Was ist ein MCP-Server? Das Model Context Protocol einfach erklärt

Was ist das Model Context Protocol (MCP)?

Das Model Context Protocol (MCP) ist ein offener Standard, der von Anthropic — dem Unternehmen hinter Claude — entwickelt und Ende 2024 veröffentlicht wurde. MCP definiert, wie KI-Modelle mit externen Systemen kommunizieren: Datenbanken, CRM-Systeme, ERP-Software, Dateisysteme, E-Mail-Programme und praktisch jede andere Anwendung.

Stellen Sie sich MCP als eine gemeinsame Sprache vor. Bevor MCP existierte, musste jede Verbindung zwischen einem KI-Modell und einem Geschäftssystem individuell programmiert werden. Jede Kombination aus KI-Anbieter und Zielsystem erforderte eigenen Code, eigene Wartung, eigene Tests. Das war teuer, fehleranfällig und schlecht skalierbar.

MCP ändert das grundlegend. Mit einem einzigen, standardisierten Protokoll kann jeder KI-Agent auf jedes System zugreifen, das einen MCP-Server bereitstellt. Google hat MCP für Gemini übernommen, OpenAI für GPT, Microsoft für Copilot. MCP wird damit zum universellen Verbindungsstandard der KI-Welt — vergleichbar mit dem, was HTTP für das Web oder USB für Hardware bedeutet.

Was ist ein MCP-Server?

Ein MCP-Server ist die Softwarekomponente, die auf der Seite Ihres Unternehmens läuft. Er ist die Brücke zwischen Ihren Geschäftssystemen und dem KI-Agenten. Denken Sie an ihn wie an einen spezialisierten Übersetzer: Er kennt Ihre Systeme (CRM, ERP, Datenbanken) und stellt deren Funktionen in einer Sprache bereit, die jeder KI-Agent versteht.

Konkret macht ein MCP-Server drei Dinge:

• Tools bereitstellen: Funktionen, die der KI-Agent ausführen kann. Zum Beispiel "Erstelle einen neuen Kontakt im CRM", "Versende eine E-Mail" oder "Aktualisiere den Lagerbestand".
• Ressourcen bereitstellen: Daten, auf die der KI-Agent lesend zugreifen kann. Zum Beispiel Kundenstammdaten, Produktkataloge oder aktuelle Lagerbestände.
• Prompts bereitstellen: Vorlagen für häufige Interaktionsmuster. Zum Beispiel eine Vorlage für die Zusammenfassung eines Kundengesprächs oder für die Erstellung eines Angebots.

Der MCP-Server entscheidet dabei, welche Daten und Funktionen er dem KI-Agenten zur Verfügung stellt. Er ist also gleichzeitig Brücke und Wächter — er ermöglicht den Zugriff und kontrolliert ihn.

Wie funktioniert ein MCP-Server?

Die Architektur von MCP folgt einem klaren Client-Server-Modell, das vielen IT-Verantwortlichen vertraut sein wird:

Der KI-Agent (zum Beispiel ein agentisches KI-System auf Basis von Claude oder GPT) ist der MCP-Client. Er stellt Anfragen und führt Aktionen aus.

Der MCP-Server läuft in Ihrer Infrastruktur — auf Ihrem Server, in Ihrer Cloud oder bei einem vertrauenswürdigen Hosting-Anbieter in der EU. Er nimmt die Anfragen des KI-Agenten entgegen, übersetzt sie in Befehle für Ihre Systeme und gibt die Ergebnisse zurück.

Die Kommunikation zwischen Client und Server erfolgt über JSON-RPC — ein leichtgewichtiges, bewährtes Nachrichtenformat. Ein typischer Ablauf sieht so aus:

1. Der KI-Agent fragt den MCP-Server: "Welche Tools stehen mir zur Verfügung?" (Tool Discovery)
2. Der MCP-Server antwortet mit einer Liste: "Du kannst Kunden suchen, Angebote erstellen und E-Mails versenden."
3. Der KI-Agent entscheidet basierend auf der Benutzeranfrage, welches Tool er braucht, und ruft es auf: "Suche den Kunden mit der E-Mail max@beispiel.de"
4. Der MCP-Server führt die Suche in Ihrem CRM durch und gibt das Ergebnis zurück.
5. Der KI-Agent verarbeitet das Ergebnis und antwortet dem Benutzer.

