Was ist eine Workflow-Architektur mit MCP-Server, Python und Azure?
Eine Workflow-Architektur mit MCP-Server, Python und Azure verbindet KI-Assistenten über einen selbst geschriebenen, geprüften Server mit Ihren Geschäftssystemen, statt die KI direkt auf ERP, CRM oder Ablage loszulassen. Der KI-Assistent fragt, der MCP-Server entscheidet anhand fester Werkzeuge, was erlaubt ist, und die Fachlogik in Python holt die Daten über die Schnittstellen der Systeme. Azure liefert dafür Laufzeit, Anmeldung, Schlüsselverwaltung, Netz und Protokoll.
Für den Mittelstand ist das interessant, weil viele Betriebe ohnehin mit Microsoft 365 und Entra ID arbeiten. Die Anmeldung, die Ihr Team jeden Tag nutzt, wird damit auch zur Anmeldung gegenüber dem KI-Werkzeug. Und weil die Regeln im Code stehen, lassen sie sich testen, versionieren und von einer zweiten Person prüfen. Was MCP grundsätzlich ist, erklärt der Ratgeber Was ist ein MCP-Server?.
Aus welchen Schichten besteht die Referenzarchitektur?
Die Referenzarchitektur hat vier Schichten: KI-Client, MCP-Server, Fachlogik und angebundene Systeme, eingebettet in Identität, Schlüsselverwaltung, Netz und Protokoll. Jede Schicht hat genau eine Aufgabe, damit Fehler und Rechte klar zuzuordnen sind.
| Schicht | Aufgabe | Typische Technik | Wer sie verantwortet |
|---|---|---|---|
| 1. KI-Client | Frage entgegennehmen, passendes Werkzeug wählen, Antwort formulieren | Microsoft Copilot Studio, Claude, andere MCP-fähige Assistenten | IT, Freigabe der Connectoren |
| 2. MCP-Server | Anmeldung prüfen, feste Werkzeuge anbieten, Eingaben validieren, jeden Aufruf protokollieren | Python mit dem offiziellen MCP-SDK, Transport Streamable HTTP | Entwicklung, Code-Review |
| 3. Fachlogik | Daten holen, filtern, zusammenführen, Regeln anwenden | Python-Module, ausgeführt in Azure Functions oder Azure Container Apps | Entwicklung mit Fachbereich |
| 4. Systeme | Daten liefern, Vorgänge ausführen | ERP, CRM, DMS über ihre dokumentierten APIs | Systemverantwortliche |
| Querschnitt | Identität, Geheimnisse, Netz, Protokoll, Kosten | Entra ID, Key Vault, VNet und Private Endpoints, Application Insights, Cost Management | IT-Betrieb |
Schicht 1: der KI-Client
Microsoft Copilot Studio kann eigene MCP-Server als Werkzeuge einbinden. Angebunden wird über Streamable HTTP, zur Anmeldung stehen OAuth 2.0 oder ein API-Schlüssel zur Wahl (Microsoft Learn). Claude und andere Assistenten verbinden sich ebenfalls über eine Server-Adresse. Weil der Server dem MCP-Standard folgt, bleibt er beim Wechsel des Assistenten derselbe.
Schicht 2: der MCP-Server in Python
Den Server schreiben wir mit dem offiziellen MCP-SDK für Python. Das SDK unterstützt laut Projektseite die Standard-Transporte stdio, Streamable HTTP und SSE, für den Betrieb im Netz nutzen wir Streamable HTTP. Der Server kennt nur die Werkzeuge, die im Code stehen, mit Typen und Prüfregeln für jede Eingabe.
Schicht 3: Fachlogik und Worker
Hier sitzt, was das Unternehmen ausmacht: welche Felder ein Angebot hat, wie Kundennummern aufgebaut sind, welche Summen gebildet werden. Für die Laufzeit bietet Azure zwei naheliegende Wege, die Microsoft beide für MCP-Server dokumentiert:
- Azure Container Apps: Ein mit einem offiziellen MCP-SDK gebauter Server wird als Container mit HTTP-Eingang betrieben. Container Apps bringt dafür HTTPS mit automatischer TLS-Terminierung, automatische Skalierung, optionale integrierte Anmeldung über Microsoft Entra ID und verwaltete Identitäten mit (Microsoft Learn).
- Azure Functions: Server aus den offiziellen SDKs lassen sich ohne Codeänderung als sogenannte Custom Handler hosten. Microsoft führt das derzeit als Public Preview, unterstützt werden zustandslose Server mit Streamable HTTP, und sie müssen im Flex-Consumption-Tarif laufen (Microsoft Learn).
