Das Model Context Protocol (MCP) ermöglicht die Veröffentlichung von Tools, Datenressourcen und Prompts durch einen MCP-Server in einer Form, die von Large Language Models (LLMs) verstanden werden kann. Dadurch können LLMs über einen MCP-Client autonom mit diesen Ressourcen interagieren und ihre Fähigkeiten zur Durchführung von Aktionen, zum Abrufen von Informationen und zur Ausführung komplexer Workflows erweitern.
Was wird von MCP unterstützt?
- Werkzeuge: Funktionen, die ein LLM aufrufen kann (z. B. Datenabfragen, operative Aufgaben)
- Ressourcen: Dateiähnliche Daten, die ein LLM lesen kann (z. B. API-Antworten, Dateiinhalte)
- Eingabeaufforderungen: Vorgefertigte Vorlagen zur Steuerung der LLM-Interaktion mit dem Server
- Sampling (nicht weit verbreitet): Ermöglicht die Nutzung von auf Clients gehosteten LLMs durch entfernte MCP-Server
Ein MCP-Client kann daher eine Liste der verfügbaren Werkzeuge anfordern, bestimmte Werkzeuge aufrufen, Ressourcen auflisten oder Ressourceninhalte von einem Server lesen.
Wie handhabt MCP den Transport und die Authentifizierung?
Das MCP-Protokoll bietet flexible Transportoptionen, einschließlich STDIO oder HTTP (SSE oder Streamable-HTTP) für lokale Einsätze und HTTP (SSE oder Streamable-HTTP) für entfernte Einsätze.
Während das Protokoll OAuth 2.1 für die Authentifizierung vorschlägt, kann ein MCP-Server auch benutzerdefinierte Header für die Sicherheit verwenden.
Was ist die Aufgabe eines MCP-Servers?
MCP-Server sind leichtgewichtige Programme, die bestimmte Fähigkeiten über das standardisierte Model Context Protocol zur Verfügung stellen. Diese Server stellen die Werkzeuge zur Verfügung, die von KI-Agenten genutzt werden können.
Server können lokale Datenquellen anbieten, z. B. Dateien, Datenbanken und Dienste, auf die MCP-Server lokal zugreifen können, oder Ferndienste, bei denen es sich um externe Systeme handelt, die über das Internet (z. B. über APIs) verfügbar sind und mit denen sich MCP-Server verbinden können.
Was ist die Rolle eines MCP-Kunden?
MCP-Clients greifen auf die von MCP-Servern bereitgestellten Fähigkeiten zu. MCP-Clients werden von MCP-Hosts (KI-Modellen) verwendet, um Daten oder Aktionen von MCP-Clients anzufordern, die die Anfragen des KI-Modells an MCP-Server weiterleiten, die ihrerseits den Zugriff auf die angeforderten Daten oder Fähigkeiten ermöglichen.
Was hat MCP mit dem Aufbau von KI-Agenten zu tun?
MCP hat das Potenzial, den KI-Agenten die Nutzung einer wachsenden Liste vorgefertigter MCP-Integrationen zu erleichtern und den Zugang zu den Fähigkeiten bestimmter externer Tools zu vereinfachen. In dem Maße, wie das MCP-Ökosystem wächst, werden immer mehr dieser Integrationen geschaffen werden, und alle werden für KI-Agenten, die mit verschiedenen Tools entwickelt wurden, leicht zugänglich sein.
Viele Erstanwender von MCP nutzten es zur Entwicklung von Integrationen mit ihren eigenen, individuell entwickelten Werkzeugen, so dass die MCP-Unterstützung die Integration mit solchen selbst entwickelten Lösungen für die Benutzer möglicherweise einfacher macht.
Wie verhält sich MCP zur API-Verwaltung?
