Was ist das Model Context Protocol (MCP)? Der Standard einfach erklärt

KI-Assistenten können Texte verfassen, Informationen analysieren und Aufgaben vorbereiten. Ohne zusätzliche Anbindungen kennen sie jedoch weder die aktuellen Zahlen aus dem CRM noch die Dateien im Unternehmensarchiv oder den Status einer laufenden Marketingkampagne. Das Model Context Protocol, kurz MCP, soll als offener Standard KI-Anwendungen dabei helfen, auf externe Daten, Werkzeuge und Arbeitsabläufe zuzugreifen. Vereinfacht gesagt: MCP baut eine Brücke zwischen einer KI-Anwendung und den Systemen, mit denen ein Unternehmen täglich arbeitet. Das klingt zunächst recht technisch. Die Grundidee ist jedoch schnell verstanden.

Was ist das Model Context Protocol?

Das Model Context Protocol ist ein offener Standard zur Verbindung von KI-Anwendungen mit externen Systemen. Dazu können etwa Datenbanken, lokale Dateien, Suchmaschinen, Analyseplattformen oder Unternehmenssoftware gehören.

Eine KI-Anwendung kann über MCP beispielsweise:

• freigegebene Informationen abrufen,
• verfügbare Werkzeuge erkennen,
• bestimmte Aktionen ausführen,
• strukturierte Vorlagen verwenden.

Die offizielle Dokumentation vergleicht MCP mit einem USB-C-Anschluss. USB-C sorgt dafür, dass unterschiedliche Geräte über eine gemeinsame Verbindung miteinander kommunizieren können. MCP verfolgt eine ähnliche Idee in der KI-Welt: Verschiedene KI-Anwendungen sollen über ein einheitliches Protokoll auf unterschiedliche Systeme zugreifen können.

Entwickler müssen dadurch weniger individuelle Verbindungen für jede Kombination aus KI-Anwendung und Softwarelösung bauen. Wichtig ist dabei: MCP legt nicht fest, welches Sprachmodell eingesetzt werden muss. Das Protokoll regelt vor allem, wie Kontext und Funktionen zwischen den beteiligten Komponenten ausgetauscht werden. Wie eine KI-Anwendung die Informationen anschließend verarbeitet, entscheidet weiterhin die jeweilige Anwendung.

Welches Problem löst MCP?

Ein Sprachmodell kennt zunächst nur die Informationen, die während des Trainings erlernt wurden oder innerhalb einer aktuellen Unterhaltung zur Verfügung stehen. Aktuelle Unternehmensdaten, interne Dokumente oder geschützte Softwarefunktionen liegen außerhalb dieses direkten Zugriffs. Natürlich lassen sich solche Systeme bereits heute über APIs anbinden. In der Praxis wird das jedoch schnell aufwendig. Ein KI-Assistent braucht möglicherweise eine eigene Verbindung zum CRM, eine weitere zum Dateisystem und zusätzliche Schnittstellen zu Analytics-, Support- oder Projektmanagement-Lösungen.

Kommt später eine zweite KI-Anwendung hinzu, beginnt ein Teil der Integrationsarbeit erneut. MCP setzt genau an diesem Punkt an. Der Standard definiert ein gemeinsames Kommunikationsmodell. Ein MCP Server beschreibt, welche Daten und Funktionen zur Verfügung stehen und wie eine KI-Anwendung darauf zugreifen kann. Das kann Entwicklungsaufwand reduzieren und Integrationen leichter wiederverwendbar machen. Entwickler:innen, Anbieter von KI-Anwendungen und Endnutzer:innen sind mögliche Profiteure.

MCP ersetzt vorhandene APIs dabei nicht. Ein MCP Server kann eine bestehende API aufrufen und ausgewählte Funktionen in einer standardisierten Form für KI-Anwendungen bereitstellen. Die API übernimmt weiterhin die eigentliche Kommunikation mit dem Fachsystem. MCP ergänzt eine Ebene, über die KI-Anwendungen angebotene Funktionen erkennen und aufrufen können.

Wie funktioniert das Model Context Protocol?

MCP folgt einer Client-Server-Architektur. Drei Komponenten spielen dabei eine zentrale Rolle: der MCP Host, der MCP Client und der MCP Server.

Der MCP Host ist die Anwendung, mit der Nutzer:innen arbeiten. Das kann ein KI-Chat, ein Coding-Assistent, eine Entwicklungsumgebung oder eine interne Unternehmensanwendung sein.

Ein MCP Client ist eine Komponente innerhalb des Hosts. Er verwaltet die Verbindung zu einem bestimmten MCP Server. Nutzt ein Host mehrere Server, gibt es in der Regel für jeden Server einen eigenen Client.

