MCP erklärt: Warum die Bereitstellung von Funktionen besser ist als feste Endpunkte für Agenten.
Was MCP ist und warum es wichtig ist: Clients und Server des Model Context Protocol, wie es sich von einer festen API unterscheidet, und was Figma und Render über KI-Agenten zeigen.
Erlaubt es, Tools und APIs miteinander zu verbinden, ohne manuelle Codeeingriffe. MCP ist ein Standard, der es ermöglicht, Daten und Funktionen zwischen verschiedenen Anwendungen auszutauschen.
Früher oder später stößt jeder Entwickler auf die drei Buchstaben MCP. Probieren Sie Supabase, Figma oder fast jedes andere Entwicklerprodukt – sie bieten alle ihren eigenen MCP-Standard an. Die übliche Reaktion ist, zuzustimmen, ohne wirklich zu wissen, was dieser Begriff beinhaltet oder wie er helfen soll. Hier ist eine Erklärung in einfachen Worten.
Ein kleines Beispiel zeigt die Wirkung. Für eine App musste eine Landing Page erstellt werden, wobei ein Figma-Design als Ausgangspunkt diente. Der KI-Assistent schlug vor, den MCP-Server von Figma zu verbinden. Sobald die Verbindung hergestellt war, entstand die Seite innerhalb weniger Minuten – ohne dass jemand den Layout-Code manuell schreiben musste. Die interessanten Fragen lauten: Was ist MCP und warum verändert es die Dinge?
Wie Backend-Systeme bisher funktioniert haben
Wenn eine herkömmliche API entworfen wird, ist ihr Zweck bereits bekannt. Ein Client wünscht sich eine Liste von Produkten, und der Dienst liefert genau das – möglicherweise durch SELECT * FROM products oder einen Aufruf eines Repositoriums wie productRepository.find(), wenn ein ORM verwendet wird. Der Endpunkt ist auf einen festen Zweck ausgerichtet, und nichts daran ist offen für weitere Anpassungen.
Das ist der Kompromiss bei traditionellen APIs: Der Client weiß, was er will, und der Entwickler baut eng gefasst darauf hin. Die Absicht ist bereits festgelegt, bevor auch nur eine Zeile des Endpunkts geschrieben wird.
Was KI verändert hat
Menschen sind nicht mehr die Einzigen, die eine Anwendung nutzen. Auch KI-Agenten müssen sie verwenden, was zu der offensichtlichen Frage führt: Warum lassen sie nicht einfach wie jeder menschliche Client die vorhandenen APIs aufrufen?
Das Problem ist, dass eine API von einem bekannten Anwendungsfall ausgeht. Bei Agenten kann der Entwickler oft im Voraus nicht sagen, was sie tun wollen. Deshalb zielt MCP darauf ab, größere Teile einer Anwendung zu öffnen, damit eine KI sie erkunden und je nach Bedarf nutzen kann, anstatt einen weiteren starren, eng gefassten Endpunkt zu schaffen.
Eine Definition
MCP, das Model Context Protocol, ist ein offener Standard, der von Anthropic eingeführt wurde. Er beschreibt eine gemeinsame Methode dafür, dass KI-Anwendungen wie Claude mit externen Tools, Datenquellen und Systemen verbunden werden können. Es handelt sich dabei um ein Protokoll, eine Konvention, der alle Agenten folgen müssen, und nicht um ein bestimmtes Produkt oder eine Integration. Jeder kann darauf aufbauen.
In der Praxis teilt es sich in einen Client und einen Server auf. Eine Anwendung oder ein Service wie Figma oder Render stellt einen MCP-Server bereit. Eine KI-Anwendung wie Claude fungiert als MCP-Client und verbindet sich damit. Der Server deklariert, was verfügbar ist, und der Client entdeckt sowie nutzt es.
Die Serverseite basiert auf einigen Kernkomponenten:
- Tools, die der Agent aufrufen kann.
- Ressourcen, die er lesen kann.
- Prompts, die wiederverwendet werden können, sodass er nicht raten muss, wie er eine häufige Aufgabe angehen soll.