API-Verwaltungsplattformen dienen als zentrale Punkte für die Erkennung und Kontrolle von Anwendungsfunktionen. Diese Aufgabe lässt sich gut mit den von MCP definierten Diensten in Einklang bringen. Auf der Anbieterseite können API-Verwaltungslösungen die Aufnahme von MCP-Unterstützung in die Informationen zu jeder API erleichtern und sie sofort für die Nutzung durch KI-Agenten öffnen, unabhängig davon, ob diese Agenten mit speziellen Tools zur Agentenentwicklung oder mit Lösungen von Drittanbietern erstellt werden.
In der Zwischenzeit werden die Nutzer von MCP-Tools weiterhin Mechanismen benötigen, um herauszufinden, welche Tools verfügbar sind, und die Manager dieser Tools müssen in der Lage sein, den Zugriff, die Versionierung und die Leistung zu kontrollieren.
Trotz einiger Behauptungen, dass MCP APIs überflüssig machen wird, werden APIs auf absehbare Zeit Teil des IT-Ökosystems von Unternehmen bleiben, zumindest als Brücke für Altsysteme, da MCP in erster Linie die zugrundeliegende Komplexität der API-Implementierung abstrahiert, anstatt sie vollständig zu beseitigen.
Mit API-Verwaltungsplattformen können Benutzer Tools erstellen und verwalten, die sowohl mit MCP als auch mit bestehenden API-basierten Systemen, einschließlich kundenspezifisch entwickelter Systeme, arbeiten und sowohl bestehende Ansätze als auch neu entstehende Standards abdecken.
Wie verhält sich MCP zu A2A?
A2A (Agent-to-Agent Protocol) zielt darauf ab, die Kommunikation und Zusammenarbeit zwischen Agenten zu standardisieren. Durch ein Client-Server-Modell ermöglicht es der KI, sich sicher und dynamisch mit externen Ressourcen (Datenbanken, APIs, Dateisystemen usw.) zu verbinden. Es definiert, wie Agenten sich gegenseitig entdecken (Agentenkarte), Informationen austauschen und Aktionen koordinieren.
Im Gegensatz dazu konzentriert sich MCP auf die Standardisierung der Art und Weise, wie Anwendungen den LLMs Kontext (Daten und Werkzeuge) zur Verfügung stellen. Mit anderen Worten: Während MCP sich auf die Verwaltung der "vertikalen" Verbindung zwischen Agenten und Werkzeugen konzentriert, zielt A2A darauf ab, die "horizontale" Kommunikation zwischen Agenten zu erleichtern.
Derzeit wird A2A als Ergänzung zu MCP positioniert, wobei eine klare Unterscheidung zwischen "Agent" und "Tool" vorausgesetzt wird. Diese Grenze wird jedoch zunehmend verwischt. Die Tools werden immer intelligenter und tendieren zur "Agentifizierung"; auch die Agenten sind in hohem Maße auf Tools angewiesen. In dem Maße, in dem der A2A-Standard in der gesamten Branche angenommen wird, wird seine Einbindung in Rahmenwerke für die Kommunikation zwischen Agenten untersucht werden.
Was sind die Unternehmensvorteile von MCP?
Durch die Einführung von MCP können Unternehmen mehrere Vorteile erzielen:
- Vorgefertigte Integrationen: Bietet eine wachsende Liste von Integrationen, die direkt in Large Language Models (LLMs) integriert werden können
- Flexibilität bei LLM-Anbietern: Ermöglicht Unternehmen den einfachen Wechsel zwischen verschiedenen LLM-Anbietern und Anbietern
- Verbesserte Datensicherheit: Bereitstellung von Best Practices zur Sicherung von Daten innerhalb der bestehenden Infrastruktur eines Unternehmens
- Vereinfachte Integration von KI-Agenten: Entwickelt, um Unternehmen bei der Integration von KI-Agenten in ihre bestehenden Software-Tools zu unterstützen
- Leichterer Zugang zu externen Tools: Erleichterter Zugang für KI-Agenten zu den Fähigkeiten bestimmter externer Tools, da das MCP-Ökosystem erweitert wird
- Verbesserte Integration mit benutzerdefinierten Werkzeugen: Potenzielle Vereinfachung der Integration mit selbstentwickelten Lösungen für Benutzer
