Was ist MCP?

Das Model Context Protocol (MCP) ist ein offener Standard von Anthropic zur Verbindung von KI-Assistenten mit externen Datenquellen und Werkzeugen. Man kann es sich wie USB-C für KI vorstellen – ein Protokoll, das überall funktioniert.

Warum MCP wichtig ist

Vor MCP war jede KI-Integration individuell. Jedes Tool benötigte ein eigenes Plugin, einen API-Wrapper und eine eigene Konfiguration. MCP standardisiert dies.

Architektur

  • MCP Host: Die KI-Anwendung (z. B. Claude Desktop, Cursor).
  • MCP Server: Stellt Werkzeuge und Ressourcen über das Protokoll zur Verfügung.
  • MCP Client: Verbindet den Host mit Servern.

Schlüsselkonzepte

  • Werkzeuge: Funktionen, die die KI aufrufen kann (Suchen, Datei erstellen, Datenbank abfragen).
  • Ressourcen: Daten, die die KI lesen kann (Dateien, Datenbankdatensätze, API-Antworten).
  • Prompts: Wiederverwendbare Prompt-Vorlagen, die zwischen Anwendungen geteilt werden.

Aufbau eines MCP-Servers

1. Definiere deine Werkzeuge mit JSON-Schemata.

2. Implementiere das MCP-Protokoll (REST oder stdio-Transport).

3. Registriere Fähigkeiten (Werkzeuge, Ressourcen, Prompts).

4. Teste mit MCP Inspector oder Claude Desktop.

Ökosystem

  • GitHub: MCP-Server für Repositories und Probleme.
  • PostgreSQL: MCP-Server für Datenbankabfragen.
  • Slack: MCP-Server für Nachrichten und Kanäle.
  • Dateisystem: MCP-Server für lokalen Dateizugriff.

Für Entwickler

  • MCP-SDKs verfügbar in TypeScript und Python.
  • Befolge die Spezifikation bei modelcontextprotocol.io.
  • Community-Server wachsen schnell – Hunderte verfügbar.

Deinen ersten MCP-Server bauen

Hier ein minimales Beispiel mit dem TypeScript-SDK:

Die alte API existiert noch, ist aber veraltet, nutze daher den aktuellen Einstiegspunkt:

  • `npm install @modelcontextprotocol/sdk zod`
  • `import { McpServer } from "@modelcontextprotocol/sdk/server/mcp.js";`
  • `import { StdioServerTransport } from "@modelcontextprotocol/sdk/server/stdio.js";`
  • `const server = new McpServer({ name: "my-tool", version: "1.0.0" });`
  • `server.registerTool("search", { inputSchema: { query: z.string() } }, async ({ query }) => ({ content: [{ type: "text", text: JSON.stringify(await searchDatabase(query)) }] }));`
  • `await server.connect(new StdioServerTransport());`

Quelle: das Paket @modelcontextprotocol/sdk auf npm, Version 1.32.2, geprüft am 2026-11-10. Der bisherige Text importierte @mcp/sdk, das es auf npm nicht gibt.

Sicherheitsaspekte

  • Authentifizierung: MCP-Server sollten API-Schlüssel oder OAuth-Token verlangen. Stelle Server niemals ohne Authentifizierung öffentlich bereit.
  • Eingabevalidierung: Validiere alle Tool-Eingaben gegen Schemas. MCP bereinigt Eingaben nicht automatisch.
  • Ratenbegrenzung: Implementiere Ratenlimits, um Missbrauch zu verhindern. Ein übliches Limit sind 100 Anfragen/Minute pro Client.
  • Audit-Protokollierung: Protokolliere alle Tool-Aufrufe für Debugging und Compliance.

MCP vs. traditionelle APIs

MCP fügt semantisches Verständnis hinzu: Die KI weiß, was jedes Tool tut und wann sie es einsetzen sollte. Anders als bei REST-APIs, bei denen Entwickler die Integrationslogik fest codieren, entscheidet bei MCP die KI kontextabhängig, welche Tools sie aufruft. Das macht MCP ideal für agentische Workflows, in denen die KI Aktionen dynamisch wählen muss.

Die Integrationsfläche ist das Tool-Schema

Wenn Leute MCP bewerten, vergleichen sie meist Transports und vergessen, dass der Teil, auf den andere Systeme angewiesen sind, die Tool-Definition ist: Name, Beschreibung und Form von Argumenten und Ergebnis. Ein Tool mit vager Beschreibung wird von jedem Client zum falschen Zeitpunkt aufgerufen, und ein Ergebnis, das unstrukturierte Prosa zurückgibt, lässt sich mit nichts Nachgelagertem komponieren. Stecke deine Mühe in Schema und Beschreibung, denn der Transport ist ein gelöstes Problem und die Schnittstelle nicht.

Beschreibungen sind Prompts. Schreibe sie für ein Modell, das entscheidet, ob es dieses Tool überhaupt aufruft, einschließlich wann nicht. Argumente klar zu benennen ist viel wichtiger als sie abzukürzen, und ein Ergebnis, das ein kleines typisiertes Objekt ist, schlägt jedes Mal einen Absatz Text.

Lokale Server sind der reibungsarme Einstieg

Ein stdio-Server auf dem Rechner des Nutzers vermeidet die schwierigsten Probleme auf einmal: kein Hosting, keine Authentifizierungsinfrastruktur und eine natürliche Vertrauensgrenze, weil der Prozess mit den Rechten des Nutzers auf dessen Daten läuft. Beginne dort. Wechsle zu einem entfernten HTTP-Server erst, wenn die Fähigkeit wirklich über Maschinen oder Nutzer hinweg geteilt werden muss, und akzeptiere, dass du dann Authentifizierung, Autorisierung und Mandantenfähigkeit selbst verantwortest.

Wo Integrationen in der Praxis brechen

Server, die auf stdout schreiben. Bei stdio ist stdout der Protokollkanal, also korrumpiert ein verirrtes print den Stream, und der Fehler sieht wie ein Client-Bug aus. Logge auf stderr und teste, indem du den Server startest und auf Nicht-JSON-Bytes achtest. Diese eine Prüfung spart Stunden verwirrender Fehlersuche.

Ein vernünftiger erster Server

Umschließe ein bestehendes internes Tool, exponiere es mit präzisem Schema und ehrlicher Beschreibung, und nutze es selbst eine Woche, bevor du es jemand anderem gibst.