Was ist MCP? Die Verbindung von KI-Apps mit Tools und Daten

Modelle wie ChatGPT sind gut darin, Fragen zu verstehen, Texte zu verfassen und über das zu urteilen, was sie bereits wissen. Allein können sie jedoch nicht auf die Datenbanken, Apps, APIs, Dokumente oder Arbeitsabläufe einer Organisation zugreifen.

Das Model Context Protocol (MCP) ist eine Standardmethode dafür, dass KI-Apps mit diesen externen Systemen verbunden werden können.

Was MCP ist

MCP ist ein offener Standard, der es KI-Anwendungen ermöglicht, sich sicher und konsistent mit externen Daten, Tools, APIs sowie Arbeitsabläufen zu verbinden.

Es handelt sich um eine gemeinsame Kommunikationsschicht zwischen der KI-App und den Systemen, die sie benötigt. Mit MCP kann ein Assistent Daten abrufen, Tools aufrufen, suchen, genehmigte Aktionen ausführen und die Ergebnisse in eine Antwort integrieren – anstatt nur Prosa zu erzeugen.

Ein mit MCP ausgestatteter Assistent kann beispielsweise:

• Dokumente in Google Drive durchsuchen
• Slack-Nachrichten abrufen
• Quellcode aus GitHub lesen
• Eine Unternehmensdatenbank abfragen

Ausführung von Anfragen nach Details von Unternehmensanwendungsdokumenten

Aufruf einer externen API

Auslösung eines genehmigten Arbeitsablaufs

Vereinigung mehrerer Systeme in einer einzigen Antwort

MCP erweitert somit ein rein chattenbasiertes Modell zu einem assistierenden Tool, das auf echte Dienste zugreifen kann.

Warum MCP existiert

Vor MCP entwickelten Teams in der Regel eine maßgeschneiderte Integration für jedes Kombination aus KI-App und System.

Die Anbindung an Slack war ein Projekt; Drive, GitHub oder eine Datenbank erforderten jeweils wieder ein neues Projekt. Authentifizierung, Anfrageformate, Antworten, Fehler und Wartung unterschieden sich bei jedem Mal.

Als die Anzahl der KI-Apps und Unternehmenssysteme zunahm, ließ sich dieses Vorgehen nicht mehr skalieren.

MCP bietet ein einheitliches Protokoll für solche Interaktionen. Anstatt jeder KI-App den jeweiligen Dialekt jedes Anbieters beizubringen, werden Funktionen über MCP-Server bereitgestellt.

USB ist eine nützliche Analogie: ein Anschluss, viele Geräte. MCP ist eine gemeinsame Schnittstelle zum Entdecken und Nutzen von Tools sowie Datenquellen.

Vorher und nachher

Vorher

Ohne MCP kann die KI-App direkte, benutzerdefinierte Verbindungen zu jeder Plattform haben – Slack, Drive, GitHub, Datenbanken, Unternehmensanwendungen. Die Verbindungen bleiben eng geführt. Jede Änderung der API erzwingt eine Anpassung der Integration. Eine weitere KI-App muss oft denselben „Klebstoff“ erneut erstellen.

Nachher

Mit MCP liegen die Funktionen hinter einem standardisierten Server. Die KI-App kommuniziert über einen MCP-Client und entdeckt Tools mithilfe eines einzigen Protokolls:

AI Application → MCP Client → MCP Server → External Systems

Durch die Reduzierung wiederholter Verbindungen wird das Modellrationalisieren vom plattformspezifischen Code getrennt.

MCP ersetzt die zugrunde liegenden APIs nicht. Der Server ruft weiterhin Slack, Drive, GitHub, Datenbanken oder Unternehmensplattformen über ihre eigenen APIs auf. MCP standardisiert lediglich, wie diese Funktionen für KI-Apps sichtbar werden.

Kernkomponenten

1. Benutzer

Menschen stellen Fragen in natürlicher Sprache – beispielsweise eine lange SiteScope-Fehlerbehebungsfrage, die Kenntnisse über Knowledge-Graph-Beziehungen, Anmeldeinformationen, Protokolle, Verbindbarkeit sowie Queldokumente erfordert. Sie benötigen keine Schemata, Endpunkte oder Abfragesyntax.

2. MCP-Host

Der Host ist die von KI unterstützte Schnittstelle: Desktop-Assistent, IDE, Chatbot, Unternehmensanwendung oder Agentenplattform. Er verwaltet die Sitzung und koordiniert das Modell, MCP-Klienten, Berechtigungen sowie die Benutzeroberfläche.

3. MCP-Klient

Der Klient speichert den Link von der KI-Anwendung zu einem Server, entdeckt verfügbare Funktionen und sendet strukturierte Toolaufrufe. Ein Host kann mehrere Klienten gegen verschiedene Server betreiben.