Der MCP Server stellt Daten, Funktionen oder Vorlagen bereit. Der Begriff „Server“ beschreibt dabei zunächst das Programm. Dieses kann lokal auf dem Gerät laufen oder über ein Netzwerk erreichbar sein.

Ein einfaches Bild hilft bei der Einordnung:

• Der Host ist der Arbeitsplatz.
• Die Clients sind die einzelnen Verbindungen.
• Die Server öffnen kontrollierte Zugänge zu Daten und Werkzeugen.

Der Ablauf wirkt damit weniger kompliziert, als es die Begriffe zunächst vermuten lassen. Nutzer:innen stellen eine Anfrage in ihrer KI-Anwendung. Der Host prüft über die verbundenen Clients, welche Funktionen verfügbar sind. Anschließend kann die Anwendung das passende Werkzeug auswählen und das Ergebnis zurückgeben.

Tools, Resources und Prompts: die drei wichtigsten MCP-Bausteine

MCP Server können drei zentrale Arten von Funktionen bereitstellen: Tools, Resources und Prompts.

Tools führen Aktionen aus

Tools sind ausführbare Funktionen. Eine KI-Anwendung kann ein Tool aufrufen, um eine konkrete Aufgabe zu erledigen.

Typische Beispiele sind:

• eine Datenbankabfrage,
• ein API-Aufruf,
• eine Berechnung,
• das Erstellen oder Bearbeiten einer Datei.

Ein Server beschreibt dabei den Namen, den Zweck und die erwarteten Eingabewerte eines Tools. Die KI-Anwendung kann dadurch erkennen, wann die Funktion geeignet ist und welche Angaben benötigt werden.

Resources liefern Kontext

Resources stellen Informationen bereit. Das können Dateiinhalte, Datensätze, Datenbankschemata oder Antworten aus einer API sein. Eine Resource löst nicht automatisch eine Aktion aus. Sie liefert zunächst den Kontext, den eine KI-Anwendung zur Bearbeitung einer Aufgabe benötigt.

Prompts geben Aufgaben eine Struktur

Prompts sind wiederverwendbare Vorlagen für die Interaktion mit einem Sprachmodell. Sie können Anweisungen enthalten, eine Aufgabe strukturieren oder Beispiele für den gewünschten Umgang mit einem Werkzeug liefern.

Die Trennung zwischen den drei Bausteinen ist wichtig. Eine Resource kann etwa erklären, welche Kennzahlen in einer Marketingdatenbank liegen. Ein Tool führt anschließend die Abfrage aus. Ein Prompt gibt vor, wie die KI aus den Ergebnissen einen verständlichen Bericht erstellt.

Ein einfaches MCP-Beispiel aus dem Marketing

Nehmen wir an, ein Marketingteam möchte einen KI-Assistenten einsetzen, der den aktuellen Stand einer Kampagne zusammenfasst.

Die relevanten Informationen liegen an mehreren Stellen:

• Reichweite und Klicks in einer Analytics-Plattform,
• Leads und Verkaufschancen im CRM,
• offene Aufgaben im Projektmanagement-System.

Ein MCP Server für die Analytics-Plattform stellt ein Tool bereit, das Reichweite, Klicks und Conversions für einen bestimmten Zeitraum abruft. Eine Resource enthält Erklärungen zu den verwendeten Kennzahlen. Ein weiterer Server ermöglicht den Zugriff auf freigegebene CRM-Daten. Ein dritter Server liefert Informationen zum Zeitplan und zu offenen Aufgaben.

Die Nutzer:innen stellen anschließend eine Anfrage wie: „Fasse den aktuellen Kampagnenstatus zusammen.“

Die KI-Anwendung erkennt über ihre MCP Clients, welche Funktionen zur Verfügung stehen. Sie kann die passenden Tools auswählen, die benötigten Daten abrufen und daraus eine Übersicht erstellen. Das Modell muss die aktuellen Kampagnendaten nicht bereits kennen. Die Informationen werden zum Zeitpunkt der Anfrage aus den angebundenen Systemen geholt. Entscheidend bleiben dabei die Qualität der Daten, die Beschreibung der Tools und die Regeln der jeweiligen KI-Anwendung.

MCP im Content Management

Auch in der Content-Produktion gibt es zahlreiche denkbare Einsatzmöglichkeiten.

