Model Context Protocol
Protokoll, um Anwendungen an große Sprachmodelle (LLMs) anzubinden
From Wikipedia, the free encyclopedia
Das Model Context Protocol (MCP) ist ein offener Standard und Open-Source-Framework, das vom US-Unternehmen Anthropic entwickelt wurde, um die Integration und den Datenaustausch zwischen künstlicher Intelligenz (KI), insbesondere großen Sprachmodellen (LLMs), und externen Tools, Systemen sowie Datenquellen zu standardisieren. MCP wurde offiziell am 25. November 2024 vorgestellt und 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]
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.[3] 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.[4] Ziel ist es, die Interoperabilität zu fördern, Integrationsaufwände zu reduzieren und ein nachhaltiges Ökosystem für KI-Anwendungen zu schaffen.[5][1]
Architektur und Funktionsweise
MCP basiert auf einem klassischen Client-Server-Modell:[5]
- 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 erfolgt über ein zustandsbehaftetes Session-Protokoll auf Basis von JSON-RPC 2.0, wobei strukturierte Requests und Responses ausgetauscht werden.[5] MCP-Server können lokal (per Standard-Ein- und -Ausgabe) oder remote (über Streamable HTTP oder Server-Sent Events (SSE)) betrieben werden.[6]
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.[7]
Implementierung und Ökosystem
Das MCP ist plattformunabhängig, es existieren Software Development Kits (SDKs) für verschiedene Programmiersprachen, darunter Python, TypeScript, Java und C#.[8] Für andere Programmiersprachen gibt es oft Implementierungen von Drittanbietern (oft auch Open Source). Das Model Context Protocol (MCP) erlaubt es 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[9] und ermöglicht KI-Agenten kontextsensitiven und flexiblen Zugriff auf Services und Tools der Anbieter.[10] 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.[11] Bisher gab es massive Probleme durch unzureichende Absicherungen, die nun vermehrt in den Fokus geraten.[12]
Verbreitung und Weiterentwicklung
Nach der Veröffentlichung wurde das Protokoll rasch von weiteren KI-Anbietern wie OpenAI und Google DeepMind übernommen.[13][14] Die offene Spezifikation und das Engagement der Community treiben die Weiterentwicklung und Verbreitung des Protokolls voran.
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.[15]
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.[16]
Weblinks
- Offizielle Website und Dokumentation (englisch)
- Offizielles GitHub-Repository (englisch)
- SDK documentation von OpenAI (englisch)
- Golo Roden: Mächtigere KI-Systeme mit dem Model Context Protocol (MCP). In: heise online. 30. April 2025.