MCP — das Model Context Protocol — gehört zu den größten Fortschritten bei KI-Integrationen der vergangenen zwei Jahre. Anthropic führte es Ende 2024 ein; OpenAI, Google und Microsoft übernahmen es im Laufe des Jahres 2025. 2026 ist MCP ein verbreiteter Weg, KI mit Werkzeugen zu verbinden, ohne jede Integration für jeden Anbieter neu entwickeln zu müssen.
Sie müssen kein Entwickler sein, um davon zu profitieren. Es genügt zu verstehen, was MCP ist, welche Server zu Ihrem Anwendungsfall passen und wie Sie diese installieren und konfigurieren. Dieser Artikel erklärt es ohne Entwicklungsvorkenntnisse.
Was MCP tatsächlich ist
MCP standardisiert, wie KI-Assistenten Werkzeuge anbinden. Zuvor besaß jedes KI-System eine eigene Integrationslogik: ChatGPT verwendete zunächst Plugins und später Custom-GPT-Aktionen, Claude einen separaten Ansatz und jedes Framework wiederum einen eigenen. Deshalb erforderte „Meine KI soll Gmail lesen“ je nach KI-Werkzeug unterschiedliche Implementierungen.
MCP löst dieses Problem mit einem gemeinsamen Protokoll: dem offenen, von Anthropic betreuten und herstellerübergreifend übernommenen Model Context Protocol. Ein MCP-Server ist ein kleines Programm, das Funktionen eines Werkzeugs bereitstellt — Kalenderereignisse lesen, Slack-Nachrichten senden oder Notion durchsuchen. Ein MCP-Client ist ein KI-Assistent, der dieses Protokoll beherrscht, etwa Claude, ChatGPT oder Cursor.
Sobald ein Server für ein Tool existiert, kann jeder kompatible KI-Assistent ihn verwenden. Sobald ein Client MCP unterstützt, kann er mit jedem kompatiblen Server kommunizieren. Die kombinatorischen Einsparungen sind enorm.
Die passende Analogie: MCP ist für KI, was USB für Hardware ist. Vor USB benötigte jedes Gerät einen eigenen Anschluss. Mit USB lassen sich Geräte standardisiert verbinden. MCP übernimmt diese Rolle bei KI-Integrationen.
Was Sie heute mit MCP tun können
Die Liste verfügbarer MCP-Server ist 2026 umfangreich und wächst weiter. Wichtige Kategorien:
Produktivität:
- Gmail, Outlook, Google Calendar, Microsoft Calendar
- Notion, Obsidian, Roam Research, Logseq
- Slack, Discord, Teams
- Linear, Jira, Asana, Trello, Monday
- Google Drive, Dropbox, OneDrive, S3
Entwicklung:
- GitHub, GitLab, Bitbucket
- Cursor-Dateisystem, Terminal, Browser
- Docker, Kubernetes
- AWS, GCP, Azure (standardmäßig nur Lesezugriff)
- Postgres, MySQL, MongoDB (häufig nur Lesezugriff)
Web:
- Brave Search, Google Search, Tavily, Exa
- Browser-Automatisierung (Playwright, Puppeteer-basiert)
- Spezifische Web-Scraping-Tools
Daten:
- Sheets, Airtable
- Verschiedene Datenbanken über benutzerdefinierte Verbindungen
- BI-Tools (Metabase, Cube)
Spezialisiert:
- Stripe, QuickBooks (für Finanzen)
- Salesforce, HubSpot (CRM)
- Calendly, Cal.com (Planung)
- Twilio (SMS)
Für die meisten verbreiteten Werkzeuge gibt es mindestens einen von der Community gepflegten MCP-Server, für viele auch einen offiziellen.
Ihren ersten MCP-Server einrichten
Gehen wir die praktische Einrichtung anhand von Claude Desktop und einem Gmail-MCP-Server durch. In Cursor oder ChatGPT folgt sie demselben Muster.
