KI-Assistenten wie Claude oder ChatGPT sind leistungsfähig – aber ohne Anbindung an externe Systeme bleiben sie in einer Art Informationsblase. Genau hier setzt das Model Context Protocol (MCP) an. Es ist der fehlende Baustein, der moderne KI-Modelle von smarten Chatbots zu echten Arbeitspartnern macht.
Inhalt
Was ist das Model Context Protocol (MCP)?
Das Model Context Protocol, kurz MCP, ist ein offener Standard für die Anbindung von KI-Applikationen an externe Systeme. Es wurde von Anthropic entwickelt und im November 2024 als Open-Source-Projekt veröffentlicht. Seither hat es sich zum De-facto-Standard für die Integration von KI-Agenten entwickelt.
Die einfachste Analogie: MCP ist wie ein USB-C-Anschluss für KI-Anwendungen. So wie USB-C eine universelle Schnittstelle für Elektronikgeräte schafft, bietet MCP eine standardisierte Möglichkeit, KI-Anwendungen mit Datenquellen, Tools und Workflows zu verbinden – unabhängig davon, welches KI-Modell oder welche Anwendung im Einsatz ist.
Vor MCP war jede Integration eine Einzellösung: Wer seinen KI-Assistenten an eine Datenbank, einen Kalender oder ein CRM-System anschließen wollte, musste eine individuelle Schnittstelle programmieren. Mit MCP entfällt dieser Aufwand – einmal ein MCP-Server gebaut, funktioniert er mit allen kompatiblen KI-Anwendungen.
Wie funktioniert ein MCP-Server technisch?
Das MCP-Ökosystem besteht aus drei zentralen Komponenten:
- MCP Host: Die KI-Anwendung, die alles koordiniert – z. B. Claude Desktop, Visual Studio Code oder ein benutzerdefinierter KI-Agent.
- MCP Client: Eine Komponente innerhalb des Hosts, die die Verbindung zu einem MCP-Server aufbaut und aufrechterhält.
- MCP Server: Ein Programm, das Kontext und Funktionen für die KI bereitstellt – lokal auf dem Rechner oder als Remote-Service.
Die Kommunikation basiert auf JSON-RPC 2.0, einem leichtgewichtigen, bewährten Protokoll für strukturierten Datenaustausch. Jede Verbindung beginnt mit einem Handshake, bei dem Client und Server ihre Fähigkeiten gegenseitig bekannt geben.
MCP unterstützt zwei Transportmechanismen:
- Stdio Transport: Für lokale Server, die direkt auf demselben Rechner laufen. Optimale Performance, kein Netzwerk-Overhead.
- Streamable HTTP Transport: Für Remote-Server, die über das Internet erreichbar sind. Unterstützt OAuth-Authentifizierung und Server-Sent Events für Echtzeit-Updates.
Die drei Kernbausteine: Tools, Resources und Prompts
Was ein MCP-Server der KI anbieten kann, ist in drei sogenannte Primitives unterteilt:
1. Tools – Aktionen ausführen
Tools sind ausführbare Funktionen, die die KI aufrufen kann, um Aktionen in der realen Welt auszulösen. Typische Beispiele:
- Datenbankabfragen starten
- E-Mails versenden
- Kalendereinträge erstellen
- Code in einer Entwicklungsumgebung ausführen
- Dateien lesen und schreiben
2. Resources – Kontext bereitstellen
Resources sind Datenquellen, die der KI kontextuelle Informationen liefern. Das können sein:
- Dateiinhalte aus dem lokalen Filesystem
- Datenbankeinträge
- API-Antworten von Webdiensten
- Dokumentation und Wissensdatenbanken
3. Prompts – Interaktionen strukturieren
Prompts sind wiederverwendbare Vorlagen, die helfen, Interaktionen mit dem Sprachmodell zu strukturieren. Sie definieren z. B., wie die KI mit einem bestimmten Datenformat umgeht.
Was kann man mit MCP-Servern konkret machen?
