← Zurück zur Übersicht

Was ist MCP

MCP (Model Context Protocol) ist ein offenes Protokoll, das standardisiert, wie KI-Assistenten mit externen Daten und Tools verbunden werden. Statt einer eigenen Integration pro Dienst (GitHub, Datenbank, CRM, Dateisystem) betreiben Sie einen MCP-Server, und der Client - Cursor, Claude Desktop, Zed und andere - verbindet sich über einen einheitlichen Vertrag. Im Folgenden: Was MCP ist, wie die Architektur funktioniert und warum das Protokoll in Production wichtig ist.

Definition in einfachen Worten

Das Model Context Protocol ist eine Spezifikation für den Austausch zwischen einer KI-Anwendung (Host) und einer externen Kontextquelle (Server). Ein Server kann bereitstellen:

  • Resources - lesbare Daten: Dateien, DB-Zeilen, API-Dokumente
  • Tools - Aktionen, die das Modell aufrufen kann: API-Anfragen, SQL, Indexsuche
  • Prompts - fertige Prompt-Vorlagen für typische Szenarien

Das Protokoll ist offen und an keinen einzelnen LLM-Anbieter gebunden. Der Host wählt das Modell; der MCP-Server wählt, welche Daten und Tools er anbietet. Die Kommunikation nutzt JSON-RPC 2.0 mit Transport über stdio, HTTP oder SSE.

Die Idee von Anthropic (November 2024): einen «Zoo» eigener Plugins durch eine einheitliche Art ersetzen, Kontext an Agenten anzubinden.

Architektur: Host, Client, Server

Typisches Drei-Rollen-Schema:

┌─────────────┐     ┌─────────────┐     ┌─────────────┐
│  MCP Host   │────▶│ MCP Client  │────▶│ MCP Server  │
│ (Cursor,    │     │ (in der     │     │ (GitHub,    │
│  Claude)    │     │  App)       │     │  Postgres…) │
└─────────────┘     └─────────────┘     └─────────────┘
  • MCP Host - Anwendung mit LLM: IDE, Chat-Client, Agentenplattform. Verwaltet die Session, ruft das Modell auf und entscheidet, wann ein Tool genutzt wird.
  • MCP Client - Komponente im Host, die mit einem oder mehreren Servern per MCP spricht.
  • MCP Server - Prozess oder Dienst, der Resources, Tools und Prompts exponiert. Kann lokal (Dateien auf der Platte) oder remote (Unternehmens-API) sein.

Ein Host kann mehrere Clients halten - einen pro MCP-Server. In Cursor laufen z. B. gleichzeitig Server für Dateisystem, Browser, GitHub und benutzerdefinierte MCP aus der Config.

Was MCP in der Praxis bringt

Ein Vertrag statt N Integrationen

Vor MCP schrieb jedes Produkt eigene Konnektoren: eigenes Format für «Datei lesen», eigenes für «API aufrufen». MCP legt fest:

  • wie Tools deklariert werden (Name, Parameterschema, Beschreibung)
  • wie Ergebnisse zurückgegeben werden
  • wie Resources angefragt und Änderungsabos funktionieren

Derselbe PostgreSQL-MCP-Server kann Claude Desktop und einen anderen Host bedienen, wenn dieser das Protokoll unterstützt.

Sicherheit und Zugriffsgrenzen

Der Server läuft in einem separaten Prozess oder Container. Der Host erhält keinen direkten Zugriff auf das ganze System - nur auf das, was der Server explizit exponiert. Für Enterprise wichtig: Dem Agenten read-only-Zugriff auf ein Data Mart geben, ohne vollen Produktions-DB-Zugriff.

Lokale und Cloud-Szenarien

  • Lokal - stdio-Transport: Der Host startet die Server-Binary als Kindprozess (typisch für IDE und Desktop-Clients).
  • Remote - HTTP/SSE: gemeinsamer MCP-Server in VPN oder Cloud fürs ganze Team.

Beides ist in der Spec beschrieben; die Wahl hängt von Sicherheitsrichtlinie und Datenstandort ab.

MCP und Function Calling

Function Calling (Tool Use) ist der LLM-Mechanismus: Das Modell liefert eine strukturierte Anfrage «Funktion X mit Argumenten Y aufrufen». MCP ist eine tiefere, breitere Schicht: Sie standardisiert, woher diese Funktionen und Daten kommen, wie sie registriert werden und wie der Host mit ihnen spricht.

Ablauf:

  1. Der Host verbindet sich mit einem MCP-Server und holt die Tool-Liste.
  2. Die Liste geht ans Modell im Format des Providers (OpenAI tools, Anthropic tools usw.).
  3. Das Modell wählt ein Tool; der Host führt den Aufruf über MCP Client → Server aus.
  4. Das Ergebnis fließt zurück in den Modellkontext für den nächsten Schritt.

MCP ersetzt nicht das Modellreasoning - es vereinheitlicht die «Verkabelung» zwischen Agent und Außenwelt.

Wo MCP bereits genutzt wird

Umgebung Rolle von MCP
Cursor Eingebaute und benutzerdefinierte MCP-Server: Dateien, Terminal, Browser, Drittanbieter-APIs
Claude Desktop Offizielle Konnektoren und Community-Server über claude_desktop_config.json
Zed, Continue, Cline MCP-Unterstützung zur Kontexterweiterung im Editor
Enterprise-Agenten Eigene Server auf internen APIs, Ticket-Systemen, Wikis

Die Community liefert fertige Server: GitHub, Google Drive, Slack, Puppeteer, SQLite, Postgres, Brave Search und Hunderte weitere in Registries wie modelcontextprotocol/servers auf GitHub.

