Das Model Context Protocol (MCP) ist ein offener Standard, der definiert, wie KI-Anwendungen, insbesondere große Sprachmodelle, kontextbezogene Informationen mit externen Tools, Datenquellen und Diensten erkennen und austauschen. Es stellt eine universelle Schnittstelle bereit, damit Modelle Live-Daten abrufen, Aktionen ausführen und ihre Antworten auf Informationen jenseits ihres Trainingsdatensatzes stützen können. Ursprünglich Ende 2024 von Anthropic eingeführt, wurde MCP im gesamten KI-Ökosystem als gemeinsame Brücke zwischen Modellen und den Systemen übernommen, auf die diese zugreifen müssen.
So funktioniert das Model Context Protocol
MCP folgt einer Client-Server-Architektur. Eine KI-Anwendung wie ein Chat-Assistent, ein IDE-Plugin oder ein autonomer Agent betreibt einen MCP-Client, der eine Verbindung zu einem oder mehreren MCP-Servern herstellt. Jeder Server kapselt eine bestimmte Fähigkeit, etwa das Abfragen einer Datenbank, das Lesen von Dateien aus einem Repository, das Aufrufen einer internen API oder das Steuern eines Browsers, und stellt diese Fähigkeit in einem maschinenlesbaren Format bereit. Wenn das Modell Informationen benötigt oder eine Aktion ausführen möchte, sendet der Client eine strukturierte Anfrage an den passenden Server, der Server führt sie aus, und das Ergebnis wird als Kontext, über den das Modell weiterdenken kann, an das Modell zurückgegeben.
Die Kommunikation verwendet typischerweise JSON-RPC über Transporte wie Standard-Ein-/Ausgabe für lokale Integrationen oder HTTP mit Server-Sent Events für entfernte. Da jeder Server dasselbe Protokoll spricht, kann dasselbe Modell viele Tools ohne maßgeschneiderte Konnektoren einbinden, ähnlich wie USB Peripheriegeräte für Computer standardisiert hat.
Warum es wichtig ist
Vor MCP erforderte jede KI-Tool-Integration individuellen Code: separate Funktionen, Authentifizierungsschemata und Nachrichtenformate für jede Datenquelle. MCP ersetzt diese Fragmentierung durch einen einzigen, dokumentierten Vertrag. Das macht es deutlich einfacher, Agenten zu bauen, die Unternehmens-Wissensdatenbanken durchsuchen, Ticket-Systeme aktualisieren, Analyse-Abfragen ausführen oder Entwicklertools bedienen, da derselbe Client mit jedem konformen Server funktioniert.
Für Entwickler bedeutet MCP, einen einzigen Adapter pro Datenquelle zu schreiben statt einen pro Modell. Für Nutzer bedeutet es, dass KI-Assistenten die passenden Tools spontan mit weniger Klebecode und vorhersehbarerem Verhalten zusammenstellen können. Das Protokoll standardisiert außerdem, wie Fähigkeiten beschrieben werden, was die Sicherheitsprüfung verbessert und die Auditierbarkeit dessen erleichtert, wozu ein Agent berechtigt ist.
Schlüsselkomponenten
- Hosts – KI-Anwendungen wie Claude Desktop, Programmierassistenten oder Agent-Frameworks, die Zugriff auf externen Kontext benötigen.
- Clients – Protokoll-Endpunkte, die in Hosts eingebettet sind und Eins-zu-eins-Verbindungen zu Servern aufrechterhalten.
- Server – Leichtgewichtige Programme, die bestimmte Ressourcen, Tools oder Prompts über MCP bereitstellen.
- Transporte – Die zugrundeliegenden Kanäle (stdio, HTTP/SSE und später streamable HTTP), die JSON-RPC-Nachrichten zwischen Client und Server übertragen.
MCP lässt sich am besten als Verbindungsschicht des modernen KI-Stacks verstehen: Es trainiert oder betreibt das Modell nicht selbst, aber es definiert, wie dieses Modell die übrige Welt erreicht. Durch die Standardisierung dieser Verbindung ermöglicht MCP Entwicklern, sich auf nützliche Fähigkeiten zu konzentrieren, und erlaubt es Modellen, diese effektiv zu nutzen.