Apptiva Logo

🚀 MCP – Das Model Context Protocol: Die Zukunft der KI-Integration

Künstliche Intelligenz entwickelt sich rasant – und mit ihr auch die Art, wie Modelle mit externen Systemen interagieren. Nach Function Calling kommt jetzt der nächste große Schritt: das Model Context Protocol (MCP).

Publiziert am von Kevin Rickenbach

Model Context Protocol (MCP)

MCP ist ein Open-Source-Protokoll, das beschreibt, wie KI-Modelle (z. B. GPT-5) sicher mit externen Systemen – etwa Datenbanken, APIs oder Unternehmenssoftware – kommunizieren.
Es schafft also einen Standard für den Wissensaustausch zwischen KI und externen Quellen.

Function Calling

Bevor wir MCP verstehen, lohnt sich ein kurzer Blick zurück auf den Vorgänger.
In diesem Blogpost über Function Calling haben wir gezeigt, wie LLMs strukturierte Funktionen aufrufen können – etwa um Wetterdaten oder Kundendaten aus einer API zu holen.

Doch Function Calling hat klare Grenzen:

  • es ist stateless,
  • vordefiniert und
  • eng gekoppelt an die jeweilige Anwendung.

Und genau hier setzt MCP an.

Was ist MCP?

Das Model Context Protocol (MCP) definiert eine standardisierte Architektur, die es erlaubt, dass ein KI-Modell dynamisch und sicher mit beliebigen Systemen interagieren kann – ohne jedes Tool hart zu verdrahten.

🏗 Architektur im Überblick

  • MCP-Host: Die KI-Anwendung, die einen oder mehrere MCP-Clients koordiniert und verwaltet.
  • MCP-Client: Eine Komponente, die mit einem MCP-Server verbunden ist und Kontext (z. B. Daten, Tools, Wissen) an den MCP-Host liefert.
  • MCP-Server: Ein Programm, das MCP-Clients Kontext bereitstellt – z. B. Zugriff auf Unternehmensdaten, APIs oder Wissensquellen.

📚 Schichtenmodell (Layers)

  1. Datenschicht
    Beschreibt das JSON-RPC-basierte Protokoll für die Client-Server-Kommunikation, inklusive Lebenszyklusmanagement.
  2. Transportschicht
    Regelt den technischen Nachrichtenaustausch zwischen Clients und Servern. Aktuell unterstützt MCP unter anderem Stdio und HTTP – inklusive Autorisierung und Verbindungshandling.

Mehr dazu: Model Context Protocol Architecture

⚙️ Function Calling vs. MCP

🧩 Zustand (State)

  • Function Calling: Stateless – jeder Aufruf steht für sich
  • MCP: Stateful – Sitzungen können Kontext behalten

🧰 Tool-Erkennung

  • Function Calling: Tools müssen hart codiert sein
  • MCP: Dynamische Erkennung verfügbarer Tools

🤝 Agenten-Koordination

  • Function Calling: Einzeln, linear
  • MCP: Multi-Agenten-Koordination möglich

💾 Ressourcenverwaltung

  • Function Calling: Keine
  • MCP: Integrierte Speicher- & Kontextfunktionen

🏗 Architektur

  • Function Calling: Eng gekoppelt
  • MCP: Modular, Client-Server-basiert

💻 Beispiel: MCP in der Praxis

Ein Einstieg in die MCP-Welt gelingt schnell über die offizielle Dokumentation:
👉 Getting Started mit MCP

🚀 Fazit

MCP ist mehr als nur ein neues Feature – es ist ein Paradigmenwechsel in der KI-Architektur.
Während Function Calling die Tür für externe Tools geöffnet hat, baut MCP das ganze Haus drumherum:

  • Standardisierte Kommunikation zwischen KI und Systemen
  • Modulare, sichere Architektur
  • Mehr Kontext, mehr Zusammenarbeit, mehr Intelligenz

Damit ist MCP ein entscheidender Schritt hin zu wirklich vernetzten, unternehmensfähigen KI-Systemen.

Weiterführende Links:

Zum nächsten Artikel→