Zum Hauptinhalt
nobreakpoints

MCP (Model Context Protocol)

Das Model Context Protocol (MCP) ist ein offener Standard, der es KI-Modellen ermöglicht, strukturiert mit externen Tools, Datenquellen und Diensten zu kommunizieren – eine Art universelle Schnittstelle zwischen LLMs und der realen Welt.

ToolsAnfängermcpprotocoltool-integration

Was ist MCP (Model Context Protocol)?

MCP ist ein von Anthropic entwickeltes, offenes Protokoll, das standardisiert, wie KI-Assistenten (wie Claude oder andere LLMs) auf externe Ressourcen zugreifen können. Statt für jedes Tool eine eigene Integration zu bauen, bietet MCP eine einheitliche Schnittstelle – vergleichbar mit dem, was USB für Hardware-Geräte ist.

Warum MCP?

Ohne MCP muss jede Anwendung eigene, proprietäre Verbindungen zu Tools wie Datenbanken, APIs oder Dateisystemen implementieren. Das führt zu:

  • Code-Duplikation in jedem Projekt
  • Inkompatibilitäten zwischen verschiedenen KI-Modellen und Tools
  • Hohem Wartungsaufwand

MCP löst das durch ein standardisiertes Client-Server-Modell.

Wie funktioniert MCP?

MCP besteht aus drei Kernkomponenten:

  • MCP Host: Die KI-Anwendung (z. B. Claude Desktop, ein eigener Chatbot)
  • MCP Client: Läuft im Host und kommuniziert mit Servern
  • MCP Server: Leichtgewichtiger Dienst, der Tools, Ressourcen oder Prompts bereitstellt
// Beispiel: MCP-Server-Manifest (vereinfacht)
{
  "name": "filesystem-server",
  "version": "1.0.0",
  "tools": [
    {
      "name": "read_file",
      "description": "Liest den Inhalt einer Datei",
      "inputSchema": {
        "type": "object",
        "properties": {
          "path": { "type": "string" }
        },
        "required": ["path"]
      }
    }
  ]
}

# Beispiel: Einfacher MCP-Server mit dem Python SDK
from mcp.server import Server
from mcp.server.stdio import stdio_server

app = Server("my-server")

@app.tool()
async def get_weather(city: str) -> str:
    """Gibt das aktuelle Wetter fuer eine Stadt zurueck."""
    # Hier echte API-Logik einfuegen
    return f"Das Wetter in {city}: 20°C, sonnig"

async def main():
    async with stdio_server() as streams:
        await app.run(*streams)

MCP vs. klassisches Function Calling

MerkmalFunction CallingMCP
StandardisierungModell-spezifischOffen & universell
WiederverwendbarkeitGeringHoch
Tool-DiscoveryManuellAutomatisch
ÖkosystemGeschlossenWachsende Community

Praxistipp

MCP eignet sich besonders für Agentic AI-Szenarien, in denen ein KI-Agent eigenständig auf Dateisysteme, Datenbanken, Git-Repositories oder Web-APIs zugreifen soll. Viele fertige MCP-Server (für GitHub, Slack, PostgreSQL etc.) stehen bereits als Open Source bereit und können direkt eingebunden werden.

Verwandte Begriffe

Inhouse statt Nachschlagewerk

Für den Transfer ins Unternehmen sind die Inhouse-Schulungen der passende nächste Schritt.

Schulungen ansehen