Das Besondere: Der KI-Agent entdeckt die verfügbaren Tools automatisch. Sie müssen ihm nicht beibringen, welche Funktionen existieren — er fragt den MCP-Server und weiß sofort, was möglich ist. Das macht die Architektur extrem flexibel: Wenn Sie ein neues Tool hinzufügen, können alle verbundenen KI-Agenten es sofort nutzen.

Ein MCP-Server in 25 Zeilen Code

Wie konkret das aussieht, zeigt dieses minimale Python-Beispiel mit dem offiziellen mcp-SDK. Der Server stellt ein einziges Tool zur Verfügung — Kunden in einer Datenbank zu suchen — und Claude kann es sofort nutzen, sobald der Server läuft:

from mcp.server.fastmcp import FastMCP
import sqlite3

mcp = FastMCP("crm-bridge")

@mcp.tool()
def find_customer(email: str) -> dict:
    """Sucht einen Kunden anhand der E-Mail-Adresse im CRM.

    Args:
        email: Die E-Mail-Adresse des gesuchten Kunden.

    Returns:
        Dict mit Kundennummer, Name und letztem Kontakt.
    """
    conn = sqlite3.connect("crm.db")
    row = conn.execute(
        "SELECT id, name, last_contact FROM customers WHERE email = ?",
        (email,)
    ).fetchone()
    conn.close()
    if not row:
        return {"found": False}
    return {"found": True, "id": row[0], "name": row[1], "last_contact": row[2]}

if __name__ == "__main__":
    mcp.run()  # startet den MCP-Server auf stdio

Drei Dinge sind hier entscheidend: Die Funktion ist typisiert — Claude weiß automatisch, dass email ein String sein muss. Sie hat einen Docstring — den liest das Modell wie eine Bedienungsanleitung. Und die SQL-Abfrage ist parametrisiert — der KI-Agent kann keinen Free-Form-SQL-Code einschleusen. Das ist die Mindest-Sicherheits-Hürde, die jeder produktive MCP-Server erfüllen sollte.

MCP-Server vs. klassische API-Integration

Vielleicht fragen Sie sich: "Wir haben doch schon APIs. Wozu brauchen wir MCP?" Die Frage ist berechtigt. Hier sind die entscheidenden Unterschiede:

• Standardisiert statt individuell: Eine REST-API ist für jedes System anders aufgebaut. Ein MCP-Server folgt einem einheitlichen Standard. Ein KI-Agent, der mit einem MCP-Server sprechen kann, kann mit jedem MCP-Server sprechen — ohne Anpassung.
• KI-nativ: Klassische APIs sind für Entwickler gebaut. MCP ist für KI-Agenten gebaut. Die Tool-Beschreibungen enthalten semantische Informationen, die dem KI-Modell helfen, die richtige Funktion zur richtigen Zeit auszuwählen.
• Automatische Tool-Erkennung: Bei klassischen APIs muss der Entwickler im Voraus festlegen, welche Endpunkte der Agent nutzt. Bei MCP entdeckt der Agent die verfügbaren Tools selbst und wählt situativ die passenden aus.
• Kontextbewusst: MCP ermöglicht es, dem KI-Agenten neben den Tools auch Kontext mitzugeben — zum Beispiel "Der Benutzer ist ein Premium-Kunde" oder "Wir befinden uns im Quartalabschluss". Das verbessert die Qualität der KI-Antworten erheblich.
• Zukunftssicher: Da Google, OpenAI, Microsoft und Anthropic alle auf MCP setzen, investieren Sie in einen Standard, der Bestand hat — unabhängig davon, welches KI-Modell Sie morgen einsetzen.

