Was ist MCP? Das Model Context Protocol einfach erklärt

Was ist MCP? Das Model Context Protocol einfach erklärt

Was ist MCP? Definition des Model Context Protocol, seine Funktionsweise und sein Bezug zu Function Calling, Skills und MCP Apps in der agentischen KI.

Leitfaden
Aktualisiert am
5 Min. Lesezeit

Was ist MCP in der agentischen KI?

MCP (Model Context Protocol) ist ein offenes Protokoll, das Anthropic im November 2024 vorgestellt hat. Es standardisiert, wie ein KI-Agent externe Tools und Datenquellen findet und aufruft. In der agentischen KI übernimmt es die Rolle eines Universalsteckers: Ein MCP-Server beschreibt seine Tools ein einziges Mal, und jeder kompatible Agent kann sie ohne eigene Integration nutzen.

Das Protokoll gehört nicht mehr Anthropic: Im Dezember 2025 wurde es an die Agentic AI Foundation übergeben, die bei der Linux Foundation angesiedelt ist. Unterstützt wird es unter anderem von ChatGPT, Gemini, Microsoft Copilot und Visual Studio Code.

Warum MCP?

Um MCP (Model Context Protocol) und seine Entstehung zu verstehen, lohnt ein Blick auf die jüngere Entwicklung der Large Language Models (LLM) wie ChatGPT, Gemini oder Mistral.

Ende 2022 bringt OpenAI sein Modell GPT-3.5 heraus, das beim breiten Publikum sofort enormen Erfolg hat.

Das Modell versteht komplexe Anfragen, fasst Informationen zusammen und erzeugt Inhalte von guter Qualität.

Zu diesem Zeitpunkt kann es aber weder Tools bedienen noch auf externe Systeme zugreifen. Aktuelle Informationen aus dem Web abrufen kann es zum Beispiel noch nicht.

Einige Monate später führt OpenAI in ChatGPT das Konzept der Tools ein, das sogenannte „Function Calling“. Die anderen großen Anbieter übernehmen das Prinzip sehr schnell. Heute können die meisten modernen LLMs externe Tools nutzen.

Das Prinzip ist einfach: Man beschreibt dem LLM, was ein Tool tut, welche Informationen es als Eingabe braucht und was es zurückgibt (oder welche Aktionen es auslösen kann, etwa eine Bestellung stornieren).

Abhängig von der Frage des Nutzers und vom Kontext kann das Modell entscheiden, dieses Tool im richtigen Moment einzusetzen. Ein Beispiel:

  • Tool: get_order_status(order_id)
  • Der Nutzer fragt: „Wo steht meine Bestellung?“
  • Das LLM erkennt, dass es dieses Tool aufrufen muss.

So sieht das in der Praxis aus:

Ablauf eines Tool-Aufrufs durch den KI-AgentenAblauf eines Tool-Aufrufs durch den KI-Agenten

Für Unternehmen vervielfacht die Möglichkeit, eigene Tools für ihre KI-Agenten zu bauen, die Chancen auf Automatisierung und Zeitgewinn.

Ein Agent kann sich zum Beispiel auf Tools stützen, um den Stand eines Angebots oder einer Bestellung abzufragen, operative Kennzahlen zu analysieren, einen Logistikstatus zu aktualisieren oder eine Rechnung freizugeben.

Je mehr Tools es gibt, desto deutlicher zeigt sich jedoch ein neues Problem: Jedes Tool muss für jeden Agenten eigens integriert werden.

Genau dieses Problem soll MCP lösen.

Das von Anthropic (dem Anbieter von Claude) 2024 eingeführte MCP standardisiert, wie Tools und Daten bereitgestellt werden, damit Agenten sie:

  • dynamisch finden,
  • verstehen, wie sie zu nutzen sind,
  • und sie ohne eigene Integration aufrufen können.

So wechselt man von einer Welt der Maßanfertigungen in eine Welt, in der KI-Systeme Daten und Tools dynamisch entdecken. Erst das öffnet wirklich die Tür zur agentischen KI.

Wie funktioniert MCP konkret?

Ein Server, der MCP implementiert, beschreibt, welche Tools verfügbar sind, welche Daten abgefragt werden können und wie man sie nutzt: .

Ein MCP-kompatibler Client kann sich dann mit diesem Server verbinden und die Liste der angebotenen Tools automatisch abrufen, um sie dem Agenten zur Verfügung zu stellen.

