MCP-Leitfaden 2026: Model Context Protocol verstehen und einführen

MCP-Leitfaden 2026: Das Model Context Protocol verstehen und einführen

Das Model Context Protocol (MCP) ist der offene Standard, mit dem KI-Modelle auf externe Daten und Werkzeuge zugreifen — von Datenbanken über CRM-Systeme bis zu Dateisystemen. MCP ist für KI-Integration, was USB für Hardware wurde: ein einheitlicher Anschluss statt proprietärer Kabel.

Für den Mittelstand ist MCP 2026 das wichtigste Integrationsthema, weil es den Umbau bestehender Systeme erspart: Ein MCP-Server pro Datenquelle, und jede KI-Anwendung — von ChatGPT über Claude bis zu selbst gehosteten Modellen — kann darauf zugreifen. Dieser Leitfaden erklärt das Protokoll, die Bausteine, die Einführung und die Sicherheitsfragen.

Was ist MCP? Die Grundlagen

MCP ist ein offenes, von Anthropic entwickeltes und im November 2024 veröffentlichtes Protokoll (mittlerweile von vielen Anbietern unterstützt), das eine standardisierte Schnittstelle zwischen KI-Anwendungen (Clients) und Datenquellen beziehungsweise Werkzeugen (Servern) definiert.

Die Kernidee: Statt für jede KI-Anwendung eine eigene Integration zu programmieren, stellt der Datenanbieter einen MCP-Server bereit. Jeder MCP-fähige Client kann ihn nutzen. Die drei Bausteine:

MCP-Clients — die KI-Anwendungen (Claude Desktop, ChatGPT, Open WebUI, eigene Apps)
MCP-Server — die Vermittler zu Daten und Werkzeugen (eine Datenbank, ein CRM, ein Dateisystem)
Das Protokoll — definiert, wie Clients und Server kommunizieren (JSON-RPC über stdio oder Streamable HTTP)

Was MCP kann:

Resources — strukturierte Daten lesen (Dokumente, Tabellen, Wissensdatenbanken)
Tools — Aktionen ausführen (Einträge anlegen, Systeme steuern, APIs aufrufen)
Prompts — wiederverwendbare Prompt-Vorlagen für wiederkehrende Aufgaben

Die drei Bausteine im Detail

MCP-Clients: Wo die KI läuft

Client	Typ	MCP-Support
Claude Desktop / Claude Code	Desktop/CLI	Ja (seit 2025)
ChatGPT (OpenAI)	Cloud	Ja (Tools, eingeschränkt)
Open WebUI	Self-Hosted	Ja (über MCP-Konfiguration)
Cursor, VS Code, JetBrains	IDE	Ja
Eigene Anwendungen	App	Über SDKs (TypeScript, Python)

MCP-Server: Was die KI erreichen kann

Die wichtigsten Server-Typen für den Mittelstand:

Server-Typ	Anbindung	Typische Nutzung
Datenbank-Server	PostgreSQL, MySQL, SQLite	Abfragen gegen ERP- und CRM-Daten
Dateisystem-Server	Lokale/Netzwerkordner	Dokumente lesen und bearbeiten
CRM/ERP-Server	Salesforce, HubSpot, SAP	Kundendaten abrufen, Einträge pflegen
Such-Server	Elasticsearch, Vektordatenbanken	Wissenssuche über Unternehmensdaten
HTTP-Server	Beliebige REST-APIs	Externe Dienste anbinden

Das Protokoll: Wie sie kommunizieren

MCP nutzt JSON-RPC 2.0 über zwei Transporte:

stdio — für lokale Server (Prozess-to-Prozess)
Streamable HTTP — für Remote-Server (Client-Server über Netzwerk)

Die Kommunikation läuft in drei Phasen: Initialisierung (Version und Fähigkeiten aushandeln), Betrieb (Resources/Tools/Prompts nutzen) und Shutdown.

MCP Schritt für Schritt einführen

Schritt 1: Pilot-Server wählen

Nicht mit fünf Servern starten, sondern mit einem konkreten Nutzen. Der häufigste Einstieg ist ein Dateisystem- oder Datenbank-Server, der der KI den Zugriff auf interne Dokumente erlaubt — kombiniert mit einem RAG-Setup für präzise Antworten.

Schritt 2: MCP-Server installieren

Ein einfacher MCP-Server läuft als Container. Beispiel für einen Dateisystem-Server:

# MCP-Dateisystem-Server mit npx starten (Beispielkonfiguration)
npx -y @modelcontextprotocol/server-filesystem /pfad/zum/ordner

Für den produktiven Betrieb im Unternehmen wird der Server in Docker oder Kubernetes betrieben — die Details stehen in unserem Beitrag MCP-Server intern betreiben.

Schritt 3: Client verbinden

Im Client (z.B. Claude Desktop oder Open WebUI) wird der Server registriert. Jede MCP-fähige Anwendung kann danach auf die freigegebenen Daten zugreifen — ohne weitere Programmierung.

Schritt 4: Berechtigungen und Governance

Vor der Freigabe an die Belegschaft: Wer darf welche Server nutzen? Die Antwort gehört in eine MCP-Governance — wie Sie diese aufbauen, zeigt unser Beitrag MCP-Registry und Agent-Governance.

