Wikiwand AI

Model Context Protocol

Protokoll, um Anwendungen an große Sprachmodelle (LLMs) anzubinden From Wikipedia, the free encyclopedia

Das Model Context Protocol (MCP) regelt den Datenaustausch zwischen künstlicher Intelligenz (KI), insbesondere großen Sprachmodellen (LLMs) und externen Datenquellen. Es ist ein offener Standard und Open-Source-Framework, der die Integration und den Datenaustausch standardisiert zwischen LLMs und externen Tools, Systemen und Datenquellen. MCP wurde durch das US-Unternehmen Anthropic entwickelt und am 25. November 2024 als Open-Source-Projekt veröffentlicht.[1] Die Möglichkeit, dass LLMs direkt mit der Außenwelt kommunizieren und so Software wie Blender, GitHub oder Slack direkt bedienen können, wird von Befürwortern als „revolutionär“ angepriesen mit Blick auf die Art, wie Software-Systeme genutzt werden können.[2] Im Juli 2026 hat die Agentic AI Foundation mit der MCP-Spezifikation 2026-07-28 eine bedeutende Überarbeitung dieses Protokolls veröffentlicht, welche zustandsbehaftete Sitzungsmodelle abschafft und über ein Extensions Framework einzelne Fähigkeiten unabhängig vom Kernprotokoll weiterzuentwickeln erlaubt.[3][4]

Logo
Logo

Hintergrund und Motivation

Vor der Einführung von MCP mussten Entwickler für jede Kombination aus KI-Modell und externer Datenquelle individuelle Schnittstellen (APIs) erstellen, was zu einem komplexen „M×N-Integrationsproblem“ führte.[5] Diese Fragmentierung erschwerte aus Sicht der MCP-Entwickler die Wartung, Skalierung und Sicherheit von KI-Anwendungen erheblich. MCP versucht diese Hürde zu überwinden, indem es eine universelle, modellunabhängige Schnittstelle bereitstellt.[6] Ziel ist es, die Interoperabilität zu fördern, Integrationsaufwände zu reduzieren und ein nachhaltiges Ökosystem für KI-Anwendungen zu schaffen.[7][1]

Architektur und Funktionsweise

MCP basiert auf einem klassischen Client-Server-Modell:[7]

Host
Die KI-Anwendung, die externe Funktionen oder Daten benötigt (z. B. Chatbots, IDE-Assistenten).
Client
Ein Konnektor innerhalb des Hosts, der Anfragen an einen spezifischen MCP-Server stellt.
Server
Ein externes System, das spezialisierte Funktionen, Datenquellen oder Workflows bereitstellt.

Die Kommunikation erfolgte vorerst über ein zustandsbehaftetes Session-Protokoll auf Basis von JSON-RPC 2.0, wobei strukturierte Requests und Responses ausgetauscht wurden.[7] Nach Einführung einer Neudefinition des MCP durch die Agentic AI Foundation entfallen zustandsbehaftete Sitzungsprotokolle.[3] MCP-Server können lokal (per Standard-Ein- und -Ausgabe) oder remote (über Streamable HTTP oder Server-Sent Events (SSE)) betrieben werden.[8]

Komponenten von MCP-Servern

Tools
Funktionen, die von LLMs aufgerufen werden können, um spezifische Aufgaben auszuführen (z. B. Wetter-API, Datenbankabfragen).
Resources
Datenquellen, auf die LLMs lesend zugreifen können, ähnlich wie GET-Endpunkte in REST-APIs.
Prompts
Vorgefertigte Workflows oder Templates, die die Interaktion strukturieren und optimieren.[9]

Implementierung und Ökosystem

Das MCP ist plattformunabhängig, es existieren Software Development Kits (SDKs) für verschiedene Programmiersprachen, darunter Python, TypeScript, Java und C#.[10] Für andere Programmiersprachen gibt es oft Implementierungen von Drittanbietern (oft auch Open Source). Das Model Context Protocol (MCP) erlaubt es KI-Agenten, strukturierte Daten aus externen Quellen, beispielsweise Datenbanken, abzurufen, zu interpretieren und auszuwerten. Eine wachsende Sammlung von MCP-Servern für gängige Unternehmenssysteme (z. B. Google Drive, Slack, GitHub, Postgres) ist öffentlich verfügbar[11] und ermöglicht KI-Agenten kontextsensitiven und flexiblen Zugriff auf Services und Tools der Anbieter.[12] Zu den frühen Anwendern zählen, neben den bereits genannten Unternehmen, auch Block, Apollo, Zed, Replit und Sourcegraph. Zusammen mit weiteren Protokollen wie Agent Payments Protocol (AP2, agentenbasierte Bezahlung), Agent2Agent-Protokoll (A2A, Kommunikation zwischen Agenten) und dem Universal Commerce Protocol (UCP, Integration in Einzelhandelssystem) ist der Aufbau eines Agentic Commerce Ökosystems möglich.

Sicherheit und Datenschutz

Das Protokoll adressiert inzwischen vermehrt Sicherheit und Datenschutz. Nutzer sollen explizit zustimmen können, bevor Daten freigegeben oder Tools ausgeführt werden. Die Kontrolle über Datenzugriffe und Aktionen soll beim Nutzer verbleiben, und alle Aktivitäten sollten transparent und nachvollziehbar gestaltet sein.[13] Bisher gab es massive Probleme durch unzureichende Absicherungen, die nun vermehrt in den Fokus geraten.[14]

Verbreitung und Weiterentwicklung

Nach der Veröffentlichung wurde das Protokoll rasch von weiteren KI-Anbietern wie OpenAI und Google DeepMind übernommen.[15][16] Die offene Spezifikation und das Engagement der Community treiben die Weiterentwicklung und Verbreitung des Protokolls voran. Insbesondere die Agentic AI Foundation als Teil der Linux Foundation hat im Juli 2026 wesentliche Verbesserungen des MCP veröffentlicht und zugänglich gemacht.[3] Für die Umstellung auf die neue Version des MCP gibt es eine Anleitung.[17]

Am 19. Mai 2025 stellte Microsoft die native Integration von MCP-Servern in das Windows-Betriebssystem vor. In Zukunft werden das Dateisystem, die Einstellungen, und Anwendungsaktionen auch von LLMs steuerbar sein.[18]

Abgrenzung zu WebMCP

WebMCP ist keine Erweiterung oder ein Ersatz für MCP. WebMCP und MCP dienen verschiedenen Zwecken. Mit WebMCP können Web-Entwickler und Programmierer einem Browser-Agent mehr Möglichkeiten zur Interaktion mit ihrer Website (nur mit dieser) bieten. Ein Vergleich ist der Unterschied zwischen dem Kundenservice-Callcenter eines Unternehmens und einem Experten im Geschäft.

  • MCP ist jederzeit auf jeder Plattform verfügbar. Es kann Daten abrufen und bei Bedarf wichtige Aufgaben erledigen.
  • WebMCP ist nur für eine Website verfügbar. Websites sind an sich für Menschen und nicht für Maschinen entwickelt. WebMCP hilft KI-Agenten, die Nutzeroberfläche besser zu verstehen.

Zusammen lassen WebMCP und MCP KI-Agenten personalisierte Aufgaben im Namen von Nutzern erledigen.[19]

Weblinks

Einzelnachweise

Related Articles

Timelines

Top Qs

Fact Checks