Das Model Context Protocol (MCP) ist ein offener Standard, der Ende 2024 von Anthropic eingeführt wurde und es KI-Anwendungen ermöglicht, über eine gemeinsame Schnittstelle eine Verbindung zu externen Tools und Daten herzustellen. Ein MCP-Server stellt Tools, Ressourcen und Prompts bereit; ein MCP-Client, wie Claude, ChatGPT, Cursor oder VS Code, nutzt diese. Die Überführung von MCP vom Pilotbetrieb in die Produktion bedeutet, den Umfang zu begrenzen, die Authentifizierung zu sichern, Berechtigungen zu kontrollieren, jeden Aufruf zu protokollieren und einen Verantwortlichen zuzuweisen.
Welches Problem löst MCP?
Vor MCP benötigte jeder KI-Assistent eine eigene, maßgeschneiderte Integration für jedes Tool: einen Connector für das CRM, einen weiteren für die Analyseplattform, einen anderen für den Dateispeicher. MCP standardisiert die Verbindung. Erstellen Sie einen Server für Ihr CRM, und jeder MCP-kompatible Client kann ihn nutzen.
Die Akzeptanz verbreitete sich schnell. OpenAI, Google, Microsoft und viele Entwicklertools fügten MCP-Unterstützung hinzu, und Unternehmen wie GitHub, Stripe, Atlassian und HubSpot haben MCP-Server für ihre Produkte veröffentlicht. Für Marketingteams bedeutet dies Assistenten, die Kampagnendaten lesen, eine Datenbank abfragen oder ein Projektboard direkt aktualisieren können.
Wie passt ein MCP-Setup zusammen?
Es gibt drei Teile. Der Host ist die Anwendung, in der der Benutzer arbeitet. Der Client darin unterhält eine Verbindung zu jedem Server. Der Server kapselt ein System und beschreibt, was er anbietet: Tools, die das Modell aufrufen kann, Ressourcen, die es lesen kann, und Prompt-Vorlagen.
Server können lokal auf dem Rechner eines Benutzers über Standard-Ein- und -Ausgabe oder remote über HTTP ausgeführt werden. Remote-Server werden bei den meisten Produktionseinsätzen verwendet, da sie zentral gesichert und überwacht werden können.
Stufe 1: Pilot-Checkliste
Fangen Sie klein an, damit Sie lernen können, ohne zu viel preiszugeben.
- Wählen Sie einen Anwendungsfall, z. B. einem Assistenten das Lesen von Google Analytics 4- oder Search Console-Daten für Berichte zu ermöglichen.
- Bevorzugen Sie, wo vorhanden, einen offiziellen Server des Anbieters gegenüber einem Community-Server.
- Geben Sie ihm zunächst nur Lesezugriff.
- Testen Sie mit einer kleinen Gruppe namentlich genannter Benutzer.
- Schreiben Sie auf, wie Erfolg aussieht: korrekt beantwortete Fragen, Zeitersparnis bei einem Bericht.
Community-Server variieren in Qualität und Wartung. Lesen Sie den Code oder zumindest die Berechtigungen, die er anfordert, bevor Sie einen installieren.
Stufe 2: Sicherheit und Authentifizierung
Die Spezifikation von MCP enthält ein Autorisierungs-Framework auf Basis von OAuth für Remote-Server. Verwenden Sie dieses, anstatt langlebige API-Schlüssel in Konfigurationsdateien einzufügen. Jeder Benutzer sollte sich als er selbst authentifizieren, sodass der Server die bestehenden Berechtigungen dieser Person durchsetzt.
Berücksichtigen Sie auch Prompt-Injection. Wenn ein Server Inhalte aus E-Mails, Webseiten oder Dokumenten zurückgibt, können diese Inhalte Anweisungen enthalten, die auf das Modell abzielen. Behandeln Sie Tool-Ausgaben als nicht vertrauenswürdige Daten und entwerfen Sie den Host so, dass er vor jeder durch sie ausgelösten Schreibaktion um Bestätigung bittet.
Stufe 3: Berechtigungen Tool für Tool definieren
Jedes Tool, das ein Server bereitstellt, ist eine Berechtigung. Überprüfen Sie diese nacheinander:
- Listen Sie jedes Tool auf und markieren Sie es als Lese- oder Schreibzugriff.
- Entfernen Sie Tools, die niemand benötigt; weniger Tools helfen dem Modell auch, die richtige Wahl zu treffen.
- Erfordern Sie eine menschliche Bestätigung für Schreib-Tools, wie das Senden von E-Mails, das Ändern von Budgets oder das Löschen von Datensätzen.
- Beschränken Sie sensible Daten mit Filtern auf der Serverseite, nicht nur durch Anweisungen an das Modell.
- Dokumentieren Sie die Entscheidung für jedes Tool mit Datum und Verantwortlichem.
Stufe 4: Protokollierung und Überwachung
In der Produktion müssen Sie in der Lage sein zu beantworten: Wer hat welches Tool mit welchen Argumenten aufgerufen und was kam zurück? Protokollieren Sie Aufrufe auf dem Server, maskieren Sie persönliche Daten und bewahren Sie Protokolle lange genug für Audits auf. Überwachen Sie Fehler und Latenz, da langsame Tools dazu führen, dass sich Assistenten defekt anfühlen.