Lang laufende oder zeitgesteuerte Abläufe, etwa ein nächtlicher Abgleich, laufen als eigene Worker neben dem MCP-Server und nicht im Werkzeugaufruf selbst.
Schicht 4: die Systeme
ERP, CRM und Dokumentenablage werden über ihre dokumentierten Schnittstellen angebunden, nicht über direkte Datenbankzugriffe. Das hält Berechtigungsprüfungen und Geschäftslogik der Systeme intakt. Bei manchen Herstellern gelten eigene Regeln für KI-Zugriffe, SAP etwa regelt sie seit April 2026 in seiner API Policy (siehe MCP-Server für SAP). Für Microsoft 365 als System dahinter gibt es einen eigenen Ratgeber: MCP-Server für Microsoft 365.
Welche Azure-Dienste übernehmen welche Aufgabe?
Für jede Querschnittsaufgabe gibt es einen dokumentierten Azure-Dienst, sodass im eigenen Code nur Werkzeuge und Fachlogik bleiben. Die Tabelle zeigt, was Microsoft für den jeweiligen Dienst beschreibt.
| Aufgabe | Azure-Dienst | Was Microsoft dokumentiert | Quelle |
|---|---|---|---|
| MCP-Server betreiben | Azure Container Apps | Eigener Container mit HTTPS-Eingang, Skalierung, optionaler Entra-ID-Anmeldung | Learn |
| MCP-Server serverlos betreiben | Azure Functions (Flex Consumption) | SDK-Server als Custom Handler, Preview, nur zustandslos mit Streamable HTTP | Learn |
| Anmeldung der Nutzer | Microsoft Entra ID | Integrierte Anmeldung der App-Plattform setzt die MCP-Autorisierungsspezifikation um und leitet an Entra ID weiter | Learn |
| Anmeldung des Servers an Azure-Diensten | Verwaltete Identitäten | Tokens aus Entra ID ohne gespeicherte Zugangsdaten, Rechte per RBAC | Learn |
| API-Schlüssel und Zugangsdaten | Azure Key Vault | Zentrale Ablage für Tokens, Passwörter, API-Keys, Zugriff über Entra ID und Azure RBAC, Zugriffsprotokoll an Azure Monitor | Learn |
| Protokoll und Überwachung | Application Insights, Log Analytics | Traces, Metriken und Logs über die Microsoft OpenTelemetry Distro für Python | Learn |
| Privates Netz | VNet, Private Endpoints | Container-Apps-Umgebung ohne öffentlichen Endpunkt, Key Vault über Private Endpoint, VNet-Integration für Flex Consumption | Learn, Learn |
| Zentrales Gateway (optional) | Azure API Management | MCP-Server verwalten mit Ratenbegrenzung, JWT-Prüfung, IP-Filter und Monitoring, derzeit nur Werkzeuge, keine Resources und Prompts | Learn |
| Kosten im Blick | Cost Management Budgets | Warnungen bei Ist- oder Prognosekosten, Ressourcen werden dabei nicht gestoppt | Learn |
Stand: 28. Oktober 2026, jeweils auf Microsoft Learn gelesen.
Region: Wir planen in der Azure-Region Germany West Central (Frankfurt). Nicht jeder Dienst und jede Variante steht in jeder Region bereit, der Flex-Consumption-Tarif etwa unterstützt laut Microsoft derzeit nicht alle Regionen. Deshalb prüfen wir die Verfügbarkeit je Dienst vor dem Aufbau. Die Region des MCP-Servers sagt außerdem nichts darüber, wo der KI-Assistent rechnet. Ist ein US-Anbieter im Pfad, lässt sich nicht zusichern, dass Daten Europa nie verlassen.
Warum Code statt Low-Code für diese Architektur?
Für die Schicht zwischen KI und Geschäftssystemen spricht vor allem eines für Code: Sicherheitsgrenzen lassen sich dort prüfbar festschreiben, statt sie in Klickoberflächen zu verteilen. Konkret:
- TestbarkeitJedes Werkzeug hat automatische Tests, auch für das, was es ablehnen muss. Ein Test schlägt fehl, wenn jemand eine Prüfregel lockert.
- VersionierungJede Änderung steht mit Datum, Autor und Begründung in Git. Was gestern galt, lässt sich wiederherstellen.
- Code-ReviewKeine Änderung geht live, ohne dass eine zweite Person sie gelesen hat. Das ist der einfachste Schutz gegen Fehler mit Folgen.
