevere ist die Arbeitsweise dahinter, die sogenannte Progressive Disclosure: Die KI lädt zunächst nur den Titel und die Kurzbeschreibung jedes Skills – ein paar Dutzend Wörter. Erst wenn eine Aufgabe zum Skill passt („Erstelle mir eine PowerPoint…“), zieht sie sich die komplette Anleitung dazu. So können Dutzende Skills bereitliegen, ohne die KI zu überfrachten – wie ein Regal voller Handbücher, aus dem immer nur das gerade nötige gezogen wird.

• Mitgelieferte Skills: Claude bringt z. B. Skills für Word-, Excel-, PowerPoint- und PDF-Dateien mit – deshalb kann die KI daraus professionell formatierte Dokumente bauen.
• Eigene Skills: Sie können Ihr Firmenwissen selbst zum Skill machen – Markenrichtlinien, Angebotsprozesse, Reporting-Formate. Einmal sauber dokumentiert, wendet die KI es in jedem Chat automatisch an.
• Portabilität: Skills funktionieren in der Claude-App, in Claude Code und in Cowork – und das Konzept gibt es inzwischen auch bei OpenAI.

Plugins: Das Rundum-Paket

Bleibt der dritte Begriff: das Plugin. Ein Plugin erfindet nichts Neues – es bündelt die vorhandenen Bausteine zu einem installierbaren Gesamtpaket: mehrere Skills, ein oder mehrere Connectors (MCP-Server), dazu Befehle und Automatisierungen. Ein Klick, und alles zusammen ist einsatzbereit.

Gestartet sind Plugins im Herbst 2025 als Feature für Entwickler in Claude Code. Inzwischen gibt es ein öffentliches Verzeichnis, aus dem sich auch Nicht-Entwickler bedienen können – mit Paketen etwa für Design-Reviews, Marketing-Workflows oder Buchhaltungs-Aufgaben. Auch Marketplaces sind möglich: Unternehmen können eigene Plugin-Sammlungen pflegen und intern verteilen. So bekommt ein ganzes Team mit einer Installation denselben Werkzeugkasten – gleiche Skills, gleiche Anbindungen, gleiche Qualität.

Die Abgrenzung noch einmal in einem Satz: Ein Plugin ist kein vierter Baustein-Typ, sondern der Umzugskarton für die anderen drei.

Claude auf dem Desktop: Cowork & Claude Code

Richtig spannend wird das Zusammenspiel der Bausteine dort, wo die KI nicht nur chattet, sondern selbstständig arbeitet. Dafür gibt es bei Anthropic zwei Werkzeuge: Claude Code für Entwickler (im Terminal) und Claude Cowork für alle anderen Wissensarbeiter – als Teil der Desktop-App, inzwischen auch im Browser und mobil nutzbar.

In Cowork geben Sie ein Ziel vor – „bereinige diese 40 Excel-Dateien“, „erstelle das Monats-Reporting“, „überarbeite die Texte in diesem Ordner“ – und Claude arbeitet mehrstufig darauf hin: öffnet Dateien, nutzt Tools, erstellt Ergebnisse, dokumentiert jeden Schritt. Aufgaben lassen sich auch zeitgesteuert wiederholen, etwa ein Reporting an jedem Monatsersten. Und hier zahlen alle drei Bausteine ein:

1. Skills sorgen dafür, dass die Ergebnisse Ihren Standards entsprechen – Markendesign, Berichtsstruktur, Tonalität.
2. Connectors geben Zugriff auf die Systeme, in denen die Arbeit stattfindet – Kalender, E-Mail, CRM, Projektmanagement.
3. Plugins installieren beides gemeinsam – z. B. ein Marketing-Paket, das Skills und Anbindungen für das ganze Team mitbringt.

Der Desktop-Aspekt ist dabei mehr als Bequemlichkeit: Die Desktop-App kann mit lokalen Ordnern und Dateien arbeiten – also mit dem, was wirklich auf Ihrem Rechner liegt, nicht nur mit Uploads im Chat. Für viele Büro-Workflows ist genau das der Unterschied zwischen „nettes Spielzeug“ und „echter digitaler Kollege“.

Und bei ChatGPT? GPTs, Apps & Co.

OpenAI hat für ähnliche Konzepte eigene Namen – und zugegeben: eine bewegte Namensgeschichte. Die ChatGPT-Plugins der ersten Generation (2023) wurden längst eingestellt und durch Custom GPTs ersetzt – konfigurierbare Assistenten mit eigenen Anweisungen und Wissensdateien, die über sogenannte Actions auch APIs aufrufen können. Ein Custom GPT ist damit funktional eine Mischung aus Skill (Anweisungen und Wissen) und einfachem Connector (Actions) – allerdings in einem proprietären Format, das nur in ChatGPT existiert.

Seitdem hat sich OpenAI Schritt für Schritt dem offenen Ökosystem angenähert: ChatGPT-Connectors verbinden ChatGPT mit Gmail, Kalender, Slack, Salesforce und Hunderten weiteren Diensten – und basieren auf demselben MCP-Standard wie die Claude-Connectors. Mit dem Apps SDK können Entwickler interaktive Apps direkt in ChatGPT bauen, ebenfalls auf MCP-Basis. Und in der Entwickler-Dokumentation tauchen inzwischen sogar wieder Plugins auf – diesmal als Bündel aus Skills und MCP-Servern, konzeptionell fast identisch mit den Claude-Plugins. Die Fachwelt der KI-Anbieter konvergiert erkennbar auf dieselben drei Bausteine.

Entscheidungshilfe: Was brauchen Sie wann?

Zum Abschluss die Frage, die in Beratungsgesprächen am häufigsten kommt: „Und was davon brauche ich jetzt?“ Die Antwort lässt sich fast immer über drei einfache Fragen finden:

• Die KI liefert inhaltlich gute, aber „markenfremde“ Ergebnisse? Dann fehlt Wissen → bauen Sie einen Skill mit Ihren Richtlinien, Vorlagen und Prozessen.
• Die KI müsste ständig Daten von Ihnen kopiert bekommen? Dann fehlt Zugriff → aktivieren Sie die passenden Connectors (oder lassen Sie einen Custom Connector für Ihr internes System bauen).
• Ein ganzes Team soll denselben Setup bekommen? Dann lohnt ein Plugin – einmal geschnürt, überall identisch installiert.
• Wiederkehrende Mehrschritt-Aufgaben? Dann ab damit in Cowork bzw. den Agent Mode – mit Skills und Connectors als Grundausstattung.

Wichtig ist die Reihenfolge: Erst das Wissen, dann der Zugriff, dann die Automatisierung. Ein Agent mit Vollzugriff, aber ohne dokumentierte Arbeitsweise produziert nur schneller Durchschnitt. Ein Agent mit sauberen Skills und gezielten Freigaben dagegen ersetzt echte Routinearbeit – zuverlässig und in Ihrer Qualität.