Was ist das Model Context Protocol?

Das Model Context Protocol (MCP) ist ein offener Standard, über den KI-Anwendungen wie Claude, ChatGPT oder Programmierumgebungen einheitlich auf externe Datenquellen, Werkzeuge und Dienste zugreifen. Anthropic hat MCP im November 2024 veröffentlicht, seit Dezember 2025 liegt das Protokoll bei der Agentic AI Foundation unter dem Dach der Linux Foundation. Ein MCP-Server beschreibt einmal, was ein System kann, und jede MCP-fähige KI-Anwendung kann diese Fähigkeiten danach nutzen.

Kurzprofil des Begriffs

Wie funktioniert das Model Context Protocol?

Das Model Context Protocol verbindet drei Rollen: Host, Client und Server. Der Host ist die KI-Anwendung, mit der ein Mensch arbeitet, etwa ein Chatfenster oder eine Programmierumgebung. Für jeden angebundenen Server startet der Host einen eigenen Client, der genau eine Verbindung hält. Der Server ist ein Programm, das einem Large Language Model Daten und Funktionen eines bestimmten Systems bereitstellt, zum Beispiel einer Datenbank, eines Kalenders oder eines SEO-Werkzeugs.

Eine typische Anfrage läuft in 4 Schritten ab:

1. Entdecken: Der Client fragt den Server mit tools/list, welche Werkzeuge er anbietet. Jedes Werkzeug kommt mit Name, Beschreibung und einem JSON-Schema für die Eingaben.
2. Entscheiden: Das Sprachmodell liest die Beschreibungen und entscheidet anhand des Prompts, ob und welches Werkzeug es braucht.
3. Aufrufen: Der Client sendet tools/call mit den passenden Argumenten an den Server.
4. Antworten: Der Server liefert das Ergebnis zurück, und das Modell baut es in seine Antwort ein.

Lokale Server laufen auf demselben Rechner und sprechen über die Standardein- und ausgabe (stdio). Entfernte Server laufen beim Anbieter und sind über Streamable HTTP erreichbar, für die Anmeldung empfiehlt die Spezifikation OAuth.

Welche Bausteine definiert MCP?

MCP definiert 3 Bausteine, die ein Server anbieten kann: Tools, Resources und Prompts.

• Tools: Ausführbare Funktionen, die die KI-Anwendung aufrufen kann, etwa eine Datenbankabfrage, eine Suche oder das Anlegen eines Termins.
• Resources: Datenquellen, die Kontext liefern, etwa Dateiinhalte, Datensätze oder Antworten einer Schnittstelle.
• Prompts: Wiederverwendbare Vorlagen, die eine Interaktion mit dem Modell strukturieren, etwa ein Ablauf für einen Monatsbericht.

In die Gegenrichtung kann ein Server über Elicitation beim Nutzer nachfragen, zum Beispiel um eine fehlende Angabe oder eine Bestätigung vor einer Aktion. Mit der Spezifikation 2026-07-28 ist MCP außerdem zustandslos geworden: Jede Anfrage trägt Protokollversion und Fähigkeiten selbst mit. Die frühere Funktion Sampling, mit der ein Server Textantworten beim Modell des Clients anfordern konnte, ist seitdem als veraltet markiert.

Was ist der Unterschied zwischen MCP und einer API?

Eine API ist die Schnittstelle eines einzelnen Dienstes, MCP ist ein gemeinsames Format, in dem viele solcher Schnittstellen für KI-Anwendungen beschrieben werden. Ein MCP-Server sitzt meist vor einer bestehenden API und übersetzt deren Funktionen in Werkzeuge, die ein Sprachmodell zur Laufzeit findet und versteht.

MCP grenzt sich auch von Retrieval Augmented Generation ab. RAG holt passende Textstellen aus einem Wissensbestand in den Kontext. MCP kann das ebenfalls über Resources leisten, erlaubt aber zusätzlich Aktionen in fremden Systemen.

Welche Rolle spielt MCP für SEO und GEO?

Für SEO und GEO ist MCP in zwei Richtungen wichtig: Als Arbeitswerkzeug für die Analyse und als Zugang, über den KI-Agenten mit Websites und Shops handeln.

Als Arbeitswerkzeug verbindet MCP einen KI-Assistenten direkt mit SEO-Datenbanken, der Search Console, Werbekonten oder dem Content-Management-System. Rankings, Suchvolumen und Kampagnendaten lassen sich dann im Gespräch abfragen und verknüpfen. Mehrere große SEO-Werkzeuge bieten dafür eigene MCP-Server an.