- Feste WerkzeugeDer Server kennt nur die Funktionen, die im Code stehen. Es gibt keinen Weg, zur Laufzeit neue Aufrufe zusammenzustellen.
- Grenzen im CodeEingabeprüfung, Feldfilter, Obergrenzen und Rechteprüfung stehen an der Stelle, an der gerechnet wird, nicht in einer Konfiguration daneben.
- Gleiche Werkzeuge wie die übrige ITPython, Git, CI/CD und Azure-Monitoring sind Standard. Ihre IT muss kein zusätzliches Spezialwerkzeug betreiben.
Die Nachteile gehören ehrlich dazu. Code muss gepflegt werden: Abhängigkeiten bekommen Sicherheitsupdates, das MCP-SDK entwickelt sich weiter, Schnittstellen der Hersteller ändern sich. Wer den Code betreibt, braucht Python-Kenntnisse im Haus oder einen Dienstleister mit Wartungsvertrag. Und für eine kleine Änderung ist ein Commit mit Review aufwendiger als ein Klick in einer Oberfläche.
Wann reicht ein Low-Code-Werkzeug? Wenn ein Ablauf ohne KI auskommt, also feste Auslöser und feste Schritte hat, wenige Systeme berührt und keine sensiblen Daten bewegt, ist ein Low-Code- oder Integrationswerkzeug oft der schnellere Weg. Das gilt etwa für Benachrichtigungen, einfache Datenübertragungen oder Formulare. Sobald ein Sprachmodell selbst Werkzeuge auswählt und auf Personal-, Kunden- oder Finanzdaten zugreift, empfehlen wir die Grenzen im Code.
Wie sieht ein MCP-Werkzeug in Python aus?
Ein MCP-Werkzeug in Python ist eine typisierte Funktion mit Beschreibung, die das offizielle SDK als Werkzeug anbietet. Das folgende Beispiel liest den Status eines Kundenauftrags, nur lesend und mit Prüfung der Auftragsnummer. Wir haben es am 28. Oktober 2026 mit dem Paket mcp in Version 2.3.0 getestet. In Version 2 heißt die Serverklasse MCPServer, in Version 1 hieß sie FastMCP (Migrationsleitfaden).
import os
from typing import Annotated
import httpx
from pydantic import BaseModel, Field
from mcp.server import MCPServer
from mcp.types import ToolAnnotations
mcp = MCPServer("auftragsstatus")
class Auftragsstatus(BaseModel):
gefunden: bool
status: str | None = None
liefertermin: str | None = None
offene_positionen: int | None = None
ERP_URL = os.environ.get("ERP_API_URL", "https://erp.example.internal/api")
@mcp.tool(annotations=ToolAnnotations(read_only_hint=True))
async def auftragsstatus(
auftragsnummer: Annotated[str, Field(pattern=r"^A-\d{6}$", description="Auftragsnummer, z. B. A-104233")],
) -> Auftragsstatus:
"""Liefert Status, Liefertermin und offene Positionen eines Kundenauftrags."""
async with httpx.AsyncClient(timeout=10) as client:
antwort = await client.get(
f"{ERP_URL}/auftraege/{auftragsnummer}",
headers={"Authorization": f"Bearer {os.environ['ERP_API_TOKEN']}"},
)
if antwort.status_code == 404:
return Auftragsstatus(gefunden=False)
if antwort.status_code != 200:
# Keine Fremd-Fehlertexte an das Modell durchreichen
raise RuntimeError("Abfrage im ERP fehlgeschlagen")
daten = antwort.json()
# Nur die Felder, die der Anwendungsfall braucht
return Auftragsstatus(
gefunden=True,
status=daten["status"],
liefertermin=daten["liefertermin"],
offene_positionen=daten["offene_positionen"],
)
if __name__ == "__main__":
mcp.run(transport="streamable-http", host="0.0.0.0", port=8000, stateless_http=True)
Was das Beispiel zeigt:
- Eingabevalidierung: Die Auftragsnummer muss dem Muster
A-plus sechs Ziffern folgen. Das SDK leitet daraus das Eingabeschema ab und lehnt alles andere ab, bevor der Code das ERP überhaupt anfragt. - Nur lesend: Das Werkzeug ruft nur eine GET-Anfrage auf und ist mit dem Hinweis
readOnlyHintgekennzeichnet. Entscheidend ist, dass es im Server kein schreibendes Werkzeug gibt. Der Hinweis allein schützt nichts. - Feste Ausgabe: Zurück kommen vier Felder, auch wenn das ERP mehr liefert. Was nicht im Rückgabemodell steht, erreicht das Modell nicht.
