Model Context Protocol

Ausführliche Erklärung

Das Model Context Protocol löst ein grundlegendes Problem bei der Integration von Large Language Models in Unternehmenskontexte: die sogenannte N×M-Problematik. Bisher mussten Entwickler für jede Kombination aus KI-Anwendung und Datenquelle eine eigene Schnittstelle programmieren. MCP schafft hier eine standardisierte Kommunikationsebene, die nach dem Client-Server-Prinzip funktioniert. MCP-Server machen bestehende Systeme wie Datenbanken, CRM-Anwendungen oder Dateisysteme für KI-Modelle zugänglich, während MCP-Clients in den KI-Anwendungen mit diesen Servern kommunizieren.

Die Architektur des Protokolls basiert auf drei Kernkomponenten: Tools (ausführbare Funktionen), Resources (strukturierte Datenquellen) und Prompts (vordefinierte Eingabevorlagen). Durch diese Standardisierung kann eine einmal erstellte Anbindung prinzipiell mit mehreren KI-Systemen genutzt werden. Die offizielle Dokumentation auf modelcontextprotocol.io stellt SDK-Implementierungen für Python, TypeScript, Java, C# und weitere Programmiersprachen bereit.

Für KMU bedeutet MCP konkret: Statt für jedes KI-Tool separate Connectoren zu entwickeln, lässt sich über einen standardisierten MCP-Server der Zugriff auf interne Systeme realisieren. Das reduziert Entwicklungsaufwand und erhöht die Flexibilität bei der Auswahl von KI-Anbietern. Wichtig ist dabei die Kontrollebene: MCP-Server können mit granularen Berechtigungen konfiguriert werden, sodass KI-Anwendungen nur auf explizit freigegebene Daten zugreifen. Lokale MCP-Server ermöglichen zudem die Verarbeitung sensibler Daten, ohne dass diese das Unternehmensnetzwerk verlassen.

Das Protokoll wurde mittlerweile von weiteren großen KI-Anbietern übernommen und ist in Anwendungen wie Claude Desktop, verschiedenen Code-Editoren und Workflow-Tools wie n8n integriert. Die Governance-Verantwortung bleibt allerdings beim Unternehmen: MCP standardisiert die technische Anbindung, nicht die Zugriffsberechtigungen oder Compliance-Anforderungen. Diese müssen eigenständig definiert und umgesetzt werden.

Code-Beispiel

from mcp.server import Server
from mcp.types import Tool, TextContent

# Einfacher MCP-Server (Python)
server = Server("beispiel-server")

@server.list_tools()
async def list_tools():
    return [
        Tool(
            name="suche_dokument",
            description="Durchsucht Dokumente",
            inputSchema={
                "type": "object",
                "properties": {
                    "suchbegriff": {"type": "string"}
                }
            }
        )
    ]