MCP und KI: Weshalb MCP das KI-Potential freischaltet

Was ist eigentlich MCP von dem alle sprechen? MCP steht für „Model Context Protocol“, es ist praktisch so etwas wie der USB-Anschluss für KI-Modelle, also ein Standard zur Kommunikation zwischen Modellen und Tools. Einfach erklärt kannst du es dir so vorstellen, dass ein LLM (Large Language Model) zwar chatten kann, wie du es von ChatGPT kennst aber prinzipiell erst einmal nicht viel mehr. MCP gibt dem LLM den Zugriff auf andere Applikationen, auch jene die initial nicht für die Bedienung via KI vorgesehen sind.

MCP ändert alles. Warum?

Bisher konnte ein LLM chatten oder via Einsatz in einem KI-Agenten bestimmte Tools „steuern“, jedoch nie 100%ig zuverlässig bzw. nachvollziehbar. MCP stellt eine standardisierte Schicht bereit, über die LLMs strukturierte API-Aufrufe an Applikationen senden können. Somit werden die Umsetzungen robuster und zuverlässiger, da ein LLM innerhalb eines Agenten selbst den Prompt generiert, mit dem es Anwendungen anspricht. Beim Einsatz von MCP werden klar definierte Regeln und Befehle befolgt, somit lassen sich Anwendungen gezielter, effizienter und zuverlässiger nutzen. Des Weiteren ist eine Skalierbarkeit wesentlich einfacher, da man hier in Microservices denken kann. Man kann für jede Applikation einen MCP-Server laufen lassen und das Beste, es geht alles lokal! 

MCP in der Praxis

Ein bekanntes Beispiel, welches man sich durch die Verwendung von MCP-Servern selbst lokal erstellen kann, wäre eine Programmierumgebung, bei der ein lokales LLM die Entwicklungsumgebung bedient und somit auf einfache natürliche Eingaben Programme entwickeln kann. So etwas bieten heute schon Anbieter wie Lovable, Rork oder Cursor an und ist bekannt unter dem Begriff des Vibe-Coding. Jedoch muss man so für diesen Dienst nichts bezahlen (die geeignete Hardware vorausgesetzt).  

Da man MCP-Server selbst erstellen kann, ist man in der Lage, für nahezu alle seine Programme MCP-Schnittstellen zu entwickeln und diese via lokalem LLM steuern zu lassen. NetworkChuck erklärt dies super in seinem Video.  

Benötige ich durch MCP also keine KI-Agenten mehr?

Doch, denn MCP sollte man als Microservice sehen, nicht als großes Ganzes, wie es bei Agenten möglich ist. Zudem lassen sich MCP-Server auch in Agenten einbinden. Auch das alles lokal. Man kann also seine Prozesse automatisieren, erhält nun jedoch wesentlich bessere Ergebnisse und hat eine größere Bibliothek an Anwendungsfällen und auch jene Anwendungen, die vorher nicht bedienbar waren via LLM werden es nun. Somit steigert MCP auch im Falle des Einsatzes von KI-Agenten die Produktivität und die Effizienz. Agenten bleiben die ausführende Intelligenz, MCP ist die Schnittstelle, die dir robuste, standardisierte Zugriffe auf Anwendungen ermöglicht. 

MCP ist also kein weiteres KI-Buzzword, sondern der nächste logische Schritt, um LLMs produktiv, nachvollziehbar und lokal einsetzbar zu machen. 

Wenn du erfahren möchtest, wie MCP deine KI-Landschaft optimieren kann, entdecke unsere AaaS-Leistungen. Und falls du neugierig bist: Unser Chatbot und KI-Bewerbungsagent warten schon auf deinen Test.