Was ist MCP und warum ist es wichtig?
Verstehen Sie, was das Model Context Protocol standardisiert, wie es sich von maßgeschneiderten Function-Calling-Integrationen unterscheidet und warum es sich zur Lingua franca für die Anbindung von KI-Tools entwickelt.
Was ist MCP und warum ist es wichtig? ist eine kostenlose AI Engineering Academy-Lektion auf CoddyKit. Dies ist Lektion 1 von 4. Du kannst die komplette Lektion unten kostenlos lesen – dann übst du sie direkt im Browser mit einem integrierten Code-Editor und einem KI-Tutor rund um die Uhr. Sie ist Teil des AI Engineering Academy-Lernpfads, und dein Fortschritt wird über Web und CoddyKit-App synchronisiert. Der AI Engineering Academy-Kurs umfasst insgesamt 4 Lektionen.
Das Problem der Tool-Integration
Jeder KI-Assistent muss heute dasselbe Problem auf unterschiedliche Weise lösen: Wie verbindet man ein LLM mit Datenbanken, APIs, Dateien und Diensten? Ohne Standard ist jede Integration eine individuelle Einzelanfertigung – OpenAI Function Calling funktioniert anders als die Tool-Nutzung von Anthropic, und diese wiederum anders als die von Gemini. Entwickler erstellen dieselben Adapter immer wieder neu.
Was ist das Model Context Protocol?
Model Context Protocol (MCP) ist ein von Anthropic entwickelter offener Standard, der eine gemeinsame Schnittstelle für die Verbindung von LLMs mit externen Datenquellen und Tools definiert. Stellen Sie es sich wie USB für KI-Integrationen vor: Sobald ein Tool oder eine Datenquelle die MCP-Server-Spezifikation implementiert, kann jeder MCP-kompatible KI-Client sie ohne individuellen Code verwenden. Der Standard wurde im November 2024 angekündigt und hat sich in der Branche schnell verbreitet.
Die Client-Server-Architektur
MCP verwendet ein Client-Server-Modell: Eine KI-Anwendung (der Client) verbindet sich mit einem oder mehreren MCP-Servern. Jeder Server stellt Fähigkeiten bereit – Tools, die das Modell aufrufen kann, Ressourcen, die es lesen kann, und Prompt-Vorlagen, die es verwenden kann. Der Client (etwa Claude Desktop oder eine eigene Anwendung) verwaltet die Verbindungen und leitet Tool-Aufrufe an den richtigen Server weiter.
- Client: Claude Desktop, VS-Code-Erweiterung oder Ihre Anwendung
- Server: Ein Prozess, der Tools über MCP bereitstellt – etwa ein Datenbankadapter, ein Dateisystem oder ein Websuchdienst
Die drei MCP-Primitiven
MCP-Server stellen drei Arten von Fähigkeiten bereit:
- Tools: Funktionen, die das Modell zum Ausführen von Aktionen aufrufen kann, ähnlich wie beim Function Calling. Beispiel:
execute_query(sql). - Ressourcen: Statische oder dynamische Daten, die das Modell lesen kann – etwa Dateien, Datenbankzeilen oder API-Antworten. Beispiel:
file:///config/settings.json. - Prompts: Wiederverwendbare Prompt-Vorlagen, die der Benutzer mit Parametern aufrufen kann. Beispiel: ein Prompt für Code-Reviews, der einen Diff entgegennimmt.
