Was ist MCP (Model Context Protocol)?

MCP steht für Model Context Protocol, einen Standard, den Anthropic am 25. November 2024 als Open Source veröffentlichte. Er löst ein sehr konkretes Problem: Vor MCP erforderte die Anbindung eines Sprachmodells an eine externe Datenquelle (eine Datenbank, einen Kalender, ein Buchungssystem) für jede Kombination aus Modell und System eine eigene Integration. MCP ersetzt diese maßgeschneiderten Integrationen durch ein gemeinsames Protokoll: Jede KI-Anwendung, die MCP spricht, kann sich mit jedem Server verbinden, der es ebenfalls spricht, ohne spezifischen Code für jedes einzelne Paar.

Der Vergleich, den die MCP-Dokumentation selbst verwendet, ist der mit dem USB-C-Anschluss: So wie dieser Stecker standardisiert hat, wie ein elektronisches Gerät an ein anderes angeschlossen wird, standardisiert MCP, wie sich eine beliebige KI-Anwendung mit einem beliebigen externen System verbindet, unabhängig vom jeweiligen Hersteller auf beiden Seiten.

MCP sollte weder mit einem KI-Crawler noch mit einem KI-Agenten verwechselt werden. Ein Crawler wie GPTBot durchsucht Webseiten passiv, um Trainings- oder Indexierungsinhalte zu sammeln. Ein KI-Agent führt in Echtzeit eine konkrete Aufgabe aus, auf Anfrage eines Nutzers. MCP unterscheidet sich von beiden: Es ist die strukturierte technische Schnittstelle, über die ein Modell auf externe Daten und Werkzeuge zugreift, unabhängig davon, ob dahinter ein Agent eine Aufgabe ausführt oder ein Crawler Inhalte liest.

MCP folgt einer Client-Server-Architektur. Eine KI-Anwendung, MCP-Host genannt (etwa Claude Desktop oder ein Code-Editor), erstellt für jeden Server, mit dem sie sich verbindet, einen MCP-Client. Jeder Client unterhält eine dedizierte Verbindung zu seinem jeweiligen Server, und ein und derselbe Host kann mehrere Clients gleichzeitig aktiv haben, einen pro externem System, mit dem er gerade arbeitet, ganz ähnlich wie ein Browser für jeden geöffneten Tab eine eigene Verbindung offen hält.

Das Protokoll gliedert sich in zwei Schichten. Die Datenschicht definiert die Struktur der Nachrichten mit JSON-RPC 2.0, demselben Format, das viele andere Protokolle für Fernkommunikation nutzen, und umfasst drei zentrale Primitive, die ein Server anbieten kann: Werkzeuge, also ausführbare Funktionen wie eine Datenbankabfrage; Ressourcen, also Kontextdaten wie den Inhalt einer Datei; und Prompts, also wiederverwendbare Vorlagen, um eine Interaktion zu strukturieren. Die Transportschicht legt fest, wie diese Nachrichten reisen: über Standardein- und -ausgabe, wenn der Server lokal läuft, oder über HTTP mit vom Server gesendeten Ereignissen, wenn er remote läuft.

Ein Client entdeckt, was ein Server anbietet, über eine Listenanfrage wie tools/list, und erst danach führt er ein konkretes Werkzeug über eine Aufrufanfrage wie tools/call aus. Der Server kann den Client zudem über Benachrichtigungen informieren, wenn sich sein Angebot ändert, damit der Client nicht ständig nachfragen muss, ob sich zwischenzeitlich etwas geändert hat, was bei häufig wechselnden Werkzeuglisten spürbar Anfragen spart.

Am 9. Dezember 2025 übertrug Anthropic die Governance von MCP an die Agentic AI Foundation, einen gemeinnützigen Fonds innerhalb der Linux Foundation, gegründet gemeinsam mit Block und OpenAI, mit Unterstützung von Google, Microsoft, AWS, Cloudflare und Bloomberg. Die Maintainer des Projekts legen laut Anthropics eigener Ankündigung weiterhin Wert auf die Beteiligung der Community und transparente Entscheidungsfindung.

