MCP, kurz für Model Context Protocol, ist ein offener Standard, über den KI-Anwendungen wie Claude oder ChatGPT auf Daten und Werkzeuge außerhalb des Chats zugreifen, etwa auf deinen Kalender, eine Datenbank oder GitHub. Anthropic hat MCP im November 2024 vorgestellt und im Dezember 2025 an die Agentic AI Foundation unter dem Dach der Linux Foundation übergeben. Damals zählte Anthropic mehr als 10.000 aktive öffentliche MCP-Server, und ChatGPT, Gemini, Microsoft Copilot, Cursor und Visual Studio Code unterstützten das Protokoll bereits. Aktuell ist die Version vom 28. Juli 2026 (Stand November 2026).
Was ist MCP?
MCP ist eine gemeinsame Sprache, in der eine KI-Anwendung fragt, welche Werkzeuge es gibt, und sie dann benutzt. Wie oft hast du heute schon etwas aus einer E-Mail ins Chatfenster kopiert, die Antwort zurück in eine Tabelle und dann noch einmal, weil die Spalte nicht gepasst hat? Ich frage für einen Freund. Okay, ich frage für mich.
Genau diese Kopierarbeit soll MCP überflüssig machen. Die offizielle Seite modelcontextprotocol.io vergleicht MCP mit einem USB-C-Anschluss für KI-Anwendungen: So wie USB-C Geräte auf eine einheitliche Art verbindet, verbindet MCP KI mit anderen Systemen. Auch Google Cloud greift dieses Bild auf. Ich finde den Vergleich gut, mit einer kleinen Einschränkung: Bei USB-C weißt du, was am anderen Ende hängt. Bei MCP weißt du das nicht immer.
Das Problem davor beschreibt Anthropic in der Ankündigung so: Jede neue Datenquelle brauchte ihre eigene Anbindung. Wer drei KI-Werkzeuge mit fünf Diensten verbinden wollte, baute im schlimmsten Fall fünfzehn Brücken. Mit MCP baut jeder Dienst einen Server, und jede KI-Anwendung, die MCP spricht, kann ihn nutzen. Aus fünfzehn Brücken werden fünf Server, die alle drei Werkzeuge nutzen können. Mir gefällt an dieser Rechnung vor allem, wie unspektakulär sie ist. Über Stecker denkt ja auch niemand nach, bis er im Urlaub vor einer fremden Steckdose steht und den Adapter zu Hause vergessen hat.
Seit dem 9. Dezember 2025 gehört MCP nicht mehr Anthropic allein. Die Agentic AI Foundation haben Anthropic, Block und OpenAI gemeinsam gegründet, Google, Microsoft, Amazon Web Services, Cloudflare und Bloomberg unterstützen sie. Dass sich diese Firmen auf irgendetwas einigen, hätte ich ehrlich gesagt nicht erwartet. Die Version vom 28. Juli 2026 hat vor allem den technischen Unterbau für Entwickler umgebaut. Für dich als Nutzer ändert sich daran wenig.
Ein Hinweis zur Abkürzung: MCP steht auch für das Magenmittel Metoclopramid und für die Fingergrundgelenke. Hier geht es nur um MCP in der KI. Falls du wegen Übelkeit gelandet bist: gute Besserung. Der Rest ist vermutlich trotzdem nützlich.
Wie funktioniert MCP? Host, Client und Server
MCP verbindet drei Teile: den Host, den Client und den Server. Die Architektur-Übersicht von MCP beschreibt sie so:
- Host: die KI-Anwendung, mit der du arbeitest, zum Beispiel Claude Desktop, ChatGPT oder Visual Studio Code.
- Client: ein Verbindungsstück im Host. Für jeden angebundenen Server legt der Host einen eigenen Client an, der genau diese eine Verbindung hält.
- Server: ein kleines Programm, das Werkzeuge und Daten eines Dienstes anbietet. Er läuft entweder auf deinem Rechner (lokal) oder beim Anbieter im Netz (remote).
Ein Server bietet drei Arten von Dingen an. Werkzeuge sind Aktionen, etwa einen Termin anlegen oder eine Datenbank abfragen. Ressourcen sind Inhalte zum Lesen, etwa eine Datei oder ein Tabellenschema. Prompts sind fertige Vorlagen, die der Server mitbringt.
Mir hilft bei so etwas immer ein Beispiel, sonst bleiben es für mich Vokabeln. Was passiert, wenn du deine KI fragst: „Welche Termine habe ich morgen?“
- Der Host fragt den Kalender-Server, welche Werkzeuge er hat. Der Server antwortet mit einer Liste samt kurzer Beschreibung.
