KI-Agenten werden immer leistungsfähiger. Sie schreiben Texte, analysieren Daten, erstellen Übersetzungen und beantworten komplexe Fragen. Doch eine Herausforderung bleibt: Woher bekommen sie eigentlich die Informationen und Werkzeuge, die sie für ihre Arbeit benötigen? Genau hier kommt das Model Context Protocol (MCP) ins Spiel. Das von Anthropic entwickelte und im November 2024 als Open Source veröffentlichte Protokoll gilt inzwischen als einer der spannendsten Standards im KI-Ökosystem. Viele bezeichnen es sogar als den „USB-C-Anschluss für KI“. Aber was steckt dahinter – und warum sollten Unternehmen, Entwickler und KI-Anwender MCP kennen?

KI kann nur so gut sein wie ihre Werkzeuge

Large Language Models sind beeindruckend. Trotzdem arbeiten sie oft mit begrenztem Kontext. Sie kennen keine aktuellen Datenbankeinträge, können nicht automatisch auf Unternehmenssysteme zugreifen und verfügen ohne zusätzliche Anbindungen über keine echten Werkzeuge. Das führt zu einem bekannten Problem: Halluzinationen. Wenn Informationen fehlen, versucht das Modell dennoch eine plausible Antwort zu erzeugen. MCP verfolgt einen anderen Ansatz. Statt alles selbst „wissen“ zu müssen, kann die KI gezielt auf die richtigen Datenquellen und Tools zugreifen – genau dann, wenn sie diese benötigt.

Was ist MCP?

MCP steht für Model Context Protocol. Dabei handelt es sich um einen offenen Standard, der definiert, wie KI-Systeme mit externen Werkzeugen, Datenquellen und Diensten kommunizieren. Man kann sich MCP als eine gemeinsame Sprache vorstellen. Ähnlich wie SQL für Datenbanken oder HTTP für Webanwendungen festlegt, wie Systeme miteinander sprechen, definiert MCP die Regeln für die Kommunikation zwischen KI-Agenten und ihren Tools. Wichtig ist dabei die Unterscheidung zwischen dem Standard und seiner Umsetzung:

• MCP ist das Protokoll selbst.
• Ein MCP-Server ist eine konkrete Implementierung dieses Standards.

Entwickler können MCP beispielsweise über entsprechende Software Development Kits (SDKs) in Python oder anderen Programmiersprachen implementieren.

Warum „MCP-Server“?

Der Name kommt daher, dass MCP auf einem klassischen Client-Server-Modell basiert. Dabei übernehmen unterschiedliche Komponenten klar definierte Rollen:

• Der Client ist der KI-Agent oder die Anwendung, die eine Anfrage stellt.
• Der Server stellt über das MCP-Protokoll Werkzeuge oder Daten zur Verfügung.

Ein vereinfachter Ablauf sieht so aus:

Nutzer → Agent → MCP → Tool → MCP → Agent → Nutzer

Oder etwas konkreter:

Ein Nutzer fordert einen KI-Agenten auf: „Übersetze diesen Text.“

Der Agent – also das Sprachmodell oder die KI-Anwendung – empfängt die Anfrage, analysiert sie, plant die nächsten Schritte und entscheidet, welche Informationen oder Werkzeuge benötigt werden. In dem Fall erkennt er, dass er dafür ein Übersetzungstool verwenden möchte.

Über MCP sendet er eine Anfrage an den entsprechenden MCP-Server. Dieser führt das Übersetzungstool aus und liefert das Ergebnis zurück.

Anschließend kann der Agent die fertige Übersetzung an den Nutzer ausgeben.

MCP fungiert also als Kommunikationsschicht. Es definiert, wie Agenten auf  Tools  und Ressourcen zugreifen. Das können beispielsweise sein:

• APIs
• Unternehmenssysteme
• Übersetzungsdienste
• Datenbanken
• Suchfunktionen
• RAG-Retriever
• Individuelle Business-Logik.

Bildquelle: https://modelcontextprotocol.io/docs/getting-started/intro

Schluss mit Insellösungen

Viele Unternehmen experimentieren derzeit mit unterschiedlichen KI-Modellen, Anwendungen und Datenquellen. Oft entstehen dabei individuelle Integrationen, die schwer wartbar sind. Statt also jede Anwendung direkt mit jedem einzelnen System zu verbinden, kann die Kommunikation über MCP erfolgen. Das bringt mehrere Vorteile:

• Weniger Halluzinationen, bessere Antworten
  Wenn Modelle auf aktuelle Daten und spezialisierte Werkzeuge zugreifen können, müssen sie weniger raten. Das verbessert sowohl die Qualität der Antworten als auch die Nachvollziehbarkeit der Ergebnisse.
• Einmal entwickeln, überall nutzen
  Ein Tool muss nur einmal als MCP-kompatibler Dienst bereitgestellt werden. Anschließend kann es von unterschiedlichen Agenten, Modellen oder Anwendungen genutzt werden.
• Immer aktuelle Daten
  Daten können direkt live aus der Quelle abgerufen werden und die KI muss nicht mit veraltetem Wissen arbeiten.
• Sicherheit und Kontrolle
  Modelle erhalten nur Zugriff auf die Werkzeuge oder Daten, die tatsächlich benötigt werden. Alle Interaktionen können protokolliert und nachvollzogen werden.
• Saubere Architektur
  MCP trennt Verantwortlichkeiten klar voneinander, was Systeme flexibler und leichter wartbar macht:
  • Agent bzw. LLM: Denken, Schlussfolgern und Generieren von Text
  • MCP: Kommunikations- und Zugriffsebene
  • Tools: Ausführen konkreter Aufgaben

MCP und RAG: Konkurrenz oder Teamwork?

Wer sich bereits mit KI-Anwendungen beschäftigt hat, ist vermutlich schon auf den Begriff RAG (Retrieval-Augmented Generation) gestoßen. RAG erweitert Sprachmodelle um externe Wissensquellen, damit Antworten auf aktuellen oder unternehmensspezifischen Informationen basieren können. MCP ersetzt RAG nicht – im Gegenteil. Das Protokoll kann dabei helfen, RAG-Architekturen sauberer aufzubauen. Statt verschiedenste Datenquellen individuell anzubinden, können spezialisierte Retrieval-Komponenten als MCP-Tools bereitgestellt werden. Die KI nutzt dann automatisch das passende Werkzeug für den jeweiligen Datentyp. Das reduziert Komplexität und erleichtert die Wartung.

Fazit: Warum MCP vermutlich bleiben wird

Die KI-Welt entwickelt sich rasant. Neue Modelle, Agenten und Plattformen erscheinen beinahe wöchentlich. Was bislang oft fehlt, sind gemeinsame Standards. MCP adressiert genau dieses Problem. Es schafft eine einheitliche Möglichkeit, Modelle mit Werkzeugen und Datenquellen zu verbinden – unabhängig davon, welcher Anbieter oder welches Modell verwendet wird. Ob sich MCP langfristig als universeller Standard etabliert, bleibt abzuwarten. Die Idee dahinter trifft jedoch einen zentralen Bedarf moderner KI-Systeme: Modelle sollen nicht alles wissen müssen. Sie müssen nur wissen, wie sie die richtigen Werkzeuge finden. 

Und falls Sie sich fragen, ob MCP auch für Ihren Use Case funktionieren würde, kontaktieren Sie uns gerne und wir beleuchten Ihre Möglichkeiten gemeinsam.