Warnungen sind nützlich für ungewöhnliche Muster, wie einen plötzlichen Anstieg von Schreibaufrufen oder Aufrufe außerhalb der Arbeitszeiten.
Stufe 5: Tests und Änderungskontrolle
Behandeln Sie Server wie jede andere Software. Versionieren Sie sie, testen Sie das Tool-Verhalten automatisch und überprüfen Sie Änderungen vor der Bereitstellung. Wenn Sie die Beschreibung eines Tools ändern, testen Sie erneut mit den Clients, die Ihr Team verwendet; Modelle wählen Tools basierend auf diesen Beschreibungen aus, daher können Wortänderungen das Verhalten ändern.
Bewerten mit realen Aufgaben
Erstellen Sie eine Reihe von 30 bis 50 realistischen Anfragen, wie “Vergleiche die organischen Sitzungen des letzten Monats mit dem Vormonat nach Landingpage”. Überprüfen Sie, ob der Assistent die richtigen Tools mit sinnvollen Argumenten aufruft und eine korrekte Antwort liefert. Wiederholen Sie dies nach jeder Server- oder Modelländerung.
Wie Alien Road MCP bei der KI-Optimierung einsetzt
In einem typischen Engagement listet die Discovery die Systeme auf, die das Marketingteam des Kunden am häufigsten für Berichte und Entscheidungen liest: Analytik, Werbeplattformen, CRM, Content-Management. Das Team prüft, welche über offizielle MCP-Server verfügen und welche einen benutzerdefinierten benötigen.
Das Setup beginnt mit Nur-Lese-Servern für Berichtsaufgaben und namentlich genannten Benutzern. Benutzerdefinierte Server werden bei Bedarf mit einer minimalen Tool-Liste, OAuth-Authentifizierung und serverseitiger Protokollierung geschrieben und im Repository des Kunden gespeichert. Schreib-Tools werden erst hinzugefügt, nachdem die Nur-Lese-Phase sauber gelaufen ist.
Die Messung umfasst die Ergebnisse des Evaluierungssets, die Zeit, die vor und nachher für wiederkehrende Berichte aufgewendet wurde, Fehlerraten bei Tool-Aufrufen und alle Sicherheitsereignisse. Die monatliche Berichterstattung enthält eine Stichprobe protokollierter Sitzungen, sodass der Kunde genau sehen kann, worauf der Assistent zugegriffen hat.
Stufe 6: Checkliste für die Produktionsreife
Bevor Sie breit live gehen, bestätigen Sie:
- Jeder Server hat einen namentlich genannten Verantwortlichen und einen Wartungsplan.
- Die Authentifizierung erfolgt pro Benutzer, ohne gemeinsame Schlüssel in Konfigurationsdateien.
- Schreib-Tools erfordern eine Bestätigung.
- Protokolle erfassen Aufrufe mit maskierten persönlichen Daten.
- Das Evaluierungsset besteht auf aktuellen Client-Versionen.
- Benutzer wissen, welche Server genehmigt sind und wie neue angefordert werden können.
Die letzte Zeile ist wichtig, da Benutzer oft selbst Server hinzufügen können. Eine genehmigte Liste hält unbekannte Community-Server aus sensiblen Umgebungen fern.
Wie wählen Sie zwischen offiziellen und benutzerdefinierten Servern?
Offizielle Server werden vom Anbieter gewartet, folgen dessen API-Änderungen und unterstützen normalerweise eine ordnungsgemäße Authentifizierung. Verwenden Sie diese, wann immer sie Ihre Bedürfnisse abdecken. Ihr Nachteil ist der Umfang: Sie können mehr Tools bereitstellen, als Sie möchten. Prüfen Sie daher, ob der Client es Ihnen ermöglicht, einzelne Tools zu deaktivieren.
Benutzerdefinierte Server sind sinnvoll, wenn kein offizieller existiert, wenn Sie mehrere Systeme zu einem einfachen Tool kombinieren müssen oder wenn Sie Filter durchsetzen müssen, die dem Anbieter-Server fehlen. Sie werden auch zu Ihrer Wartungsbelastung. Halten Sie sie klein, dokumentiert und versioniert und planen Sie ein, dass jemand sie aktualisiert, wenn sich die zugrunde liegende API ändert.
Wo man diese Woche anfangen kann
Wählen Sie einen wiederkehrenden Bericht aus, den Ihr Team manuell aus einem einzigen System erstellt. Finden Sie den offiziellen MCP-Server dieses Systems, verbinden Sie ihn nur lesend mit dem Assistenten, den Ihr Team bereits verwendet, und bitten Sie ihn, die Version des Berichts vom letzten Monat zu erstellen. Vergleichen Sie ihn mit dem manuellen. Schreiben Sie die Fehler und die eingesparte Zeit auf und verwenden Sie diese Notizen, um über Stufe zwei zu entscheiden.
Weiterlesen: KI-Optimierung · KI-Optimierung