- Das Sprachmodell liest die Beschreibungen und entscheidet, dass es das Werkzeug „Termine abrufen“ braucht.
- Der Host schickt den Aufruf über seinen Client an den Server. Der Server fragt den Kalender ab.
- Das Ergebnis geht zurück an das Modell. Es formuliert daraus deine Antwort.
Das ist dieselbe Schleife aus Denken, Handeln und Ergebnis, die jeden KI-Agenten antreibt. Wie diese Schleife im Detail läuft, habe ich am Beispiel OpenClaw erklärt: So funktionieren KI-Agenten. MCP regelt darin nur einen Teil: wie der Agent an seine Werkzeuge kommt.
Schritt 2 überliest man leicht. Welches Werkzeug das Modell wählt, entscheidet es anhand der Beschreibung, die der Server mitschickt. Ein paar Sätze Text. Wer diese Beschreibung schreibt, lenkt also mit, was die KI tut. Das klingt harmlos, bis man beim Abschnitt zur Sicherheit ankommt.
MCP-Beispiele aus dem Arbeitsalltag
MCP lohnt sich überall, wo du heute zwischen Chatfenster und einem anderen Programm hin und her kopierst. Fünf Beispiele, ungefähr vom Lesen zum Verändern sortiert:
- Kalender: Die KI liest deine Termine, findet freie Zeiten und legt einen Termin an. Diesen Fall nennt die MCP-Seite selbst als erstes Beispiel.
- Google Drive: Die KI sucht in deiner Ablage nach dem letzten Angebot und fasst es zusammen. Ein Server für Google Drive gehörte zu den ersten, die Anthropic 2024 mitgeliefert hat.
- Datenbank: Die Vertriebsleitung fragt in normaler Sprache nach den Umsätzen je Region, die KI schreibt die Abfrage. Google bietet dafür seit Dezember 2025 einen MCP-Server für BigQuery an.
- Linear: Die KI legt aus einer Besprechungsnotiz Tickets an oder sagt dir, was in diesem Zyklus noch offen ist. Linear betreibt dafür einen eigenen MCP-Server.
- GitHub: Die KI liest Issues, prüft Änderungen und öffnet einen Pull Request. GitHub stellt dafür einen offiziellen MCP-Server bereit.
Beim Kalender bin ich entspannt. Bei GitHub, wo die KI Änderungen vorschlägt, schaue ich genauer hin. Das ist Bauchgefühl, aber eins mit Begründung: Je mehr ein Werkzeug verändern kann, desto mehr will ich vorher sehen.
Der KI-Agent, mit dem ich diese Website baue und pflege, arbeitet genau so. In seinen Sitzungen sind Linear und GitHub über MCP angebunden. Über Linear liest er meine Projektnotizen, über GitHub legt er jede Änderung als Pull Request an. Die Suchdaten von DataForSEO holt er dagegen über die gewöhnliche Schnittstelle des Dienstes, mit einem kleinen Skript. Warum nicht auch über MCP? Weil das Skript immer dasselbe tut und dabei nichts entscheiden muss. Da braucht es keine KI, die erst überlegt, welches Werkzeug sie nimmt.
Bevor irgendwo MCP dazukommt, steht bei mir deshalb eine sehr unglamouröse Frage: Muss hier überhaupt jemand entscheiden? Im Unternehmen ist es dieselbe Abwägung. MCP lohnt sich, wo die KI selbst entscheiden soll, wann sie ein Werkzeug braucht, etwa bei Fragen, die jeden Tag anders aussehen. Für den Wochenbericht, der jeden Montag gleich aussieht, reicht oft ein Skript. Und für drei Zahlen im Monat reicht auch einfach Kopieren.