MCP-Server bauen oder anbinden

Minimaler Weg für Entwickler:

  1. SDK wählen: offizielle Bibliotheken für TypeScript, Python, C#, Java und andere.
  2. Tools und Resources im Servercode beschreiben (Name, inputSchema, Handler).
  3. Server mit stdio- oder HTTP-Transport starten.
  4. Config im Host ergänzen (in Cursor - .cursor/mcp.json oder IDE-Einstellungen).

Beispiel Tool-Logik in Python (vereinfacht):

@server.tool()
async def get_weather(city: str) -> str:
    """Aktuelles Wetter für eine Stadt."""
    return await weather_api.fetch(city)

Beim Sessionstart fragt der Host die Server-Capabilities ab; das Modell sieht get_weather mit Beschreibung und JSON-Schema für city.

Teams ohne eigene Entwicklung kommen oft mit einem Registry-Server plus Config und Secrets (API-Keys per env, nicht im Repo) aus.

Grenzen und worauf achten

MCP löst Standardisierung von Anbindungen, aber nicht:

  • Qualität des Modellreasonings
  • Orchestrierung komplexer mehrstufiger Workflows (Territorium von Agent-Frameworks)
  • Autorisierung zwischen Nutzern (separate OAuth/RBAC-Schicht auf dem Server nötig)

Praktisch beachten:

  • Latenz - jeder Tool-Call ist ein Round-Trip; Ketten mit 10+ Aufrufen brauchen Zeit- und Token-Budget.
  • Versionierung - Server und Hosts sollten zur Spec-Version passen (2025-03 und neuere entwickeln sich aktiv).
  • Zuverlässigkeit - fällt der MCP-Server aus, bricht der Datenzugriff ab; in Production braucht es Health Checks und Fallback.

MCP vs RAG vs eigene APIs

Ansatz Stärke Schwäche
MCP Standard-Tools/Resources für jeden Host MCP-Support im Client nötig
RAG Suche in großen Korpora ohne alles in den Kontext zu laden Keine beliebigen Aktionen (Write, API-Mutation)
Eigene API Volle Kontrolle Doppelarbeit pro KI-Client

Reife Systeme nutzen oft MCP + RAG: RAG für Dokumentenwissen, MCP-Tools für Live-Abfragen an DB, Tickets, Deployments.

Fazit

MCP ist ein offenes Kontextprotokoll für KI-Agenten: Der Host verbindet sich mit Servern, erhält Resources und Tools, das Modell ruft sie über einen Vertrag auf. Das senkt Integrationskosten, erleichtert Portierung zwischen Cursor, Claude Desktop und anderen Clients und setzt klare Datenzugriffsgrenzen.

Praktische Reihenfolge: Mit Community-Servern für den Stack starten, dann interne APIs in einen eigenen MCP-Server packen, wenn dieselben Tools in mehreren Host-Apps gebraucht werden.

Häufig gestellte Fragen

Worin unterscheidet sich MCP von einer normalen REST-API?

Eine REST-API ist die Schnittstelle eines konkreten Dienstes für Ihre HTTP-Aufrufe. MCP ist ein Protokoll zwischen KI-Host und «Adapter» zu solchen Diensten: Es beschreibt, wie der Host Tools entdeckt, aufruft und Resources in agentenfreundlichem Format liest. Ein MCP-Server kann GitHub- oder Jira-REST-APIs wrappen; der Host schreibt keine separate Integration pro Produkt.

Brauche ich MCP, wenn ich nur einen Chat nutze (z. B. ChatGPT)?

Wenn der ganze Workflow in einem geschlossenen Produkt mit eingebauten Plugins lebt - nicht zwingend. MCP lohnt sich bei mehreren Hosts (IDE + Desktop + eigener Agent), wenn Sie dieselben Tools wiederverwenden oder sensible Daten auf Ihrem Server mit expliziter Zugriffskontrolle halten.

Ist es sicher, MCP-Server an Arbeitsdaten anzubinden?

Hängt vom Server und der Konfiguration ab. Vertrauenswürdige Community-Server mit Open Source, read-only-Zugriff und Secrets per Umgebungsvariablen sind ein Minimum. Für Production: separater Prozess, Least Privilege, Audit der Tool-Calls, kein Schreibzugriff des Agenten ohne menschliche Freigabe.

Kann ich MCP mit lokalen Modellen nutzen (Ollama, LM Studio)?

Ja, wenn der Host MCP und Ihren lokalen Provider unterstützt. MCP ist nicht an Cloud-API gebunden - es liefert Kontext und Tools; das Modell kann lokal sein. Die Grenze liegt beim Host: Nicht alle Clients kombinieren lokale LLMs und volle MCP-Tool-Sets gleich gut.

Wie starte ich die MCP-Einrichtung in Cursor?

  1. MCP-Einstellungen in Cursor öffnen (oder .cursor/mcp.json im Projekt).
  2. Fertigen Server aus der Doku hinzufügen (z. B. filesystem, GitHub) mit Startbefehl und env für Tokens.
  3. Cursor neu starten und prüfen, dass der Server als connected erscheint.
  4. Im Agenten-Chat explizit um Tool-Nutzung bitten - prüfen, dass der Aufruf funktioniert und das Ergebnis in der Antwort landet.

Als Nächstes einen eigenen Server für die interne API hinzufügen - so verstehen Sie den vollen Zyklus ohne Integrationslogik pro Tool neu zu schreiben.

Kontakt