Was ist MCP? Das Model Context Protocol für KI einfach erklärt
MCP ist der offene Standard, der KI-Apps mit deinen Tools und Daten verbindet. Wie er funktioniert und was sich 2026 geändert hat.
Kemal Esensoy·aktualisiert am March 23, 2025
In der englischen Fassung dieses Artikels stand ein fertiger MCP-Server namens "Puppet tar". Das ist Puppeteer, nach einer Runde maschineller Übersetzung. Das stand fast zwanzig Monate auf meiner Seite. Das geht auf meine Kappe.
Der Rest ist auch schlecht gealtert. Der Text behauptete, MCP "revolutioniere" alles, und sprach vom "Team von Wunderlandmedia" und einer "führenden digitalen Agentur". Es gibt kein Team. Ich bin eine Person. Seitdem wurden die Server für Puppeteer, Slack, GitHub, Postgres und Google Drive aus der damaligen Liste archiviert. Anthropic hat das Protokoll an die Linux Foundation übergeben, und die Spezifikation vom Juli 2026 hat abgeschafft, wie sich Clients und Server bisher begrüßt haben.
Deshalb hier der Neuanfang: was MCP ist, wie es funktioniert, was sich geändert hat und was es dich kostet. Von jemandem, der jeden Arbeitstag mit MCP zu tun hat und mit seinem eigenen CMS trotzdem über ein Shell-Skript redet.
Was ist MCP?
MCP steht für Model Context Protocol. Das ist ein offener Standard, der KI-Anwendungen mit externen Tools und Daten verbindet, sodass jede App, die MCP spricht, jeden Server nutzen kann, der MCP spricht. Die offizielle Doku nennt es einen USB-C-Anschluss für KI-Anwendungen, und ausnahmsweise stimmt der Marketing-Vergleich.
Anthropic hat MCP im November 2024 veröffentlicht. In der Praxis ist es der Grund, warum ein Agent deinen Google-Kalender und deine Notion-Seiten lesen kann oder Claude Code aus einem Figma-Design eine Web-App baut. Das sind die Beispiele aus der Doku selbst. Niemand hat dafür eine eigene Figma-Integration in die KI-App geschrieben. Beide Seiten sprechen dasselbe Protokoll.
Welches Problem MCP löst
Nimm fünf KI-Apps und zwanzig Tools. Ohne gemeinsamen Standard sind das bis zu 100 eigene Integrationen, jede mit eigener Anmeldung und eigener Art, kaputtzugehen. Mit MCP sind es 25: Jede App setzt das Protokoll einmal um, jedes Tool auch.
Anthropic schrieb im Launch-Beitrag, jede neue Datenquelle brauche bisher ihre eigene Implementierung. Wer schon mal einen Haufen API-Schnittstellen gepflegt hat, weiß, wie das endet. Ein Anbieter ändert ein Feld, und irgendwo hört still etwas auf zu synchronisieren.
Wie MCP funktioniert: Host, Client, Server
Öffne VS Code mit einem Sentry-Server und einem lokalen Dateisystem-Server. Das sind ein Host, zwei Clients und zwei Server, so steht es im Beispiel aus der Doku.
Der MCP-Host ist die KI-Anwendung, in der du gerade sitzt, also Claude Code, ChatGPT, Cursor oder VS Code. Für jede Verbindung legt der Host einen MCP-Client an, eine kleine Komponente, die genau diese eine Leitung hält.
Was ist ein MCP-Server?
Ein MCP-Server ist das Programm am anderen Ende, das die Fähigkeiten anbietet. Er kann auf deinem Rechner laufen und über stdio kommunizieren oder entfernt über Streamable HTTP. Die Nachrichten selbst sind JSON-RPC 2.0, egal über welchen Transportweg.
Ein Server kann drei Arten von Dingen anbieten. Tools sind Funktionen, die das Modell selbst aufruft. Resources sind Daten, die die Anwendung als Kontext anhängt, etwa Dateiinhalte. Prompts sind Vorlagen, die du als Nutzer auslöst, oft als Slash-Befehl. Am häufigsten wirst du Tools begegnen.
Das Gespräch ist simpel. Der Client fragt tools/list ab und bekommt Namen, Beschreibungen und Eingabe-Schemas zurück. Will das Modell ein Tool nutzen, schickt der Client so etwas:
{
"jsonrpc": "2.0",
"id": 3,
"method": "tools/call",
"params": {
"name": "weather_current",
"arguments": { "location": "San Francisco", "units": "imperial" }
}
}
(Eine echte Anfrage enthält zusätzlich Protokoll-Metadaten in _meta. Die habe ich der Lesbarkeit wegen gekürzt.)
Das Modell fasst das Netzwerk nie selbst an. Es schreibt auf, was es will, der Host führt den Aufruf aus, und das Ergebnis kommt als Text zurück ins Gespräch. Auch die Tool-Beschreibungen sind nur Text, den das Modell lesen muss. Das wird später noch wichtig.