Ein KI-Assistent könnte über einen MCP Server auf freigegebene Inhalte aus einem Content-Management-System zugreifen. Eine Resource liefert vorhandene Artikel zu einem Thema. Ein Tool startet eine Suche im Redaktionsarchiv oder ruft Metadaten zu einem Beitrag ab. Eine zusätzliche Verbindung zu einem Digital Asset Management System könnte passende Bilder und Videos finden. Ein angebundenes SEO-Tool liefert aktuelle Rankings oder Keyword-Daten.

Redakteur:innen bleiben dabei in ihrer gewohnten Anwendung. Die KI greift im Hintergrund über standardisierte Verbindungen auf die benötigten Systeme zu.

Ein möglicher Ablauf könnte so aussehen:

1. Die Redaktion gibt ein Thema ein.
2. Die KI durchsucht freigegebene Artikel und Medien.
3. Ein SEO-Tool liefert passende Suchbegriffe.
4. Der Assistent erstellt einen ersten Entwurf.
5. Die Redaktion prüft und bearbeitet das Ergebnis.

Besondere Aufmerksamkeit brauchen Schreibzugriffe. Das Lesen eines Artikelentwurfs hat ein anderes Risikoprofil als das Veröffentlichen, Löschen oder Überschreiben eines Inhalts. Kritische Aktionen sollten deshalb mit klaren Berechtigungen und einer ausdrücklichen Bestätigung verbunden sein.

Lokale und entfernte MCP Server

MCP unterstützt lokale und remote erreichbare Server. Lokale Server verwenden häufig den sogenannten Stdio-Transport. Dabei kommunizieren Client und Server über die Ein- und Ausgabeströme lokaler Prozesse. Das eignet sich beispielsweise für den Zugriff auf Dateien oder Entwicklungswerkzeuge auf demselben Gerät.

Entfernte Server können den Streamable-HTTP-Transport nutzen. Die Kommunikation läuft dabei über HTTP. Diese Variante passt zu zentral bereitgestellten Unternehmensdiensten oder cloudbasierten Anwendungen, die von mehreren Clients genutzt werden. MCP nutzt für die Datenübertragung ein Nachrichtenformat auf Basis von JSON-RPC 2.0.

Die Entscheidung zwischen einer lokalen und einer entfernten Bereitstellung wirkt sich auf Betrieb, Sicherheit und Wartung aus. Ein lokaler Server kann direkt auf Ressourcen eines Geräts zugreifen. Ein remote betriebener Server lässt sich zentral verwalten und mehreren Teams zur Verfügung stellen. Bei entfernten Servern müssen Authentifizierung, Netzwerkzugriff und Datenschutz besonders sorgfältig geregelt sein.

Wie findet eine KI-Anwendung verfügbare Werkzeuge?

Ein wichtiger Bestandteil von MCP ist die automatische Erkennung verfügbarer Funktionen. Ein Client kann bei einem Server anfragen, welche Tools, Resources und Prompts angeboten werden. Die Antwort enthält strukturierte Beschreibungen der jeweiligen Möglichkeiten.

Ein Tool könnte beispielsweise erklären, dass es aktuelle Wetterdaten abruft. Das dazugehörige Eingabeschema legt fest, dass eine Ortsangabe benötigt wird. Die KI-Anwendung kann diese Informationen nutzen, um einen passenden Werkzeugaufruf vorzubereiten.

Der Ablauf sieht vereinfacht so aus:

• Der Client fragt verfügbare Funktionen ab.
• Der Server liefert eine strukturierte Beschreibung.
• Die KI wählt ein passendes Tool.
• Der Server führt die Funktion aus.
• Das Ergebnis fließt zurück an die Anwendung.

Die aktuelle MCP-Architektur sieht außerdem Benachrichtigungen vor. Server können damit Änderungen an angebotenen Funktionen melden.

Welche Vorteile bietet das Model Context Protocol?

Der größte Vorteil liegt in der Standardisierung. Entwickler:innen erhalten ein gemeinsames Modell zur Beschreibung von Datenquellen, Werkzeugen und Vorlagen. Ein MCP Server kann grundsätzlich von unterschiedlichen kompatiblen Hosts angesprochen werden. Das erleichtert den Austausch einzelner Komponenten und kann doppelte Integrationsarbeit verringern.

Auch die Erweiterbarkeit spielt eine wichtige Rolle. Ein KI-Assistent muss nicht direkt mit jeder denkbaren Funktion ausgeliefert werden. Unternehmen können gezielt jene MCP Server anbinden, die zu ihren Aufgaben passen. Weitere Datenquellen und Werkzeuge lassen sich später ergänzen.

