Ein MCP-Server ist ein Programm, das einer KI-Anwendung über das Model Context Protocol (MCP) Werkzeuge, Daten und Vorlagen zur Verfügung stellt. Über einen MCP-Server kann ein Sprachmodell zum Beispiel Dateien lesen, in GitHub ein Issue anlegen oder eine Datenbank abfragen, ohne dass für jede Kombination aus KI und Werkzeug eine eigene Anbindung nötig ist. Hier erfährst du, wie MCP aufgebaut ist, welche Server verbreitet sind und wie du MCP in Automatisierungen mit n8n und Make nutzt.
Was ist das Model Context Protocol?
MCP ist ein offener Standard, um KI-Anwendungen mit externen Systemen zu verbinden. Die offizielle Dokumentation vergleicht ihn mit einem USB-C-Anschluss: So wie USB-C Geräte über einen einheitlichen Stecker verbindet, verbindet MCP KI-Anwendungen einheitlich mit Datenquellen, Werkzeugen und Abläufen.
Anthropic hat MCP am 25. November 2024 vorgestellt, damals mit fertigen Servern unter anderem für Google Drive, Slack, GitHub, Git, Postgres und Puppeteer. Am 9. Dezember 2025 hat Anthropic das Protokoll an die neu gegründete Agentic AI Foundation übergeben. Das ist ein Fonds unter der Linux Foundation, mitgegründet von Anthropic, Block und OpenAI. Die Linux Foundation zählte damals mehr als 10.000 öffentlich verfügbare MCP-Server.
MCP-Server lassen sich heute unter anderem in Claude, ChatGPT, Visual Studio Code und Cursor einbinden. Die aktuelle Fassung der Spezifikation trägt die Version 2026-07-28.
So funktioniert ein MCP-Server
MCP folgt einem Client-Server-Aufbau mit drei Beteiligten:
- Host: die KI-Anwendung, etwa Claude Desktop oder VS Code.
- Client: eine Komponente im Host, die genau eine Verbindung zu einem Server hält.
- Server: das Programm, das Werkzeuge und Daten bereitstellt.
Die Nachrichten laufen im Format JSON-RPC 2.0. Der Client fragt mit tools/list ab, welche Werkzeuge ein Server anbietet, und gibt diese Liste an das Sprachmodell weiter. Entscheidet sich das Modell für ein Werkzeug, schickt der Client einen Aufruf mit tools/call samt Eingaben, der Server führt ihn aus und liefert das Ergebnis zurück. Jedes Werkzeug beschreibt seine Eingaben mit einem JSON-Schema.
Ein Server kann drei Arten von Bausteinen anbieten:
| Baustein | Wofür | Beispiel |
|---|---|---|
| Tools | Aktionen, die die KI ausführt | Datei schreiben, API aufrufen, Datenbank abfragen |
| Resources | Daten als Kontext | Dateiinhalt, Datensatz, Datenbankschema |
| Prompts | wiederverwendbare Vorlagen | Systemanweisung, Beispiele für die Nutzung der Tools |
Umgekehrt kann ein Server über „Elicitation“ beim Nutzer nachfragen, etwa um eine Aktion bestätigen zu lassen. Mit Version 2026-07-28 ist das Protokoll zustandslos: Jede Anfrage trägt Protokollversion und Fähigkeiten selbst mit. Die Client-Funktionen Roots und Sampling sind seitdem veraltet.
Lokale und Remote-MCP-Server
| Lokaler MCP-Server | Remote-MCP-Server | |
|---|---|---|
| Läuft | auf deinem Rechner | beim Anbieter im Netz |
| Verbindung | Standard-Ein- und -Ausgabe (stdio) | Streamable HTTP |
| Anmeldung | über lokale Konfiguration | Token oder API-Schlüssel, empfohlen OAuth |
| Bedient | meist einen Client | viele Clients |
| Beispiel | Filesystem-Server | Sentry-Server, GitHub-Server |
Für Automatisierungen in der Cloud brauchst du in der Regel Remote-Server, weil n8n oder Make keine Programme auf deinem Rechner starten.
