Was ist das Model Context Protocol (MCP)?

Das Model Context Protocol (MCP) ist ein offener Standard zur Kommunikation zwischen KI-Modellen und externen Datenquellen oder Werkzeugen. Entwickelt und veröffentlicht von Anthropic im November 2024, löst MCP ein fundamentales Problem moderner KI-Systeme: Sprachmodelle sind von sich aus isoliert – sie kennen keine Unternehmensdaten, können keine APIs aufrufen und haben keinen Zugriff auf aktuelle Informationen. MCP schafft eine standardisierte Brücke zwischen dem KI-Modell und der Außenwelt.

Der Vergleich, der sich im Kontext von Agentic AI aufdrängt, ist treffend: Was HTTP für das World Wide Web bedeutet, bedeutet MCP für die KI-Integration. Es ist kein Produkt, sondern ein Protokoll – eine gemeinsame Sprache, die unabhängig vom verwendeten Modell oder System funktioniert.

Warum MCP – und nicht einfach APIs?

Vor MCP war die Integration von KI-Modellen in bestehende Systeme ein individuelles Problem: Jeder Anwendungsfall erforderte eine eigene, maßgeschneiderte Anbindung. Ein Modell, das auf Datenbankdaten zugreifen sollte, brauchte eine eigene Implementierung. Ein anderes Modell, das E-Mails lesen sollte, brauchte wieder eine eigene. Das Ergebnis war eine fragmentierte Landschaft aus inkompatiblen Integrationen.

MCP standardisiert diesen Prozess. Ein MCP-Server, der eine Datenbankanbindung bereitstellt, funktioniert mit jedem MCP-kompatiblen KI-Modell – ohne Anpassungen. Umgekehrt kann ein KI-Modell, das MCP versteht, sofort auf alle verfügbaren MCP-Server zugreifen, ohne modellspezifische Integrationen.

Architektur: Host, Client und Server

MCP folgt einer klaren Client-Server-Architektur mit drei Rollen
MCP-Host: Die KI-Anwendung, in der das Sprachmodell läuft – etwa ein KI-Assistent, eine Entwicklungsumgebung oder ein autonomer Agent. Der Host initiiert Verbindungen zu MCP-Servern.
MCP-Client: Eine Komponente innerhalb des Hosts, die das MCP-Protokoll spricht und die Kommunikation mit Servern verwaltet.
MCP-Server: Ein leichtgewichtiger Dienst, der bestimmte Fähigkeiten bereitstellt – etwa Zugriff auf eine Datenbank, ein Dateisystem, eine REST-API oder ein internes Tool.

Diese Trennung ermöglicht eine modulare Architektur: Ein Host kann gleichzeitig mit mehreren MCP-Servern verbunden sein und deren Fähigkeiten kombinieren.

Was MCP-Server bereitstellen können

MCP-Server bieten ihre Fähigkeiten in drei Kategorien an
Tools (Werkzeuge): Aktionen, die das Modell ausführen kann – etwa eine Datenbankabfrage starten, eine Datei schreiben, eine API aufrufen oder ein Ticket erstellen. Tools sind die Grundlage für Agentic AI.
Resources (Ressourcen): Datenzugriff auf strukturierte oder unstrukturierte Inhalte – Dateien, Datenbankeinträge, Dokumentationen, Codebasen. Das Modell kann diese Inhalte lesen und in seinen Kontext einbinden.
Prompts (Vorlagen): Wiederverwendbare Anweisungsvorlagen, die serverseitig definiert werden und dem Modell strukturierte Interaktionsmuster bereitstellen.

MCP im Unternehmenskontext

Für Unternehmen ist MCP besonders relevant, weil es die sichere und kontrollierte Integration von KI in bestehende IT-Infrastruktur ermöglicht. Statt sensible Daten in Cloud-Dienste zu übertragen, können MCP-Server lokal betrieben werden – das Modell erhält nur die Daten, die für eine konkrete Anfrage relevant sind.

Typische Unternehmens-Use-Cases umfassen
Datenbankintegration: Ein MCP-Server stellt lesenden Zugriff auf ein Data Warehouse bereit – das Modell kann SQL-Abfragen formulieren, ausführen und Ergebnisse interpretieren, ohne direkten Datenbankzugriff zu benötigen.
Dokumentensuche: Zugriff auf interne Wissensdatenbanken, SharePoint-Bibliotheken oder technische Dokumentation – das Modell findet relevante Inhalte und bezieht sie in seine Antworten ein.
Ticketsysteme: Integration mit ServiceNow, Jira oder ähnlichen Systemen – ein Agent kann Tickets lesen, erstellen und aktualisieren.
Monitoring & Alerting: MCP-Server können Zugriff auf Monitoring-Daten bereitstellen, sodass ein KI-Agent Anomalien erkennt und eigenständig Maßnahmen einleitet.

MCP und Agentic AI

MCP ist die technische Grundlage, auf der Agentic AI im Unternehmensumfeld erst praktisch wird. Ein KI-Agent ohne Werkzeuge ist wie ein Experte ohne Zugang zu Informationen – fachkundig, aber wirkungslos. MCP gibt dem Agenten genau diesen Zugang: strukturiert, sicher und standardisiert.

In einer Multi-Agent-Architektur ermöglicht MCP die Kommunikation zwischen Agenten und externen Systemen, ohne dass jede Verbindung individuell implementiert werden muss. Ein Orchestrator-Agent kann über MCP auf dieselben Werkzeuge zugreifen wie seine Unteragenten – und das unabhängig davon, welches Sprachmodell im Hintergrund läuft.

Sicherheit und Governance

MCP wurde mit Blick auf Unternehmensanforderungen entwickelt. Relevante Sicherheitsaspekte umfassen:

Zugriffskontrolle: MCP-Server entscheiden selbst, welche Tools und Ressourcen sie exponieren und können Berechtigungen granular steuern.
Audit-Trail: Alle MCP-Aufrufe können protokolliert werden – wichtig für Compliance und Nachvollziehbarkeit autonomer Entscheidungen.
Lokaler Betrieb: MCP-Server können vollständig on-premises betrieben werden, ohne dass Daten das Unternehmensnetz verlassen.
Minimal Privilege: Jeder MCP-Server sollte nur die Berechtigungen erhalten, die für seinen spezifischen Zweck notwendig sind.

Fazit

Das Model Context Protocol ist kein Hype-Thema, sondern eine pragmatische Antwort auf ein reales Integrationsproblem. Es standardisiert, wie KI-Modelle mit Unternehmenssystemen kommunizieren, und legt damit das Fundament für skalierbare, sichere und wartbare KI-Integrationen. Wer heute mit Agentic AI arbeitet oder plant, kommt an MCP nicht vorbei.