MCP Protocol Guide 2026: KI mit jeder Datenquelle verbinden

MCP-Protokoll: Der universelle Standard für KI-Integrationen

Veröffentlicht: 21. Januar 2026

Jeder KI-Agent steht vor dem gleichen Problem: Er kann hervorragend argumentieren, ist aber blind für Ihre Daten. MCP (Model Context Protocol) behebt dieses Problem, indem es eine universelle Sprache für die Kommunikation zwischen KI und Werkzeug schafft.

Wenn Sie jemals mit fragmentierten API-Integrationen oder benutzerdefinierten Konnektoren zu kämpfen hatten oder sich gefragt haben, wie Sie Ihrer KI Zugriff auf Datenbanken, Dateien oder interne Tools gewähren können, ist MCP Ihre Antwort.

Wichtige Erkenntnisse

• MCP ist ein offenes Protokoll, das die Verbindung von KI-Modellen mit externen Datenquellen und Tools standardisiert – denken Sie an „USB-C für KI“.
• Anthropic, OpenAI, Google und Microsoft unterstützen alle MCP und machen es damit zum De-facto-Industriestandard.
• Im Jahr 2025 wurden über 13.000 MCP-Server auf GitHub gestartet, die alles von Datenbanken über Slack bis hin zu benutzerdefinierten APIs abdecken.
• Der Aufbau eines MCP-Servers erfordert weniger als 100 Codezeilen und das Protokoll übernimmt die Authentifizierung, die Aushandlung von Funktionen und die Fehlerbehandlung.
• Die Sicherheit erfordert die ausdrückliche Zustimmung des Benutzers für alle Vorgänge – MCP gewährt keinen pauschalen Zugriff.

Was ist das Model Context Protocol?

Model Context Protocol (MCP) ist ein offener Standard, der im November 2024 von Anthropic eingeführt wurde. Es bietet eine universelle Schnittstelle für KI-Systeme, um:

• Daten lesen aus Dateien, Datenbanken und APIs
• Funktionen ausführen über definierte Tools
• Behandeln Sie kontextbezogene Eingabeaufforderungen mit Vorlagen und Workflows

Vor MCP war jede KI-Integration eine individuelle Aufgabe. Möchten Sie, dass Claude auf Ihr CRM zugreift? Erstellen Sie einen Connector. Benötigen Sie GPT, um Ihre Datenbank abzufragen? Schreiben Sie einen anderen Connector. Jeder KI-Anbieter, jedes Tool – eine weitere maßgeschneiderte Integration.

MCP ersetzt diese Fragmentierung durch ein einziges Protokoll. Erstellen Sie einen MCP-Server für Ihre Datenquelle, und jeder MCP-kompatible KI-Client kann eine Verbindung herstellen.

🔌 MCP ist für KI das, was LSP (Language Server Protocol) für Code-Editoren ist. Ein Protokoll, universelle Kompatibilität.

Die Architektur: Hosts, Clients und Server

MCP verwendet ein einfaches Client-Server-Modell mit drei Rollen:

text
┌─────────────────────────────────────────────────────────┐
│                       HOST                              │
│  (Claude Desktop, ChatGPT, VS Code, Custom App)        │
│                                                         │
│    ┌──────────┐    ┌──────────┐    ┌──────────┐       │
│    │  CLIENT  │    │  CLIENT  │    │  CLIENT  │       │
│    └────┬─────┘    └────┬─────┘    └────┬─────┘       │
└─────────┼───────────────┼───────────────┼─────────────┘
          │               │               │
          ▼               ▼               ▼
    ┌──────────┐    ┌──────────┐    ┌──────────┐
    │  SERVER  │    │  SERVER  │    │  SERVER  │
    │ (Files)  │    │ (Database)│   │ (Slack)  │
    └──────────┘    └──────────┘    └──────────┘

Gastgeber

LLM-Anwendungen, mit denen Benutzer interagieren – Claude Desktop, ChatGPT, VS Code-Erweiterungen oder Ihre benutzerdefinierte KI-App. Hosts initiieren Verbindungen und verwalten das Benutzererlebnis.