- Keine Fremdtexte im Fehlerfall: Fehlermeldungen des ERP werden nicht durchgereicht, weil Fremdtext im Fehlerpfad ein Einfallstor für Prompt-Injection sein kann.
- Zustandslos: Der Server läuft mit Streamable HTTP und ohne Sitzungszustand. Das passt zur Vorgabe für Azure Functions und skaliert auch in Container Apps einfacher.
Was im Beispiel bewusst fehlt, gehört in einen produktiven Server: die Anmeldung der Nutzer über Entra ID, der Abruf des ERP-Tokens aus Key Vault statt aus einer Umgebungsvariable, Protokollierung jedes Aufrufs und Ratenbegrenzung. Wie wir das für Kunden umsetzen, steht im Ratgeber MCP-Server entwickeln lassen.
Wo liegen die Sicherheitsgrenzen in dieser Architektur?
Die Sicherheitsgrenzen liegen in der Anmeldung vor dem MCP-Server, im Werkzeugschnitt des Servers und im Netz hinter ihm, und zwar jeweils so, dass eine Schicht die Fehler der anderen auffängt.
- Rechte des einzelnen Nutzers: Wo das System es zulässt, arbeitet der Server mit den Rechten der angemeldeten Person statt mit einem Sammelkonto. So bleibt nachvollziehbar, wer was abgefragt hat.
- Lesen und Schreiben trennen: Lesende und schreibende Werkzeuge in getrennten Servern mit getrennten Identitäten. Schreibende Aktionen mit Freigabeschritt durch einen Menschen.
- Keine langlebigen Schlüssel im Code: Zugangsdaten liegen in Key Vault, der Server holt sie über seine verwaltete Identität.
- Kein öffentlicher Weg zu den Systemen: ERP und Ablage sind nur aus dem VNet erreichbar, Key Vault über einen Private Endpoint.
- Begrenzen: Obergrenzen je Werkzeug für Zeiträume und Ergebnismengen, Ratenbegrenzung je Nutzer, Timeouts für jeden Systemaufruf.
- Protokollieren: Jeder Aufruf mit Nutzer, Werkzeug, Parametern, Status und Laufzeit, personenbezogene Werte geschwärzt.
Die Datenschutzseite mit Auftragsverarbeitung, Verarbeitungsort und Löschkonzept beschreibt der Ratgeber MCP-Server, Sicherheit und DSGVO.
Wie betreiben Sie die Architektur: CI/CD, Tests, Monitoring, Kosten?
Betrieben wird die Architektur wie jede andere Unternehmenssoftware: mit automatischer Auslieferung, Tests vor jedem Release, Überwachung im Livebetrieb und Budgetwarnungen.
CI/CD
Der Code liegt in einem Git-Repository, jede Änderung läuft über einen Pull Request mit Review. Nach dem Merge baut eine Pipeline das Container-Image und liefert es aus. Für Container Apps beschreibt Microsoft das mit GitHub Actions: Jeder Push auf den festgelegten Branch löst den Workflow aus, Container Apps erzeugt daraus eine neue Revision (Microsoft Learn). Weil jede Auslieferung eine eigene Revision ist und Container Apps den Verkehr zwischen Revisionen aufteilen kann, lässt sich eine neue Version erst mit einem Teil der Anfragen prüfen.
Tests
- Unit-Tests je Werkzeug: gültige Eingaben, ungültige Eingaben, leere Ergebnisse, Fehler des Zielsystems.
- Negativtests: Dass ein Werkzeug ablehnt, was es ablehnen muss, wird genauso getestet wie der Normalfall.
- Vertragstests gegen die Schnittstellen: Gegen eine Testumgebung des Systems, damit Änderungen des Herstellers auffallen, bevor Ihr Team sie bemerkt.
- Testfragen an den Assistenten: Eine feste Liste typischer Fragen mit erwarteten Antworten, die nach jedem Modell- oder Werkzeugwechsel neu geprüft wird.
Monitoring
Der Server schickt Traces, Metriken und Logs über die Microsoft OpenTelemetry Distro an Application Insights. Daraus entstehen Warnungen für Fehlerquoten, Laufzeiten und ungewöhnlich viele Aufrufe eines Werkzeugs. Inhalte der Antworten gehören nicht ins Protokoll, nur Metadaten des Aufrufs.
