MCP-Server: Der Guide für Anfänger (inkl. Server-Liste)

In der schnelllebigen KI-Welt fehlt es oft an Standards, die verschiedene Systeme nahtlos miteinander verbinden. MCP (Model Context Protocol ) wurde Ende 2024 von Anthropic als offener Standard vorgestellt, um genau dieses Problem zu lösen.

Es ermöglicht KI-Modellen wie ChatGPT oder Claude, sich auf standardisierte Weise mit externen Datenquellen und Tools zu verbinden.

In diesem Blogartikel tauchen wir ein in die Welt der MCP-Server: Was sie sind, wozu man sie benötigt, welche Tools damit arbeiten und wie du selbst einen solchen Server einrichten kannst.

1. Was sind MCP-Server und wofür werden sie verwendet?

MCP steht für Model Context Protocol. Es handelt sich um einen offenen Standard (also ein Protokoll), der Ende 2024 von Anthropic vorgestellt wurde.

Das Protokoll ermöglicht es KI-Modellen (wie ChatGPT, Claude usw.), standardisiert mit externen Ressourcen zu kommunizieren – seien das Datenbanken, APIs, lokale Dateien oder andere Dienste.

Ein MCP-Server ist also eine Software, die als Schnittstelle zwischen einem KI-Modell und einer bestimmten Ressource fungiert. Der Server „übersetzt" zwischen dem KI-Modell und der jeweiligen Datenquelle oder dem Tool.

Warum ist das wichtig?

Bis MCP gab es keinen einheitlichen Standard. Jedes Tool musste spezifische Integrationen für jeden KI-Anbieter entwickeln. Mit MCP können Entwickler einmal einen Server erstellen, der dann mit allen MCP-kompatiblen KI-Tools funktioniert.

2. Wie funktioniert das Model Context Protocol?

Das Model Context Protocol basiert auf einem Client-Server-Modell:

• MCP-Client: Das ist das KI-Tool oder die Anwendung (z. B. Claude Desktop, Cline, etc.)
• MCP-Server: Eine eigenständige Software, die Zugriff auf bestimmte Ressourcen bereitstellt

Die Kommunikation erfolgt über standardisierte JSON-RPC-Nachrichten. Der MCP-Server kann verschiedene Funktionalitäten bereitstellen:

• Tools: Aktionen, die das KI-Modell ausführen kann (z. B. eine Datei erstellen, eine API aufrufen)
• Resources: Datenquellen, die das Modell lesen kann (z. B. Dateiinhalte, Datenbankeinträge)
• Prompts: Vordefinierte Prompt-Templates für spezifische Aufgaben

3. Welche Tools und Apps unterstützen MCP?

Immer mehr Tools integrieren MCP-Unterstützung. Hier sind einige wichtige:

Desktop-Anwendungen

• Claude Desktop: Die offizielle Desktop-App von Anthropic war eine der ersten mit MCP-Support
• Cline (ehemals Claude Dev): Ein beliebtes VS Code-Plugin für KI-gestütztes Programmieren
• Continue.dev: Ein weiteres Code-Editor-Plugin mit MCP-Integration

Kommandozeilen-Tools

• mcp CLI: Das offizielle Kommandozeilen-Tool von Anthropic
• llm: Simon Willisons Tool mit MCP-Unterstützung

Entwickler-Frameworks

• LangChain: Experimentelle MCP-Integration verfügbar
• CrewAI: Plant MCP-Unterstützung für Multi-Agent-Systeme

4. Beliebte MCP-Server und ihre Anwendungsfälle

Es gibt bereits eine beeindruckende Sammlung von MCP-Servern für verschiedenste Zwecke:

Dateisystem und lokale Ressourcen

• filesystem: Ermöglicht Lesen, Schreiben und Suchen in lokalen Dateien
• everything: Integration mit der Windows Everything-Suchengine
• obsidian: Zugriff auf Obsidian-Vaults und Notizen

Datenbanken

• sqlite: Interaktion mit SQLite-Datenbanken
• postgresql: PostgreSQL-Datenbankzugriff
• mysql: MySQL-Integration

Cloud-Dienste und APIs

• github: GitHub-Repository-Management
• gitlab: GitLab-Integration
• google-drive: Zugriff auf Google Drive-Dateien
• aws: Amazon Web Services-Integration

Produktivitäts-Tools

• slack: Slack-Workspace-Integration
• notion: Notion-Datenbank und -Seiten
• todoist: Aufgabenverwaltung
• calendar: Kalenderzugriff und -verwaltung

5. MCP-Server einrichten: Schritt-für-Schritt

Voraussetzungen

Für die meisten MCP-Server benötigst du:

• Node.js oder Python (je nach Server)
• Ein MCP-kompatibles Tool (z. B. Claude Desktop)
• Grundkenntnisse in JSON-Konfiguration

Beispiel: SQLite MCP-Server einrichten

1. Installation

Die meisten offiziellen MCP-Server sind als npm-Pakete verfügbar:

npm install -g @modelcontextprotocol/server-sqlite

2. Konfiguration in Claude Desktop

Erstelle oder bearbeite die Konfigurationsdatei:

• macOS: ~/Library/Application Support/Claude/claude_desktop_config.json
• Windows: %APPDATA%/Claude/claude_desktop_config.json

Füge diese Konfiguration hinzu:

{
  "mcpServers": {
    "sqlite": {
      "command": "npx",
      "args": ["@modelcontextprotocol/server-sqlite", "/pfad/zu/deiner/datenbank.db"]
    }
  }
}

3. Claude Desktop neu starten

Nach dem Neustart sollte der MCP-Server verfügbar sein. Du kannst dies testen, indem du Claude fragst: „Welche Tools sind verfügbar?"

Wichtige Tipps zur Einrichtung

• Voraussetzungen prüfen: Wie erwähnt, manche Server benötigen zusätzliche Software. Für einen Node.js-basierter MCP-Server muss Node installiert sein, ein Python-basierter benötigt Python. Stelle sicher, dass diese Voraussetzungen erfüllt sind, sonst schlägt der Start fehl. Die Doku eines Servers gibt das meist an. Im Zweifel, wenn etwas nicht läuft, schau in Logfiles oder die Konsole – oft sieht man dort, falls ein Befehl nicht gefunden wurde (z. B. node: command not found).
• Verbindungsart (Transport): Im Hintergrund kommunizieren Client (Tool) und Server über einen sog. Transport – oft STDIO (also der Client startet den Server als Unterprozess und redet über die Ein-/Ausgabe-Pipelines, manchmal auch über WebSocket oder HTTP. Als Anwender musst du das selten wissen, außer wenn du manuell einen Server aufsetzt: Dann könnte es sein, dass du z. B. einen Port einstellen musst oder sicherstellen, dass die Prozesse sich finden. Die Standard-Referenzserver nutzen meist STDIO, was automatisch läuft, wenn der Client den Prozess startet.
• Mehrere Server nutzen: Du kannst auch mehr als einen MCP-Server parallel anbinden. Wenn dein Tool es erlaubt, lassen sich mehrere Server konfigurieren (z. B. einer für Dateien, einer für Websuche, einer für E-Mails). Der KI-Client behandelt sie getrennt, und je nach Anfrage der KI wird der passende Server angesprochen. Es ist also durchaus möglich, ein richtig mächtiges Setup aufzubauen, wo die KI aus vielen Quellen schöpfen kann – und das alles modular und erweiterbar.

6. Liste mit MCP-Servern

Hier findest du eine große Liste an verfügbaren MCP-Servern für verschiedenste Anwendungszwecke: