Model Context Protocol (MCP)

Das Model Context Protocol (MCP) ist ein offener Standard, den Anthropic im November 2024 vorgestellt hat. Er legt fest, wie eine KI-Anwendung mit externen Fähigkeiten kommuniziert. Ein MCP-Server stellt Tools (Aktionen, die das Modell aufrufen kann), Ressourcen (Daten, die es lesen kann) und Prompts (wiederverwendbare Vorlagen) bereit. Ein MCP-Client innerhalb eines Hosts, etwa eines IDE-Assistenten oder einer Chat-App, erkennt diese Fähigkeiten und lässt das Modell sie nutzen. Die Nachrichten verwenden JSON-RPC 2.0, bei lokalen Servern über Standard-Ein-/Ausgabe, bei entfernten Servern über HTTP. Ein einmal geschriebener Server funktioniert mit jedem Client, der das Protokoll unterstützt.

Beispiel: Browser-Automatisierung für einen Assistenten

Der Playwright-MCP-Server ermöglicht es einem Assistenten, Seiten zu öffnen, den Accessibility Tree zu lesen, zu klicken und Text einzugeben. Eine typische Client-Konfiguration:

{
  "mcpServers": {
    "playwright": {
      "command": "npx",
      "args": ["@playwright/mcp@latest"]
    }
  }
}

Ist das konfiguriert, können Sie den Assistenten bitten, „die Login-Seite auf Staging zu öffnen, sich als Testnutzer anzumelden und alle Konsolenfehler zu melden“, und er ruft die Browser-Tools Schritt für Schritt auf. Andere Server stellen beispielsweise die Issues eines Git-Hosts, eine Datenbank oder eine interne API bereit. So kann derselbe Assistent ein Bug-Ticket lesen, den Fehler im Browser reproduzieren und einen Testentwurf schreiben.

Etabliert und im Entstehen

Etabliert: das Protokoll selbst und die breite Unterstützung durch Assistenten, IDEs und Tool-Hersteller. Ein internes Tool als MCP-Server zu kapseln ist ein vernünftiges, gut dokumentiertes Stück Engineering.

Im Entstehen: MCP-gesteuerte Agenten als Teil eines Testprozesses einzusetzen. Explorative Sessions, das Reproduzieren von Bugs und das Entwerfen von Testcode sind heute schon nützlich, sofern ein Mensch das Ergebnis prüft. Den Lauf eines Agenten als verlässlichen Regressionscheck zu behandeln ist es nicht, denn seine Schritte sind nicht deterministisch und er kann Erfolg melden, ohne das Richtige verifiziert zu haben. Generierte Tests sollten als gewöhnlicher Code committet und wie jeder andere Code reviewt werden.

Risiken, die Sie im Blick behalten sollten

• Prompt Injection über Tools. Seiteninhalte, Tickets und Tool-Ausgaben sind nicht vertrauenswürdiger Text, der das Modell steuern kann.
• Zu weit gefasste Berechtigungen. Ein Server mit Schreibzugriff auf Produktionsdaten oder mit Zugangsdaten in seiner Umgebung macht aus einem Fehler des Modells einen Sicherheitsvorfall. Geben Sie Servern den engsten möglichen Scope und richten Sie sie auf Testumgebungen aus.
• Nicht vertrauenswürdige Server. Ein MCP-Server eines Drittanbieters führt Code auf Ihrem Rechner aus und beschreibt dem Modell seine eigenen Tools; prüfen Sie ihn wie jede andere Abhängigkeit.