Was bedeutet „Model Context Protocol (MCP)“?

Das Model Context Protocol (MCP) ist ein offener Standard, mit dem ein KI-Assistent sicher und strukturiert auf externe Tools, Datenquellen und Dienste zugreifen kann. Anthropic stellte MCP am 25. November 2024 als Standard für sichere Zwei-Wege-Verbindungen zwischen Datenquellen und KI-gestützten Tools vor. Wichtig ist die Korrektur einer häufigen Fehlannahme: MCP ist kein allgemeines Protokoll für Datenmodelle oder Simulationsmodelle. In der Praxis geht es vor allem um kontrollierten Toolzugriff für KI-Anwendungen wie Claude, ChatGPT oder eigene Unternehmensassistenten.

Wenn Du in Deinem Unternehmen KI sinnvoll einsetzen willst, ist MCP ein Infrastrukturthema. Ein KI-Assistent kann über MCP zum Beispiel CRM-Daten lesen, Website-Inhalte finden, Supportfälle prüfen, interne Dokumente durchsuchen oder vorbereitende Schritte für ein Angebot ausführen. Der Nutzen entsteht aber erst, wenn Prozesse, Verantwortlichkeiten, Datenqualität und Berechtigungen geklärt sind.

Genau das sehe ich in KMU-Projekten immer wieder: KI bringt nicht automatisch Ordnung. KI verstärkt vorhandene Ordnung – oder vorhandenes Chaos.

Model Context Protocol: einfache Definition für KMU

Das Model Context Protocol standardisiert, wie KI-Anwendungen mit externen Systemen kommunizieren. Ohne MCP müsste jede KI-Anwendung für jedes Tool, jede Datenbank und jede API einzeln angebunden werden. Mit MCP gibt es einen gemeinsamen Rahmen, über den ein MCP-Client mit einem MCP-Server kommuniziert und dabei Tools, Resources und Prompts nutzen kann.

MCP ist ein standardisierter Anschluss zwischen KI-Assistenten und Unternehmenssystemen: nicht die Intelligenz selbst, sondern die kontrollierte Verbindung zu Wissen und Handlungsmöglichkeiten.

Für kleine Unternehmen ist diese Unterscheidung wichtig. MCP ersetzt keine Strategie, keine Prozessanalyse und keine saubere Datenpflege. MCP kann aber helfen, digitale Abläufe weniger fragmentiert zu machen – etwa im Zusammenspiel von Website, Wissensdatenbank, Angebotsprozess und Kundenkommunikation. Wenn Du solche Themen grundsätzlich aufbauen willst, gehört MCP eher in den Bereich KI & Digitalisierung als in eine isolierte Tool-Integration.

Die wichtigsten Bausteine von MCP

Die offizielle MCP-Spezifikation beschreibt Hosts, Clients und Server als zentrale Kommunikationsrollen. Außerdem können Server den Clients die Features Resources, Prompts und Tools anbieten. Praktisch kannst Du Dir die Bausteine so vorstellen:

  • MCP-Host: Die KI-Anwendung, in der Du arbeitest, zum Beispiel ein Chat-Interface, eine Entwicklungsumgebung oder ein interner KI-Assistent.
  • MCP-Client: Die Verbindungskomponente innerhalb des Hosts, die mit einem oder mehreren MCP-Servern kommuniziert.
  • MCP-Server: Der Dienst, der Daten, Funktionen oder Arbeitsabläufe bereitstellt, etwa ein CRM-System, ein Dateispeicher oder eine interne Wissensquelle.
  • Tools: Ausführbare Funktionen, die der KI-Assistent nutzen kann, zum Beispiel „Kundendaten abrufen“, „Ticket prüfen“ oder „Kalendereintrag vorbereiten“.
  • Resources: Kontext und Daten, die gelesen oder genutzt werden können, etwa Dokumente, Datenbankeinträge oder Produktinformationen.
  • Prompts: Vorlagen für wiederkehrende Aufgaben, Arbeitsabläufe oder strukturierte Anfragen.
  • Transport: Die technische Art der Verbindung, etwa lokal oder über HTTP-basierte Kommunikation.
  • Authentifizierung und Berechtigungen: Die Regeln, wer auf welche Daten und Funktionen zugreifen darf.
  • Logging: Die Protokollierung, welche Anfragen, Toolaufrufe und Datenzugriffe stattgefunden haben.

OpenAI unterstützt MCP in der Responses API über den eingebauten Tool-Typ „mcp“. Damit können OpenAI-Modelle über Connectors oder öffentlich erreichbare Remote-MCP-Server auf zusätzliche Tools und externe Services zugreifen. Das zeigt: MCP ist kein reines Anthropic-Thema, sondern ein breiter nutzbarer Verbindungsstandard für KI-Toolzugriff.

Nutzen: Was MCP in kleinen Unternehmen konkret möglich macht

In einem KMU kann MCP helfen, wiederkehrende Informations- und Prozessbrüche zu reduzieren. Ein KI-Assistent könnte zum Beispiel relevante Kundendaten aus einem CRM lesen, passende Textbausteine aus einer Wissensbasis holen und daraus einen Angebotsentwurf vorbereiten.

Ein weiterer Anwendungsfall ist die Website: Ein Assistent kann über definierte Resources Inhalte finden, strukturieren und für interne Arbeit nutzbar machen – besonders dann, wenn die Website technisch und inhaltlich sauber aufgebaut ist.