4. KI-Modell oder Agent

Das Modell erkennt die Absicht und entscheidet, ob externe Daten oder eine Aktion erforderlich sind. Ein Agent-Stack wie LangGraph kann den Schlussfolgerungsfluss, den Zustand, die Routenplanung, die Auswahl von Tools sowie mehrstufige Aufgaben übernehmen.

5. MCP-Server

Der Server stellt ausgewählte Tools zur Verfügung – Abfragen, Dokumentabrufe, Berechnungen sowie Geschäftsprozesse. Ein Neo4j-Knowledges-Graph-MCP-Server könnte Folgendes anbieten:

• neo4j_get_schema – Labels, Beziehungsarten, Eigenschaften, Schema
• neo4j_read_cypher – Nur-Lese-Cypher; keine CREATE, MERGE, DELETE, SET, Admin-Befehle oder PROFILE

Der Server übersetzt eine standardmäßige MCP-Anfrage in die systemspezifische Aktion.

6. Externe Systeme und APIs

Die tatsächlichen Speicher und Prozessoren: Datenbanken, Suchfunktionen, Dokumente, Zusammenarbeitswerkzeuge, Cloud-Dienste sowie Unternehmensanwendungen.

Wie ein Anruf abläuft

Ein typischer Ablauf umfasst den Benutzer, den MCP-Client, LangGraph (oder ähnliche Tools), das Modell, den MCP-Server sowie eine externe API.

1. Der Benutzer sendet eine Anfrage in natürlicher Sprache.
2. Der MCP-Client macht die Funktionen des Servers zugänglich; die Anfrage gelangt in den Workflow des Agents.
3. Die Orchestrierung analysiert die Anfrage und kann das Modell beauftragen, den Zweck sowie das passende Tool auszuwählen.
4. Das Modell wählt unter den MCP-Tools – beispielsweise neo4j_get_schema, wenn der Benutzer eine Übersicht über die Dokumente in der Datenbank wünscht – das geeignete Tool aus.
5. Der Agent sendet einen strukturierten Toolaufruf mit Parametern.
6. Der Server wandelt diesen in einen API-Aufruf, eine Abfrage, eine Suche oder eine andere Systemoperation um.
7. Das externe System gibt ein Ergebnis zurück.
8. Der Server formt das Ergebnis wieder für die KI-App auf.
9. Das Modell wandelt das Ergebnis des Tools in eine klare Antwort um.
10. Der Benutzer erhält die Antwort, ohne APIs oder Abfragesprachen lernen zu müssen.

Praktisches Beispiel: ChatGPT ↔ Neo4j

Eine Organisation speichert technische Dokumente als Knowledge Graph in Neo4j. Ein Neo4j MCP-Server ermöglicht es ChatGPT, Beziehungen abzufragen und die Graph-Ergebnisse in natürliche Sprache umzuwandeln. Ein Benutzer könnte nach wahrscheinlichen Ursachen für intermittierende Überwachungsfehler sowie einem priorisierten Fehlerbehebungsplan fragen. ChatGPT interpretiert die Anfrage, ruft das richtige Neo4j-Tool auf, führt eine kontrollierte Cypher-Abfrage aus und antwortet mit Belegen. MCP dient dabei als Brücke.

Vorteile

1. Standardisierte Integration – ein einheitliches Muster zur Bereitstellung von Tools/Daten.
2. Schnellere Entwicklung – Entwicklung von Tools und Geschäftslogik statt endloser Adapter.
3. Wiederverwendbarkeit – ein Server kann viele kompatible KI-Apps bedienen.
4. Trennung von Aufgaben – das Modell erarbeitet die Gründe; der Server vermittelt den externen Zugriff.

Dynamische Entdeckung – Clients lernen Tools, Beschreibungen und Eingabefelder kennen.

Erweiterbarkeit – Tools können hinzugefügt werden, ohne das gesamte KI-App-Design ändern zu müssen.

Unternehmensgerechtigkeit – Dokumente, Tickets, Überwachung, Quellcodeverwaltung, Datenbanken, interne Anwendungen.

Kontrollierter Zugriff – eine klare Struktur für Authentifizierung, Validierung, Protokollierung und Richtlinien.

MCP und agierende KI

Agenten benötigen MCP mehr als einfache Chatbots. Ein Chatbot antwortet meist aus dem aktuellen Kontext heraus. Ein Agent wählt Tools aus, ruft sie auf, liest die Ergebnisse und setzt seine Arbeit fort, bis die Aufgabe abgeschlossen ist. MCP ist die Standard-Tool-Schicht; ein Orchestrierer steuert den Workflow:

User request
     ↓
Agent interprets the goal
     ↓
Agent selects an MCP tool
     ↓
MCP server accesses an external system
     ↓
Agent evaluates the result
     ↓
Final response or next action

Komplexe Aufgaben können mehrere MCP-Tools miteinander verknüpfen: Dokumente finden, Details abrufen, Risiken bewerten, verwandte Dokumente suchen und einen Bericht erstellen.