MCP im Vergleich zu direktem Function Calling
Beim direkten Function Calling definieren Sie Tools in Ihrem Anwendungscode, der eng an die API Ihres LLM-Anbieters gekoppelt ist. Bei MCP werden Tools in einem separaten Serverprozess definiert, mit dem sich jeder Client verbinden kann. Die wichtigsten Unterschiede:
- Portabilität: Ein MCP-Server funktioniert mit Claude, eigenen Anwendungen und zukünftigen Clients
- Wiederverwendbarkeit: Teilen Sie MCP-Server über Teams und Projekte hinweg
- Trennung der Zuständigkeiten: Tool-Server können unabhängig von der KI-Anwendung gewartet werden
MCP-Transport: stdio und HTTP/SSE
MCP-Server kommunizieren über zwei Transportmechanismen mit Clients. stdio wird für lokale Tools verwendet – der Client startet den Server als untergeordneten Prozess und kommuniziert über stdin/stdout. Das ist für Entwickler-Tools einfach und sicher. HTTP + Server-Sent Events (SSE) wird für entfernte Server verwendet, die über ein Netzwerk erreichbar sind, und eignet sich für gemeinsam genutzte Team-Tools oder Produktionsumgebungen.
# Claude Desktop config (~/Library/Application Support/Claude/claude_desktop_config.json)
# Connecting to a local MCP server via stdio:
# {
# "mcpServers": {
# "my-database": {
# "command": "python",
# "args": ["/path/to/my_mcp_server.py"],
# "env": {
# "DATABASE_URL": "postgresql://localhost/mydb"
# }
# }
# }
# }Das MCP-Ökosystem
Seit der Veröffentlichung von MCP ist ein wachsendes Ökosystem vorgefertigter Server entstanden. Anthropic pflegt offizielle Server für gängige Integrationen, und Community-Server decken Hunderte von Diensten ab. Statt individuelle Tool-Integrationen von Grund auf zu entwickeln, können Sie einen vorhandenen MCP-Server einbinden.
- Offiziell: GitHub, Google Drive, Slack, PostgreSQL, Dateisystem, Websuche
- Community: Jira, Notion, Stripe, Snowflake, MongoDB und viele weitere
- Individuell: Erstellen Sie einen eigenen Server für proprietäre interne Tools
MCP in KI-Entwicklungsworkflows
MCP verändert KI-Coding-Assistenten. Mit einem mit Ihrer Codebasis verbundenen MCP-Server kann Claude Desktop Dateien lesen, Tests ausführen, die Git-Historie prüfen, Datenbanken abfragen und Dokumentation durchsuchen – alles in einem einzigen Chatfenster. Dadurch wird echte agentische Entwicklung möglich, bei der die KI Ihre gesamte Entwicklungsumgebung versteht und mit ihr arbeitet.
Überblick über das MCP-SDK
Anthropic stellt SDKs zum Erstellen von MCP-Servern in Python und TypeScript bereit. Das Python-SDK heißt mcp (Installation mit pip install mcp). Sie definieren Tools mithilfe von Decorators und Ressourcen mithilfe von URI-Mustern; das SDK übernimmt für Sie die Protokollaushandlung, die Serialisierung von Nachrichten und die Transportdetails.
# Install
# pip install mcp
# Minimal MCP server skeleton
from mcp.server import Server
from mcp.server.stdio import stdio_server
from mcp import types
app = Server('my-first-mcp-server')
@app.list_tools()
async def list_tools():
return [
types.Tool(
name='hello',
description='Returns a greeting message.',
inputSchema={
'type': 'object',
'properties': {
'name': {'type': 'string', 'description': 'Name to greet'}
},
'required': ['name']
}
)
]
@app.call_tool()
async def call_tool(name: str, arguments: dict):
if name == 'hello':
return [types.TextContent(type='text', text=f'Hello, {arguments["name"]}!')]
import asyncio
asyncio.run(stdio_server(app))Warum MCP für die Branche wichtig ist
MCP steht für einen Wandel hin zur Standardisierung von KI-Tools. So wie REST Web-APIs standardisiert und LSP die Sprachfunktionen von IDEs vereinheitlicht hat, standardisiert MCP die Verbindung von KI-Modellen mit Tools. Davon profitieren Entwickler (einmal erstellen, überall verwenden), Unternehmen (eine Integrationsschicht prüfen und kontrollieren) und das Ökosystem (gemeinsam nutzbare, wiederverwendbare Tool-Bibliotheken).