Der wirtschaftliche Wert liegt nicht in der Technik selbst. Der Wert liegt in weniger Suchaufwand, weniger Medienbrüchen, schnellerer Vorbereitung und besser nachvollziehbaren Abläufen. Deshalb betrachten wir bei Berger+Team MCP nicht isoliert, sondern als Teil von strategischer Beratung, Prozessklärung und verantwortungsvoller Automatisierung.

Sicherheit: Toolzugriff bedeutet Handlungsmacht

MCP kann Daten lesen und Tools ausführen. Deshalb braucht MCP klare Sicherheitsregeln. Ein schlecht geplanter MCP-Server kann sensible Informationen preisgeben oder Aktionen ermöglichen, die nie automatisiert hätten passieren dürfen. Für KMU ist die wichtigste Regel: Gib einem KI-Assistenten nie mehr Rechte, als der konkrete Arbeitsprozess wirklich braucht.

  • Least Privilege: Jeder MCP-Client und jeder MCP-Server bekommt nur die minimal notwendigen Rechte.
  • Datenminimierung: Es werden nur jene Daten übertragen, die für die Aufgabe erforderlich sind.
  • Nutzerfreigaben: Sensible Toolaufrufe brauchen eine bewusste Bestätigung durch einen Menschen.
  • Logging: Toolaufrufe, Datenzugriffe und Fehler müssen nachvollziehbar protokolliert werden.
  • Auditierbarkeit: Ein Audit-Trail sollte zeigen, wer oder welches System wann welche Aktion ausgelöst hat.
  • Trennung sensibler Systeme: Buchhaltung, Personalakten oder kritische Kundendaten gehören nicht unüberlegt an einen allgemeinen KI-Assistenten.

Aus meiner Sicht ist das keine Bremse, sondern Verantwortung. Gute Automatisierung stärkt Menschen, entlastet Teams und macht Abläufe klarer. Schlechte Automatisierung verschiebt Risiken in schwer kontrollierbare Systeme. Wenn Du Prozesse schrittweise ordnen willst, ist Automatisierung immer zuerst eine organisatorische Entscheidung – und erst danach eine technische.

Abgrenzung: MCP, API, RAG und Agent Descriptor Files

Eine API ist eine technische Schnittstelle zwischen Softwaresystemen. MCP kann APIs nutzen, standardisiert aber vor allem, wie ein KI-Assistent viele verschiedene Schnittstellen, Tools und Datenquellen entdecken und verwenden kann.

RAG steht für Retrieval-Augmented Generation. RAG holt Wissen aus Dokumenten oder Datenbeständen in eine Antwort. MCP geht darüber hinaus: MCP kann nicht nur Kontext bereitstellen, sondern über Tools auch Aktionen auslösen – je nach Berechtigung.

Agent Descriptor Files beschreiben typischerweise Fähigkeiten, Regeln oder Kontext eines Agenten. MCP verbindet den Agenten operativ mit Systemen, Daten und Werkzeugen. Kurz gesagt: Agent Descriptor Files beschreiben, was ein Agent wissen oder können soll; MCP regelt, wie der Agent kontrolliert an Tools und Resources angebunden wird.

FAQ

Was ist MCP?

MCP ist die Abkürzung für Model Context Protocol. Das Protokoll standardisiert, wie ein KI-Assistent auf externe Tools, Datenquellen und Dienste zugreifen kann, ohne für jede Integration eine Sonderlösung zu bauen.

Was ist ein MCP-Server?

Ein MCP-Server stellt einem MCP-Client bestimmte Funktionen, Daten oder Vorlagen bereit. Ein MCP-Server kann zum Beispiel Zugriff auf Dokumente, CRM-Daten, interne Suche oder klar definierte Tools anbieten.

Worin liegt der Unterschied zwischen MCP, API und RAG?

Eine API ist eine einzelne technische Schnittstelle, RAG liefert Wissen aus Dokumenten, und MCP standardisiert den Toolzugriff eines KI-Assistenten. MCP kann also APIs und RAG-ähnliche Wissensquellen einbinden, ist aber breiter gedacht.

Ist MCP sicher?

MCP ist nur so sicher wie die konkrete Umsetzung. Du brauchst saubere Berechtigungen, Least Privilege, Datenminimierung, Freigaben, Logging und Auditierbarkeit, damit Toolzugriff nicht zur unkontrollierten Handlungsmacht wird.

Wann lohnt MCP für KMU?

MCP lohnt sich, wenn Dein Unternehmen wiederkehrend auf mehrere Datenquellen, Tools oder interne Dokumente zugreifen muss. Besonders sinnvoll wird MCP, wenn ein KI-Assistent nicht nur antworten, sondern strukturierte Arbeit vorbereiten oder sichere Prozessschritte unterstützen soll.

Welche Fehler solltest Du bei MCP vermeiden?

Der größte Fehler ist, MCP als Abkürzung für ungeklärte Prozesse zu sehen. Kläre zuerst Datenqualität, Verantwortlichkeiten, Freigaben und Sicherheitsgrenzen – dann kann MCP helfen, weniger Chaos und bessere Abläufe zu schaffen.

Quellen

  1. Anthropic: Introducing the Model Context Protocol — anthropic.com (2024)
  2. Model Context Protocol Specification, Version 2025-06-18 — modelcontextprotocol.io (2025)
  3. OpenAI API Docs: MCP and Connectors — developers.openai.com
Florian Berger
Ähnliche Ausdrücke Model Context Protocol (MCP), Model Context Protocol, MCP, Model-Context-Protocol, MCP-Standard
Model Context Protocol (MCP)
Bloggerei.de