Die offizielle MCP-Dokumentation nennt unter anderem KI-Assistenten, Entwicklungswerkzeuge und Unternehmenschatbots als Einsatzfelder. Beschrieben werden etwa Kalender- und Notion-Zugriffe, die Erstellung einer Webanwendung auf Basis eines Figma-Designs und die Analyse mehrerer Unternehmensdatenbanken. Ein gemeinsames Protokoll garantiert allerdings noch keine gute Integration. MCP Server müssen zuverlässig gepflegt, verständlich dokumentiert und passend abgesichert werden. Unklare Tool-Beschreibungen können zu falschen Aufrufen führen. Fehlerhafte Daten bleiben auch über eine standardisierte Verbindung fehlerhaft.

Sicherheit und Zugriffsrechte bei MCP

MCP kann KI-Anwendungen Zugriff auf sensible Daten und wirksame Aktionen geben. Ein Tool könnte Dokumente lesen, Kundendaten abfragen oder Änderungen in einem System auslösen. Berechtigungen gehören deshalb von Beginn an zur Planung.

Die offizielle Dokumentation empfiehlt eine Autorisierung besonders dann, wenn ein Server auf nutzerbezogene Daten zugreift, Aktionen nachvollziehbar sein müssen oder strenge Zugriffskontrollen gelten. Remote angebundene MCP Server können standardisierte Autorisierungsabläufe nutzen, die sich an OAuth 2.1 orientieren. Lokale Server haben je nach Einsatzumgebung andere Möglichkeiten zur Bereitstellung von Zugangsdaten.

Unternehmen sollten jedem Server und jedem Tool nur die tatsächlich benötigten Rechte geben. Ein Assistent, der Kampagnendaten zusammenfasst, braucht keinen pauschalen Zugriff auf alle Kundendatensätze. Ein Recherche-Tool benötigt keine Berechtigung zum Löschen von Dateien.

Wichtige Schutzmaßnahmen sind unter anderem:

• klar begrenzte Zugriffsrechte,
• kurze Laufzeiten für Zugriffstoken,
• verschlüsselte Verbindungen,
• bereinigte Protokolldaten,
• Freigaben bei kritischen Aktionen.

Auch die Herkunft eines MCP Servers sollte geprüft werden. Ein Server ist ausführbarer Code oder ein entfernter Dienst mit Zugriff auf bestimmte Ressourcen. Unternehmen brauchen daher klare Freigabeprozesse, technische Prüfungen und eine laufende Kontrolle der eingesetzten Komponenten.

Ist MCP nur für Entwickler interessant?

Die technische Umsetzung liegt häufig bei Entwickler:innen, IT-Abteilungen oder Softwareanbietern. Die möglichen Auswirkungen reichen jedoch weit in die Fachabteilungen hinein. Marketingteams, Redaktionen, Vertrieb, Kundenservice und E-Commerce können von KI-Anwendungen profitieren, die kontrolliert auf aktuelle Fachinformationen zugreifen.

Fachabteilungen sollten früh festlegen, welche Aufgaben ein Assistent übernehmen darf. Ebenso wichtig ist die Frage, welche Daten als Kontext bereitgestellt werden und welche Aktionen eine menschliche Freigabe benötigen.

Ein guter Einstieg ist ein klar abgegrenzter Anwendungsfall. Denkbar wäre zunächst ein lesender Zugriff auf freigegebene Dokumente. Danach können Analysefunktionen hinzukommen. Schreibende oder veröffentlichende Aktionen sollten erst folgen, wenn Rollen, Kontrollen und Verantwortlichkeiten eindeutig geregelt sind.

Fazit: MCP verbindet KI mit der Arbeitswelt

Das Model Context Protocol bietet einen standardisierten Weg, um KI-Anwendungen mit externen Datenquellen, Werkzeugen und Arbeitsabläufen zu verbinden. Hosts, Clients und Server übernehmen dabei klar getrennte Aufgaben. Tools führen Aktionen aus, Resources liefern Kontext und Prompts strukturieren wiederkehrende Interaktionen.

Besonders interessant ist MCP in Umgebungen mit vielen Softwarelösungen und wechselnden KI-Anwendungen. Ein gemeinsames Protokoll kann Integrationen wiederverwendbarer machen und die Erweiterung eines KI-Assistenten erleichtern. Der praktische Nutzen entsteht durch eine saubere Umsetzung. Unternehmen brauchen verlässliche Daten, verständlich beschriebene Tools, begrenzte Zugriffsrechte und kontrollierte Abläufe. Unter diesen Voraussetzungen kann MCP zu einer wichtigen Grundlage für KI-Anwendungen werden, die aktuelle Informationen einbeziehen und konkrete Aufgaben in verbundenen Systemen erledigen.