MCP, API und KI-Agent: die Unterschiede
Der Sentry-MCP-Server spricht weiterhin mit den Systemen von Sentry. MCP sitzt oben auf dieser Art von Leitungen, und die meisten Server sind eine dünne Hülle um eine REST-API.
Eine API ist das, was ein Dienst anbietet, dokumentiert für Entwickler, die sie beim Bauen fest verdrahten. Jede API hat ihre eigene Anmeldung und ihre eigenen Formate.
Ein KI-Agent ist die Schleife, die entscheidet, was als Nächstes passiert: Anfrage lesen, Tool wählen, Ergebnis ansehen, weitermachen. Das ist der Teil, der denkt.
MCP ist die Schnittstelle dazwischen. Der Agent erfährt damit zur Laufzeit, was verfügbar ist, und ruft es in einem einheitlichen Format auf, ohne dass jemand Wetter-API-Code in den Agenten schreibt. Ohne MCP funktioniert der Agent auch, aber dann muss jemand jede Verbindung von Hand bauen.
Was du konkret davon hast
Claude verbindet sich mit demselben MCP-Server von claude.ai, der Desktop-App, dem Handy, Cowork und Claude Code aus. Du baust einen Server, und er taucht überall auf. Auch ChatGPT und die OpenAI-API können sich mit entfernten Servern verbinden.
Für ein Unternehmen ändert das die Rechnung bei der Frage, ob sich eine Integration lohnt. Du baust eine Tür in dein System, und welchen Assistenten dein Team nächstes Jahr auch bevorzugt, er kann sie benutzen. Das ist das Hauptargument für MCP, und es wurde stärker, seit die Konkurrenz mitmacht.
Was sich seit 2025 geändert hat
Am 9. Dezember 2025 hat Anthropic MCP an die Agentic AI Foundation übergeben, einen Fonds unter dem Dach der Linux Foundation. Mitgründer sind Block und OpenAI, Unterstützer Google, Microsoft, AWS, Cloudflare und Bloomberg. Anthropic zählte damals mehr als 10.000 aktive öffentliche Server und 97 Millionen SDK-Downloads im Monat. Im Juli 2026 meldete der offizielle Blog fast eine halbe Milliarde Downloads im Monat über die wichtigsten SDKs.
Die größere technische Änderung ist die Spezifikation 2026-07-28:
- Zustandsloser Kern. Der
initialize-Handshake und der HeaderMcp-Session-Idsind weg. Jede Anfrage bringt alles mit, was der Server braucht, um sie allein zu bearbeiten. Das dürfte entfernte Server hinter einem Load Balancer deutlich einfacher machen. - Discovery. Ein neuer Aufruf
server/discoversagt Clients, was ein Server kann. Ihn zu benutzen ist optional. - Tasks ausgelagert. Lang laufende Aufgaben sind jetzt eine Erweiterung statt Teil des Kerns.
- Abkündigungen. Roots, Sampling, Logging und Dynamic Client Registration laufen aus, entfernt werden können sie frühestens ab Juli 2027.
Dazu kommen MCP Apps, eine Erweiterung, mit der ein Server interaktives HTML wie ein Diagramm oder ein Formular direkt im Chat anzeigen kann.
Eine neue Spezifikation heißt nicht, dass deine Tools sie unterstützen. Die SDKs für TypeScript, Python, Go und C# sprechen die neue Version, Rust ist in der Beta. Aber als ich im November 2026 nachgesehen habe, nannte die Connector-Doku von Claude noch die Autorisierungs-Spezifikation 2025-11-25 als neueste, und sie sagt, dass Claude nur einen Teil von MCP umsetzt. Teste also mit dem Client, den du wirklich benutzt. Jedes Tutorial, das auf initialize aufbaut, ist veraltet.
Wo du heute MCP-Server findest
Das offizielle Server-Repo ist auf sieben Referenz-Server geschrumpft: Everything, Fetch, Filesystem, Git, Memory, Sequential Thinking und Time. Die README nennt sie ausdrücklich Lehrbeispiele und keine produktionsreifen Lösungen.
Geh also zuerst zum Anbieter. Sentry betreibt einen eigenen Remote-Server, und viele andere Tools machen das inzwischen genauso. Für Coding-Agenten gibt es Context7 von Upstash, das ihnen aktuelle Bibliotheks-Doku liefert, damit sie keine APIs erfinden.
Die offizielle MCP Registry ist weiterhin in der Preview. Sie prüft, wem ein Namespace gehört, und überlässt die Sicherheitsprüfung npm, PyPI und den Marktplätzen, die darauf aufbauen. Ein Eintrag sagt dir, wer einen Server veröffentlicht hat. Ob der Server sicher ist, sagt er dir nicht.
MCP-Risiken: Tokens und Sicherheit
Anthropics eigenes Beispiel verbindet fünf Server mit 58 Tools und verbrennt rund 55.000 Tokens, bevor du ein Wort getippt hast. Zum MCP-Tokenverbrauch habe ich einen ganzen Artikel geschrieben, die Kurzfassung lautet: Jedes verbundene Tool liegt bei jedem Schritt in deinem Kontext, und zu viele davon machen das Modell schlechter darin, das richtige auszuwählen. Anthropic hat außerdem einen Fall von 150.000 auf 2.000 Tokens gedrückt, indem der Agent Code gegen die Tools schreibt, statt sie direkt aufzurufen.