Die Entscheidung, die davon abhängt, ist, wie ein Unternehmen mit strukturierten Daten (ein Produktkatalog, ein Buchungssystem, ein CRM) plant, dass ein KI-Modell darauf zugreift. Ohne ein gemeinsames Protokoll ist jede Integration mit jedem Modell ein eigenes Projekt, das separat gepflegt werden muss, sobald sich eine der beiden Seiten ändert. Mit MCP macht das Anbieten dieser Daten als MCP-Server sie für jede kompatible KI-Anwendung zugänglich, ohne die Integrationsarbeit für jede einzelne zu wiederholen.

Das Ausmaß des Wandels ist bereits messbar: Laut Anthropics eigener Ankündigung von Dezember 2025 gibt es mehr als 10.000 aktive öffentliche MCP-Server und mehr als 97 Millionen monatliche Downloads der SDK für Python und TypeScript. Mit der Governance nun außerhalb von Anthropic und innerhalb einer neutralen Stiftung zeichnet sich MCP eher als geteilte Infrastrukturschicht denn als Werkzeug eines einzelnen Anbieters ab, was das Risiko spürbar verringert, auf einen Standard zu setzen, der allein von den Geschäftsentscheidungen eines einzigen Unternehmens abhängt und sich mit dessen Prioritäten verschieben könnte.

Für ein Unternehmen mit eigenen Daten (Buchungen, Bestand, Echtzeitpreise) lautet die relevante Frage nicht mehr nur, ob ein KI-Modell seine öffentlichen Inhalte lesen kann, sondern ob es über einen MCP-Server auf seine Systeme einwirken kann: Verfügbarkeit abfragen, eine Buchung starten, einen Datensatz aktualisieren. Das ist die Grenze zwischen einer zitierten Informationsquelle zu sein und einem System, mit dem ein KI-Assistent direkt und aktiv arbeiten kann, statt es nur passiv zu lesen.

• Prüfe vor dem Bau eines eigenen MCP-Servers das offizielle Repository mit Referenzservern: Möglicherweise gibt es für das System, das du anbinden willst, bereits einen von der Community gepflegten Server.
• Biete nur die Werkzeuge an, die ein Modell wirklich braucht, nicht deine gesamte interne API: Jedes zusätzliche Werkzeug ist eine weitere Aktion, die ein Modell unerwartet aufrufen könnte.
• Nutze für Remote-Server den HTTP-Transport mit OAuth-Authentifizierung, keine fest im Code hinterlegten Zugangsdaten.
• Dokumentiere jedes Werkzeug mit einer klaren Beschreibung, wann es zu nutzen ist und wann nicht, denn das Modell entscheidet anhand dieser Beschreibung, ob es aufgerufen wird.
• Kontrolliere die Aufrufprotokolle deines MCP-Servers genauso, wie du die Logs einer öffentlichen API prüfen würdest: Es ist eine neue Zugriffsfläche.
• Bleib laufend über die Versionsänderungen des Protokolls informiert, die die Agentic AI Foundation veröffentlicht, die MCP seit Dezember 2025 offiziell verwaltet.

• Einen MCP-Server wie eine interne API ohne Zugriffskontrolle behandeln, obwohl er tatsächlich für jedes sich verbindende Modell offensteht.
• MCP mit einem KI-Agenten verwechseln: MCP ist die Verbindungsschnittstelle, nicht das Programm, das entscheidet, welche Aufgabe ausgeführt wird.
• Einen MCP-Server von Grund auf für ein System bauen, das bereits einen von der Community gepflegten Referenzserver hat.
• Dutzende generische Werkzeuge anbieten statt weniger, gut beschriebener, was die Wahrscheinlichkeit erhöht, dass das Modell das falsche aufruft.