MCP Server Bild © ChatGPTMCP Server (Bild © ChatGPT)

Durch die Entkopplung der spezifischen Logik einer Datenquelle vom KI-Modell selbst ermöglicht MCP Entwicklern die Erstellung modularer Server für Dienste wie GitHub, Slack und verschiedene Kalendersysteme, die in jede kompatible KI-Anwendung eingebunden werden können.

Zentrale Funktionskomponenten: Tools, Ressourcen und Prompts

Das operative Rahmenwerk eines MCP-Servers basiert auf drei Hauptkomponenten: Tools, Ressourcen und Prompts. Jede davon erfüllt eine eigene Rolle bei der Interaktion der KI mit externen Umgebungen.

Aktive Ausführung über Tools

Tools sind aktionsorientierte Funktionen, die das KI-Modell aufrufen kann, um bestimmte Aufgaben auszuführen. Im Gegensatz zum passiven Abrufen von Daten ermöglichen Tools dem Modell, den Zustand zu ändern oder externe Logik auszulösen, wie beispielsweise das Schreiben in eine Datenbank, den Aufruf einer API oder das Versenden einer E-Mail.

Die technische Umsetzung stützt sich bei der Validierung auf JSON Schema, wodurch sichergestellt wird, dass Ein- und Ausgabedaten konsistent bleiben. Der Prozess folgt einem Ablauf aus Anforderung und Ausführung: Das Modell ermittelt anhand der Benutzerabsicht den Bedarf an einem Tool, fordert den Vorgang über das Protokoll an und empfängt das Ergebnis. Um Sicherheit und Zuverlässigkeit zu gewährleisten, umfassen MCP-Implementierungen in der Regel Mechanismen zur menschlichen Überwachung, wie beispielsweise Genehmigungsdialoge oder detaillierte Aktivitätsprotokolle, die sicherstellen, dass das Modell keine kritischen Aktionen ohne Autorisierung ausführt.

Kontextdaten über Ressourcen

Ressourcen bieten schreibgeschützten Zugriff auf Informationen, die der KI als Kontext dienen. Dabei handelt es sich um passive Datenquellen – wie Dokumentation, Datenbankschemata oder Dateiinhalte –, die eine Anwendung abruft und an das Modell weiterleitet. Ressourcen werden durch eindeutige URIs (Uniform Resource Identifiers) identifiziert und in zwei Typen unterteilt:

  • Direkte Ressourcen: Feste URIs, die auf bestimmte, statische Datenelemente verweisen.
  • Ressourcenvorlagen: Dynamische URIs, die Parameter enthalten, welche flexible Abfragen auf Basis von Benutzereingaben ermöglichen.

Das Protokoll unterstützt zudem ein Abonnementmodell über einen Abhörmechanismus. Dies ermöglicht es dem Client, bestimmte Ressourcen zu überwachen und Benachrichtigungen zu erhalten, sobald die zugrunde liegenden Daten aktualisiert werden, wodurch sichergestellt wird, dass die KI stets mit aktuellen Informationen arbeitet.

Strukturierte Workflows über Prompts

Prompts sind wiederverwendbare, parametrisierte Vorlagen, die die KI bei der Ausführung komplexer Aufgaben anleiten. Während Tools vom Modell ausgelöst und Ressourcen von der Anwendung verwaltet werden, werden Prompts explizit vom Nutzer aufgerufen. Durch die Verwendung vordefinierter Prompt-Vorlagen können Nutzer unstrukturierte Eingaben in natürlicher Sprache vermeiden. Dies gewährleistet einen konsistenten Workflow, indem spezifische Argumente – wie beispielsweise das Budget oder das Reiseziel für einen Reiseplan – verlangt werden, die die KI dann anweisen, die geeignete Kombination aus Tools und Ressourcen zur Erledigung der Aufgabe einzusetzen.

Orchestrierung und Integration mehrerer Server

Der Hauptvorteil der MCP-Architektur liegt in der Fähigkeit, mehrere spezialisierte Server zu einer einzigen KI-Anwendung zusammenzufassen. Dadurch entsteht ein Ökosystem, in dem verschiedene Server unterschiedliche Bereiche abdecken und über eine einheitliche Schnittstelle miteinander kommunizieren.

In einem komplexen Szenario wie der automatisierten Reiseplanung koordiniert das System drei separate Komponenten:

    1. Einen Reiseserver, der Flüge und Hotels verwaltet.
    1. Einen Wetterserver, der Wettervorhersagen bereitstellt.
    1. Ein Kommunikationsserver, der Kalender und E-Mails verwaltet.

Der Prozess beginnt, wenn ein Nutzer eine strukturierte Eingabeaufforderung auslöst. Die KI-Anwendung sammelt zunächst Kontextinformationen, indem sie Ressourcen ausliest – wie beispielsweise die aktuelle Kalenderverfügbarkeit des Nutzers und frühere Reisepräferenzen. Sobald dieser Kontext festgelegt ist, führt das Modell eine Abfolge von Tools auf den verschiedenen Servern aus: Abfrage von Flügen beim Reiseserver, Überprüfung der Vorhersagen beim Wetterserver und schließlich Aktualisierung des Kalenderservers, um Termine zu reservieren.

Diese Koordination verwandelt die KI von einer einfachen Chat-Oberfläche in einen Agenten, der plattformübergreifend agieren kann, und reduziert Aufgaben, die zuvor eine manuelle Koordination über mehrere Apps hinweg erforderten, auf einen optimierten, automatisierten Prozess.