Schritt 5: Sicherheit und Monitoring

MCP-Server sind neue Angriffsflächen. Zugriff protokollieren, Server isolieren, sensible Daten nur über berechtigte Endpunkte freigeben.

MCP und Sicherheit: Die vier Kernregeln

MCP ist mächtig — genau deshalb braucht es klare Grenzen:

Prinzip der geringsten Rechte — Jeder Server bekommt nur den Zugriff, den sein Zweck erfordert. Ein Dateisystem-Server für ein Projekt bekommt nicht den ganzen Server.
Tool-Zugriff kontrollieren — Nicht jedes Modell soll jede Aktion ausführen dürfen. Tools mit Schreibrechten (Einträge anlegen, löschen) gehören in eine separate, berechtigte Stufe.
Prompt-Injection bedenken — Inhalte aus Datenquellen können Anweisungen enthalten. Server-Ausgaben validieren, bevor Werkzeuge ausgeführt werden.
Zentral betreiben — Ein zentral betriebener MCP-Proxy (z.B. mit FastMCP) mit Entra-ID-Anbindung statt individueller Desktop-Server pro Mitarbeiter — die Umsetzung beschreibt MCP-Server intern betreiben.

MCP im Mittelstand: Die drei Use-Cases mit höchstem ROI

1. Wissenszugriff für den Innendienst

Ein MCP-Server auf dem internen Dokumentenbestand gibt Vertrieb und Innendienst sofortigen Zugriff auf aktuelle Datenblätter, Konditionen und Prozesse — über jede KI-Oberfläche. Der Aufwand: ein Server, ein Freigabeordner.

2. Datenbank-Abfragen ohne SQL-Kenntnisse

Ein Datenbank-MCP-Server erlaubt es, in natürlicher Sprache gegen das ERP oder CRM zu fragen: "Wie viele Angebote sind diesen Monat offen?" Die Abfrage wird vom Modell in SQL übersetzt und ausgeführt — mit Lese-Rechten und Logging.

3. Automatisierung mit Agenten

In Kombination mit Agenten-Frameworks werden MCP-Server zur Werkzeugkiste: Der Agent ruft Bestände ab, erstellt Entwürfe und legt Einträge an. Der Einstieg in Agenten-Systeme findet sich im KI-Agenten-Praxisleitfaden.

MCP vs. Alternativen: Einordnung

Kriterium	MCP	Direkte APIs	RAG (nur Lesen)
Standardisierung	Hoch (ein Protokoll)	Niedrig (pro Anbieter)	Mittel
Lese-Zugriff	Ja	Ja	Ja
Schreib-Zugriff (Aktionen)	Ja (Tools)	Ja	Nein
Einmal integrieren, überall nutzen	Ja	Nein	Teilweise
Sicherheitsaufwand	Mittel (Governance nötig)	Hoch (pro API)	Niedrig

MCP ersetzt keine APIs, sondern bündelt sie. Und für reine Wissensfragen bleibt RAG oft die einfachere Lösung — MCP wird dort interessant, wo Aktionen und Werkzeuge dazukommen.

Fazit: MCP ist der Standard, auf den der Mittelstand setzen sollte

MCP hat sich 2026 als offener Integrationsstandard durchgesetzt. Für den Mittelstand bedeutet das: Eine Integration pro Datenquelle statt einer pro KI-Anwendung. Wer heute mit einem Pilot-Server startet, baut die Basis, auf der spätere KI-Projekte aufsetzen — von Assistenten bis zu autonomen Agenten.

Die Einführung ist kein Großprojekt: Ein Server, ein Anwendungsfall, eine kontrollierte Pilotgruppe. Governance und Sicherheit sollten von Anfang an mitgedacht werden — dann ist MCP der günstigste Weg, die vorhandene IT-Landschaft KI-fähig zu machen.

Häufige Fragen

Was ist MCP in einfachen Worten?

MCP (Model Context Protocol) ist ein offener Standard, über den KI-Anwendungen auf externe Daten und Werkzeuge zugreifen können — wie ein USB-Anschluss für KI-Integrationen. Ein MCP-Server pro Datenquelle, viele KI-Anwendungen können ihn nutzen.

Ist MCP von Anthropic?

MCP wurde von Anthropic entwickelt und im November 2024 als offenes Protokoll veröffentlicht. Es wird inzwischen von vielen Anbietern unterstützt, darunter OpenAI, Microsoft und die Open-Source-Community.

Wie richte ich einen MCP-Server ein?

Ein MCP-Server läuft als eigener Prozess (oft als Container). Nach Installation und Konfiguration wird er im MCP-fähigen Client registriert — danach kann die KI-Anwendung auf die freigegebenen Daten und Werkzeuge zugreifen.

Ist MCP sicher?

MCP ist so sicher wie seine Konfiguration. Die vier Kernregeln: geringste Rechte pro Server, kontrollierter Tool-Zugriff, Schutz vor Prompt-Injection und zentraler Betrieb mit Authentifizierung.

Was kann MCP, was RAG nicht kann?

RAG liefert nur Lese-Zugriff auf Dokumente (suchen und zitieren). MCP kann zusätzlich Aktionen ausführen — Einträge anlegen, Systeme steuern, APIs aufrufen. Für reine Wissensfragen reicht RAG oft, für Automatisierung braucht es MCP.