Die Clientseite verfügt über ihre eigene Komponente namens „roots“, die die Grenzen dessen markiert, auf was ein Server zugreifen darf. Jeder Agent, der MCP versteht, kennt bereits all diese Komponenten, weshalb die Verbindung einfach per Plug-and-Play erfolgt, anstatt jedes Mal eine individuelle Integration durchzuführen.
Ein Sicherheitsvorteil
MCP trägt ebenfalls zur Sicherheit bei. Der Agent erreicht Ihre Daten zwar, aber nur indirekt. Der Server ist das einzige Komponente, das mit der Datenbank kommuniziert, und er bietet nur die definierten Funktionen. Der Agent kann keine eigenen Abfragen ausführen oder das Schema einsehen. Er interagiert mit der erstellten Schnittstelle, während der Server die eigentliche Arbeit für ihn erledigt. Die Abstraktion kann so weit wie gewünscht getrieben werden, sodass der Agent nur wenig über die interne Implementierung weiß.
Alles dies baut auf bestehenden APIs auf und ersetzt sie nicht. MCP umhüllt sie in eine standardisierte, auffindbare Schnittstelle, zu der jeder KI-Agent sich verbinden und sie verstehen kann. Der wesentliche Unterschied zu einer gewöhnlichen API besteht darin, dass im Voraus niemand entscheidet, was ein Client genau tun darf. Ein breiteres Spektrum an verfügbaren Funktionen – sei es Tools, Ressourcen oder Daten – wird bereitgestellt, und der Agent ermittelt aus der jeweiligen Situation selbst, wie er sie nutzen kann.
Sobald ein Agent sich verbindet, entdeckt er die bereitgestellten Funktionen und überlegt, wie er damit eine Aufgabe erledigen kann, sodass man nicht jede mögliche Aktion im Voraus fest codieren muss.
Ein praktisches Beispiel mit Figma und Claude
Die Landeseite dient als klarster Weg, um zu erkennen, was sich geändert hat. Bei Arbeiten an der Benutzeroberfläche und dem Design folgt man in der Regel dem Prozess mit Screenshots: Man macht ein Bild vom Entwurf, gibt es an einen Agenten weiter, und es wird hin und her ausgetauscht, wobei auf übersehene Aspekte hingewiesen, Details vergrößert und die Absicht erläutert wird. Ein menschliches Auge erkennt Dinge, die ein Agent, der sich nur ein flaches Bild ansieht, nicht so präzise beurteilen kann.
Dieses Mal war der erste Schritt anders. Dem Agenten wurde das Ziel mitgeteilt und er wurde nach dem besten Weg, es zu erreichen, gefragt; daraufhin schlug er Figma’s MCP vor. Das ist im Allgemeinen eine gute Gewohnheit. Eine KI ist ein Prognosewerkzeug, und die Qualität ihrer Antwort hängt stark vom erhaltenen Kontext ab. Oft lohnt es sich, die KI selbst nach dem besten Vorgehen zu fragen, anstatt sie auf bereits bekannte Methoden zu beschränken. Sie in feste Rahmen zu pressen, verschwendet ihre Stärken – insbesondere dann, wenn die Aufgabe unbekannt ist. In diesem Fall war die Empfehlung MCP.
Zuerst wurde Figma MCP lokal eingerichtet, und Claude wurde damit verbunden. Nach der Authentifizierung standen die Designdaten zur Verfügung, sodass Claude das tatsächliche Design direkt lesen konnte, ohne dass Screenshots nötig waren. Er ging schrittweise durch das Design, unterteilte die Arbeit in einen Plan und führte diesen aus. Das Ergebnis war nahezu fertig – fast eine einmalige Implementierung und fast perfekt.
Im Grunde gab MCP dem Agenten dieselben „Augen“ wie einem Menschen. Niemand musste als Vermittler fungieren und das Im Design Sichtbare in etwas umwandeln, das der Agent nutzen kann, denn der Agent konnte das Design selbst betrachten.
Warum es für Anbieter wichtig ist
Der Figma-Fall betraf die Nutzung eines fremden Servers. Er wirft außerdem die Frage auf, ob man einen solchen Server für eine Anwendung erstellen sollte, damit Agenten sowie die Personen hinter ihnen mehr leisten können, als ursprünglich geplant war.