Schritt 1: Wählen Sie Ihren KI-Client. Claude Desktop, ChatGPT Desktop, Cursor und andere unterstützen alle MCP. Wählen Sie den, den Sie am häufigsten verwenden.
Schritt 2: Finden Sie einen MCP-Server für das gewünschte Werkzeug. Das MCP-Ökosystem bietet mehrere Kataloge: modelcontextprotocol.io enthält die offizielle Liste, Community-Kataloge wie Smithery.ai bündeln weitere Server. Eine Suche nach „Gmail MCP Server“ liefert mehrere Optionen.
Schritt 3: Installieren Sie den Server. Die meisten MCP-Server werden als:
- Ein
npx-Befehl (Node-basiert). - Ein
uvx-Befehl (Python-basiert). - Ein Docker-Container.
Eine typische Installation sieht wie eine der folgenden Varianten aus. Den genauen Paketnamen entnehmen Sie der README-Datei des Servers; einen universellen Paketnamen für Gmail gibt es nicht.
# Option A: via npx (if you have Node installed)
npx -y <some-mcp-server-package>
# Option B: via uvx (if you have uv installed)
uvx <some-mcp-server-package>
# Option C: Docker
docker run <some-mcp-server-image>
Die Serverdokumentation nennt die passende Variante. Viele MCP-Server sind so vorkonfiguriert, dass keine separate Installation nötig ist; der KI-Client lädt die benötigten Komponenten beim ersten Start.
Schritt 4: Konfigurieren Sie den Client. Jeder KI-Client bietet einen Ort zur MCP-Konfiguration. In Claude Desktop ist dies die Datei claude_desktop_config.json im Claude-Konfigurationsverzeichnis — unter macOS ~/Library/Application Support/Claude/. Eine typische Konfiguration:
{
"mcpServers": {
"gmail": {
"command": "npx",
"args": ["-y", "<your-gmail-mcp-server-package>"],
"env": {
"GMAIL_CLIENT_ID": "your-client-id",
"GMAIL_CLIENT_SECRET": "your-secret"
}
}
}
}
Sie müssen den Server beim angebundenen Dienst authentifizieren, hier bei Gmail. Für Google-Dienste erstellen Sie dazu gewöhnlich OAuth-Zugangsdaten in der Google Cloud Console. Die Serverdokumentation führt durch die einzelnen Schritte.
Für nicht-OAuth-Dienste (Notion-API-Token, Linear-API-Token usw.) generieren Sie einen API-Schlüssel in den Einstellungen des Dienstes und fügen ihn in die Konfiguration ein.
Schritt 5: Client neu starten und verwenden. Starten Sie Claude Desktop nach der Konfiguration neu. Der MCP-Server wird automatisch gestartet. In einer neuen Unterhaltung kann Claude nun auf Gmail-bezogene Tools zugreifen.
Sie können nun Dinge wie folgende fragen:
Welche ungelesenen E-Mails habe ich aus dieser Woche, die sich auf den Q2-Rahmenplan beziehen?
Erstellen Sie Entwürfe für die drei wichtigsten ungelesenen E-Mails. Zeigen Sie mir jeden Entwurf, bevor Sie etwas versenden.
Fassen Sie den E-Mail-Thread mit Anna zum Marketingbudget zusammen.
Claude ruft die Tools des MCP-Servers auf, erhält deren Daten und erzeugt quellengestützte Antworten.
Praxisbeispiel: ein Stack für mehr Produktivität
Angenommen, Sie möchten mit MCP einen nützlichen Produktivitäts-Stack einrichten. Ein vernünftiger Ausgangspunkt:
- Gmail-MCP-Server — für E-Mail-Triage, Antwortentwürfe und Suche.
- Google-Calendar-MCP-Server — für Terminplanung, Besprechungsvorbereitung und Verfügbarkeitsprüfung.