MCP, Plugin, API oder Skill: der Unterschied
MCP ist der Stecker, die API ist die Steckdose des Dienstes, ein Skill ist die Gebrauchsanweisung und ein Plugin der Koffer, in dem alles zusammen kommt. Die vier Begriffe fallen oft im selben Satz, und im Meeting nicken dann alle sehr überzeugt. Ich nicke da gern mit. Darum hier nebeneinander:
| Begriff | Was es ist | Für wen | Beispiel |
|---|---|---|---|
| API | Schnittstelle eines einzelnen Dienstes, jede mit eigenen Regeln | Programme, die ein Entwickler fest verdrahtet | Ein Skript holt jeden Morgen Suchdaten ab |
| MCP-Server | Übersetzer, der Werkzeuge und Daten eines Dienstes im gemeinsamen MCP-Format anbietet | KI-Anwendungen, die selbst entscheiden, wann sie ein Werkzeug nutzen | Claude legt in Linear ein Ticket an |
| Skill | Anleitung in einer Datei, wie eine Aufgabe erledigt wird | Die KI selbst, als Arbeitsanweisung | Wochenbericht immer im selben Aufbau |
| Plugin | Paket, das mehrere Bausteine für eine App bündelt, oft auch MCP-Server und Skills | Nutzer, die eine fertige Ausstattung auf einmal installieren | Plugin für Claude Code mit Skill und GitHub-Anbindung |
Ein Plugin in Claude Code ist laut Anthropic ein Ordner mit Skills, Agenten, Hooks oder MCP-Servern, die zusammen geladen werden. Auch ChatGPT packt eigene MCP-Server laut OpenAI als Plugin, bevor ein Team sie nutzt. Die Grenzen sind also fließend, der Kern bleibt: MCP regelt die Verbindung, der Rest regelt, was die KI damit macht.
Nicht jeder Agent setzt auf MCP. Peter Steinberger hat seinem Agenten OpenClaw neue Fähigkeiten lieber über einfache Befehle in der Kommandozeile beigebracht. Und es gibt den Umweg über den Bildschirm: Eine KI klickt sich durch eine Oberfläche, die für Menschen gebaut ist. Warum das so oft schiefgeht, steht in meinem Artikel über Computer Use. MCP ist der direkte Weg, an der Oberfläche vorbei. Ich finde Steinbergers Entscheidung eine gute Erinnerung daran, dass ein Standard ein Weg ist. Ein guter, vielleicht der bequemste. Aber eben einer von mehreren.
Ist MCP sicher? Die Risiken
MCP ist so sicher wie die Server, die du anbindest, und wie die Rechte, die du ihnen gibst. Das Protokoll selbst verbindet nur. Was über die Verbindung kommt, liest das Sprachmodell als Text, und darin liegt das größte Risiko: Prompt Injection. Gemeint sind versteckte Anweisungen in Texten, die die KI liest und für einen Auftrag hält. Erinnerst du dich an die Werkzeugbeschreibung von oben? Genau dort setzt der erste Fall an.
Im April 2025 zeigte die Sicherheitsfirma Invariant Labs eine Tool Poisoning Attack. In der Beschreibung eines harmlos wirkenden Rechen-Werkzeugs standen versteckte Anweisungen, die nur das Modell sah. Im Test mit dem Code-Editor Cursor las der Agent daraufhin die Konfiguration und private SSH-Schlüssel des Nutzers und schickte sie an den fremden Server. Dazu kommt der sogenannte Rug Pull: Ein Server ändert seine Werkzeugbeschreibung, nachdem du ihn schon freigegeben hast.
Im Mai 2025 folgte ein zweiter Fall, diesmal mit dem offiziellen GitHub-Server. Ein präpariertes Issue in einem öffentlichen Projekt brachte einen Agenten dazu, Daten aus privaten Projekten in einen öffentlichen Pull Request zu schreiben. Der Nutzer hatte Werkzeugaufrufe auf „Immer erlauben“ gestellt. Ich verstehe ihn gut. Nach der zwanzigsten Rückfrage klickt man auf alles, was die Rückfragen beendet. Invariant Labs ordnet den Fall als Problem der Agenten-Architektur ein: Es tritt auf, sobald ein Agent fremde Texte liest und zugleich Zugriff auf Vertrauliches hat. Ein Update des GitHub-Servers allein behebt es darum nicht.
OpenAI warnt auf seiner Entwicklerseite zu MCP deutlich: Einem Entwickler zu vertrauen reicht nicht. Du musst allen Inhalten trauen, auf die ein MCP-Server zugreifen kann. Die Sicherheitsempfehlungen von MCP ergänzen, dass lokale Server mit denselben Rechten laufen wie die KI-Anwendung, die sie startet. Warum Prompt Injection bis heute als ungelöst gilt, habe ich im Artikel zur Sicherheit von KI-Agenten wie OpenClaw beschrieben.
MCP regelt, wie die KI an ein Werkzeug kommt. Ob sie dem Text trauen sollte, den das Werkzeug zurückgibt, regelt es nicht. Das bleibt bei den Menschen, die Rechte vergeben. Moment, ganz fair ist das nicht. Die Sicherheitsempfehlungen zeigen, dass die Leute hinter MCP das Problem sehr genau kennen. Eine Empfehlung schützt aber nur dort, wo sie jemand umsetzt.