Als Zugang für Agenten verändert MCP, wie Kunden einkaufen und buchen. Beim Agentic Commerce suchen, vergleichen und kaufen KI-Agenten im Auftrag eines Menschen, und Shopsysteme stellen dafür eigene MCP-Server bereit. Google Chrome testet seit Februar 2026 mit WebMCP einen Entwurf der W3C Web Machine Learning Community Group, über den eine Webseite ihre Funktionen direkt im Browser als Werkzeuge für Agenten anmeldet. Wie sich Suchmaschinenoptimierung dadurch verschiebt, beschreibt der Beitrag zu Agentic SEO.

Für Inhalte ändert MCP an den Grundlagen wenig. Ein KI-Crawler liest öffentliche Seiten weiterhin als HTML, und eine llms.txt fasst eine Website als statische Datei für Sprachmodelle zusammen. Ein MCP-Server ergänzt beides um eine Schnittstelle, die Daten auf Anfrage liefert und Aktionen ausführt. Wer in KI-Antworten genannt werden will, braucht deshalb zuerst zitierfähige Inhalte und eine klare Entität, und für Shops, Buchungen und Software zusätzlich einen Weg, auf dem Agenten handeln können. Beides gehört zur Arbeit an der Sichtbarkeit in KI-Systemen.

Wie nutzt eine SEO-Agentur MCP im Alltag?

taismo bindet im Tagesgeschäft mehrere MCP-Server an den KI-Assistenten an, darunter eine SEO-Datenbank, das Google-Ads-Konto, einen Website-Baukasten und einen Social-Media-Planer. Aus dieser Arbeit stammen 3 Regeln:

1. Rechte so eng wie möglich: Werbekonten sind nur lesend angebunden. Ein Modell, das Budgets lesen kann, braucht keinen Zugriff, um sie zu ändern.
2. Zahlen gegenprüfen: Ein MCP-Server reicht die Werte des Dienstes durch, auch fehlerhafte. Eine Keyword-Difficulty von 0 bei hohem Klickpreis ist zum Beispiel ein fehlender Wert. Vor einer Entscheidung wird der Wert deshalb an der echten Suchergebnisseite geprüft.
3. Ausfälle einplanen: Jeder Server ist eine zusätzliche Abhängigkeit. Antwortet er nicht, fehlt dem Assistenten das Werkzeug, und die Abfrage läuft über den direkten Weg zur Schnittstelle.

Wie KI-Agenten Recherche, Analyse und Umsetzung im SEO verändern, zeigt der Magazinbeitrag Wenn KI-Agenten SEO-Arbeit übernehmen.

Welche Sicherheitsrisiken hat MCP?

Das größte Sicherheitsrisiko bei MCP ist, dass ein Sprachmodell Anweisungen aus Werkzeugbeschreibungen und Werkzeugergebnissen genauso ernst nimmt wie die Anweisungen des Nutzers. Daraus entstehen 3 bekannte Angriffswege:

• Prompt Injection: Ein Dokument, eine Webseite oder eine E-Mail, die ein Server zurückliefert, enthält versteckte Anweisungen an das Modell.
• Tool Poisoning: Ein manipulierter Server versteckt Anweisungen in der Beschreibung eines Werkzeugs. Sicherheitsforscher haben dieses Muster im April 2025 öffentlich beschrieben.
• Lücken in Server-Software: MCP-Server sind Programme mit eigenen Schwachstellen. Im Juli 2025 wurde mit CVE-2025-6514 eine kritische Lücke im verbreiteten Hilfsprogramm mcp-remote bekannt.

Vier Maßnahmen senken das Risiko deutlich: Server nur aus vertrauenswürdigen Quellen installieren, jedem Server nur die nötigen Rechte geben, schreibende Aktionen vom Menschen bestätigen lassen und Server regelmäßig aktualisieren.

Häufige Fragen zum Model Context Protocol

Was ist ein MCP-Server?
Ein MCP-Server ist ein Programm, das die Daten und Funktionen eines Systems im Format des Model Context Protocol bereitstellt. Er läuft lokal auf dem eigenen Rechner oder als entfernter Dienst beim Anbieter.

Ist das Model Context Protocol kostenlos?
Ja. Das Protokoll und die offiziellen SDKs sind Open Source. Kosten entstehen bei den angebundenen Diensten, etwa durch Abrufkontingente einer SEO-Datenbank oder die Nutzung des Sprachmodells.

Braucht meine Website einen eigenen MCP-Server?
Für eine reine Informationswebsite ist ein eigener MCP-Server meist nicht nötig, dort tragen gut lesbares HTML und strukturierte Daten die Sichtbarkeit. Für Shops, Buchungssysteme und Software, bei denen KI-Agenten Aktionen ausführen sollen, lohnt sich die Prüfung.

Welche KI-Anwendungen unterstützen MCP?
MCP wird unter anderem von Claude, ChatGPT, Visual Studio Code und Cursor unterstützt. OpenAI hat das Protokoll im März 2025 übernommen, Google DeepMind hat die Unterstützung im April 2025 angekündigt.