MCP-Server: Was das Model Context Protocol ist und wie du KI an Werkzeuge anbindest

Kurz gesagt

Ein MCP-Server ist ein Programm, das einer KI-Anwendung über das Model Context Protocol Werkzeuge, Daten und Vorlagen bereitstellt, etwa Zugriff auf Dateien, GitHub oder eine Datenbank. MCP ist ein offener Standard, den Anthropic im November 2024 vorgestellt und im Dezember 2025 an die Agentic AI Foundation unter dem Dach der Linux Foundation übergeben hat. Claude, ChatGPT, VS Code, Cursor sowie n8n und Make können MCP-Server nutzen.

Stand: 21. November 2026

Ein MCP-Server ist ein Programm, das einer KI-Anwendung über das Model Context Protocol (MCP) Werkzeuge, Daten und Vorlagen zur Verfügung stellt. Über einen MCP-Server kann ein Sprachmodell zum Beispiel Dateien lesen, in GitHub ein Issue anlegen oder eine Datenbank abfragen, ohne dass für jede Kombination aus KI und Werkzeug eine eigene Anbindung nötig ist. Hier erfährst du, wie MCP aufgebaut ist, welche Server verbreitet sind und wie du MCP in Automatisierungen mit n8n und Make nutzt.

Was ist das Model Context Protocol?

MCP ist ein offener Standard, um KI-Anwendungen mit externen Systemen zu verbinden. Die offizielle Dokumentation vergleicht ihn mit einem USB-C-Anschluss: So wie USB-C Geräte über einen einheitlichen Stecker verbindet, verbindet MCP KI-Anwendungen einheitlich mit Datenquellen, Werkzeugen und Abläufen.

Anthropic hat MCP am 25. November 2024 vorgestellt, damals mit fertigen Servern unter anderem für Google Drive, Slack, GitHub, Git, Postgres und Puppeteer. Am 9. Dezember 2025 hat Anthropic das Protokoll an die neu gegründete Agentic AI Foundation übergeben. Das ist ein Fonds unter der Linux Foundation, mitgegründet von Anthropic, Block und OpenAI. Die Linux Foundation zählte damals mehr als 10.000 öffentlich verfügbare MCP-Server.

MCP-Server lassen sich heute unter anderem in Claude, ChatGPT, Visual Studio Code und Cursor einbinden. Die aktuelle Fassung der Spezifikation trägt die Version 2026-07-28.

So funktioniert ein MCP-Server

MCP folgt einem Client-Server-Aufbau mit drei Beteiligten:

  • Host: die KI-Anwendung, etwa Claude Desktop oder VS Code.
  • Client: eine Komponente im Host, die genau eine Verbindung zu einem Server hält.
  • Server: das Programm, das Werkzeuge und Daten bereitstellt.

Die Nachrichten laufen im Format JSON-RPC 2.0. Der Client fragt mit tools/list ab, welche Werkzeuge ein Server anbietet, und gibt diese Liste an das Sprachmodell weiter. Entscheidet sich das Modell für ein Werkzeug, schickt der Client einen Aufruf mit tools/call samt Eingaben, der Server führt ihn aus und liefert das Ergebnis zurück. Jedes Werkzeug beschreibt seine Eingaben mit einem JSON-Schema.

Ein Server kann drei Arten von Bausteinen anbieten:

Baustein Wofür Beispiel
Tools Aktionen, die die KI ausführt Datei schreiben, API aufrufen, Datenbank abfragen
Resources Daten als Kontext Dateiinhalt, Datensatz, Datenbankschema
Prompts wiederverwendbare Vorlagen Systemanweisung, Beispiele für die Nutzung der Tools

Umgekehrt kann ein Server über „Elicitation“ beim Nutzer nachfragen, etwa um eine Aktion bestätigen zu lassen. Mit Version 2026-07-28 ist das Protokoll zustandslos: Jede Anfrage trägt Protokollversion und Fähigkeiten selbst mit. Die Client-Funktionen Roots und Sampling sind seitdem veraltet.

Lokale und Remote-MCP-Server

Lokaler MCP-Server Remote-MCP-Server
Läuft auf deinem Rechner beim Anbieter im Netz
Verbindung Standard-Ein- und -Ausgabe (stdio) Streamable HTTP
Anmeldung über lokale Konfiguration Token oder API-Schlüssel, empfohlen OAuth
Bedient meist einen Client viele Clients
Beispiel Filesystem-Server Sentry-Server, GitHub-Server

Für Automatisierungen in der Cloud brauchst du in der Regel Remote-Server, weil n8n oder Make keine Programme auf deinem Rechner starten.

Beispiele für verbreitete MCP-Server

Das MCP-Projekt pflegt eine kleine Zahl von Referenz-Servern, die zeigen, wie das Protokoll funktioniert. Daneben bieten viele Hersteller eigene Server an.

Server Herkunft Was er der KI ermöglicht
Filesystem Referenz-Server Dateien lesen und schreiben, mit einstellbaren Zugriffsgrenzen
Git Referenz-Server Git-Repositories lesen, durchsuchen und bearbeiten
Fetch Referenz-Server Webseiten abrufen und für das Modell aufbereiten
Memory Referenz-Server dauerhaftes Gedächtnis als Wissensgraph
Time Referenz-Server Zeit- und Zeitzonen-Umrechnung
GitHub MCP Server GitHub Code lesen, Issues und Pull Requests verwalten, lokal oder remote
Sentry MCP Server Sentry Fehlerdaten aus Sentry abrufen, als Remote-Server

Frühere Referenz-Server etwa für Slack, Google Drive, PostgreSQL oder GitHub hat das Projekt archiviert. Für GitHub gibt es inzwischen den offiziellen Server von GitHub selbst. Weitere Server findest du in der offiziellen MCP Registry. Prüfe dort vor allem, wer einen Server veröffentlicht hat.