MCP-Einführung und zukünftige Entwicklung
Die Verbreitung von MCP ist seit seiner Einführung rasant gewachsen. Bedeutende Coding-Assistenten (Cursor, Windsurf, VS Code Copilot), KI-Plattformen für Unternehmen und Cloud-Anbieter haben MCP-Unterstützung angekündigt. Das Protokoll wird durch Vorschläge für Verbesserungen bei Authentifizierung, Sampling und Streaming kontinuierlich weiterentwickelt. Wenn Sie MCP verstehen, können Sie interoperable KI-Integrationen entwickeln, die im wachsenden Ökosystem funktionieren.
Kurzer Test
Testen Sie Ihr Verständnis davon, was MCP ist und warum es wichtig ist.
Zusammenfassung der Lektion
In dieser Lektion haben Sie gelernt: MCP ist ein offener Standard, der eine universelle Schnittstelle für die Verbindung von LLMs mit externen Tools und Datenquellen definiert, MCP-Server stellen drei Grundbausteine bereit: Tools, Ressourcen und Prompts und das MCP-Ökosystem bietet vorgefertigte Server für gängige Dienste, sodass Sie nicht bei null anfangen müssen. Als Nächstes erstellen wir unseren ersten MCP-Server in Python und verbinden ihn mit Claude Desktop.
Lerne Python mit einem KI-Tutor — kostenlos
Schreibe und führe echten Code in deinem Browser aus, bekomme sofortige Hilfe von einem 24/7 KI-Tutor und setze dein Lernen im Web oder in der App fort.
- Kurse
- 30
- Lektionen
- 120
Häufig gestellte Fragen
Ist die Lektion „Was ist MCP und warum ist es wichtig?“ kostenlos?
Ja — der vollständige Text von „Was ist MCP und warum ist es wichtig?“ ist hier im Web kostenlos zu lesen. Um sie interaktiv zu üben (integrierter Code-Editor und 24/7 KI-Tutor) und den Rest des AI Engineering Academy-Kurses freizuschalten, upgrade auf CoddyKit PRO. Der AI Engineering Academy-Kurs umfasst insgesamt 4 Lektionen.
Was lerne ich in „Was ist MCP und warum ist es wichtig?“?
Verstehen Sie, was das Model Context Protocol standardisiert, wie es sich von maßgeschneiderten Function-Calling-Integrationen unterscheidet und warum es sich zur Lingua franca für die Anbindung von… Du übst AI Engineering Academy mit praktischem Code, den du direkt im Browser ausführst, und ein 24/7 KI-Tutor beantwortet deine Fragen während du die Lektion bearbeitest.
Brauche ich Erfahrung, um AI Engineering Academy zu starten?
Keine Vorkenntnisse erforderlich. AI Engineering Academy auf CoddyKit ist für Anfänger bis fortgeschrittene Lernende strukturiert, sodass du hier starten oder von Anfang an beginnen und in deinem eigenen Tempo voranschreiten kannst. Dies ist Lektion 1 von 4.
Wie lange dauert die Lektion „Was ist MCP und warum ist es wichtig?“?
Die meisten CoddyKit-Lektionen dauern etwa 5–10 Minuten. Jede ist kompakt und interaktiv, sodass du stetig Fortschritte machst und genau dort weitermachst, wo du aufgehört hast – im Web und in der App.
Kann ich in dieser AI Engineering Academy-Lektion Code schreiben und ausführen?
Ja. Jede AI Engineering Academy-Lektion enthält einen integrierten Code-Editor, sodass du echten Code direkt in deinem Browser schreibst und ausführst und sofort KI-Feedback erhältst — ohne lokale Einrichtung erforderlich.
Alle Lektionen in diesem Kurs
- Was ist MCP und warum ist es wichtig?
- Ihren ersten MCP-Server entwickeln
- Datenbankressourcen über MCP bereitstellen
- Sicherheit und Authentifizierung in MCP