Beispiele für verbreitete MCP-Server
Das MCP-Projekt pflegt eine kleine Zahl von Referenz-Servern, die zeigen, wie das Protokoll funktioniert. Daneben bieten viele Hersteller eigene Server an.
| Server | Herkunft | Was er der KI ermöglicht |
|---|---|---|
| Filesystem | Referenz-Server | Dateien lesen und schreiben, mit einstellbaren Zugriffsgrenzen |
| Git | Referenz-Server | Git-Repositories lesen, durchsuchen und bearbeiten |
| Fetch | Referenz-Server | Webseiten abrufen und für das Modell aufbereiten |
| Memory | Referenz-Server | dauerhaftes Gedächtnis als Wissensgraph |
| Time | Referenz-Server | Zeit- und Zeitzonen-Umrechnung |
| GitHub MCP Server | GitHub | Code lesen, Issues und Pull Requests verwalten, lokal oder remote |
| Sentry MCP Server | Sentry | Fehlerdaten aus Sentry abrufen, als Remote-Server |
Frühere Referenz-Server etwa für Slack, Google Drive, PostgreSQL oder GitHub hat das Projekt archiviert. Für GitHub gibt es inzwischen den offiziellen Server von GitHub selbst. Weitere Server findest du in der offiziellen MCP Registry. Prüfe dort vor allem, wer einen Server veröffentlicht hat.
MCP in Automatisierungen mit n8n und Make
n8n unterstützt MCP in beide Richtungen. Der Node „MCP Client Tool“ gibt einem AI-Agent-Node die Werkzeuge eines externen MCP-Servers, mit Anmeldung per Bearer-Token, Header oder OAuth2. Der Node „MCP Server Trigger“ macht n8n selbst zum MCP-Server: Er stellt die angehängten Werkzeuge unter einer URL bereit, auch ganze Workflows über den Node „Custom n8n Workflow Tool“. Er unterstützt Server-Sent Events und Streamable HTTP, stdio dagegen nicht.
Zusätzlich gibt es den instanzweiten MCP-Zugang. Du schaltest ihn unter Settings, Instance-level MCP ein. Clients wie Claude, ChatGPT oder Cursor können dann Workflows durchsuchen und die Workflows ausführen, die du ausdrücklich freigegeben hast. Standardmäßig ist kein Workflow freigegeben. Wie du einen Agenten in n8n aufbaust, zeigt KI-Agent mit n8n.
In Make kannst du einem AI Agent Werkzeuge von externen MCP-Servern geben, neben Modulen, Szenarien und anderen Agenten. Das hilft bei Aktionen, für die es in Make keine fertige App gibt. Mehr zur Plattform steht auf der Seite zu Make.
Schritt für Schritt: MCP-Server in einen Agenten einbinden
- Lege fest, welche Aufgabe der Agent erledigen soll und welches System er dafür braucht.
- Suche den passenden Server, bevorzugt vom Hersteller des Systems selbst oder aus der offiziellen Registry.
- Prüfe, ob er lokal oder remote läuft und welche Anmeldung er verlangt.
- Lege einen eigenen Zugang mit möglichst wenigen Rechten an, zum Beispiel nur lesend.
- Trage die Server-URL und die Anmeldung im Client ein, in n8n im MCP Client Tool.
- Schalte nur die Werkzeuge frei, die der Agent wirklich braucht.
- Teste mit echten Beispielen und prüfe in den Ausführungsdetails, welche Werkzeuge der Agent aufgerufen hat.
Die vollständige Planung eines Agenten beschreibt KI-Agent erstellen, konkrete Einsatzfälle zeigen die Beispiele für KI-Agenten.
Typische Fehler mit MCP-Servern
- Zu viele Server gleichzeitig: Das Modell bekommt lange Werkzeuglisten und wählt schlechter.
- Server aus unbekannter Quelle: Er erhält Zugriff auf deine Daten und Konten.
- Volle: Rechte für den Zugang, obwohl Lesen genügt.
- Lokale stdio-Server in Cloud-Automatisierungen eingeplant, die dort nicht laufen.
Welche Angriffe es auf MCP-Server gibt und wie du sie abwehrst, erklärt kiagentensicherheit.de. Wie du MCP-Server in Claude Code einrichtest und nutzt, zeigt claudekurs.de.