Ab da kann das LLM je nach Anfrage des Nutzers und Kontext des Gesprächs entscheiden, welches Tool es einsetzt.

Nehmen wir ein einfaches Beispiel: einen Agenten, der bei der Reiseplanung hilft.

Um diesen Agenten um Surfdaten zu erweitern, muss der Administrator keine neue Integration entwickeln. Es genügt, die Webadresse eines MCP-Servers einzutragen, der Surfvorhersagen liefert.

Die Plattform ruft die Liste der auf diesem Server verfügbaren Tools automatisch ab und zeigt sie dem Administrator, der auswählt, welche davon er für seinen Agenten aktiviert.

So läuft das Finden und Auswählen der Tools ab:

Ablauf beim Finden und Auswählen von MCP-ToolsAblauf beim Finden und Auswählen von MCP-Tools

Und so sieht das in der Oberfläche von Ask This Guy aus:

Konfiguration und Auswahl der MCP-Tools in der AdministrationsoberflächeKonfiguration und Auswahl der MCP-Tools in der Administrationsoberfläche

Einmal aktiviert, stehen die Tools dem Agenten sofort zur Verfügung, ganz ohne Entwicklungsaufwand.

Fragt ein Nutzer den Agenten im Chat, „wo er nächste Woche in der Gegend von Bordeaux surfen könnte“, erkennt das LLM, dass es das Tool find_best_session aufrufen kann, um zu antworten:

Die Chat-Oberfläche von Ask This GuyDie Chat-Oberfläche von Ask This Guy

Mit MCP muss am Code der Anwendung nichts geändert werden: Die Tools des Servers werden dynamisch gefunden und genutzt.

Darin liegt der eigentliche Bruch, und deshalb wird MCP oft als universeller Konnektor beschrieben, der sich überall anschließen lässt.

Datenräume für Fusionen und Übernahmen sind ein aktuelles Beispiel: Datasite hat seinen MCP-Server am 28. April 2026 geöffnet, andere Anbieter sind gefolgt. Wir beschreiben ausführlich, was MCP in einem Datenraum ermöglicht und wo seine Grenzen liegen.

MCP und Skills: ihre Rolle in agentischen Architekturen

Eine der größten Herausforderungen für Agenten besteht darin, Tools so zu orchestrieren, dass sie komplexe Fragen treffend beantworten.

Je mehr Tools ein Agent hat, desto wichtiger wird es, sie gut zu organisieren und ihren Einsatz zu steuern, um unnötige oder unpassende Aufrufe zu vermeiden.

Dafür wurden die Skills eingeführt. Sie bündeln Tools mit einer Ebene für das Reasoning und manchmal mit nutzerspezifischen Vorlieben.

Ein Beispiel: Ein Nutzer schreibt „Ich will nächste Woche mit 500 € in Bordeaux surfen“. Ein Skill „Surf Trip Planner“ könnte mehrere Tools aufrufen (Surfvorhersage, Wetter, Unterkunft), fachliche Regeln anwenden (Niveau des Nutzers, Budgetgrenzen) und einen passenden, strukturierten Vorschlag zurückgeben.

In einer agentischen Architektur arbeiten Skills eine Ebene über MCP.

MCP stellt Tools und Daten bereit; Skills legen fest, wie man sie klug nutzt. Beide ergänzen sich.

Die jüngste Entwicklung: MCP Apps und die Zukunft der KI-Oberflächen

Bisher spielten sich die Nutzererfahrung in der SaaS-Welt und die der KI-Agenten in zwei parallelen Welten ab.

Auf der einen Seite stehen SaaS-Anwendungen mit reichhaltigen, aber starren grafischen Oberflächen (UI), in denen jede Aktion das Navigieren durch Menüs, Reiter und Formulare verlangt.

Auf der anderen Seite stehen KI-Agenten, die zwar schlussfolgern können, aber auf ein textbasiertes Chatfenster beschränkt sind: Um in Ihrer Software zu handeln, musste der Agent Ihnen entweder Rohdaten „beschreiben“ oder unsichtbare Befehle im Hintergrund ausführen.

Diese Trennung zwang den Nutzer, zwischen Chat und Anwendungen hin und her zu wechseln, um die Aktionen der KI zu prüfen oder freizugeben.

Genau dieses Problem lösen die MCP Apps. Diese Anfang 2026 eingeführte Weiterentwicklung des Protokolls erlaubt es Agenten, nicht mehr nur Text auszutauschen, sondern interaktive Mini-Anwendungen direkt im Gespräch einzubetten.

