MCP (Model Context Protocol) - Standard für KI-Tool-Integration

Das Model Context Protocol (MCP) ist ein von Anthropic entwickelter offener Standard, der es KI-Assistenten wie Claude ermöglicht, mit externen Tools, Datenbanken, APIs und anderen Systemen zu interagieren. MCP erweitert KI-Assistenten von reinen Text-Generatoren zu aktiven Agenten, die reale Aktionen ausführen können.

Vor MCP mussten Entwickler für jede KI-Plattform eigene Tool-Integrationen bauen. Mit MCP gibt es einen einheitlichen Standard: Einmal ein MCP-Server für ein Tool entwickeln, und alle MCP-kompatiblen KI-Assistenten können es nutzen.

Wie funktioniert MCP?

Architektur: Client-Server-Modell

MCP basiert auf einer Client-Server-Architektur:

• MCP Client: Der KI-Assistent (z.B. Claude Code, Cursor)
• MCP Server: Ein Programm, das spezifische Tools oder Datenquellen bereitstellt
• Kommunikation: Standardisiertes JSON-basiertes Protokoll

Was kann ein MCP Server bereitstellen?

• Tools: Funktionen, die die KI aufrufen kann (z.B. "Führe Playwright-Test aus")
• Resources: Daten, die die KI lesen kann (z.B. Datenbank-Einträge)
• Prompts: Vordefinierte Prompt-Templates für häufige Aufgaben

MCP in der Praxis: Beispiele

1. Playwright MCP - Browser-Automation

Einer der bekanntesten MCP Server ermöglicht Browser-Automation:

• Was es kann: Webseiten öffnen, klicken, Formulare ausfüllen, Screenshots machen
• Use Case: End-to-End-Tests, Web-Scraping, UI-Debugging
• Beispiel: "Öffne meine Website, klicke auf Login, fülle das Formular aus und mache einen Screenshot"
• Installation: npx @playwright/mcp@latest

2. Filesystem MCP - Datei-Zugriff

Ermöglicht strukturierten Zugriff auf lokale Dateien:

• Dateien lesen und schreiben
• Verzeichnisse durchsuchen
• Datei-Metadaten abrufen

3. Database MCP - Datenbank-Zugriff

Direkte Abfragen von Datenbanken:

• SQL-Queries ausführen
• Schema inspizieren
• Daten analysieren
• Achtung: Nur für Entwicklungs-DBs, nie Production!

4. Git MCP - Versionskontrolle

Git-Operationen direkt durch die KI:

• Commits erstellen
• Branches wechseln
• Diff anzeigen
• History durchsuchen

5. Custom MCP Server

Entwickler können eigene MCP Server für spezifische Tools bauen:

• Zugriff auf interne APIs
• Integration von Legacy-Systemen
• Firmenspezifische Workflows

MCP Setup: Schritt für Schritt

1. MCP Server installieren

Beispiel: Playwright MCP

npm install -g @playwright/mcp@latest

2. MCP Server konfigurieren

In der Claude Code Konfiguration (~/.claude.json):

{
  "mcpServers": {
    "playwright": {
      "command": "npx",
      "args": ["@playwright/mcp@latest"]
    }
  }
}

3. Claude Code neustarten

Nach Config-Änderungen muss die Session neugestartet werden.

4. MCP Server nutzen

In Claude Code:

• Tippe /mcp um verfügbare Server zu sehen
• KI kann automatisch auf Tools zugreifen
• Beispiel: "Öffne https://elasticbrains.de und mache einen Screenshot"

Projekt-spezifische MCP Server

Problem: Globale vs. Projekt-Konfiguration

MCP Server können global oder pro Projekt konfiguriert werden:

• Global: ~/.claude.json unter mcpServers
• Projekt: ~/.claude.json unter projects.<path>.mcpServers

Best Practice

Projekt-spezifische MCP Server in der Projekt-Konfiguration definieren:

{
  "projects": {
    "/Users/me/my-project": {
      "mcpServers": {
        "custom-api": {
          "command": "node",
          "args": ["./mcp-server.js"]
        }
      }
    }
  }
}

MCP Server entwickeln

Grundstruktur eines MCP Servers

Ein MCP Server ist ein Programm, das über stdio kommuniziert:

