IT-Glossar

Model Context Protocol (MCP): Offene Schnittstelle für KI-Systeme

Das Model Context Protocol (MCP) ist ein offener Standard zur einheitlichen Anbindung von KI-Anwendungen an Datenquellen und Werkzeuge.

In der Praxis

Das Model Context Protocol, kurz MCP, ist ein offener Standard zur Anbindung von Datenquellen und Werkzeugen an KI-Modelle. Der Standard wurde Ende 2024 von Anthropic vorgestellt. Ähnlich wie der USB-Standard den Anschluss verschiedenster Geräte an einen Computer vereinheitlicht hat, soll MCP die Verbindung zwischen KI-Modellen und Datenquellen standardisieren.

Bislang mussten Entwickler für jede KI-Anwendung eigene Schnittstellen bauen, um Daten aus Datenbanken, Dokumentenablagen oder Entwickler-Tools bereitzustellen. MCP ordnet diese Verbindung in drei Rollen: Eine Host-Anwendung koordiniert Benutzeroberfläche, Modell und Berechtigungen. Innerhalb des Hosts verwaltet jeweils ein MCP-Client die Verbindung zu einem MCP-Server. Der Server stellt Daten, Vorlagen oder Werkzeuge über das Protokoll bereit.

Für Unternehmen bietet MCP die Chance, eigene Software, Datenbanken und interne Abläufe flexibel an KI-Systeme anzubinden, ohne sich an einen einzelnen KI-Anbieter oder ein bestimmtes Framework zu binden.

Wie funktioniert das Model Context Protocol?

Die Architektur von MCP beruht auf einer klaren Aufteilung in drei Rollen sowie den gewählten Transportweg:

MCP-Host: Die Host-Anwendung interagiert mit dem Benutzer, bindet das KI-Modell ein und steuert, welche MCP-Server verfügbar sind. Beispiele sind Entwicklungsumgebungen oder spezialisierte Unternehmensportale. Der Host legt auch fest, wie Berechtigungen, Freigaben und Sicherheitsrichtlinien umgesetzt werden.
MCP-Clients: Ein Host erzeugt für die Verbindung zu einem Server einen MCP-Client. Dieser Client handelt Protokollfunktionen aus, verwaltet die Verbindung und tauscht Nachrichten mit genau diesem Server aus. Er ist damit die Protokollkomponente innerhalb der Host-Anwendung und nicht die gesamte Benutzeranwendung.
MCP-Server: Kleine, leichtgewichtige Programme, die eine bestimmte Datenquelle oder ein Werkzeug über das Protokoll bereitstellen. Ein Server kann beispielsweise eine Verbindung zu einer PostgreSQL-Datenbank, einer Git-Dokumentation oder einer Ticket-Schnittstelle halten.
Lokale oder entfernte Verbindungen: Für lokale Verbindungen ist Standard-Ein-/Ausgabe (stdio) vorgesehen. Entfernte Server werden heute in der Regel über Streamable HTTP angesprochen. Der frühere HTTP-und-SSE-Transport gilt als veraltet und kann nur noch zur Abwärtskompatibilität unterstützt werden.

Die drei Säulen des Protokolls: Ressourcen, Prompts und Tools

MCP ermöglicht es Servern, drei verschiedene Arten von Funktionen für den Client bereitzustellen:

1. Resources (Ressourcen): Dies sind lesbare Datenquellen, die dem KI-Modell zusätzlichen Kontext liefern. Beispiele hierfür sind Logdateien, Datenbanktabellen, Quellcode-Dateien oder Dokumente.
2. Prompts (Vorlagen): Vorgefertigte Prompt-Vorlagen, die dem Benutzer bei wiederkehrenden Aufgaben helfen. Ein Server kann beispielsweise strukturierte Vorlagen für Code-Reviews oder Fehleranalysen bereitstellen.
3. Tools (Werkzeuge): Ausführbare Funktionen, mit denen das KI-Modell aktiv Aktionen durchführen kann. Dazu gehören das Schreiben von Dateien, das Ausführen von Datenbank-Queries oder das Senden einer Nachricht an ein Ticket-System. Ob ein Tool vor der Ausführung ausdrücklich freigegeben werden muss, entscheidet die Host-Anwendung anhand ihrer Richtlinien und Konfiguration. MCP selbst schreibt keine Freigabe für jeden einzelnen Aufruf vor.