MCP-Server vs. n8n vs. Zapier vs. Webhook — der Vergleich

Wer „nur" Tools verbinden will, fragt sich zu Recht: Reicht nicht n8n oder Zapier? Die Antwort hängt davon ab, ob ein Mensch oder eine KI im Workflow entscheidet:

• Webhook / klassische API: Starr verkabelt. Der Entwickler bestimmt im Voraus, welche Daten wann wohin gehen. Kein KI-Spielraum, keine Tool-Entdeckung. Gut für deterministische Prozesse.
• Zapier / Make: Visuelle Verkabelung mit Trigger-Action-Ketten. Schön für „Wenn X passiert, mach Y". Auch hier entscheidet der Mensch beim Bauen, nicht das Modell zur Laufzeit. Kein dynamisches Tool-Routing durch eine KI.
• n8n: Stärker als Zapier, weil selbst hostbar und Code-fähig. Aber im Kern dieselbe Logik: ein Workflow, der von Hand modelliert wurde. n8n hat MCP-Knoten als Add-on — der MCP-Server bleibt also auch hier die Sprachebene, die zur KI führt.
• MCP-Server: Bietet ein Inventar von Werkzeugen, das die KI zur Laufzeit dynamisch nutzt. Das Modell entscheidet, welches Tool wann passt. Das ist der Schritt von „automatisierte Workflows" zu „agentische Systeme".

Praktisch heißt das: n8n und MCP konkurrieren nicht — sie ergänzen sich. n8n orchestriert die deterministischen Teile, der MCP-Server gibt der KI das Werkzeug für die offenen Teile.

5 konkrete Einsatzbeispiele für MCP-Server

MCP-Server entfalten ihren Wert dort, wo KI-Agenten auf echte Unternehmensdaten zugreifen müssen. Diese fünf Anwendungsfälle sehen wir in der Praxis besonders häufig:

1. CRM-Anbindung (Pipedrive, HubSpot, Salesforce) Ein MCP-Server verbindet Ihren KI-Agenten mit dem CRM-System. Der Agent kann Kontakte suchen, Deals aktualisieren, Aktivitäten protokollieren und Vertriebsberichte generieren. Ihr Vertriebsteam fragt einfach: "Welche Deals stehen diese Woche zum Abschluss?" — und bekommt eine aktuelle Antwort direkt aus dem CRM.
2. ERP-Integration Lagerbestände prüfen, Bestellungen anlegen, Lieferstatus abfragen — ein MCP-Server macht Ihr ERP-System für den KI-Agenten zugänglich. Besonders wertvoll bei komplexen Abfragen, die sonst mehrere Klicks und Bildschirme erfordern: "Welche Artikel haben weniger als 50 Stück auf Lager und wurden im letzten Monat mehr als 100 Mal bestellt?"
3. Datenbank-Zugriff Für Unternehmen mit eigenen Datenbanken (SQL, PostgreSQL, MongoDB) ermöglicht ein MCP-Server dem KI-Agenten, kontrollierte Lesezugriffe durchzuführen. Der Agent kann Daten abfragen und analysieren, ohne dass jemand SQL-Kenntnisse braucht. Schreibzugriffe lassen sich gezielt einschränken oder mit Genehmigungsworkflows versehen.
4. Dokumenten-Management Verträge, Handbücher, Richtlinien, Produktspezifikationen — ein MCP-Server kann dem KI-Agenten Zugriff auf Ihr Dokumentenmanagementsystem geben. Der Agent findet die richtige Information in Sekunden, statt dass ein Mitarbeiter zehn Minuten in Ordnerstrukturen sucht.
5. E-Mail-Automatisierung Ein MCP-Server für Ihr E-Mail-System ermöglicht dem KI-Agenten, eingehende E-Mails zu lesen, zu klassifizieren und Antworten vorzubereiten. In Kombination mit dem CRM-MCP-Server kann er dabei auf Kundenhistorien zugreifen und personalisierte, kontextbezogene Antworten erstellen.

Warum MCP der neue Standard wird

Die schnelle Verbreitung von MCP ist bemerkenswert. Innerhalb weniger Monate nach der Veröffentlichung haben die wichtigsten KI-Anbieter den Standard übernommen:

• Anthropic (Claude) — der Erfinder des Protokolls
• Google (Gemini) — vollständige MCP-Unterstützung seit Anfang 2025
• OpenAI (GPT, ChatGPT) — MCP-Integration angekündigt und implementiert
• Microsoft (Copilot) — MCP-Unterstützung in der gesamten Copilot-Plattform
• Cursor, Windsurf und weitere — Developer-Tools mit nativer MCP-Integration

Diese Konvergenz bedeutet für Sie als Unternehmen: Ein MCP-Server, den Sie heute entwickeln lassen, funktioniert mit jedem dieser KI-Modelle. Sie binden sich nicht an einen einzelnen Anbieter. Wenn Sie morgen von Claude zu GPT wechseln oder zusätzlich Gemini einsetzen wollen, funktioniert Ihr MCP-Server weiterhin — ohne eine einzige Zeile Code zu ändern.