Was ein Unternehmen vor dem Freischalten prüfen sollte
Bevor ein Team einen MCP-Server nutzt, sollte jemand sieben Fragen beantworten. Sie stammen aus den Empfehlungen von Anthropic, OpenAI, den MCP-Maintainern und den Fällen oben:
- Wer hat den Server gebaut, und wo läuft er? Anthropic rät, nur Server von Organisationen anzubinden, denen du vertraust. Offizielle Server des Anbieters zuerst.
- Welche Rechte verlangt er? Bei der Anmeldung zeigt der Dienst, worauf der Server zugreifen will. Was nicht nötig ist, wird abgelehnt.
- Reicht erst einmal Lesen? Starte mit lesenden Werkzeugen. Schreiben, Löschen und Versenden kommen später und einzeln dazu.
- Wer bestätigt Aktionen? ChatGPT verlangt vor schreibenden Aktionen eine Bestätigung. Stell „Immer erlauben“ nur bei Werkzeugen ein, die nichts Wichtiges verändern können.
- Welche fremden Texte liest die KI mit? E-Mails, öffentliche Issues und Webseiten können Anweisungen enthalten. Ein Agent, der sie liest, sollte nicht gleichzeitig an vertrauliche Daten kommen.
- Bleibt der Server, wie er war? Halte die Version fest und prüfe Werkzeugbeschreibungen nach Updates, damit ein Rug Pull auffällt.
- Wer verwaltet die Liste? In Claude Team und Enterprise fügt ein Owner eigene Connectors für die ganze Organisation hinzu, die Mitglieder verbinden sich nur. Diese Rolle gehört in die KI-Richtlinie.
Sieben Fragen klingen nach viel. Für den ersten Server, der nur liest, sind die ersten drei die wichtigsten. Spätestens wenn die KI schreiben, löschen oder versenden darf, gehören alle sieben auf den Tisch.
Rechte dürfen mit der Erfahrung wachsen. Im Unternehmen heißt das: Ein MCP-Werkzeug bekommt mehr Rechte, wenn es sich bewährt hat, und riskante Aktionen wie Zahlungen, Löschen oder Mails nach außen behalten eine menschliche Freigabe.
Ich mag MCP. Es nimmt mir genau die Arbeit ab, die ich am wenigsten vermisse: das Hin- und Herkopieren zwischen Fenstern. Trotzdem bekommt bei mir jeder neue Server erst einmal so wenig Rechte wie möglich, und ich schaue mir an, was er damit macht. Ob man die Rückfragen irgendwann ganz abschalten kann, ohne dass es knallt, weiß ich nicht. Bis dahin klicke ich weiter auf Erlauben. Meistens nach dem Lesen.
Studio ✺ Christos
Häufige Fragen
Was heißt die Abkürzung MCP?
In der KI steht MCP für Model Context Protocol, einen offenen Standard, über den KI-Anwendungen wie Claude oder ChatGPT Werkzeuge und Daten anbinden. In der Medizin steht MCP für das Medikament Metoclopramid gegen Übelkeit und für die Fingergrundgelenke (Metakarpophalangealgelenke).
Was ist ein MCP-Server?
Ein MCP-Server ist ein kleines Programm, das die Werkzeuge und Daten eines Dienstes im MCP-Format anbietet, zum Beispiel Termine aus dem Kalender oder Tickets aus Linear. Er läuft auf dem eigenen Rechner oder beim Anbieter im Netz. Jede KI-Anwendung, die MCP unterstützt, kann ihn nutzen.
Sind MCP-Server sicher?
Ein MCP-Server ist so sicher wie sein Anbieter und die Rechte, die du ihm gibst. Das größte Risiko ist Prompt Injection: Versteckte Anweisungen in Werkzeugbeschreibungen, E-Mails oder Issues können die KI zu Aktionen bringen, die du nicht wolltest. Binde nur vertrauenswürdige Server an, starte mit Leserechten und lass schreibende Aktionen bestätigen.
Was kostet ein MCP-Server?
Das Protokoll selbst ist offen und kostet nichts, viele Server sind ebenfalls frei verfügbar. Kosten entstehen beim Dienst dahinter, etwa für das Konto bei Linear, GitHub oder Google Cloud, und für die KI-Anwendung, die den Server nutzt.
Wie kann ich MCP nutzen?
Am einfachsten über die Connectors deiner KI-Anwendung. In Claude fügst du unter Customize und Connectors einen Connector hinzu, eigene Connectors gibt es in allen Tarifen, im kostenlosen Tarif einen (Stand November 2026). In ChatGPT bindet ein Team eigene MCP-Server als Plugin an.