Persönlicher KI-Assistent mit echten Kontextdaten
Ein MCP-Server, der Google Calendar und Notion anbindet, verwandelt einen KI-Assistenten in einen echten persönlichen Assistenten. Er kann Termine kennen, Aufgaben prüfen und proaktiv Prioritäten vorschlagen.
KI-gestützte Softwareentwicklung
Tools wie Cursor oder Visual Studio Code mit GitHub Copilot nutzen MCP, um KI-Assistenten mit dem lokalen Dateisystem, Datenbanken und externen APIs zu verbinden.
Enterprise-Chatbots mit Datenbankanbindung
Unternehmen können MCP nutzen, um interne Chatbots an mehrere Unternehmensdatenbanken anzubinden. Mitarbeiter fragen in natürlicher Sprache – der Chatbot ruft via MCP die relevanten Daten ab, analysiert sie und liefert direkt verwertbare Antworten.
Automatisierte Workflows und KI-Agenten
Mit MCP lassen sich KI-Agenten-Plattformen aufbauen, die autonom mehrstufige Aufgaben erledigen. Ein Agent kann eingehende E-Mails analysieren, den zugehörigen Kunden im CRM nachschlagen und eine passende Antwort formulieren.
Wer unterstützt MCP?
Das MCP-Ökosystem wächst rasant. Zu den wichtigsten unterstützenden Plattformen gehören:
- KI-Assistenten: Claude (Anthropic), ChatGPT (OpenAI)
- Entwicklungstools: Visual Studio Code, Cursor, MCPJam
- Unternehmensplattformen: Sentry, GitHub, Atlassian
Lokale vs. Remote-MCP-Server: Was passt wann?
Lokale MCP-Server laufen direkt auf dem Rechner des Nutzers. Vorteil: maximale Datensicherheit, keine Cloud-Abhängigkeit. Ideal für: Dateisystem-Zugriff, lokale Datenbanken, sensible Unternehmensdaten.
Remote-MCP-Server laufen auf einem zentralen Server und sind über das Internet erreichbar. Vorteil: einmal aufsetzen, für alle Nutzer und Geräte verfügbar. Ideal für: SaaS-Dienste, unternehmensweite Tools, skalierbare Integrationen.
MCP und Datensicherheit: Was Unternehmen wissen müssen
Mit mehr Konnektivität steigt auch die Angriffsfläche. Wichtige Punkte für den Unternehmenseinsatz:
- Authentifizierung: Remote-MCP-Server sollten immer mit OAuth 2.0 oder API-Keys abgesichert sein.
- Minimalprinzip: Jeder MCP-Server sollte nur die Berechtigungen bekommen, die er wirklich braucht.
- Audit-Logs: Welche KI-Applikation hat wann welches Tool aufgerufen? Transparenz ist hier entscheidend.
- Datenschutz: Werden personenbezogene Daten übertragen? Dann gelten DSGVO-Anforderungen.
Wie startet man mit MCP-Servern?
Der Einstieg ist einfacher als gedacht. Für die meisten gängigen Tools existieren bereits fertige MCP-Server:
- Bestehende Server nutzen: Die offiziellen Reference-Implementierungen auf GitHub bieten fertige Server für Filesystem, PostgreSQL, Slack, GitHub und viele weitere Dienste.
- SDKs für eigene Server: MCP-SDKs gibt es für Python, TypeScript, Java und weitere Sprachen.
- KI-Applikation konfigurieren: Claude Desktop, Cursor oder VS Code müssen lediglich in ihrer Konfigurationsdatei auf den MCP-Server hingewiesen werden.
Fazit: MCP ist die Infrastruktur der KI-Ära
Das Model Context Protocol ist kein weiteres KI-Hype-Tool. Es ist Infrastruktur – so grundlegend wie REST-APIs in der Web-Entwicklungsära. Wer heute mit KI-Agenten produktiv arbeiten will, kommt an MCP nicht vorbei.
Für Unternehmen bedeutet das konkret: Wer jetzt in MCP-Integrationen investiert, baut eine Grundlage, die mit dem gesamten KI-Ökosystem mitwächst.