Kostenkontrolle
Kosten entstehen auf drei Ebenen: Azure-Ressourcen, das Sprachmodell des KI-Clients und gegebenenfalls Kontingente der angebundenen Systeme. Für Azure setzen wir Budgets mit Warnschwellen in Cost Management. Wichtig zu wissen: Ein Budget warnt, es stoppt keine Ressourcen. Dazu kommen technische Bremsen im Code, also Ratenbegrenzung, Ergebnisobergrenzen und Zwischenspeicher für teure Abfragen. Konkrete Größenordnungen besprechen wir im KI-Check, abhängig von Nutzerzahl, Systemen und Anwendungsfällen.
Wie starten Sie mit dieser Architektur?
Starten Sie mit einem lesenden Anwendungsfall auf einem System und bauen Sie Identität, Protokoll und Pipeline gleich richtig, denn diese Teile tragen später alle weiteren Werkzeuge.
- Anwendungsfall wählen: eine häufige, klar beantwortbare Frage, zum Beispiel Auftragsstatus oder offene Posten.
- Schnittstelle prüfen: Gibt es eine dokumentierte API, welche Rechte braucht sie, gibt es Herstellerregeln für KI-Zugriffe?
- Grundgerüst aufsetzen: Repository, Pipeline, Entra-ID-App, Key Vault, Application Insights, Netz.
- Werkzeug bauen und testen: mit Negativtests und einer Testfragenliste.
- Pilot mit kleiner Gruppe: Antworten gegen das System prüfen, Protokolle auswerten.
- Erweitern: weitere Werkzeuge, weitere Systeme, später Schreibaktionen mit Freigabe.
Den Zeitplan legen wir nach dem KI-Check fest.
Verwandte Ratgeber: Was ist ein MCP-Server? · MCP-Server entwickeln lassen · Sicherheit und DSGVO · MCP-Server für Microsoft 365 · Zeiterfassung und Projektmanagement
Häufige Fragen
Warum Python für den MCP-Server?
Python ist für Datenverarbeitung und Schnittstellen im Mittelstand weit verbreitet, und es gibt ein offizielles MCP-SDK dafür. Das SDK leitet Eingabeschemas direkt aus Typangaben ab, Prüfregeln stehen damit sichtbar im Code.
Brauche ich Azure für einen MCP-Server?
Nein. Ein MCP-Server läuft überall, wo Python läuft. Azure bietet sich an, wenn Sie bereits Microsoft 365 und Entra ID nutzen, weil Anmeldung, Schlüsselverwaltung und Protokoll dann aus einer Hand kommen.
Azure Functions oder Azure Container Apps?
Container Apps ist der allgemeine Weg für einen MCP-Server als Container. Azure Functions kann SDK-basierte Server ebenfalls hosten, laut Microsoft derzeit als Preview, nur zustandslos mit Streamable HTTP und im Flex-Consumption-Tarif. Wir entscheiden das je Projekt nach Netzanforderungen und Lastprofil.
Kann Microsoft Copilot den MCP-Server nutzen?
Ja. Copilot Studio bindet MCP-Server über Streamable HTTP ein, die Anmeldung läuft über OAuth 2.0 oder einen API-Schlüssel. Ob ein Connector genutzt werden darf, regelt Ihre IT über die Datenrichtlinien der Power Platform.
Bleiben die Daten in Deutschland?
Der MCP-Server und die Fachlogik können in der Azure-Region Germany West Central (Frankfurt) laufen. Wo das Sprachmodell des KI-Assistenten rechnet, hängt vom Anbieter und Vertrag ab. Ist ein US-Anbieter im Pfad, können wir nicht zusichern, dass Daten Europa nie verlassen.
Reicht nicht ein Low-Code-Werkzeug?
Für feste Abläufe ohne KI-Entscheidung oft ja. Für die Schicht, in der ein Sprachmodell Werkzeuge auswählt und auf sensible Daten zugreift, setzen wir auf Code, weil sich Grenzen dort testen, versionieren und prüfen lassen.
Wer pflegt den Code nach dem Projekt?
Entweder Ihre IT, wenn Python-Kenntnisse im Haus sind, oder wir im Rahmen einer Betreuung. Das legen wir vor Projektstart fest, weil Abhängigkeiten, SDK und Schnittstellen regelmäßig Updates brauchen.
Passt die Architektur zu Ihrer IT?
Schreiben Sie kurz, welche Systeme der KI-Assistent erreichen soll. Sie bekommen eine schriftliche Einschätzung zur Machbarkeit, ohne Termin und ohne Verkaufsgespräch.
Danke, Ihre Anfrage ist da.
Sie bekommen innerhalb eines Werktags eine schriftliche Einschätzung per Mail.
Lieber direkt sprechen? 30 Minuten KI-Check buchen