MCP im Vergleich zu verwandten Ansätzen

Ansatz	Hauptaufgabe	Abgrenzung zu MCP
REST-APIs	Maschinenlesbare Kommunikation zwischen Anwendungen auf Basis von HTTP.	MCP standardisiert die Übersetzung von APIs in ein Format, das KI-Modelle direkt verstehen und steuern können.
OKF	Dateibasiertes Format zur Ablage von strukturiertem Wissen in Markdown.	OKF beschreibt statische Wissensdaten. MCP ist das Protokoll, um dynamisch zur Laufzeit auf solche Daten zuzugreifen.
RAG	Sucht relevante Inhalte und übergibt sie dem Modell als Kontext.	RAG ist ein Suchschritt. Ein MCP-Server kann als Schnittstelle zu einer Vektordatenbank dienen, um RAG-Ergebnisse an den Client zu liefern.
APIs	Integration von Drittsystemen und Datenquellen in Anwendungen.	APIs verbinden Systeme untereinander. MCP verbindet Systeme direkt mit der Logik des KI-Modells.

Sicherheit und Datenschutz

Die Anbindung von KI-Systemen an Unternehmensdaten erfordert passende Sicherheitsvorkehrungen. MCP schafft dafür eine standardisierte Kommunikation, macht eine Integration aber nicht automatisch sicher:

Betriebsort und Datenflüsse: MCP-Server können lokal oder entfernt betrieben werden. Zugangsdaten können beim Server verbleiben, dennoch können abgerufene Inhalte über Host und Modell an weitere Dienste gelangen. Welche Daten wohin übertragen werden, muss für die konkrete Anwendung geprüft werden.
Freigaben und Kontrolle: Die Host-Anwendung entscheidet, ob sie Tool-Aufrufe bestätigt, automatisch ausführt oder anhand eigener Regeln blockiert. Schutz vor unbeabsichtigten Änderungen entsteht erst durch geeignete Freigaben, Protokollierung und begrenzte Zugriffsrechte.
Rechtebegrenzung: MCP-Server sollten nach dem Prinzip der minimalen Rechtevergabe (Least Privilege) konzipiert sein. Ein Server für den Lesezugriff auf eine Dokumentation benötigt beispielsweise keine Schreibrechte in der Hauptdatenbank.

Einsatzmöglichkeiten im B2B-Bereich

MCP eignet sich hervorragend, um die Lücke zwischen generativer KI und produktiven Systemen im Mittelstand zu schließen. Typische Anwendungsfälle sind:

Interne Wissensportale: Anbindung von Wikis, Intranets und Dokumentenarchiven an einen zentralen KI-Assistenten.
Unterstützung im Kundenservice: Ein MCP-Server kann Kundendaten aus dem CRM oder Ticket-Status aus dem ERP-System lesen, sodass Servicemitarbeiter Anfragen schneller bearbeiten können.
Entwickler-Werkzeuge: Integration von Datenbanken, Git-Plattformen und Deployment-Tools in die tägliche Arbeit der Softwareentwicklung.

Bei der Umsetzung von KI-Lösungen achten wir darauf, dass Schnittstellen und Datenströme exakt auf Ihre Sicherheitsvorgaben abgestimmt sind. Wenn Sie prüfen möchten, wie Sie Ihre Systeme über MCP anbinden können, unterstützen wir Sie bei der Konzeption und Umsetzung. Nehmen Sie dazu gerne Kontakt mit uns auf.

Häufige Fragen

Antworten zur aktuellen Einordnung, technischen Nutzung und zum Datenschutz beim Model Context Protocol.

MCP standardisiert die Anbindung von Datenquellen und Werkzeugen an KI-Modelle. Anstatt für jeden KI-Assistenten und jede Datenquelle eigene, proprietäre Schnittstellen zu entwickeln, reicht eine einzige Implementierung nach dem MCP-Standard.

Nein. MCP dient als standardisierte Vermittlungsschicht. Ein MCP-Server kann im Hintergrund eine herkömmliche REST-API, eine Datenbank oder ein Dateisystem abfragen und das Ergebnis für ein KI-Modell aufbereiten.

MCP ist nicht automatisch sicher. Die tatsächliche Sicherheit hängt von der Host-Anwendung, den eingebundenen Clients und Servern, den erteilten Berechtigungen sowie der jeweiligen Konfiguration und Betriebsumgebung ab. Lokaler Betrieb kann Datenflüsse begrenzen, ersetzt aber keine Prüfung von Zugriffen und Schutzmaßnahmen.

MCP wurde von Anthropic initiiert und wird nativ von Claude unterstützt. Durch offene Gateways, SDKs und Entwickler-Tools lässt sich das Protokoll jedoch auch mit Modellen wie GPT (OpenAI) oder Llama (Meta) nutzen.

MCP-Server können lokal in der eigenen Infrastruktur betrieben werden. Welche Daten ein Server liest, an welche Modelle oder Dienste sie weitergegeben werden und wo sie verarbeitet werden, hängt jedoch von Host-Anwendung, Konfiguration und Berechtigungen ab. Diese Datenflüsse müssen unabhängig vom verwendeten Protokoll bewertet werden.

Fachlich geprüft vom dirodata-Team

Zuletzt aktualisiert am 6. August 2026

Zurück zum Glossar