Die Sicherheit würde ich noch ernster nehmen. Im April 2025 hat Invariant Labs Tool Poisoning vorgeführt: ein add-Tool mit versteckten Anweisungen in der Beschreibung, denen das Modell gefolgt ist. In ihrem Test mit Cursor las es ~/.cursor/mcp.json und den privaten SSH-Schlüssel des Nutzers und schickte beides an den Server, getarnt als Parameter einer Rechenfunktion. Der Nutzer sah nur einen vereinfachten Bestätigungsdialog.
Im selben Jahr fand JFrog CVE-2025-6514 in mcp-remote, bewertet mit CVSS 9.6. Die Versionen 0.0.5 bis 0.1.15 konnten einen nicht vertrauenswürdigen Server Befehle auf deinem Rechner ausführen lassen, 0.1.16 hat das behoben.
Die offiziellen Sicherheitshinweise raten Clients, davor zu warnen, dass lokale Server mit denselben Rechten laufen wie der Client. Einen lokalen MCP-Server zu installieren ist also dieselbe Entscheidung, wie das npm-Paket eines Fremden auszuführen, und KI-Assistenten können solche Pakete schlecht beurteilen. Lies, was er tut, und leg die Version fest. Dann gib ihm den engsten Zugriff, mit dem es noch funktioniert.
Wann ich MCP weglasse
In der Anweisungsdatei meines Content-Repos steht diese Zeile: "Use ./bin/d9 for all Directus operations (not MCP)." d9 ist ein Shell-Skript mit 225 Zeilen. Search Console und Bing laufen genauso, jeweils über einen kleinen Wrapper im selben Ordner. Mein Stack besteht größtenteils aus Claude plus direkten API-Aufrufen.
Ein CLI kostet keinen Kontext, bis der Agent es ausführt, und ein Coding-Agent weiß längst, wie man einen Befehl startet. Bist du der einzige Nutzer und lebt der Agent im Terminal, ist ein kleines Skript schwer zu schlagen.
MCP gewinnt, wenn du den Client nicht kontrollierst. Kollegen in einer Chat-App können meine Shell-Skripte nicht ausführen. Viele Nutzer brauchen ihre eigene Anmeldung, und OAuth pro Nutzer ist genau das, was dir ein Remote-Server gibt. Ich habe drei oder vier Server gleichzeitig verbunden, und wenn ich einen für Kunden baue, schreibe ich Tools auf Workflow-Ebene, statt jeden API-Endpunkt nachzubauen.
Eine saubere Regel dafür habe ich nicht. Wenn ich mich nicht erinnern kann, wann der Agent einen Server zuletzt aufgerufen hat, fliegt er raus.
So startest du mit MCP
Wenn du nicht entwickelst, fang in der App an, die du schon benutzt. In Claude kommen Connectors aus dem Verzeichnis oder als Custom Connector, bei dem du eine Server-URL einfügst. Verbinde ein Tool, dem du vertraust, und probier eine echte Aufgabe.
Wenn du entwickelst, nimm das SDK für TypeScript oder Python, bau einen kleinen Server mit zwei oder drei Tools und teste ihn mit dem MCP Inspector. Richte die Tools an dem aus, was der Nutzer erledigt haben will, statt an deinen Endpunkten.
Falls du eine Website betreibst und dich fragst, ob das dich betrifft: Das ist etwas anderes und heißt WebMCP, und meine Antwort dazu lautet meistens "noch nicht".
MCP ging in rund einem Jahr von der Veröffentlichung einer einzelnen Firma zum Projekt unter der Linux Foundation, und das Protokoll darunter hat gerade seine Form geändert. Ich würde nicht darauf wetten, dass die heutigen Details 2027 überleben. Auf die Idee einer einheitlichen Tür zwischen KI-Apps und deinen Systemen würde ich wetten.
Wenn du gerade überlegst, welche deiner Systeme so eine Tür bekommen sollen und bei welchen ein kleines Skript reicht, dafür ist meine KI-Beratung da. Ich kann dir nicht sagen, dass sich die Spezifikation nicht wieder bewegt. Was ich dir bieten kann, ist ein Setup, das du wirklich pflegen kannst. Lass uns reden, wenn das für dich passt.
Wenn dir diese Beiträge helfen: Markiere Wunderlandmedia bei Google als bevorzugte Quelle — dann tauchen meine Artikel häufiger in deinen Suchergebnissen, AI Overviews und im AI-Modus auf.
Als bevorzugte Quelle festlegenÜber den Autor
Kemal Esensoy
Kemal Esensoy, Gründer von Wunderlandmedia, begann seine Karriere als freiberuflicher Webentwickler und Designer. Er führte Web-Design-Kurse mit über 3.000 Studenten durch. Heute leitet er eine preisgekrönte Full-Stack-Agentur, die sich auf Webentwicklung, SEO und digitales Marketing spezialisiert hat.