Statt eine Textzusammenfassung Ihrer Verkäufe zu lesen, blendet der Agent zum Beispiel ein interaktives Diagramm aus Ihrem CRM direkt im Chat ein. Sie können die Daten per Maus filtern, und der Agent, der Ihre Klicks in Echtzeit verfolgt (Bidirektionalität), passt seine Analyse laufend an.

Dieses Zusammenwachsen von Agenten, Tools und Oberflächen zeichnet die Zukunft der Business-Anwendungen vor.

KI-Kompetenzen aufbauen

Wer verstanden hat, wie ein Agent seine Tools findet und aufruft, möchte meist selbst einen bauen. Für alle, die verstehen wollen, wie das funktioniert, und eigene KI-Agenten erstellen möchten, ohne von vorkonfigurierten Tools abzuhängen, unterrichtet Jedha das Thema in 75 Stunden (auf Französisch): Aufrufe der APIs der großen Modelle, Agenten, die Tools nutzen und Aktionen ausführen, RAG-Systeme und Automatisierungspipelines mit n8n. Der Kurs endet mit einer vollständigen KI-Anwendung und dauert 2 Wochen in Vollzeit oder 6 Wochen in Teilzeit, ohne technische Vorkenntnisse.

Der Ansatz von Ask This Guy

Bei ATG gehen wir pragmatisch vor. Unsere Kunden können auf MCP-Server zurückgreifen, wenn diese die Integration beschleunigen, und gleichzeitig tiefer integrierte Fachtools entwickeln, wenn das die Leistung des Agenten verbessert.

Die in den Ökosystemen von Anthropic und Google eingeführten Skills werden inzwischen von einigen Anbietern übernommen, vor allem bei IDEs und Assistenten für Entwickler. Ihre Entwicklung ist vielversprechend, aber noch nicht gefestigt.

Für diesen Bedarf bieten wir bereits einen pragmatischen Ansatz: Jeder Agent lässt sich in der Administrationskonsole genau konfigurieren, indem man festlegt:

  • seine Anweisungen,
  • die zugänglichen Tools: die der Plattform, die kundenspezifischen oder jedes beliebige MCP-Tool,
  • die erlaubten Wissensquellen,
  • und weitere Optionen, die die Nutzererfahrung im Gespräch mit dem Assistenten verbessern.

Wir begleiten unsere Kunden bei:

  • der Auswahl der Tools, die für ihr Geschäft wirklich nützlich sind,
  • dem Verfassen der Spezifikationen ihres MCP-Servers,
  • der Implementierung und den bewährten Verfahren der Orchestrierung, die vollständig auf der Plattform von Ask This Guy verwaltet werden.

Wenn Sie eher wissen möchten, welche Use Cases sich für einen Agenten eignen, was er tatsächlich kostet und unter welchen Bedingungen er im Produktivbetrieb trägt, haben wir dazu einen eigenen Leitfaden geschrieben: KI-Agenten im Unternehmen.

Möchten Sie sehen, wie Sie mit Ask This Guy intelligente, integrierte Assistenten erstellen?

Vereinbaren Sie einen Demo-Termin!

Partager :

Ähnliche Artikel

Was ist ein KI-Agent? Use Cases und echte KostenLeitfaden

Was ist ein KI-Agent? Use Cases und echte Kosten

KI-Agenten für Unternehmen: was ein KI-Agent ist, was er wirklich kann, wie er in der Produktion zuverlässig läuft und was er tatsächlich kostet.

Text-to-SQL: So entsteht ein zuverlässiger KI-AgentLeitfaden

Text-to-SQL: So entsteht ein zuverlässiger KI-Agent

Text-to-SQL in der Praxis: was wir beim Anbinden von KI-Agenten an Unternehmensdatenbanken gelernt haben. Fallstricke, Sicherheit, Make or Buy.

6 min
KI-Automatisierung: so wenig KI wie möglich einsetzenLeitfaden

KI-Automatisierung: so wenig KI wie möglich einsetzen

Was ist KI-Automatisierung? Vorteile, Beispiele, geeignete Aufgaben und die wichtigsten Schritte, mit so wenig KI wie möglich in der Produktion.

Interesse an unseren Lösungen?

Erfahren Sie, wie Ask This Guy Ihre KI-Projekte beschleunigen kann

Demo buchen