Schnittstellen für KI-Werkzeuge

Was ist das Model Context Protocol (MCP)?

MCP

Das Model Context Protocol (MCP) ist ein offener Standard, über den KI-Anwendungen einheitlich auf externe Werkzeuge, Dateien und Datenquellen zugreifen. Ein MCP-Server beschreibt seine Fähigkeiten einmal maschinenlesbar, und jede Anwendung, die das Protokoll spricht, kann sie nutzen, statt für jede Kombination eine eigene Anbindung zu brauchen.

Jeder Assistent, der auf Dateien, Tickets oder Datenbanken zugreifen soll, braucht eine Anbindung, und dieser Standard ersetzt die vielen Einzellösungen dafür.

KI-generiertDieses Bild wurde mit KI erzeugt · Yves Hoppe / KI / cmt
Art
Offener Standard auf Basis von JSON-RPC 2.0
Besteht aus
Host, Client und Server
Getragen von
Agentic AI Foundation der Linux Foundation
Verwechselt mit
Function Calling und A2A

Host, Client und Server

Die Spezifikation unterscheidet drei Rollen. Der Host ist die KI-Anwendung, in der du arbeitest, etwa ein Chat-Programm, eine Entwicklungsumgebung oder ein Agent. Im Host steckt für jeden angebundenen Server ein Client, der die Verbindung hält. Der Server schließlich stellt bereit, was das Modell nutzen darf, zum Beispiel den Zugriff auf ein Ticketsystem, ein Dateiverzeichnis oder eine Datenbank.

Will das Modell etwas aufrufen, führt nicht das Modell den Aufruf aus, sondern der Client, und er reicht auch das Ergebnis zurück. Modell und Zielsystem sind so nie direkt verbunden, dazwischen sitzt immer eine Stelle, an der du prüfen, bestätigen lassen und protokollieren kannst. Die Nachrichten selbst sind JSON-RPC 2.0, ein Werkzeugaufruf sieht im Kern so aus:

{
  "jsonrpc": "2.0",
  "id": 7,
  "method": "tools/call",
  "params": {
    "name": "ticket_suchen",
    "arguments": { "status": "offen", "kunde": "Muster GmbH" }
  }
}

Was ein MCP-Server anbieten kann

Ein Server stellt bis zu drei Arten von Fähigkeiten bereit, umgekehrt kann auch der Client dem Server Funktionen anbieten. Für Werkzeuge gilt: Jedes hat einen Namen, eine Beschreibung in normaler Sprache und ein JSON-Schema für seine Parameter. Diese Beschreibung ist der eigentliche Kern, denn anhand von ihr entscheidet das Modell, wann ein Aufruf sinnvoll ist.

BausteinSeiteWofür
ToolsServerAktionen ausführen, etwa Ticket anlegen, Abfrage starten
ResourcesServerInhalte lesen, etwa Dateien, Datensätze, Dokumentation
PromptsServerVorbereitete Anweisungsbausteine, die Nutzer auswählen
SamplingClientDer Server bittet das Modell des Hosts um eine Antwort
RootsClientDer Client legt fest, welche Verzeichnisse freigegeben sind
ElicitationClientDer Server fragt beim Nutzer gezielt eine Angabe nach

Transport: lokal oder über das Netz

Für die Verbindung sieht die Spezifikation zwei Wege vor. Über stdio startet der Host den Server als Prozess auf demselben Rechner und spricht mit ihm über Standardein- und -ausgabe. Zugangsdaten und Dateien bleiben dabei auf deinem Gerät, das passt für den Zugriff auf ein Arbeitsverzeichnis oder ein lokales Werkzeug.

