Einführung in MCP: der universelle Standard für KI-Tool-Integration

MCP (Model Context Protocol) ist eine offene Spezifikation von Anthropic, die heute von einem breiten Industriekonsortium gepflegt wird. Sie definiert eine standardisierte Möglichkeit für KI-Modelle („Clients"), externe Fähigkeiten („Server") zu entdecken und zu nutzen – wie Dateien lesen, Datenbanken abfragen, APIs aufrufen oder Code ausführen – über eine einheitliche JSON-RPC-Schnittstelle.

Vor MCP war jede KI-Tool-Integration maßgeschneidert: Ein Modellanbieter schrieb für jeden Dienst ein eigenes Plugin. Das erzeugte ein N×M-Problem – N Modelle mal M Tools ergaben N×M Integrationen. MCP reduziert das auf N+M: Jedes Modell implementiert den Client einmal, jedes Tool den Server einmal, und alle arbeiten zusammen.

MCP folgt einer Client-Server-Architektur. Die KI-Anwendung (z. B. Claude Desktop, Cursor oder deine eigene App) fungiert als MCP-Client. Externe Tools – ein Datenbank-Connector, ein Dateisystem-Adapter, eine GitHub-Integration – fungieren als MCP-Server. Sie kommunizieren über eine Transportschicht, typischerweise stdio für lokale Tools oder HTTP mit Server-Sent Events (SSE) für Remote-Dienste.

MCP-Server stellen drei Arten von Fähigkeiten bereit: Tools (Funktionen, die das Modell aufrufen kann), Resources (Daten, die das Modell lesen kann) und Prompts (wiederverwendbare Prompt-Vorlagen). Ein Server deklariert seine Fähigkeiten bei der Initialisierung, und der Client macht sie dem Modell verfügbar.

Bevor du einen Server verbindest, prüfe vier Dinge: einen MCP-fähigen Client, eine Laufzeit für den Server (je nach Paket Node.js oder Python), den genauen Startbefehl und die nötigen Zugangsdaten oder Dateipfade. Lies die README des Servers zu Pflicht-Umgebungsvariablen und unterstützten Transporten. Beginne mit einem schreibgeschützten Server auf einem Testverzeichnis oder Testkonto und halte die Konfiguration versioniert. Bei Remote-Servern prüfe Authentifizierungsmethode und Transportunterstützung.

Der schnellste Einstieg gelingt über einen MCP-kompatiblen Client. Claude Desktop, Cursor und Cline unterstützen MCP nativ. Du fügst einfach eine Server-Konfiguration hinzu – z. B. einen Dateisystem-Server, damit die KI deine Projektdateien durchsuchen kann, oder einen GitHub-Server, damit sie Issues und PRs liest – und das Modell erhält diese Fähigkeiten automatisch.

Eine typische MCP-Konfiguration in Claude Desktop sieht so aus: Du bearbeitest die Datei claude_desktop_config.json, fügst einen Server-Eintrag mit Befehl und Argumenten hinzu und startest neu. Der Server-Prozess startet automatisch und die Tools stehen in deinem Gespräch zur Verfügung.

Das MCP SDK (verfügbar für TypeScript und Python) macht das Erstellen eines Servers einfach. Du definierst deine Tools als Funktionen mit JSON-Schema-Beschreibungen, registrierst sie beim Server und verarbeitest eingehende Anfragen. Ein minimaler Server lässt sich in unter 50 Codezeilen schreiben.

Weitere Muster für KI-Tool-Integration findest du in unseren Tutorials zum Erstellen von KI-Agenten und im Leitfaden Beste KI-Coding-Agenten. Um MCP-kompatible Tools zu entdecken, schau dir die AI Coding Tools Collection und das MCP Tool-Use-Prompt-Template an.

Da MCP-Server leistungsstarke Fähigkeiten offenlegen können – Dateisystemzugriff, Datenbankabfragen, API-Aufrufe – ist Sicherheit entscheidend. Validiere und bereinige Eingaben immer, bevor du sie an Tools übergibst. Führe MCP-Server mit den minimal nötigen Berechtigungen aus. Für Remote-Server nutze HTTPS mit Authentifizierung. Prüfe Tool-Aufrufe in den Logs und setze Rate-Limits gegen Missbrauch. Die MCP-Spezifikation enthält einen Abschnitt „Security Considerations", den jeder Server-Autor lesen sollte.

Eine erfolgreiche Einrichtung ist durchgängig sichtbar. Nach dem Verbinden sollte der Client die Tools, Resources oder Prompts des Servers auflisten, und das Server-Log sollte einen Initialisierungs-Handshake ohne Fehler zeigen. Rufe ein Tool mit einer harmlosen Eingabe auf, etwa das Auflisten von Dateien in einem Testverzeichnis, und prüfe, ob das Ergebnis dem entspricht, was du außerhalb des Clients siehst. Löse dann einen erwarteten Fehler aus, etwa eine fehlende Datei, und prüfe, ob der Client ihn meldet statt still zu erfolgreich zu sein. Bei Remote-Servern prüfe, dass eine nicht authentifizierte Anfrage abgelehnt wird.

Erscheint ein Server nicht, prüfe zuerst den Befehlspfad: GUI-Clients erben oft nicht den PATH deiner Shell, nutze also einen absoluten Pfad oder den dokumentierten Launcher. Sieh dann ins MCP-Log des Clients und in stderr des Servers. Startet der Server, fehlen aber Tools, prüfe, ob der Client die Initialisierung abgeschlossen hat und der Server die erwartete Fähigkeit anzeigt. Schlägt ein Tool-Aufruf fehl, vergleiche die Argumente mit dem JSON Schema des Servers; Typfehler und fehlende Pflichtfelder sind häufig. Berechtigungsfehler bedeuten meist, dass der Serverprozess den Zielpfad nicht lesen kann oder ein API-Scope fehlt. Ändere jeweils nur eine Sache und starte den Client zwischen den Versuchen neu.

Lass MCP weg, wenn ein einzelnes Skript oder ein HTTP-Aufruf das Problem bereits löst; ein zusätzliches Protokoll und ein Serverprozess vergrößern die Fehlerfläche. Vermeide es, wenn du den Datei- oder Netzwerkzugriff des Servers nicht isolieren kannst, wenn Zugangsdaten nicht eng begrenzt werden können oder wenn Richtlinien das Senden von Daten an einen Drittanbieter-Server verbieten. Willst du nur ein paar statische Dokumente in einen Prompt einfügen, sind eine Retrieval-Pipeline oder direkter Kontext oft einfacher. Und stelle einen schreibfähigen Server nicht ohne menschliche Freigabeschritte für destruktive Aktionen einem Agenten zur Verfügung.