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

Direkte Antwort: MCP (Model Context Protocol) ist ein offener Standard, mit dem KI-Modelle einheitlich auf externe Tools und Datenquellen zugreifen. Er wurde von Anthropic 2024 veröffentlicht und ist die Grundlage, auf der die meisten OpenClaw-Skills mit Diensten wie Google Workspace oder Notion sprechen.

Was ist das Model Context Protocol (MCP)?

Das Model Context Protocol (MCP) ist ein offener Standard, der definiert, wie KI-Modelle mit externen Tools und Datenquellen kommunizieren. Es wurde von Anthropic entwickelt und wird von OpenClaw nativ unterstützt.

Stell dir MCP als eine universelle Steckdose vor: Egal welches Tool du anschließen willst (Google Workspace, Notion, Slack, Datenbanken), das Protokoll sorgt dafür, dass die Kommunikation standardisiert und zuverlässig funktioniert. Vor MCP musste jede LLM-Tool-Integration einzeln gebaut werden — mit MCP gibt es ein gemeinsames Vokabular.

Kontext

MCP wurde Ende 2024 von Anthropic als offener Standard veröffentlicht und seitdem rasant von der Branche aufgegriffen. Es nutzt JSON-RPC 2.0 als Transportformat und definiert ein klares Protokoll für drei Konzepte: Tools (Funktionen, die das Modell aufrufen kann), Resources (Daten, die es lesen kann) und Prompts (vorgefertigte Templates).

Wichtig: MCP ist nicht spezifisch für Claude oder OpenClaw. Es ist ein Standard, an den sich auch andere Modell-Anbieter und Tool-Hersteller halten können. Damit hat MCP das Potenzial, ein "USB-C-Stecker für KI-Tools" zu werden.

Warum ist MCP wichtig?

Ohne einen Standard wie MCP muss jede KI-Integration individuell programmiert werden. Das führt zu:

• Inkompatibilitäten zwischen verschiedenen Tools
• Wartungsaufwand bei API-Änderungen
• Sicherheitslücken durch ad-hoc Implementierungen
• Vendor Lock-In durch proprietäre Protokolle

MCP löst diese Probleme durch ein einheitliches Protokoll. Wer einmal einen MCP-Server für seinen Dienst baut, kann ihn an jeden MCP-fähigen Client (Claude Desktop, OpenClaw, eigene Tools) anschließen.

Funktionsweise

In OpenClaw läuft MCP nach folgendem Schema:

1. MCP Server: Ein lokaler Prozess, der eine bestimmte Datenquelle oder API exposed (z.B. dein Google Calendar)
2. MCP Client: OpenClaw verbindet sich als Client mit den MCP-Servern
3. Tool Calls: Wenn der Agent z.B. einen Termin erstellen will, nutzt er das MCP-Protokoll, um mit dem Calendar-Server zu kommunizieren

Nutzer  ->  "Erstelle einen Termin morgen um 14 Uhr"
              \/
OpenClaw Agent (versteht die Anfrage)
              \/
MCP Client  ->  MCP Server (Google Calendar)
              \/
Termin wird erstellt
              \/
Agent bestaetigt  ->  "Termin fuer morgen 14 Uhr erstellt"

Die Kommunikation läuft typischerweise über stdio (für lokale MCP-Server) oder HTTP+SSE (für entfernte MCP-Server). OpenClaw startet die Server bei Bedarf als Subprozesse und beendet sie wieder, wenn sie nicht gebraucht werden.

Praxis-Beispiel

Ein minimaler MCP-Server-Eintrag in einer OpenClaw-Konfiguration:

{
  "mcpServers": {
    "filesystem": {
      "command": "npx",
      "args": ["-y", "@modelcontextprotocol/server-filesystem", "/home/user/docs"]
    },
    "github": {
      "command": "npx",
      "args": ["-y", "@modelcontextprotocol/server-github"],
      "env": {
        "GITHUB_PERSONAL_ACCESS_TOKEN": "ghp_xxx"
      }
    }
  }
}

Hier registrierst du zwei MCP-Server: einen für den lokalen Filesystem-Zugriff und einen für GitHub. Der Agent kann jetzt Dateien lesen und GitHub-Issues anlegen, ohne dass du selbst eine API-Integration schreiben musst.

MCP vs. direkte API-Integration

| Feature | MCP | Direkte API | | --- | --- | --- | | Standardisiert | Einheitlich | Jede API anders | | Sicherheit | Definierte Rechte | Variiert | | Austauschbar | Provider wechselbar | Hardcoded | | Community | Offenes Ökosystem | Eigenbau | | Setup | Server installieren, fertig | Custom-Code pro Tool |

MCP in der Praxis bei OpenClaw

OpenClaw nutzt MCP für viele seiner Skills. Wenn du z.B. den Google Workspace Skill installierst, startet im Hintergrund ein MCP-Server, der die Google APIs standardisiert bereitstellt. Das bedeutet: Du musst dich nicht um API-Details kümmern. Installiere den Skill, autorisiere den Zugang, und dein Agent kann loslegen.

Du kannst auch eigene MCP-Server bauen — z.B. um auf interne Firmen-APIs zuzugreifen. Das SDK gibt es in TypeScript, Python, Go und weiteren Sprachen.

Häufige Fehler / Stolperfallen

1. MCP mit Tool Use verwechseln: Tool Use ist das, was das LLM tut. MCP ist das Transportprotokoll, über das der Tool-Call läuft.
2. MCP-Server als Black Box behandeln: Lies den Source-Code oder die Doku. Ein MCP-Server hat oft Schreibrechte (Mails versenden, Dateien löschen) — du solltest wissen, welche.
3. Geheimnisse im MCP-Config: Tokens und Passwörter direkt in der JSON-Config sind ein Sicherheitsrisiko. Nutze Umgebungsvariablen oder Secret-Manager.
4. Zu viele Server gleichzeitig: Jeder MCP-Server kostet RAM. Auf einem CX22 (4 GB) solltest du nicht 20 Server parallel laufen lassen.
5. Versionsdrift: MCP entwickelt sich noch. Wenn dein Skill nach einem OpenClaw-Update bricht, prüfe, ob der MCP-Server eine neuere Version braucht.

Verwandte Begriffe

• Tool Use
• Skills
• Gateway
• Soul.md
• Anthropic API
• RAG (Retrieval-Augmented Generation)

Mehr über MCP und fortgeschrittene Integrationen lernst du in Modul 5 der Masterclass.