Blog

MCP Server im Unternehmen: Funktionsweise, Beispiele und Absicherung

Ein MCP Server stellt einer KI-Anwendung Werkzeuge und Daten eines Systems über das Model Context Protocol bereit, zum Beispiel Datensätze aus dem CRM. Im Unternehmen entscheidet die Absicherung, welcher Agent worauf zugreifen darf. Der Leitfaden liefert die Architektur, acht Risiken mit Gegenmaßnahmen und eine Checkliste.

Boris Friedrich
Boris FriedrichCEO
15 Min. Lesezeit
MCP Server im Unternehmen: Ein Anschluss für alle Systeme, mit festgelegten Zugriffen je System.

Die Fakten in 30 Sekunden

Worum es geht: Ein MCP Server ist ein Programm, das einer KI-Anwendung Werkzeuge, Daten und Vorlagen eines Systems über das Model Context Protocol (MCP) bereitstellt. Ein KI-Assistent oder Agent kann darüber zum Beispiel Datensätze im CRM lesen, ein Ticket anlegen oder Dateien durchsuchen.

Warum jetzt: Anthropic hat MCP Ende 2024 als offenen Standard vorgestellt und im Dezember 2025 an die Agentic AI Foundation unter dem Dach der Linux Foundation übergeben. Die großen KI-Anbieter, Entwicklungsumgebungen und viele Softwarehersteller unterstützen das Protokoll inzwischen.

Das Wichtigste: Bei einer klassischen API, der Schnittstelle eines einzelnen Systems, legt ein Entwickler im Programmcode fest, wann welche Funktion aufgerufen wird. Bei MCP entscheidet das Sprachmodell anhand der Aufgabe, weshalb Rechte, Prüfungen und Protokolle außerhalb des Modells greifen müssen.

Größtes Risiko: Jeder MCP Server öffnet einem Sprachmodell den Zugriff auf Unternehmenssysteme. Besondere Aufmerksamkeit verdient die indirekte Prompt Injection: Ein Dokument aus dem Zielsystem enthält eine versteckte Anweisung, die das Modell ohne Prüfung der Werkzeugantworten wie eine Aufgabe behandelt.

Kosten: Viele MCP-Server sind Open Source oder werden von Softwareherstellern mitgeliefert. Kosten entstehen vor allem für Betrieb, Absicherung, Prüfung und Pflege sowie für die Nutzung der Sprachmodelle, die die Werkzeuge aufrufen.

So gehen Sie vor: Sie erheben den Bestand an MCP-Servern, beginnen mit zwei oder drei Aufgaben mit lesendem Zugriff und binden die benötigten Systeme zentral über ein Gateway oder eine Plattform an. Schreibende Aktionen öffnen Sie schrittweise und verlangen für Aktionen mit Außenwirkung weiterhin eine Bestätigung durch einen Menschen.

Was Sie mitnehmen: Die Architektur aus Host, Client und Server, eine Vergleichstabelle zu MCP und API, Beispiele für MCP-Server nach System und Fachbereich, acht Risiken mit Gegenmaßnahmen, drei Entscheidungsfragen zum Eigenbau, einen Einführungsweg in vier Schritten und eine Checkliste mit zehn Punkten.

MCP-Server sind innerhalb von zwei Jahren zum üblichen Weg geworden, KI-Agenten mit Unternehmenssystemen zu verbinden. Anthropic hat das Model Context Protocol Ende 2024 als offenen Standard vorgestellt und im Dezember 2025 an die neu gegründete Agentic AI Foundation unter dem Dach der Linux Foundation übergeben. Die großen KI-Anbieter, Entwicklungsumgebungen und viele Softwarehersteller unterstützen MCP inzwischen. Für Unternehmen ist das attraktiv, weil eine Anbindung an ein System nur einmal gebaut werden muss und danach von verschiedenen KI-Werkzeugen genutzt werden kann.

Gleichzeitig öffnet jeder MCP Server einem Sprachmodell den Zugriff auf Unternehmenssysteme. Dieser Leitfaden erklärt, wie MCP funktioniert, welche MCP-Server es gibt, worin sich MCP von einer API unterscheidet, welche Risiken im Betrieb entstehen und wie Sie MCP-Server im Unternehmen kontrolliert einsetzen.

Was ist ein MCP Server?

Ein MCP Server übersetzt die Funktionen eines Systems in eine Form, die Sprachmodelle verstehen. Er beschreibt, welche Aktionen möglich sind, etwa „Kunde suchen“ oder „Rechnung anlegen“, welche Parameter diese Aktionen erwarten und welche Daten er liefern kann. Die KI-Anwendung fragt diese Beschreibung ab, das Sprachmodell entscheidet anhand der Aufgabe, welches Werkzeug es benötigt, und der MCP Server führt den Aufruf im Zielsystem aus.

Der Begriff „Server“ bezeichnet dabei die Rolle im Protokoll, nicht zwingend eine eigene Maschine. Ein MCP Server kann als kleines Programm auf dem Arbeitsplatzrechner laufen oder als Dienst im Rechenzentrum beziehungsweise bei einem Softwarehersteller.

Wie funktioniert MCP? Host, Client und Server

Die offizielle Dokumentation des Protokolls beschreibt drei Rollen:

  • MCP-Host: die KI-Anwendung, mit der Mitarbeitende arbeiten, etwa ein KI-Assistent, eine Entwicklungsumgebung oder eine Agentenplattform.
  • MCP-Client: eine Komponente innerhalb des Hosts, die genau eine Verbindung zu einem MCP Server hält. Verbindet sich ein Host mit fünf Servern, erzeugt er fünf Clients.
  • MCP Server: das Programm, das Werkzeuge und Daten eines Systems bereitstellt.

Die Nachrichten zwischen Client und Server folgen dem Format JSON-RPC 2.0. Mit der Spezifikation vom 28. Juli 2026 ist MCP zustandslos geworden: Jede Anfrage trägt Protokollversion und Fähigkeiten des Clients selbst mit, und ein Client kann über eine Abfrage zur Erkennung (`server/discover`) erfahren, was ein Server anbietet. Für Entscheider ist weniger das Format wichtig als die Folge daraus: Werkzeuge werden zur Laufzeit erkannt. Ändert ein Server seine Werkzeuge, kann sich das Verhalten eines Agenten ändern, ohne dass im Agenten selbst etwas angepasst wurde. Darauf kommen wir bei der Absicherung zurück.

Die drei Bausteine: Werkzeuge, Ressourcen, Prompts

Ein MCP Server kann drei Arten von Inhalten bereitstellen:

  • Werkzeuge (Tools): Zweck: Aktionen, die das Modell ausführen lässt; Beispiel für ein CRM: „Kontakt anlegen“, „Aufgabe zuweisen“
  • Ressourcen (Resources): Zweck: Daten, die als Kontext gelesen werden; Beispiel für ein CRM: Kundenstammdaten, Kontakthistorie
  • Prompts: Zweck: wiederverwendbare Vorlagen für typische Aufgaben; Beispiel für ein CRM: „Kundentermin vorbereiten“

Zusätzlich kann ein Server über die Funktion „Elicitation“ Rückfragen an den Nutzer stellen, etwa um eine Aktion bestätigen zu lassen. Diese Funktion ist für Unternehmen nützlich, ersetzt aber keine verbindliche Freigabe, weil sie vom einzelnen Server abhängt.

Lokale und entfernte MCP-Server

MCP kennt zwei Transportwege. Lokale Server laufen auf demselben Rechner wie die KI-Anwendung und kommunizieren über die Standard-Ein- und -Ausgabe (stdio). Typisch sind Server für das lokale Dateisystem oder für Entwicklungswerkzeuge. Entfernte Server laufen im Netz und werden über „Streamable HTTP“ angesprochen. Für sie empfiehlt die Spezifikation OAuth zur Anmeldung, daneben sind Token und API-Schlüssel möglich.

Für die IT-Sicherheit ist diese Unterscheidung zentral. Lokale Server laufen mit den Rechten des angemeldeten Nutzers auf seinem Gerät und entziehen sich oft der zentralen Kontrolle. Entfernte Server lassen sich zentral betreiben, berechtigen und überwachen.

MCP vs. API: der Unterschied

Eine API ist die Schnittstelle eines einzelnen Systems mit eigener Dokumentation, eigenem Aufrufformat und eigener Anmeldung. MCP ist eine einheitliche Schicht darüber. Ein MCP Server nutzt in der Regel die API des Zielsystems und beschreibt deren Funktionen so, dass jedes MCP-fähige KI-Werkzeug sie erkennen und aufrufen kann.

  • Adressat: Klassische API: Entwickler, die eine Integration programmieren; MCP: Sprachmodelle und KI-Anwendungen
  • Beschreibung der Funktionen: Klassische API: Dokumentation für Menschen; MCP: maschinenlesbar, zur Laufzeit abrufbar
  • Anbindung an mehrere KI-Werkzeuge: Klassische API: je Werkzeug eigene Integration; MCP: ein Server für alle MCP-fähigen Werkzeuge
  • Entscheidung über den Aufruf: Klassische API: festgelegt im Programmcode; MCP: trifft das Sprachmodell anhand der Aufgabe

Der letzte Punkt erklärt, warum MCP neue Kontrollen braucht. Bei einer API-Integration legt ein Entwickler fest, wann welche Funktion aufgerufen wird. Bei MCP entscheidet das Modell. Rechte, Prüfungen und Protokolle müssen deshalb außerhalb des Modells greifen.

Warum MCP die Zahl der Anbindungen senkt

Ohne gemeinsame Schicht braucht jedes KI-Werkzeug eine eigene Anbindung an jedes System. Bei fünf Werkzeugen und fünf Systemen sind das im ungünstigsten Fall 25 Anbindungen, jeweils mit eigenen Zugangsdaten, eigenem Rechtekonzept und eigenem Protokoll. Mit einer zentralen Plattform, die jedes System einmal anbindet und allen Werkzeugen zur Verfügung stellt, sind es fünf.

Dieses Rechenbeispiel zeigt den Kern des Nutzens: weniger Integrationsaufwand und ein Ort, an dem Rechte und Protokolle zusammenlaufen. MCP allein garantiert diesen Effekt allerdings nicht. Wenn jede Abteilung eigene MCP-Server installiert, entsteht dieselbe Vielfalt auf einer neuen Ebene.

MCP-Server-Beispiele: Welche Server gibt es?

Öffentliche Verzeichnisse listen inzwischen Tausende MCP-Server. Für Unternehmen sind vor allem drei Gruppen relevant: Server, die Softwarehersteller selbst betreiben, Referenzserver aus dem MCP-Projekt und selbst gebaute Server für eigene Systeme. Die folgende Übersicht nennt verbreitete Beispiele (Stand November 2026):

  • GitHub: Art des Servers: vom Hersteller bereitgestellt; Typische Werkzeuge: Repositories, Issues und Pull Requests lesen und bearbeiten; Hinweis für den Einsatz: Schreibrechte auf Code nur nach Freigabe
  • Atlassian Jira und Confluence: Art des Servers: entfernter Server des Herstellers; Typische Werkzeuge: Tickets suchen und anlegen, Seiten lesen; Hinweis für den Einsatz: Rechte der Atlassian-Konten gelten weiter
  • Sentry: Art des Servers: entfernter Server des Herstellers; Typische Werkzeuge: Fehlerberichte abrufen und auswerten; Hinweis für den Einsatz: enthält oft technische Details und Personendaten
  • Browser (Playwright): Art des Servers: Open Source von Microsoft; Typische Werkzeuge: Webseiten öffnen, Formulare bedienen; Hinweis für den Einsatz: Zugriff auf beliebige Webseiten begrenzen
  • Dateisystem: Art des Servers: Referenzserver des MCP-Projekts; Typische Werkzeuge: Dateien lesen, schreiben, durchsuchen; Hinweis für den Einsatz: nur freigegebene Verzeichnisse zulassen
  • ERP, CRM, Datenbanken: Art des Servers: meist selbst gebaut oder über eine Plattform; Typische Werkzeuge: Stammdaten lesen, Vorgänge anlegen; Hinweis für den Einsatz: zentral betreiben, Felder nach Schutzklasse begrenzen

Für SAP, Microsoft Dynamics und andere ERP-Systeme gibt es Server von Herstellern und Partnern in unterschiedlichen Reifegraden. Prüfen Sie vor dem Einsatz, wer den Server pflegt, welche Version produktiv freigegeben ist und welche Funktionen er tatsächlich anbietet.

Welche KI-Werkzeuge MCP nutzen

Auf der anderen Seite stehen die MCP-Clients beziehungsweise Hosts. Dazu zählen Claude Desktop und Claude Code von Anthropic, Entwicklungsumgebungen wie Visual Studio Code und Cursor, Agentenbaukästen wie Microsoft Copilot Studio sowie ChatGPT und die API von OpenAI. Auch Unternehmensplattformen für KI-Assistenten und Agenten binden MCP-Server an.

Für die IT bedeutet das: Ein einmal eingerichteter MCP Server kann von vielen Werkzeugen genutzt werden. Das ist der gewünschte Effekt, sofern klar ist, welche Werkzeuge das dürfen.

Einsatzbeispiele nach Fachbereich

  • Vertrieb: Angebundenes System: CRM; Aufgabe des Agenten: Kundentermin mit Historie, offenen Angeboten und Tickets vorbereiten
  • Einkauf: Angebundenes System: ERP; Aufgabe des Agenten: Lieferverzug und auslaufende Verträge prüfen, Maßnahmen vorschlagen
  • Kundenservice: Angebundenes System: Ticketsystem, Wissensdatenbank; Aufgabe des Agenten: Antworten mit Quellen entwerfen, Tickets zuordnen
  • IT und Entwicklung: Angebundenes System: GitHub, Jira, Monitoring; Aufgabe des Agenten: Fehlermeldungen zusammenfassen, Ticket mit Kontext anlegen
  • Finanzen: Angebundenes System: Buchhaltung, Dokumentenablage; Aufgabe des Agenten: Rechnungen mit Bestellungen abgleichen, Abweichungen melden
  • Personal: Angebundenes System: HR-System; Aufgabe des Agenten: Fragen zu Richtlinien beantworten, ohne Zugriff auf Gehaltsdaten

Die Beispiele zeigen ein Muster: Lesende Zugriffe bringen schnell Nutzen und sind gut beherrschbar. Schreibende Aktionen mit Außenwirkung, etwa eine Bestellung oder eine E-Mail an Kunden, sollten eine Bestätigung durch einen Menschen voraussetzen. Mehr zu Agenten und ihren Befugnissen lesen Sie in unserem Artikel KI-Agenten erklärt: Definition, Beispiele und Enterprise-Einsatz; die Architektur dahinter beschreibt der Beitrag zur agentischen KI-Architektur.

Sind MCP-Server sicher?

MCP selbst ist ein Protokoll und weder sicher noch unsicher. Die Sicherheit hängt davon ab, wie Server ausgewählt, betrieben, berechtigt und überwacht werden. In der Praxis treten die folgenden Risiken häufig auf:

  • Zu weite Rechte: Beschreibung: Der Server nutzt ein technisches Konto mit Vollzugriff; Gegenmaßnahme: Rechte aus den Quellsystemen übernehmen, minimale Rechte je Werkzeug
  • Zugangsdaten im Klartext: Beschreibung: API-Schlüssel stehen in Konfigurationsdateien; Gegenmaßnahme: Tresor für Zugangsdaten, keine Schlüssel im Prompt oder in der Konfiguration
  • Prompt Injection über Werkzeugdaten: Beschreibung: Inhalte aus dem Zielsystem enthalten versteckte Anweisungen; Gegenmaßnahme: Prüfung von Ein- und Ausgaben, Freigabe kritischer Aktionen
  • Manipulierte Werkzeugbeschreibungen: Beschreibung: Die Beschreibung eines Werkzeugs enthält Anweisungen an das Modell („Tool Poisoning“); Gegenmaßnahme: Beschreibungen vor der Freigabe prüfen, Änderungen erkennen
  • Stille Änderungen: Beschreibung: Ein Server ändert nach der Freigabe seine Werkzeuge; Gegenmaßnahme: Versionen festschreiben, jede Änderung erneut prüfen
  • Ungeprüfte Server aus öffentlichen Verzeichnissen: Beschreibung: Server von Dritten enthalten Schadcode; Gegenmaßnahme: Freigabe vor dem Einsatz, nur bekannte Quellen
  • Weitergabe von Token: Beschreibung: Ein Server reicht Anmeldedaten des Nutzers ungeprüft an andere Dienste weiter; Gegenmaßnahme: Token je Server und Zweck, OAuth gemäß Spezifikation
  • Fehlende Nachvollziehbarkeit: Beschreibung: Niemand weiß, welcher Agent welche Aktion ausgelöst hat; Gegenmaßnahme: Protokollierung jedes Werkzeugaufrufs mit Nutzer, Agent und Ergebnis

Besondere Aufmerksamkeit verdient die indirekte Prompt Injection. Ein Agent liest über einen MCP Server einen Lieferantenvertrag, in dem eine versteckte Anweisung steht, etwa alle Einkaufspreise an eine externe Adresse zu senden. Ohne Prüfung der Werkzeugantworten behandelt das Modell diese Anweisung wie eine Aufgabe. Beispiele und Abwehrmaßnahmen beschreibt unser Artikel Prompt Injection: Beispiele, Risiken und Schutz.

Lokale MCP-Server auf Arbeitsplatzrechnern greifen oft auf das Dateisystem zu. Sie sollten nur mit freigegebenen Verzeichnissen und ohne Schreibrechte außerhalb dieser Verzeichnisse laufen. Viele Unternehmen entscheiden sich deshalb, lokale Server nur für Entwicklungsteams zuzulassen und Fachanwendungen ausschließlich über zentral betriebene Server anzubinden.

MCP-Gateway: Anbindungen zentral steuern

Ein MCP-Gateway ist eine zentrale Schicht zwischen KI-Anwendungen und MCP-Servern. Statt dass jedes Werkzeug eigene Verbindungen zu jedem Server aufbaut, laufen alle Aufrufe über das Gateway. Dort lassen sich Anmeldung, Rechte, Prüfung der Inhalte, Freigabe neuer Server und Protokollierung an einer Stelle umsetzen.

Ein Gateway lohnt sich, sobald mehr als ein KI-Werkzeug oder mehr als eine Handvoll Server im Einsatz sind. Bei der Auswahl sollten Sie prüfen, ob das Gateway die Rechte der Quellsysteme übernimmt, ob es Werkzeugantworten auf manipulierte Anweisungen prüft, ob neue Server und Versionen eine Freigabe benötigen und ob die Protokolle für Datenschutz und Revision auswertbar sind. Wie ein zentraler Zugang auf Modellseite funktioniert, zeigt unser Beitrag zum herstellerunabhängigen LLM-Router; für Werkzeuge gilt dasselbe Prinzip.

MCP-Server selbst erstellen oder nutzen?

Für eigene Systeme stellt das MCP-Projekt Software-Entwicklungskits in mehreren Programmiersprachen bereit, dazu den MCP Inspector zum Testen. Ein einfacher Server für eine bestehende REST-API ist für erfahrene Entwickler schnell gebaut. Der Aufwand liegt im Betrieb: Anmeldung, Rechte, Versionierung, Tests gegen manipulierte Eingaben, Überwachung und Pflege bei jeder Änderung des Zielsystems.

Drei Fragen helfen bei der Entscheidung:

  1. Gibt es einen gepflegten Server des Herstellers? Dann ist dieser meist die erste Wahl, sofern er die nötigen Rechte- und Protokollfunktionen bietet.
  2. Wie sensibel sind die Daten? Für Systeme mit vertraulichen oder personenbezogenen Daten sollte der Server im eigenen Rechenzentrum oder in einer souveränen Umgebung laufen.
  3. Wer betreibt den Server dauerhaft? Ein Server ohne Verantwortlichen wird zum Risiko, sobald sich das Zielsystem oder die Spezifikation ändert.

Was kostet ein MCP Server?

Viele MCP-Server sind Open Source oder werden von Softwareherstellern mitgeliefert. Kosten entstehen vor allem für Betrieb, Absicherung, Prüfung und Pflege sowie für die Nutzung der Sprachmodelle, die die Werkzeuge aufrufen. Eine zentrale Plattform senkt diese Kosten, weil Systeme nur einmal angebunden, abgesichert und überwacht werden. Fragen Sie bei Herstellern nach, ob die Nutzung ihres MCP Servers an bestimmte Lizenzstufen gebunden ist.

MCP im Unternehmen einführen: vier Schritte

  1. Bestand erheben: Ermitteln Sie, welche MCP-Server bereits genutzt werden, häufig lokal in Entwicklungsteams, und welche KI-Werkzeuge sie ansprechen.
  2. Erste Anwendungsfälle wählen: Beginnen Sie mit zwei oder drei Aufgaben mit lesendem Zugriff und klarem Nutzen, etwa die Vorbereitung von Kundenterminen aus dem CRM oder die Zusammenfassung von Tickets.
  3. Zentrale Anbindung aufbauen: Binden Sie die benötigten Systeme über ein Gateway oder eine Plattform an, legen Sie Rechte, Datenklassen und zugelassene Modelle fest und lassen Sie jeden Server freigeben.
  4. Schreibende Aktionen schrittweise öffnen: Erweitern Sie die Befugnisse erst, wenn Protokolle zeigen, dass die Agenten zuverlässig arbeiten, und verlangen Sie für Aktionen mit Außenwirkung weiterhin eine Bestätigung.

Dieser Weg verhindert, dass aus einzelnen Experimenten ein ungesteuerter Bestand an Servern entsteht, und schafft früh belastbare Erfahrungswerte für die Ausweitung.

Checkliste für MCP-Server im Unternehmen

  1. Führen Sie ein Verzeichnis aller MCP-Server mit Verantwortlichen, Version, angebundenen Systemen und zugelassenen KI-Werkzeugen.
  2. Lassen Sie neue Server und neue Versionen vor dem Einsatz prüfen und freigeben, einschließlich der Werkzeugbeschreibungen.
  3. Übernehmen Sie die Rechte aus den Quellsystemen, statt technische Konten mit Vollzugriff zu nutzen.
  4. Speichern Sie Zugangsdaten in einem Tresor und vergeben Sie Token je Server und Zweck.
  5. Prüfen Sie Eingaben und Werkzeugantworten auf manipulierte Anweisungen und personenbezogene Daten.
  6. Verlangen Sie für schreibende Aktionen mit Außenwirkung eine Bestätigung durch einen Menschen.
  7. Protokollieren Sie jeden Aufruf mit Nutzer, Agent, Werkzeug und Ergebnis und werten Sie Auffälligkeiten aus.
  8. Binden Sie Systeme zentral an, etwa über ein Gateway oder eine Plattform, statt jedem Werkzeug eigene Server zu geben.
  9. Begrenzen Sie lokale Server auf freigegebene Verzeichnisse und Nutzergruppen.
  10. Legen Sie fest, welche Datenklassen über welche Server an welche Modelle gehen dürfen.

Die organisatorische Seite, also Rollen, Freigaben und Register, beschreibt unser Artikel KI-Governance umsetzen: Freigabe, Register und Änderungskontrolle.

MCP-Server mit Synthara AI Studio

Synthara AI Studio unterstützt MCP und bündelt die Anbindungen an einer Stelle:

  • Jedes System wird einmal angebunden und steht allen freigegebenen Assistenten, Agenten, Workflows und Anwendungen zur Verfügung.
  • Die Rechte aus den Quellsystemen gelten weiter, sodass Berechtigungen nicht doppelt gepflegt werden.
  • Zugangsdaten von Agenten liegen in einem Tresor.
  • Leitplanken prüfen Eingaben, Ausgaben und Aktionen auf Prompt Injection, personenbezogene Daten und Abfluss von Inhalten. Angebundene Daten tragen bis auf Feldebene eine Schutzklasse, die mitbestimmt, welche Modelle sie verarbeiten dürfen.
  • Anwendungen, die Fachbereiche mit dem App-Builder Lumina bauen, erhalten eigene MCP-Server und gehen erst nach Sicherheitsprüfung, Pentest und Freigabe live.
  • Freigaben sind an Rollen gebunden und versioniert. Relevante Änderungen, etwa eine neue Datenquelle oder geänderte Berechtigungen, durchlaufen die Prüfung erneut.
  • Im Betrieb werden Kontext, gewähltes Modell, Werkzeugaufrufe und Quellen mit Zeitpunkt und auslösender Person protokolliert, und jede produktive Anwendung steht im KI-Register.

So nutzen Sie den Vorteil des offenen Standards und behalten die Kontrolle darüber, welcher Agent was in welchem System tun darf. Synthara läuft on-premise, in einer souveränen Cloud in Deutschland oder hybrid.

Häufige Fragen zu MCP-Servern

Was ist ein MCP Server?

Ein MCP Server stellt KI-Anwendungen Werkzeuge, Daten und Vorlagen eines Systems über das Model Context Protocol bereit. Die KI-Anwendung erkennt, welche Funktionen verfügbar sind, das Sprachmodell wählt das passende Werkzeug, und der Server führt die Aktion im Zielsystem aus. Ein Server kann lokal auf dem Rechner oder zentral im Netz laufen.

Was ist ein Beispiel für einen MCP Server?

Ein MCP Server für ein CRM stellt etwa die Werkzeuge „Kunde suchen“, „Kontakthistorie abrufen“ und „Aufgabe anlegen“ bereit. Ein Vertriebsagent nutzt sie, um einen Kundentermin vorzubereiten. Verbreitete Beispiele sind die Server von GitHub, Atlassian für Jira und Confluence, Sentry sowie der Dateisystem-Referenzserver des MCP-Projekts.

Ist MCP eine API?

MCP ist ein Protokoll, das über APIs liegt. Ein MCP Server nutzt meist die API des Zielsystems und beschreibt deren Funktionen maschinenlesbar, sodass jedes MCP-fähige KI-Werkzeug sie erkennen und aufrufen kann. Der wesentliche Unterschied: Bei einer API legt der Programmcode den Aufruf fest, bei MCP entscheidet das Sprachmodell.

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

Der MCP-Client ist eine Komponente in der KI-Anwendung, etwa in einem Assistenten oder einer Entwicklungsumgebung, und hält die Verbindung zu genau einem Server. Der MCP Server stellt die Werkzeuge und Daten eines Systems bereit. Eine KI-Anwendung mit fünf angebundenen Systemen nutzt also fünf Clients.

Sind MCP-Server sicher?

Das hängt vom Betrieb ab. Sicher eingesetzt werden MCP-Server mit minimalen Rechten, Zugangsdaten im Tresor, Prüfung von Ein- und Ausgaben auf manipulierte Anweisungen, Freigabe neuer Server und Versionen, Bestätigung kritischer Aktionen und lückenloser Protokollierung. Ungeprüfte Server aus öffentlichen Verzeichnissen sollten nicht an Unternehmenssysteme angebunden werden.

Nutzt ChatGPT MCP?

Ja. OpenAI unterstützt MCP-Server in ChatGPT und in seiner Entwickler-API, ebenso Anthropic, Microsoft und viele Entwicklungsumgebungen. Für Unternehmen ist entscheidend, welche Server ein Werkzeug nutzen darf und wo die Daten verarbeitet werden. Werden vertrauliche Daten über einen MCP Server an ein Cloud-Modell gegeben, gelten dieselben Regeln wie bei jeder anderen Eingabe.

Was kostet ein MCP Server?

Viele MCP-Server sind kostenlos als Open Source verfügbar oder werden von Softwareherstellern mitgeliefert. Kosten entstehen für Betrieb, Absicherung, Prüfung, Pflege und die Modellnutzung. Eine zentrale Plattform oder ein Gateway senkt den Aufwand, weil jedes System nur einmal angebunden, abgesichert und überwacht wird.

Brauchen kleine Unternehmen einen eigenen MCP Server?

Meist nicht. Für Standardsoftware gibt es häufig Server der Hersteller, und eine KI-Plattform bindet Systeme ohne eigene Entwicklung an. Ein eigener Server lohnt sich, wenn ein selbst entwickeltes System angebunden werden soll. Auch kleine Unternehmen sollten festlegen, welche Server zugelassen sind und wer sie verantwortet.

Fazit

MCP macht die Anbindung von KI-Agenten an Unternehmenssysteme einfacher und einheitlicher und hat sich als offener Standard durchgesetzt. Damit wächst die Verantwortung: Jeder MCP Server ist ein Zugang zu Unternehmensdaten, und das Sprachmodell entscheidet, wann es ihn nutzt. Unternehmen, die Server zentral betreiben, Rechte aus den Quellsystemen übernehmen, Zugangsdaten schützen, Werkzeugantworten prüfen, Änderungen freigeben und jeden Aufruf protokollieren, können Agenten produktiv einsetzen und behalten die Kontrolle.

Live-Demo: Wir zeigen Ihnen in 30 Minuten, wie Synthara AI Studio Ihre Systeme einmal anbindet und Agenten mit Rechten, Tresor und Protokoll darauf zugreifen. Termin direkt in Calendly buchen

Weiterführende Artikel

Quellen

  • Model Context Protocol, Architecture overview, Spezifikation 2026-07-28, modelcontextprotocol.io, abgerufen 09.11.2026
  • Anthropic, „Donating the Model Context Protocol and establishing the Agentic AI Foundation“, 09.12.2025
  • Herstellerdokumentationen von GitHub, Atlassian, Sentry und Microsoft (Playwright MCP), abgerufen November 2026

*Stand: November 2026.*

Hat ihnen der Beitrag gefallen? Teilen Sie es mit:
Boris Friedrich

CEO, ADVISORI FTC GmbH

Faktengeprüft von Boris Friedrich

Über den Autor

Boris Friedrich gründete ADVISORI Ende 2014. Als Wirtschaftsinformatiker verbindet er technologische Expertise mit Erfahrung aus Großkonzernen und spezialisierten IT-Beratungen.

Alle Beiträge von Boris Friedrich →

Souveräne KI auf europäischer Infrastruktur

Souveräne KI · ADVISORI

Frontier-KI auf europäischer Infrastruktur

Frontier-Performance, vollständig in Europa und unter europäischem Recht: als lokale Sprachmodelle in Ihrer Infrastruktur oder orchestriert über Synthara AI Studio.

  • EU-Inferenz: kein CLOUD Act, kein Kill-Switch
  • DSGVO-konform auf europäischer Hardware
  • Live in wenigen Wochen, ohne Vendor-Lock-in

Ihr strategischer Erfolg beginnt hier

Unsere Kunden vertrauen auf unsere Expertise in digitaler Transformation, Informationssicherheit, Compliance und Risikomanagement

Bereit für den nächsten Schritt?

Vereinbaren Sie jetzt ein strategisches Beratungsgespräch mit unseren Experten

Strategiegespräch buchen

30 Minuten • Unverbindlich • Sofort verfügbar

Zur optimalen Vorbereitung Ihres Strategiegesprächs:

Ihre strategischen Ziele und Herausforderungen
Gewünschte Geschäftsergebnisse und ROI-Erwartungen
Aktuelle Compliance- und Risikosituation
Stakeholder und Entscheidungsträger im Projekt

Bevorzugen Sie direkten Kontakt?

Direkte Hotline für Entscheidungsträger

Strategische Anfragen per E-Mail

Detaillierte Projektanfrage

Für komplexe Anfragen oder wenn Sie spezifische Informationen vorab übermitteln möchten