Render, eine Plattform zum Bereitstellen von Anwendungen, bietet ein Beispiel. Sein MCP-Server stellt Bereitstellungsprotokolle, Service-Metriken wie CPU, Speicher und Anfragedauer sowie sogar einen nur zum Lesen zugänglichen Zugriff auf eine Postgres-Datenbank bereit. Normalerweise erfordert all das einen Zugriff auf das Render-Dashboard. Mit dem verbundenen MCP-Server kann jemand einen Agenten bitten, ein maßgeschneidertes Dashboard mit Bereitstellungsstatistiken zu erstellen, einen Anstieg von Fehlerroutinen zu markieren oder die Ressourcennutzung im Laufe der Zeit zu verfolgen. Render musste weder mit einem solchen Dashboard rechnen noch eine API dafür bereitstellen. Der MCP-Server macht die zugrunde liegenden Funktionen zugänglich, und der Agent kombiniert sie zu dem, was benötigt wird.
Das ist der Kernpunkt. Ein Entwickler könnte annehmen, dass Kunden Funktion ABC wünschen, obwohl sie eigentlich XYZ wollen. Wenn nur feste APIs vorhanden sind, sind die Nutzer auf das beschränkt, was der Entwickler anbieten wollte. MCP kehrt das um. Es beschränkt weder den Agenten noch den Nutzer dahinter auf das Vorgefertigte. Es zeigt auf, was die Anwendung leisten kann, und überlässt die Entscheidung darüber, was entwickelt werden soll, dem Agenten – genauso wie Render’s Server die Entscheidung bezüglich des Dashboards dem Nutzer überlässt.
Statt eines Nutzerdashboards mit nur wenigen vorgefertigten Ansichten kann ein Nutzer daher einen Agenten um eine vollständig individuell angepasste Ansicht bitten, und der Agent kann sie erstellen, da er sieht, was innerhalb der Anwendung möglich ist. Die Botschaft an die Nutzer ändert sich von einer Liste fester Möglichkeiten, die sie mit der Anwendung ausführen können, zu einer Beschreibung dessen, was die Anwendung leisten kann, wobei die Nutzer selbst entscheiden, was sie benötigen.
Weil MCP ein Standard ist, reicht seine Anwendung weit über eine einzelne Anwendung und einen einzelnen Agenten hinaus. Jeder Agent, der MCP unterstützt, kann sich über denselben Protokoll an jede Anwendung anschließen, die ihn bereitstellt. Deshalb gilt es als echter Wandel und nicht nur als praktisches Feature.
Die Denkweise ändern
MCP sind nicht einfach nur APIs für KI. Es handelt sich um eine Veränderung der Einstellung – weg vom Bau für einen bestimmten, bekannten Anwendungsfall hin zur Bereitstellung von Möglichkeiten und der Erlaubnis, einer KI, die vom Kontext geleitet wird, zu überlassen, was mit diesen Möglichkeiten gemacht werden soll. Es ist außerdem eine sicherere Art und Weise, damit Agenten mit einer Anwendung interagieren können, da sie niemals direkten Zugriff auf die Datenbank oder die internen Strukturen erhalten. Sie sehen nur die ausgewählte Schnittstelle, während der MCP-Server die eigentliche Arbeit dahinter erledigt.
Jeder, der etwas entwickelt, das von KI-Agenten genutzt werden könnte, sollte diese Grenze verstehen: Was im Voraus definiert ist, im Vergleich zu dem, was möglich gemacht wird.
Weitere Literatur
- MCP aus der Sicht eines Entwicklers: Hosts, Clients, Server und Toolaufrufe — Warum KI-Modelle ein Protokoll für Tools benötigen, wie Host, Client und Server die Arbeit aufteilen und wie eine Anfrage vom Benutzer zu einem Tool und zurück gelangt.
- Erläuterungen zu MCP-Servern: Tools, Ressourcen, Prompts und wann ein Gateway sinnvoll ist — Eine verständliche Einführung in MCP-Server: Wie Host, Client und Server miteinander verbunden sind, wie MCP sich von einer API unterscheidet, was man damit tun kann und wann sich ein Gateway lohnt.