Kunden

Protokollanschlüsse innerhalb des Hosts. Jeder Client unterhält eine 1:1-Verbindung mit einem bestimmten Server und übernimmt die JSON-RPC-Kommunikation.

Server

Dienste, die Funktionen für KI-Modelle bereitstellen. Server können Folgendes bereitstellen:

• Ressourcen: Daten und Kontext (Dateien, Datenbankeinträge, API-Antworten)
• Tools: Funktionen, die die KI ausführen kann (E-Mail senden, Ticket erstellen, Datenbank abfragen)
• Eingabeaufforderungen: Vorgefertigte Vorlagen und Arbeitsabläufe

Erstellen Sie Ihren ersten MCP-Server

Lassen Sie uns einen einfachen MCP-Server erstellen, der Wetterdaten bereitstellt. In diesem Beispiel wird das offizielle TypeScript SDK verwendet.

Schritt 1: Richten Sie das Projekt ein

bash
mkdir weather-mcp-server && cd weather-mcp-server
npm init -y
npm install @modelcontextprotocol/sdk zod

Schritt 2: Erstellen Sie den Server

typescript
// server.ts
import { Server } from "@modelcontextprotocol/sdk/server/index.js";
import { StdioServerTransport } from "@modelcontextprotocol/sdk/server/stdio.js";
import {
  CallToolRequestSchema,
  ListToolsRequestSchema,
} from "@modelcontextprotocol/sdk/types.js";
import { z } from "zod";

// Define the weather tool schema
const GetWeatherSchema = z.object({
  city: z.string().describe("The city to get weather for"),
});

// Create the MCP server
const server = new Server(
  {
    name: "weather-server",
    version: "1.0.0",
  },
  {
    capabilities: {
      tools: {},  // This server provides tools
    },
  }
);

// Handle tool listing requests
server.setRequestHandler(ListToolsRequestSchema, async () => {
  return {
    tools: [
      {
        name: "get_weather",
        description: "Get current weather for a city",
        inputSchema: {
          type: "object",
          properties: {
            city: { type: "string", description: "City name" },
          },
          required: ["city"],
        },
      },
    ],
  };
});

// Handle tool execution
server.setRequestHandler(CallToolRequestSchema, async (request) => {
  if (request.params.name === "get_weather") {
    const { city } = GetWeatherSchema.parse(request.params.arguments);

    // In production, call a real weather API
    const weather = {
      city,
      temperature: "22°C",
      condition: "Partly cloudy",
      humidity: "65%",
    };

    return {
      content: [
        {
          type: "text",
          text: JSON.stringify(weather, null, 2),
        },
      ],
    };
  }

  throw new Error(`Unknown tool: ${request.params.name}`);
});

// Start the server
async function main() {
  const transport = new StdioServerTransport();
  await server.connect(transport);
  console.error("Weather MCP server running on stdio");
}

main().catch(console.error);
Collapse

Schritt 3: Konfigurieren Sie für Claude Desktop

Fügen Sie Ihren Server zur Konfigurationsdatei von Claude Desktop hinzu:

json
// ~/Library/Application Support/Claude/claude_desktop_config.json (macOS)
// %APPDATA%\Claude\claude_desktop_config.json (Windows)
{
  "mcpServers": {
    "weather": {
      "command": "npx",
      "args": ["ts-node", "/path/to/weather-mcp-server/server.ts"]
    }
  }
}

Starten Sie Claude Desktop neu und Sie können jetzt fragen: „Wie ist das Wetter in Tokio?“

Tiefer Einblick in die Serverfunktionen

MCP-Server können drei Arten von Funktionen bieten:

1. Ressourcen (Datenbereitstellung)

Mit Ressourcen können KI-Modelle Daten lesen, ohne Code auszuführen. Perfekt zum Offenlegen von Dateien, Datenbankeinträgen oder API-Antworten.

typescript
server.setRequestHandler(ListResourcesRequestSchema, async () => {
  return {
    resources: [
      {
        uri: "config://app/settings",
        name: "Application Settings",
        mimeType: "application/json",
      },
    ],
  };
});

server.setRequestHandler(ReadResourceRequestSchema, async (request) => {
  if (request.params.uri === "config://app/settings") {
    return {
      contents: [
        {
          uri: request.params.uri,
          mimeType: "application/json",
          text: JSON.stringify({ theme: "dark", language: "en" }),
        },
      ],
    };
  }
});
Collapse