1. Empfange JSON-RPC Anfragen über stdin
2. Verarbeite die Anfrage (Tool aufrufen, Daten abrufen)
3. Sende JSON-RPC Response über stdout

Beispiel: Einfacher MCP Server (Node.js)

import { MCPServer } from '@anthropic-ai/mcp-sdk';

const server = new MCPServer({
  name: 'my-custom-tool',
  version: '1.0.0'
});

// Tool registrieren
server.addTool({
  name: 'get_weather',
  description: 'Get current weather for a location',
  inputSchema: {
    type: 'object',
    properties: {
      location: { type: 'string' }
    }
  },
  handler: async ({ location }) => {
    // API-Call an Wetter-Service
    const weather = await fetchWeather(location);
    return { temperature: weather.temp, condition: weather.condition };
  }
});

server.start();

MCP SDK

Anthropic bietet SDKs für verschiedene Sprachen:

• Node.js/TypeScript: @anthropic-ai/mcp-sdk
• Python: anthropic-mcp
• Weitere: Community-SDKs für Go, Rust, etc.

MCP im Agentic Coding Workflow

Use Cases für Agentic Coding

• Testing: Playwright MCP für automatisierte UI-Tests
• Debugging: Database MCP für Datenbank-Inspections
• CI/CD: Git MCP für automatisierte Commits und Deploys
• Integration: Custom MCP für firmenspezifische APIs

Beispiel-Workflow

1. Entwickler: "Implementiere Login-Feature und teste es"
2. Claude Code:
   • Generiert Login-Component (Code-Generation)
   • Schreibt Playwright-Test (via MCP)
   • Führt Test aus (via Playwright MCP)
   • Screenshot bei Fehler (via Playwright MCP)
3. Ergebnis: Vollständig getestetes Feature, ohne manuelles Testing

Sicherheit und Best Practices

⚠️ Sicherheitshinweise

• Niemals Production-Datenbanken: MCP mit DB-Zugriff nur für Dev/Staging
• Credentials: Nicht in MCP-Konfiguration hardcoden, nur ENV-Variablen
• Berechtigungen: MCP Server so restriktiv wie möglich konfigurieren
• Review: KI-generierte Änderungen immer reviewen, auch bei MCP-Nutzung

Best Practices

• MCP Server pro Projekt konfigurieren statt global
• Tool-Namen klar und beschreibend wählen
• Input-Schemas strikt definieren (Validation)
• Error-Handling: Klare Fehlermeldungen zurückgeben
• Logging: MCP-Calls für Debugging protokollieren

Die Zukunft von MCP

Emerging Trends

• MCP Marketplace: Zentrale Plattformen für MCP Server (wie npm für Tools)
• Multi-Agent MCP: Mehrere KI-Agenten teilen sich MCP Server
• Bidirectionale MCP: Tools können proaktiv mit der KI kommunizieren
• MCP-as-a-Service: Cloud-gehostete MCP Server für Teams

MCP über Anthropic hinaus

Obwohl von Anthropic entwickelt, ist MCP ein offener Standard:

• OpenAI könnte MCP in GPT-Modelle integrieren
• Open Source LLM-Frameworks (LangChain, LlamaIndex) bauen MCP-Support
• Potenzial für branchenweiten Standard

MCP bei elasticbrains

Bei elasticbrains nutzen wir MCP intensiv:

• Playwright MCP: Automatisierte UI-Tests in allen Frontend-Projekten
• Custom MCP Server: Zugriff auf interne Development-Tools
• Database MCP: Schnelle Datenbank-Analysen während der Entwicklung
• Workshop: In unserem Agentic Coding Workshop lernen Sie MCP-Setup und Best Practices

MCP lernen

In unserem Agentic Coding Workshop behandeln wir MCP ausführlich:

• MCP Server installieren und konfigurieren
• Playwright MCP für automatisierte Tests nutzen
• Custom MCP Server für firmenspezifische Tools entwickeln
• Best Practices für Sicherheit und Performance
• Hands-on: MCP in echten Projekten einsetzen

Weiterführende Ressourcen

• Dokumentation: Anthropic MCP GitHub
• SDK: @anthropic-ai/mcp-sdk (npm)
• Beispiele: Playwright MCP, Filesystem MCP, Database MCP
• Glossar: Agentic Coding, Context Engineering
• Workshop: Agentic Coding Workshop