Über Streamable HTTP läuft der Server entfernt, etwa zentral für ein ganzes Team. Dieser Transport hat 2025 den älteren Weg über HTTP mit Server-Sent Events abgelöst. Für entfernte Server beschreibt die Spezifikation eine Autorisierung auf Basis von OAuth, sodass sich Nutzer am Server anmelden, statt dass ein geteiltes Token in einer Konfigurationsdatei liegt. Die Spezifikation erscheint in datierten Versionen, Host und Server handeln beim Verbindungsaufbau aus, welche sie beide beherrschen.

Warum ein Standard hier etwas bringt

Ohne Standard entsteht für jede Kombination aus KI-Anwendung und Zielsystem eine eigene Anbindung. Fünf Anwendungen und acht Systeme ergeben vierzig einzelne Verbindungen, die alle gepflegt werden wollen. Mit einem gemeinsamen Protokoll schreibst du je System einen Server, und jede Anwendung, die das Protokoll spricht, kann ihn nutzen. MCP-Unterstützung haben unter anderem Claude, ChatGPT, GitHub Copilot in Visual Studio Code, Cursor und Microsoft Copilot Studio eingebaut.

Der zweite Gewinn ist Ordnung. Die Anbindung steckt nicht mehr in einem langen Prompt, sondern in einer Beschreibung mit Schema. Ändert sich das Zielsystem, änderst du den Server, nicht dreißig Prompts an verschiedenen Stellen.

Rechte und Risiken

Ein Server arbeitet mit genau den Rechten, die du ihm gibst. Ein Zugang mit Schreibrechten wird früher oder später schreiben, auch wenn das nie geplant war, weil das Modell den Aufruf für die naheliegende Lösung hält. Lesende Zugänge, getrennte Konten pro Server und eine Bestätigung vor allem, was sich nicht zurücknehmen lässt, sind hier keine Vorsicht, sondern Grundausstattung.

Dazu kommt eine unangenehme Eigenschaft: Was ein Server zurückliefert, geht als Text in das Modell. Steht in einem abgerufenen Ticket oder Dokument eine Anweisung, kann das Modell sie befolgen. Dasselbe gilt für die Werkzeugbeschreibungen selbst, ein Server aus fremder Quelle kann darin Anweisungen unterbringen, die mit seiner Funktion nichts zu tun haben. Prüf deshalb, aus welchen Quellen Inhalte kommen, und begrenze, wohin ein System Daten senden darf.

KI-generiertDieses Bild wurde mit KI erzeugt · Yves Hoppe / KI / cmt
Nicht verwechseln

Model Context Protocol und was oft damit gleichgesetzt wird

Model Context Protocol gegen Function Calling

Function Calling ist die Fähigkeit des Modells, einen strukturierten Aufruf zu formulieren. MCP regelt die Ebene darüber, nämlich wie Werkzeuge bereitgestellt, beschrieben und angebunden werden. Das eine schließt das andere nicht aus, der Host übersetzt die MCP-Werkzeuge in das Function-Calling-Format seines Modells.

Model Context Protocol gegen A2A

Das Agent2Agent-Protokoll regelt, wie eigenständige Agenten einander Aufgaben übergeben. MCP regelt, wie ein Agent an Werkzeuge und Daten kommt. Große Systeme nutzen beides nebeneinander.

Model Context Protocol gegen Klassische API

Eine REST-Schnittstelle richtet sich an Programme, die genau wissen, was sie aufrufen. MCP liefert zusätzlich die Beschreibung in normaler Sprache, aus der ein Modell selbst ableitet, wann welcher Aufruf passt. Viele MCP-Server sind dünne Hüllen um eine bestehende REST-API.

KI-generiertDieses Bild wurde mit KI erzeugt · Yves Hoppe / KI / cmt
In der Praxis

Ein Server ist ein Zugang, kein Zubehör

Ein MCP-Server läuft mit den Rechten dessen, der ihn eingerichtet hat. Wenn du einem Assistenten einen Server für das Ticketsystem gibst, bekommt er alles, was dieses Konto sehen und ändern darf, und nicht nur das eine Projekt, an das du gerade denkst. Eigene technische Konten mit engem Zuschnitt sind hier die Mühe wert.