2. Tools (Funktionsausführung)

Mithilfe von Tools können KI-Modelle Maßnahmen ergreifen – E-Mails senden, Datensätze erstellen und Arbeitsabläufe auslösen.

typescript
// Tool that creates a support ticket
{
  name: "create_ticket",
  description: "Create a support ticket in the system",
  inputSchema: {
    type: "object",
    properties: {
      title: { type: "string" },
      description: { type: "string" },
      priority: { type: "string", enum: ["low", "medium", "high"] },
    },
    required: ["title", "description"],
  },
}

3. Eingabeaufforderungen (Workflow-Vorlagen)

Eingabeaufforderungen bieten vorgefertigte Gesprächsstarter und Arbeitsabläufe.

typescript
server.setRequestHandler(ListPromptsRequestSchema, async () => {
  return {
    prompts: [
      {
        name: "code_review",
        description: "Template for reviewing code changes",
        arguments: [
          { name: "code", description: "The code to review", required: true },
        ],
      },
    ],
  };
});

Kundenfunktionen: Die andere Richtung

MCP ist nicht nur Server-zu-Client. Server können auch Funktionen von Clients anfordern:

Probenahme

Server können LLM-Abschlüsse über den Client anfordern und so rekursive KI-Interaktionen und Agentenverhalten ermöglichen.

typescript
// Server requests an LLM completion from the client
const result = await client.request({
  method: "sampling/createMessage",
  params: {
    messages: [{ role: "user", content: "Summarize this document..." }],
    maxTokens: 500,
  },
});

Wurzeln

Server können den Client nach zugänglichen URI-Grenzen abfragen – nützlich, um zu verstehen, auf welche Dateien oder Ressourcen der Server sicher zugreifen kann.

Erhebung

Server können über die Benutzeroberfläche des Clients zusätzliche Informationen vom Benutzer anfordern und so interaktive Arbeitsabläufe ermöglichen.

Transportschichten

MCP unterstützt mehrere Transportmechanismen:

Für die meisten lokalen Tools ist stdio der empfohlene Transport. Für in der Cloud gehostete MCP-Server bietet HTTP mit Server-Sent Events (SSE) die beste Balance.

Das MCP-Ökosystem 2025–2026

Branchenakzeptanz

MCP hat sich in Rekordzeit von Anthropics internem Experiment zum Industriestandard entwickelt:

• März 2025: OpenAI hat MCP für alle ChatGPT-Produkte übernommen
• April 2025: Google DeepMind bestätigte die Gemini-Unterstützung
• Mai 2025: Microsoft und GitHub sind dem MCP-Lenkungsausschuss beigetreten
• November 2025: Mit der MCP Apps-Erweiterung (SEP-1865) wurden UI-Funktionen hinzugefügt
• Dezember 2025: MCP spendete an die Agentic AI Foundation der Linux Foundation

Server-Ökosystem

Mittlerweile gibt es auf GitHub über 13.000 MCP-Server:

• Datenbanken: PostgreSQL, MySQL, MongoDB, Redis
• Produktivität: Slack, Notion, Linear, GitHub
• Cloud: AWS-, GCP- und Azure-Integrationen
• Dateien: Lokales Dateisystem, Google Drive, Dropbox
• Benutzerdefiniert: Interne APIs, proprietäre Systeme

Sie können Community-Server über die offizielle MCP-Registrierung durchsuchen und installieren.

Sicherheit: Die kritische Ebene

MCP bietet leistungsstarke Funktionen, aber Leistung erfordert Verantwortung. Das Protokoll schreibt vor:

Einwilligung des Benutzers

Jeder Datenzugriff und jede Tool-Ausführung erfordert eine ausdrückliche Zustimmung des Benutzers. Keine pauschalen Berechtigungen.

typescript
// Clients MUST show this to users before tool execution
{
  tool: "delete_file",
  arguments: { path: "/important/data.csv" },
  requiresConfirmation: true  // User sees and approves
}

Datenschutz

• Erteilen Sie Ihre ausdrückliche Zustimmung, bevor Sie Benutzerdaten an Server weitergeben
• Keine automatische Datenübertragung
• Angemessene Zugriffskontrollen und Audit-Protokolle