DSGVO und MCP-Server

Gerade für deutsche Unternehmen ist der Datenschutzaspekt entscheidend. Die gute Nachricht: MCP-Server sind von Natur aus datenschutzfreundlich, wenn sie richtig konfiguriert werden.

Daten bleiben in Ihrem System

Anders als bei vielen KI-Lösungen, bei denen Ihre Daten an externe Server gesendet werden, läuft der MCP-Server in Ihrer Infrastruktur. Ihre CRM-Daten, Kundenlisten und Geschäftsinformationen verlassen Ihr System nicht. Der KI-Agent bekommt nur die Daten, die er für die aktuelle Aufgabe braucht — nicht mehr.

EU-Hosting und AVV

Wir setzen MCP-Server ausschließlich auf EU-Servern auf. In Kombination mit einem Auftragsverarbeitungsvertrag (AVV) mit dem KI-Anbieter Ihrer Wahl erfüllen Sie die zentralen DSGVO-Anforderungen. Mehr zum Thema Datenschutz bei KI finden Sie in unserem Artikel zu DSGVO-konformer KI-Implementierung.

Granulare Zugriffssteuerung

Ein professionell konfigurierter MCP-Server stellt nur die Daten und Funktionen bereit, die der KI-Agent tatsächlich braucht. Der Agent für den Kundenservice sieht keine Gehaltsdaten. Der Agent für das Reporting kann Daten lesen, aber nichts ändern. Diese Zugriffssteuerung wird auf Server-Ebene konfiguriert — der KI-Agent kann sie nicht umgehen.

Was kostet ein MCP-Server?

Eine ehrliche Antwort beginnt mit Bandbreiten, weil jedes Projekt anders aussieht. Aber wir können Größenordnungen nennen:

• Audit + Konzeption (Schnittstellen, Use Cases, Berechtigungsmodell): 2.000–5.000 €
• Erster produktiver MCP-Server mit zwei bis drei Tools, EU-Hosting, Logging, Pen-Test: 6.000–14.000 €
• Erweiterung pro Tool oder Use Case: 800–2.500 €
• Laufender Betrieb (Hosting, Monitoring, Updates): 80–300 € pro Monat
• Wartungsvertrag mit garantierten Update-Reaktionszeiten: ab 290 € pro Monat

Entscheidend für die Kostenkurve: Wie viele Systeme sollen angebunden werden, wie sensibel sind die Daten, und gibt es bereits saubere APIs auf der Gegenseite. Eine reine Lexoffice-Anbindung ist günstiger als eine DATEV-Anbindung mit Berufsrecht-Anforderungen. Mehr dazu in unserem Ratgeber zu Kosten der Workflow-Automatisierung.

Wie Sie mit MCP anfangen — drei pragmatische Schritte

Viele Unternehmen sitzen vor MCP wie vor einer großen Tür und wissen nicht, wo der Schlüssel hingehört. Drei Schritte, die in der Praxis funktionieren:

1. Einen konkreten Schmerz wählen — nicht „wir wollen KI". Sondern: „Unsere Buchhaltung verliert 18 Stunden pro Woche an Belegerfassung." Oder: „Unsere Vertriebler tippen Notizen ins CRM, statt zu verkaufen." Ein klar messbarer Engpass ist der bessere Start als eine Vision.
2. Den ersten MCP-Server klein halten — ein einzelnes System (CRM, Buchhaltungs-Tool, Datenbank), zwei bis drei Tools, klare Berechtigungen. In zwei bis vier Wochen produktiv, statt sechs Monate Architektur-Diskussion.
3. Erfolg messen, dann erweitern — wie viele Sekunden pro Aufgabe? Wie viele Fehler weniger? Erst wenn die ersten Tools messbar Wirkung zeigen, kommt der zweite Server. Das verhindert Tool-Wildwuchs und KI-Theater.

Wer diesen Pfad geht, hat nach 90 Tagen einen produktiven MCP-Server mit nachweisbarem ROI — und ein Team, das versteht, wann KI hilft und wann nicht.