Ein lokal gestarteter Server ist ein Programm, das mit deinen Rechten auf deinem Rechner läuft. Einen Server aus einem öffentlichen Verzeichnis liest du deshalb vorher durch oder lässt ihn freigeben, so wie andere Software auch. In Unternehmen bewährt sich eine interne Liste geprüfter Server, aus der sich die Teams bedienen.

Und weniger ist oft mehr: Je mehr Werkzeuge gleichzeitig angemeldet sind, desto häufiger greift das Modell zum falschen, und desto mehr Platz im Kontextfenster belegen allein die Beschreibungen. Wer Server je Aufgabe einbindet statt alle dauerhaft laufen zu lassen, bekommt verlässlichere Abläufe und kürzere Anfragen.

Model Context Protocol lernen

Wie du einen eigenen Server baust und Werkzeuge sauber beschreibst, zeigen die Trainings zum Anbinden von Werkzeugen an KI-Agenten.

Den Unterbau dafür, also Schnittstellen und Datenanbindung, behandeln die Kurse zum Bauen eigener KI-Anwendungen.

Häufige Fragen

Wer steht hinter MCP?
Entwickelt und im November 2024 offengelegt hat es Anthropic. Seit Dezember 2025 liegt das Protokoll bei der Agentic AI Foundation, einem Projektverbund unter dem Dach der Linux Foundation, und wird dort herstellerneutral weiterentwickelt. Anthropic sitzt im zuständigen Gremium, hat dort aber kein Vetorecht. Für dich heißt das vor allem, dass ein einmal geschriebener Server nicht an einen einzelnen Anbieter gebunden ist.
Brauche ich MCP, um ein Modell an interne Systeme zu hängen?
Nicht zwingend. Eine direkte Anbindung über die eigene Anwendung funktioniert genauso. MCP lohnt sich, sobald mehrere Anwendungen oder mehrere Teams auf dieselben Systeme zugreifen sollen, weil du die Anbindung dann nur einmal pflegst.
In welcher Sprache schreibe ich einen MCP-Server?
In fast jeder. Offizielle SDKs gibt es unter anderem für TypeScript, Python, Java, Kotlin, C# und Go. Ein einfacher Server, der zwei oder drei Werkzeuge bereitstellt, umfasst oft nur wenige Dutzend Zeilen, der Aufwand steckt in guten Beschreibungen und sauberen Rechten.
Wie schreibt man den Namen richtig?
Model Context Protocol, abgekürzt MCP. Die offizielle Dokumentation liegt unter modelcontextprotocol.io, die Quelltexte und SDKs in der GitHub-Organisation modelcontextprotocol, daher die zusammengeschriebene Form, nach der oft gesucht wird.

Passt thematisch dazu

Bevor ein Server auf ein ERP oder CRM zugreift, klärst du am besten Prüfregeln, Rechte und Schlüssel für die Anbindung an Altsysteme, damit der Agent nur sieht, was er sehen soll.

MCP bringt einen Agenten an Werkzeuge, der Schritt vom Werkzeugzugriff zur Arbeitsteilung zwischen Agenten folgt einem eigenen Protokoll.

Persönlich für dich da

Deine Ansprechpartner

Du willst das Thema nicht nur nachschlagen, sondern anwenden können? Wir beraten dich persönlich und kostenlos.

Yves Hoppe

Yves Hoppe

Weiterbildung & Beratung

Ordnet mit dir ein, welcher Kurs zu deinem Vorwissen passt.

Norbert Jansen

Norbert Jansen

Beratung & Inhouse

Plant Inhouse-Trainings, die an euren eigenen Daten und Abläufen ansetzen.

Model Context Protocol im Kurs statt im Lexikon

Nachschlagen bringt dich bis zum Verstehen. Anwenden lernst du an echten Aufgaben.