Im vorherigen Kapitel hast du gelernt, was Agents sind und dass sie ihre Macht aus Werkzeugen beziehen. Aber wie kommen diese Werkzeuge eigentlich an die KI ran? Genau hier kommt ein Wort ins Spiel, das du 2024 und 2025 plötzlich überall hörst: MCP.
Das Problem davor, jeder hatte seinen eigenen Stecker
Bis Ende 2024 war die Situation ungefähr so: Du wolltest eine KI mit deiner Datenbank verbinden? Dann musstest du das selbst zusammenbasteln. Du wolltest sie an Slack anschließen? Eigene Integration. An GitHub? Wieder anders. An dein eigenes internes Tool? Komplett von Hand.
Und das Schlimmste: Jede KI-Plattform hatte ihre eigene Art, wie diese Verbindungen aussehen mussten. Eine Integration, die du für ChatGPT geschrieben hattest, funktionierte nicht mit Claude. Eine für Claude funktionierte nicht mit Gemini. Es war ein Wildwuchs, und für Entwickler ein Krampf.
Stell dir die Zeit vor USB vor: Jedes Gerät hatte seinen eigenen Stecker. Drucker, Maus, Tastatur, externe Festplatte, Scanner, alles mit unterschiedlichen Anschlüssen. Du hast deinen Schreibtisch unter Kabelsalat begraben. Dann kam USB: ein Stecker, der überall passt. Plötzlich konntest du jedes Gerät an jeden Computer hängen, ohne zu prüfen, ob die Stecker zusammenpassen. MCP ist genau das für KIs.
Was ist MCP genau?
MCP steht für Model Context Protocol und ist ein offener Standard, den Anthropic Ende 2024 vorgestellt hat. Inzwischen wird er auch von anderen Anbietern unterstützt, genau das macht ihn so interessant.
Ein Protokoll ist nichts Anderes als eine vereinbarte Sprache, in der zwei Programme miteinander reden. Wenn zwei Seiten sich an dasselbe Protokoll halten, können sie sich verstehen, selbst, wenn sie nichts voneinander wissen. So funktioniert E-Mail (SMTP), so funktioniert das Web (HTTP), und so funktioniert eben jetzt auch die Anbindung von KIs an Tools.
MCP ist kein KI-Modell. MCP ist kein Harness. MCP ist nur die Sprache, in der ein Harness mit einem externen Werkzeug spricht. Es steckt also zwischen KI-Anwendung und Werkzeug-Welt.
MCP ist der USB-Anschluss für KIs. Einmal gebaut, passt das Werkzeug überall.
Server und Client, die zwei Seiten
MCP definiert zwei Rollen:
- Ein MCP-Server stellt Werkzeuge oder Daten bereit. Zum Beispiel: ein Server, der Zugriff auf dein Dateisystem gibt; ein Server, der Slack-Nachrichten lesen kann; ein Server, der mit deiner Datenbank spricht; ein Server, der GitHub-Issues anlegt. Jeder dieser Server "spricht MCP".
- Ein MCP-Client ist die KI-Anwendung (= der Harness), die diese Server nutzen will. Claude Desktop ist ein MCP-Client. Cursor ist ein MCP-Client. Es gibt inzwischen viele.
Verbindest du einen Client mit einem Server, sagt der Server: "Hier sind meine Werkzeuge. Sie heißen so. Sie machen das. Sie brauchen diese Argumente." Der Client gibt diese Werkzeuge dann an das KI-Modell weiter, das sie wie eigene Werkzeuge benutzen kann.
Wie läuft ein MCP-Aufruf ab?
Schritt 1. Verbindung herstellen
Beim Start verbindet sich der MCP-Client (z.B. Claude Desktop) mit einem oder mehreren MCP-Servern. Das kann lokal sein (ein Server auf deinem Rechner) oder über das Netzwerk.
Schritt 2. Werkzeuge ankündigen
Der Server schickt dem Client eine Liste seiner Werkzeuge mit Beschreibung. Etwa: "tabelle_abfragen, führt eine SQL-Abfrage auf der Datenbank aus, erwartet ein Argument query."
Schritt 3. KI erhält die Liste
Der Client (Harness) reicht diese Werkzeuge an das KI-Modell weiter, zusammen mit den Werkzeugen, die der Harness selbst schon hat. Für das Modell sieht beides gleich aus.
Schritt 4. KI ruft auf
Will die KI ein Werkzeug benutzen, sagt sie das wie gewohnt: "Bitte führe tabelle_abfragen aus mit query=SELECT * FROM kunden." Der Client erkennt: das gehört zum MCP-Server, und leitet die Anfrage weiter.
Schritt 5. Server arbeitet, Antwort zurück
Der MCP-Server führt die Anfrage aus (Datenbank-Abfrage, API-Call, Datei-Zugriff, was immer er kann) und schickt das Ergebnis zurück an den Client. Der gibt es ans Modell weiter, das nutzt es für die Antwort.
