🗺️ Einsatz & Vergleich

Wofür sich MCP-Agenten lohnen, wie sich MCP von klassischem Function Calling und Plattform-Plugins unterscheidet – und wie mehrere Server gleichzeitig an einem Host hängen.

🏛️Architektur: viele Server an einem Host

Pro Server ein eigener Client und eine eigene Verbindung. Server sehen einander nicht – nur der Host kennt alle und entscheidet, was das Modell sieht.

🧑Nutzer🖥️ Host-Anwendung (z. B. Claude Code)🧠LLMsieht nur Tool-Listen🔌 MCP-Client 1eigene 1:1-Verbindungstdio🛠️ filesystemMCP-Server · JSON-RPC 2.0🌐 Lokale Dateien🔌 MCP-Client 2eigene 1:1-Verbindungstdio🛠️ fetchMCP-Server · JSON-RPC 2.0🌐 Webseiten (HTTP)🔌 MCP-Client 3eigene 1:1-Verbindungstdio🛠️ gitMCP-Server · JSON-RPC 2.0🌐 Git-Repository🔌 MCP-Client 4eigene 1:1-Verbindungstdio🛠️ memoryMCP-Server · JSON-RPC 2.0🌐 Wissensgraph (JSON-Datei)🔌 MCP-Client 5eigene 1:1-VerbindungStreamable HTTP + OAuth🛠️ Remote-ServerMCP-Server · JSON-RPC 2.0🌐 SaaS-Dienst
Isolation
Ein Server kann nicht die Daten eines anderen lesen. Ein manipulierter Fetch-Server kommt nicht an die Dateien des Filesystem-Servers – außer über das Modell (Prompt Injection!).
Namensräume
Gleichnamige Tools (zwei Server mit „search“) trennt der Host per Präfix, in Claude Code mcp__server__tool.
Kontext kostet
Jede Tool-Beschreibung landet im Kontext des Modells. Schon die Referenzserver Filesystem, Git und Memory bringen zusammen 35 Tools mit – knappe, präzise Beschreibungen sparen Tokens und Fehlgriffe.

🎯Einsatzszenarien

💻

Softwareentwicklung

Dateien im Projekt lesen und ändern, Git-Status und -Historie abfragen, Commits vorbereiten – mit Freigabe durch den Menschen.

read_text_file · git_status · git_log

🌐

Recherche

Aktuelle Webseiten abrufen und als Markdown zusammenfassen; lange Seiten abschnittsweise über start_index lesen.

fetch

🧠

Gedächtnis

Wissen über Sitzungen hinweg speichern: Personen, Projekte und Beziehungen als Wissensgraph.

create_entities · search_nodes

🕒

Termine & Zeitzonen

Uhrzeiten zwischen Zeitzonen umrechnen, z. B. für Besprechungen mit Teams in anderen Ländern.

convert_time

🎫

Support & Tickets

Dokumentation durchsuchen und daraus ein Ticket anlegen (erfundene Beispiel-Tools).

search_docs · create_ticket

🤖

Agenten-Workflows

Mehrere Server in einem Auftrag kombinieren: Seite abrufen → Notiz schreiben → im Gedächtnis ablegen → Commit vorbereiten.

fetch → write_file → create_entities → git_add

⚖️MCP vs. Function Calling vs. Plugins

MCP ersetzt Function Calling nicht – es baut darauf auf: Der Host reicht MCP-Tools über das Function Calling seines Modells weiter.

FrageFunction Calling direktPlattform-Plugins (z. B. ChatGPT-Plugins 2023, eingestellt)MCP
Wo steht die Tool-Definition?Im Code der eigenen App, im Format des Modell-AnbietersManifest + OpenAPI-Beschreibung beim Plattform-AnbieterIm MCP-Server; der Host holt sie zur Laufzeit per tools/list
WiederverwendungPro App (und pro Anbieter-API) neuNur auf der einen PlattformEin Server für viele Hosts (Claude Code, Claude Desktop, IDEs …)
ProtokollKein eigenes – die App führt die Funktion selbst ausHTTP-Aufrufe gemäß OpenAPIJSON-RPC 2.0 über stdio oder Streamable HTTP
Lokal möglich?Ja (im Prozess der App)Nein, öffentlich erreichbare URL nötigJa (stdio-Unterprozess) und entfernt (HTTP)
Mehr als Funktionen?NeinNeinJa: Resources, Prompts, Elicitation, Fortschritt, Abbruch
AutorisierungSache der AppPlattformspezifischStandardisiert: OAuth 2.1 (HTTP) bzw. Umgebungsvariablen (stdio)
Entdeckung/ÄnderungenStatisch im CodeBeim Installierentools/list + notifications/tools/list_changed
Schichtenmodell
┌──────────────────────────────────────────────┐
│  Nutzer                                      │
├──────────────────────────────────────────────┤
│  Host  ── Function Calling ──►  LLM          │   Anbieter-API (tools / tool_use)
├──────────────────────────────────────────────┤
│  MCP-Client  ◄── JSON-RPC 2.0 ──► MCP-Server │   Model Context Protocol
├──────────────────────────────────────────────┤
│  MCP-Server  ── HTTP / Datei / SQL ──► Dienst│   beliebig
└──────────────────────────────────────────────┘
✅ MCP lohnt sich, wenn …
… dieselben Werkzeuge in mehreren KI-Anwendungen gebraucht werden, Zugangsdaten vom Modell getrennt bleiben sollen, lokale Daten (Dateien, Postfach) angebunden werden oder Werkzeuge unabhängig von der App weiterentwickelt werden.
🤔 Direktes Function Calling reicht, wenn …
… eine einzelne eigene App ein paar feste Funktionen braucht, jede Millisekunde zählt oder kein zusätzlicher Prozess/Endpunkt betrieben werden soll.