Sicherheit

Das Bereitstellen von Tools ohne Kontrollmechanismen ist unsicher. In der Produktion sollten starke Authentifizierungs- und Autorisierungsmethoden, das Prinzip des geringsten Privilegs pro Tool, Eingabenauswertung, Schutz vor Prompt-Injection-Angriffen, menschliche Bestätigung für sensible Aktionen, Audit-Logs, sicheres Speichern von Zugangsdaten, Filterung vertraulicher Daten sowie Zeitlimits, Aufrufbeschränkungen und Fehlerbehandlung vorhanden sein. Zudem muss eine klare Trennung zwischen nur-Lese- und Schreib-Tools bestehen.

Modelle sollten keinen unbegrenzten Zugang zu jedem verbundenen System haben. Jedes Tool sollte nur das bereitstellen, was für seine Aufgabe notwendig ist.

Protokoll – nicht Modell

MCP ist weder ein Modell noch ein Agentenframework.

• Das Sprachmodell versteht und erzeugt Sprache.
• Das Agentenframework ist für Planung, Zustandsverwaltung und mehrschrittige Steuerungsabläufe zuständig.
• Kunden innerhalb der KI-App öffnen Sitzungen zu Servern.
• Server bewerben Tools und Ressourcen.

Das externe System speichert Daten oder führt die Aktion aus.

MCP ist das gemeinsame Kommunikationsmechanismus, der es diesen Komponenten ermöglicht, zusammenzuarbeiten.

Fazit

MCP bietet vernetzten, toolgestützten KI-Systemen eine wiederverwendbare Grundlage. Es verringert die Integrationsschwierigkeiten, indem es die Erkennung sowie den Einsatz von Tools, Daten und Workflows standardisiert. Organisationen stellen ihre Funktionen einmal über MCP-Server zur Verfügung; Agenten wählen Tools aus, holen Beweismittel ab, führen genehmigte Aktionen aus und antworten in natürlicher Sprache – anstatt jede KI-App manuell mit jeder Unternehmensplattform zu verbinden.

Achten Sie bei Überprüfungen darauf, das mentale Modell klar zu halten: MCP standardisiert die Erkennung und Aufrufverfahren; Ihre bestehenden APIs erledigen weiterhin die eigentliche Arbeit hinter dem Server. Genau diese Trennung macht ein N+M-Skalieren möglich, ohne vortäuschen zu müssen, dass die Anbieter verschwunden sind.

Einsatz von MCP in einer Architekturüberprüfung

Fragen Sie, ob jede Funktionalität als einmalige Funktion innerhalb eines Assistenten oder als wiederverwendbarer MCP-Server umgesetzt werden sollte. Wählen Sie einen Server, wenn ein weiterer Client innerhalb eines Quartals denselben Zugriff auf GitHub, Graphen oder Tickets benötigt. Verwenden Sie nur lokale Funktionen für vorübergehende Prototypen.

Definieren Sie klar die Vertrauensgrenzen: Authentifizierung, Prinzip der geringsten Berechtigungen, Audit-Logs sowie menschliche Freigabe für Schreibvorgänge finden direkt am Server statt, nicht im Prompt-Text. Nur-Lese-Cypher-Tools und Schema-Tools sind ein konkretes Beispiel für diese Trennung.

Für agierende Workflows dokumentieren Sie den erfolgreichen Ablauf sowie den Fehlerfall: Was passiert, wenn ein Tool abbricht, leere Ergebnisse zurückgibt oder eine unbefugte Schreibvorgang ablehnt? Der MCP-Standardisiert die Form der Anrufe; Ihre Betriebsanleitungen beschreiben weiterhin den operativen Ablauf im Detail.

Zum Schluss sollten die Beteiligten daran erinnert werden, dass MCP eher ein Bindeglied als Magie ist: Slack und Neo4j kommunizieren weiterhin über ihre eigenen APIs hinter dem Server. Der Vorteil besteht darin, dass N×M-assistentenspezifische Adapter entfernt werden können, während die Herstellers APIs an ihrem Platz bleiben.

Entdeckungs- und Schemainstrumente

Wenn ein serverbasiertes System im Stil von Neo4j Schemata sowie nur zum Lesen geeignete Abfragemöglichkeiten bietet, kann das Modell zunächst Labels und Beziehungen erlernen und anschließend eine eingeschränkte Frage stellen. Dieses zweistufige Vorgehen ist sicherer als das Einfügen von schreibfähigem Cypher in die Anfrage. Dokumentieren Sie, welche Tools den Zustand ändern und welche das nicht tun.

Mehrserver-Hosts

Hosts, die gleichzeitig Drive, Slack und ein Graphen-System benötigen, führen in der Regel mehrere MCP-Klienten parallel aus. Halten Sie die Berechtigungen pro Server getrennt, damit der GitHub-Token eines Programmier-Assistenten niemals in einer ausschließlich für Slack bestimmten Anfrage mitgesendet wird. MCP macht eine Mehrserver-Topologie normal – die Gestaltung der Identitäten bleibt jedoch Ihre Aufgabe.