Was du damit machen kannst
Dateisystem
Ein lokaler MCP-Server gibt der KI Zugriff auf bestimmte Ordner. Sie kann lesen, schreiben, durchsuchen, ohne dass deine ganze Festplatte offen liegt.
Datenbank
Ein MCP-Server, der mit deiner Postgres- oder SQLite-Datenbank redet. "Frag die KI, wie viele Bestellungen es letzten Monat in Hamburg gab", und du bekommst die Antwort aus den echten Daten.
Slack & Notion
Verbinde die KI mit deinem Team-Workspace. Sie kann Notion-Seiten lesen, Slack-Threads zusammenfassen, neue Notizen anlegen, als wäre sie ein neues Teammitglied.
GitHub & Jira
Issues durchsuchen, Pull Requests öffnen, Tickets kommentieren. Die KI wird zu einem Mitarbeiter, der dein Projektboard wirklich kennt.
Du nutzt Claude Desktop und willst dir den Newsletter-Versand der letzten Woche anschauen. Vorher: Mailchimp öffnen, manuell durchklicken, in einen Bericht kopieren. Jetzt: Du verbindest einmal einen Mailchimp-MCP-Server, dann tippst du in Claude einfach "Was war die Öffnungsrate der drei letzten Newsletter?", und Claude greift live darauf zu, fasst es zusammen, schlägt Verbesserungen vor. Ohne neue UI, ohne neuen Tab.
Warum das so groß ist
Bisher war es Aufgabe jedes einzelnen KI-Tools, eigene Integrationen zu bauen. Cursor brauchte einen GitHub-Connector. Claude Desktop brauchte einen GitHub-Connector. ChatGPT brauchte einen GitHub-Connector. Dreimal Arbeit für genau dasselbe Werkzeug.
Mit MCP gibt es einen GitHub-MCP-Server. Den verbindest du mit allem, was MCP spricht. Das ist ein riesiger Effizienz-Gewinn für die ganze Branche, und es bedeutet, dass auch kleine Tools und Nischen-Software plötzlich KI-Anbindung bekommen können, die früher unbezahlbar gewesen wäre.
Was MCP nicht ist
Wichtig, damit du es richtig einordnen kannst:
- MCP ist kein Modell. Es ersetzt keinen Claude, keinen GPT, kein Gemini.
- MCP ist kein Harness. Es ersetzt nicht ChatGPT, Claude Desktop oder Cursor.
- MCP ist kein KI-System. Auf einem MCP-Server läuft typischerweise gar keine KI, nur die "Übersetzung" hin zu einem normalen Programm.
- MCP macht eine KI nicht intelligenter. Es macht sie nur verbundener.
Sicherheit, auch hier wichtig
Ein MCP-Server gibt der KI echte Macht über echte Systeme. Wenn du einen Datenbank-MCP-Server installierst, der mit deiner Produktions-Datenbank redet, kann die KI dort theoretisch alles tun, was der Server erlaubt, auch Daten löschen. Konfiguriere MCP-Server so eng wie möglich: nur lesen, wenn schreiben nicht nötig ist; nur ein bestimmter Tabellen-Bereich; nur freigegebene Ordner. Und installiere keine MCP-Server aus unbekannten Quellen.
Es gibt eine wachsende Auswahl offizieller und Community-MCP-Server. Halte dich an die etablierten, oder lies den Code, bevor du etwas Fremdes auf deinem System laufen lässt. Das gilt nicht nur für MCP, aber gerade hier, weil ein böser Server der KI plötzlich Werkzeuge in die Hand drücken könnte, die niemand erwartet hat.
Wo das hinläuft
Wir stehen erst am Anfang. Wenn sich MCP weiter durchsetzt, und es sieht ziemlich gut danach aus, wird in ein paar Jahren jede Software, mit der du täglich arbeitest, einen MCP-Server haben. Deine KI wird dann nicht "neben" deinen Tools laufen, sondern in ihnen. Sie wird wissen, was in deinem Kalender steht, was in deinem CRM passiert, was in deinem Code-Repository neu ist, ohne dass du irgendetwas kopieren oder erklären musst.
Wenn du heute hörst "Tool X bekommt einen MCP-Server" oder "Wir bauen das mit MCP", dann heißt das: Tool X wird KI-fähig, und zwar nicht nur für eine bestimmte KI, sondern für alle, die MCP sprechen. Das ist der eigentliche Charme dieses Standards.
Was du jetzt weißt
- MCP ist ein offener Standard von Anthropic, der KIs und externe Werkzeuge eine gemeinsame Sprache gibt, der "USB-Stecker" der KI-Welt.
- Ein MCP-Server stellt Tools oder Daten bereit (Dateisystem, Datenbank, Slack, GitHub), ein MCP-Client (z.B. Claude Desktop) nutzt sie.
- MCP macht KI nicht intelligenter, aber stark verbundener, und macht damit langfristig viele eigene Integrationen pro KI-Plattform überflüssig.