Was ist das Model Context Protocol (MCP)?

Das Model Context Protocol (MCP) ist ein offener Standard, der definiert, wie KI-Anwendungen – etwa auf großen Sprachmodellen basierende Assistenten – einheitlich auf externe Tools, Datenquellen und Funktionen zugreifen. Statt für jede Anbindung eine eigene Schnittstelle zu programmieren, sprechen KI-Modell und externes System über ein gemeinsames Protokoll. MCP wurde von Anthropic entwickelt und Ende 2024 als offener Standard veröffentlicht.

Sprachmodelle wissen von sich aus nur das, was in ihren Trainingsdaten steckt. Sie kennen weder Ihren aktuellen Kalender noch Ihr CRM noch die Datei, die Sie gestern angelegt haben. Damit ein Modell solche Informationen nutzen oder Aktionen in anderen Systemen auslösen kann, braucht es eine Verbindung nach außen. Genau diese Verbindung standardisiert das Model Context Protocol.

Welches Problem MCP löst

Bevor es einen Standard gab, musste jede Verbindung zwischen einem KI-Modell und einem externen System einzeln entwickelt werden. Wer fünf Modelle an drei Datenquellen anbinden wollte, stand schnell vor einer Vielzahl maßgeschneiderter Schnittstellen – aufwendig zu bauen, schwer zu warten und kaum übertragbar.

MCP kehrt dieses Prinzip um. Statt für jede Kombination eine eigene Lösung zu bauen, sprechen alle Beteiligten dieselbe Sprache. Anthropic vergleicht das mit dem Language Server Protocol aus der Softwareentwicklung: Dort wurde einmal festgelegt, wie Entwicklungswerkzeuge mit Programmiersprachen kommunizieren – seitdem funktioniert jedes Werkzeug mit jeder Sprache, die den Standard unterstützt. MCP verfolgt dasselbe Ziel für die Anbindung von Kontext und Werkzeugen an KI-Modelle.

Der Vorteil: Wer einen MCP-Server für eine Datenquelle baut, kann ihn mit jeder KI-Anwendung nutzen, die MCP unterstützt – und umgekehrt.

Wie MCP aufgebaut ist

MCP folgt einer Client-Server-Architektur mit drei Rollen:

• Host: die KI-Anwendung selbst, in der das Sprachmodell läuft – etwa ein Assistent oder ein KI-Agent. Der Host startet und verwaltet die Verbindungen.
• Client: die Vermittlungsschicht im Host, die eine Verbindung zu genau einem Server hält und die Kommunikation übersetzt.
• Server: ein eigenständiges Programm, das eine bestimmte Datenquelle oder ein Werkzeug über das MCP-Protokoll bereitstellt – zum Beispiel ein Dateisystem, eine Datenbank oder eine externe Anwendung.

Die KI-Anwendung (Host) sendet über ihre Clients Anfragen an die Server, und die Server liefern Daten zurück oder führen Aktionen aus.

Was MCP-Server bereitstellen

Ein MCP-Server kann verschiedene Arten von Funktionen anbieten. In der Spezifikation tauchen unter anderem auf:

• Tools: Aktionen, die das Modell auslösen kann – etwa eine Suche starten, einen Datensatz anlegen oder eine Berechnung durchführen.
• Ressourcen: Daten, die dem Modell als Kontext zur Verfügung gestellt werden, beispielsweise Dateiinhalte oder Datenbankeinträge.
• Prompts: vordefinierte Vorlagen und Arbeitsabläufe, die wiederkehrende Aufgaben strukturieren.

Wichtig dabei: Das Modell entdeckt diese Funktionen zur Laufzeit. Es muss also nicht fest einprogrammiert sein, welche Werkzeuge existieren – der Server meldet, was er kann, und das Modell wählt aus. Das macht Integrationen flexibler und leichter erweiterbar.

Warum MCP für KI in Unternehmen relevant ist

Für den Unternehmenseinsatz ist entscheidend, dass eine KI nicht isoliert arbeitet, sondern an die vorhandene Systemlandschaft andockt. Ein Modell, das keinen Zugriff auf aktuelle Daten hat, bleibt eine abgeschlossene Wissensbox. Erst die Anbindung an CRM, Datenbanken, Dokumente oder Fachanwendungen macht aus einem Sprachmodell ein arbeitsfähiges Werkzeug.

MCP ist einer der Wege, diese Anbindung herzustellen. Eine verwandte Methode ist Retrieval-Augmented Generation (RAG), bei der relevante Inhalte vor der Antwort aus einer Wissensbasis abgerufen werden. Während RAG vor allem das Nachschlagen von Wissen adressiert, geht MCP breiter: Es standardisiert sowohl den Zugriff auf Daten als auch das Auslösen von Aktionen in anderen Systemen.

Besonders dort, wo mehrere spezialisierte KI-Komponenten zusammenarbeiten – etwa in Multi-Agenten-Systemen – hilft ein gemeinsamer Standard, den Integrationsaufwand beherrschbar zu halten.

MCP im Kontext von AI-Mitarbeitern

Ein AI-Mitarbeiter übernimmt eine konkrete Rolle dauerhaft – und kann das nur, wenn er an die richtigen Systeme angebunden ist. Ein Sales Assistant wie Carl etwa braucht Zugriff auf Lead-Daten, um Kontakte anzureichern und zu qualifizieren. Solche Anbindungen lassen sich über standardisierte Schnittstellen wie MCP sauberer und wartbarer umsetzen als über individuell programmierte Verbindungen.

Bei scoreprise.AI gelten dabei zwei Grundsätze: DSGVO-konformes Arbeiten und Hosting in Deutschland. Eine Schnittstelle wie MCP ist technisch neutral – entscheidend bleibt, welche Daten ein KI-System sehen darf und wo sie verarbeitet werden. Standardisierung erleichtert die Anbindung, ersetzt aber keine saubere Rechte- und Datenschutzarchitektur.

Kurz zusammengefasst

Das Model Context Protocol ist ein offener Standard, der KI-Modelle einheitlich mit Tools und Datenquellen verbindet. Statt vieler maßgeschneiderter Schnittstellen genügt eine gemeinsame Sprache zwischen Host, Client und Server. Für Unternehmen senkt das den Aufwand, KI an bestehende Systeme anzubinden – die Grundlage dafür, dass aus einem Sprachmodell ein nützlicher, in den Arbeitsalltag eingebundener Helfer wird.