MCP in Automatisierungen mit n8n und Make

n8n unterstützt MCP in beide Richtungen. Der Node „MCP Client Tool“ gibt einem AI-Agent-Node die Werkzeuge eines externen MCP-Servers, mit Anmeldung per Bearer-Token, Header oder OAuth2. Der Node „MCP Server Trigger“ macht n8n selbst zum MCP-Server: Er stellt die angehängten Werkzeuge unter einer URL bereit, auch ganze Workflows über den Node „Custom n8n Workflow Tool“. Er unterstützt Server-Sent Events und Streamable HTTP, stdio dagegen nicht.

Zusätzlich gibt es den instanzweiten MCP-Zugang. Du schaltest ihn unter Settings, Instance-level MCP ein. Clients wie Claude, ChatGPT oder Cursor können dann Workflows durchsuchen und die Workflows ausführen, die du ausdrücklich freigegeben hast. Standardmäßig ist kein Workflow freigegeben. Wie du einen Agenten in n8n aufbaust, zeigt KI-Agent mit n8n.

In Make kannst du einem AI Agent Werkzeuge von externen MCP-Servern geben, neben Modulen, Szenarien und anderen Agenten. Das hilft bei Aktionen, für die es in Make keine fertige App gibt. Mehr zur Plattform steht auf der Seite zu Make.

Schritt für Schritt: MCP-Server in einen Agenten einbinden

  1. Lege fest, welche Aufgabe der Agent erledigen soll und welches System er dafür braucht.
  2. Suche den passenden Server, bevorzugt vom Hersteller des Systems selbst oder aus der offiziellen Registry.
  3. Prüfe, ob er lokal oder remote läuft und welche Anmeldung er verlangt.
  4. Lege einen eigenen Zugang mit möglichst wenigen Rechten an, zum Beispiel nur lesend.
  5. Trage die Server-URL und die Anmeldung im Client ein, in n8n im MCP Client Tool.
  6. Schalte nur die Werkzeuge frei, die der Agent wirklich braucht.
  7. Teste mit echten Beispielen und prüfe in den Ausführungsdetails, welche Werkzeuge der Agent aufgerufen hat.

Die vollständige Planung eines Agenten beschreibt KI-Agent erstellen, konkrete Einsatzfälle zeigen die Beispiele für KI-Agenten.

Typische Fehler mit MCP-Servern

  • Zu viele Server gleichzeitig: Das Modell bekommt lange Werkzeuglisten und wählt schlechter.
  • Server aus unbekannter Quelle: Er erhält Zugriff auf deine Daten und Konten.
  • Volle: Rechte für den Zugang, obwohl Lesen genügt.
  • Lokale stdio-Server in Cloud-Automatisierungen eingeplant, die dort nicht laufen.

Welche Angriffe es auf MCP-Server gibt und wie du sie abwehrst, erklärt kiagentensicherheit.de. Wie du MCP-Server in Claude Code einrichtest und nutzt, zeigt claudekurs.de.

Was ist ein MCP-Server einfach erklärt?

Ein MCP-Server ist eine Art Adapter zwischen einer KI und einem anderen System. Er meldet der KI, welche Werkzeuge es gibt, zum Beispiel „Issue anlegen“ oder „Datei lesen“, und führt sie aus, wenn die KI sie aufruft.

Wer hat MCP entwickelt?

Anthropic hat das Model Context Protocol am 25. November 2024 als offenen Standard vorgestellt. Seit dem 9. Dezember 2025 gehört MCP zur Agentic AI Foundation, einem Fonds unter der Linux Foundation, den Anthropic, Block und OpenAI mitgegründet haben.

Ist MCP kostenlos?

Das Protokoll ist offen und frei nutzbar, die offiziellen SDKs und Referenz-Server sind Open Source. Kosten entstehen durch die Dienste, die ein Server anbindet, und durch die Nutzung des Sprachmodells.

Was ist der Unterschied zwischen MCP-Server und MCP-Client?

Der Server stellt Werkzeuge und Daten bereit. Der Client sitzt in der KI-Anwendung, dem Host, und hält die Verbindung zu genau einem Server. Verbindet sich eine Anwendung mit drei Servern, erzeugt sie drei Clients.

Was ist der Unterschied zwischen lokalem und Remote-MCP-Server?

Ein lokaler Server läuft auf deinem Rechner und spricht über Standard-Ein- und -Ausgabe (stdio) mit der Anwendung. Ein Remote-Server läuft beim Anbieter und wird über Streamable HTTP erreicht, die Anmeldung läuft laut Spezifikation am besten per OAuth.

Kann n8n als MCP-Server dienen?

Ja. Der Node „MCP Server Trigger“ stellt Werkzeuge eines Workflows unter einer URL bereit. Zusätzlich gibt es den instanzweiten MCP-Zugang, über den Clients wie Claude oder ChatGPT freigegebene Workflows finden und ausführen.

Sind MCP-Server sicher?

Ein MCP-Server erhält oft weitreichende Rechte, deshalb solltest du nur Server aus vertrauenswürdiger Quelle mit möglichst knappen Berechtigungen nutzen. Die Risiken und Schutzmaßnahmen behandelt kiagentensicherheit.de im Detail.

KI-Automatisierungs-Community

Werde Teil der Community

Kostenlos auf Skool, mit über 14.000 Mitgliedern, Kursen und Vorlagen.

Kostenlos beitreten