Werkzeugsicherheit

Werkzeugbeschreibungen sind standardmäßig nicht vertrauenswürdig. Kunden sollten:

• Zeigen Sie den Benutzern die Werkzeugfunktionen deutlich an
• Für sensible Vorgänge ist eine ausdrückliche Genehmigung erforderlich
• Protokollieren Sie alle Tool-Aufrufe zur Prüfung

Bekannte Sicherheitsbedenken

Sicherheitsforscher haben Risiken identifiziert, die gemindert werden müssen:

1. Prompt-Injection: Böswillige Eingaben könnten die KI zu unbeabsichtigten Tool-Aufrufen verleiten
2. Tool Shadowing: Lookalike-Tools könnten vertrauenswürdige Tools stillschweigend ersetzen
3. Berechtigungseskalation: Durch die Kombination von Tools können Daten herausgefiltert werden

Abhilfe: Implementieren Sie strenge Werkzeug-Zulassungslisten, überwachen Sie Werkzeugkombinationen und validieren Sie alle Eingaben.

Checkliste für die praktische Umsetzung

Vor der Bereitstellung von MCP in der Produktion:

• Bereich definieren: Welche Tools und Ressourcen wird Ihr Server verfügbar machen?
• Authentifizierung implementieren: Verwenden Sie die richtige Authentifizierung für HTTP-Transporte
• Zustimmungsflüsse erstellen: Benutzer müssen alle vertraulichen Vorgänge genehmigen
• Protokollierung hinzufügen: Verfolgen Sie alle Tool-Aufrufe und Datenzugriffe
• Test mit MCP Inspector: Debuggen und validieren Sie vor der Bereitstellung
• Dokumentfunktionen: Klare Beschreibungen helfen der KI, Werkzeuge richtig zu verwenden
• Ratenbegrenzungen festlegen: Verhindern Sie außer Kontrolle geratene Tool-Aufrufe
• Plan für Fehler: Graceful Degradation, wenn Server nicht verfügbar sind

Was kommt im Jahr 2026?

Die MCP-Roadmap umfasst:

1. Zusammenarbeit mit mehreren Agenten: Agentengruppen mit speziellen Rollen (Diagnose, Behebung, Validierung, Dokumentation)
2. Erweiterte UI-Funktionen: Die MCP Apps-Erweiterung ermöglicht umfangreiche interaktive Schnittstellen
3. Streaming-Ressourcen: Echtzeit-Datenfeeds statt Anfrage-Antwort
4. Plattformübergreifende Identität: Einheitliche Authentifizierung auf allen MCP-Servern
5. Leistungsoptimierungen: Schnellere Transport- und Caching-Mechanismen

Fazit

MCP löst das Integrationsproblem, das KI-Agenten zurückhält. Anstatt benutzerdefinierte Konnektoren für jede KI-Tool-Kombination zu erstellen, erstellen Sie einen MCP-Server und erhalten universelle Kompatibilität.

Das Protokoll ist produktionsreif, weit verbreitet und wird von allen großen KI-Anbietern unterstützt. Wenn Sie KI-Anwendungen erstellen, die mit externen Systemen – Datenbanken, APIs, Dateien oder internen Tools – interagieren müssen, ist MCP nicht mehr optional. Es ist der Standard.

Bereit, Ihren ersten MCP-Server zu erstellen? Beginnen Sie mit der offiziellen Dokumentation und dem TypeScript SDK. Die Lernkurve ist sanft und der Lohn ist die universelle KI-Integration.

Verwandte Artikel

• Claude AI führt Code aus: Echtzeit-Python und Node.js
• Von Chatbots zu KI-Agenten: Die stille Revolution
• Produktionsleitfaden für KI-Agenten: Fehler in Höhe von 3,4.000 US-Dollar vermeiden
• Agentic AI Revolution 2025: Die Zukunft ist da

Quellen

• MCP-Spezifikation 25.11.2025
• Anthropic MCP-Ankündigung
• MCP GitHub Repository
• Ein Jahr MCP: Rückblick 2025
• MCP-Sicherheitsanalyse – Zenity