- Notion-MCP-Server — für persönliche Wissensbestände, Projektnotizen und Dokumententwürfe.
- Linear- oder Jira-MCP-Server — für die Ticket-Triage, falls Sie diese Werkzeuge verwenden.
- Brave Search- oder Tavily-MCP-Server — für fundierte Web-Suche.
Jeder benötigt 10–20 Minuten zum Installieren und Konfigurieren. Gesamteinrichtung: ein Abend.
Was dies ermöglicht:
- Gesprächsbasierte E-Mail-Triage unter Berücksichtigung Ihres Kalenders.
- Besprechungsvorbereitung anhand von Notion-Notizen und aktuellen Gmail-Nachrichten.
- „Planen Sie einen Termin mit derselben Gruppe wie beim Termin am vergangenen Dienstag“ — erledigt.
- Erstellung von Aufgaben in Linear aus einer Konversation.
- Echtzeitrecherche mit Quellenangaben.
Der qualitative Unterschied: Ihre KI ist nicht länger nur ein Chatbot in einem separaten Tab, sondern kennt Ihren tatsächlichen Arbeitskontext.
Sicherheit und Berechtigungen
MCP-Server laufen auf Ihrem Computer und verfügen über die von Ihnen erteilten Zugriffsrechte. Diese Leistungsfähigkeit verlangt Sorgfalt.
Verwenden Sie eingeschränkte Zugangsdaten. Begrenzen Sie OAuth-Scopes und API-Schlüssel auf das notwendige Minimum. „Kalender lesen, Ereignisse erstellen“ ist deutlich enger als „vollständiger Google-Zugriff“.
Überprüfen Sie die Server, die Sie installieren. Die meisten beliebten MCP-Server sind Open Source — Sie können den Code überprüfen. Bei unüblichen oder nicht mehr gepflegten Servern seien Sie vorsichtig mit den Berechtigungen, die Sie gewähren.
Installieren Sie nichts aus unbekannten Quellen. Verwenden Sie MCP-Server bekannter Herausgeber — Anthropic, anerkannte Community-Maintainer oder der offizielle Werkzeuganbieter — beziehungsweise geprüfte Einträge etablierter Kataloge.
Seien Sie bei Servern mit Shell-Zugriff vorsichtig. Einige MCP-Server erlauben der KI, Terminalbefehle auszuführen. Das ist für manche Workflows nützlich, stellt aber ein erhebliches Sicherheitsrisiko dar. Mit dieser Berechtigung kann die KI beliebige Befehle auf Ihrem Computer ausführen.
Behandeln Sie MCP-Server als Erweiterung des Vertrauens- und Angriffsbereichs Ihrer KI. Alles, was die KI über einen Server lesen, sehen oder ausführen kann, gehört zu ihrem tatsächlichen Berechtigungsumfang. Planen Sie entsprechend.
Was MCP nicht gut kann (2026)
Einige ehrliche Einschränkungen:
Auffindbarkeit. Den richtigen MCP-Server zu finden, ist noch unübersichtlicher als nötig. Es gibt keinen einzigen maßgeblichen Katalog; mehrere Community-Verzeichnisse konkurrieren miteinander.
Qualitätsunterschiede. Open-Source-MCP-Server reichen von produktionsreif bis zu einem Wochenendprojekt. Fehlerhafte Server können ganze Workflows unterbrechen.
Dokumentation. Viele MCP-Server sind unzureichend dokumentiert. Die README erklärt die Installation, aber nicht immer den vollständigen verfügbaren Funktionsumfang.
Unterschiede zwischen Clients. Trotz des gemeinsamen Protokolls stellen Clients MCP-Funktionen teilweise unterschiedlich bereit. Claude Desktop bietet die ausgereifteste MCP-Integration, Cursor eignet sich hervorragend für Entwicklungsarbeit und ChatGPT holt auf.
Zustandsbehaftete Vorgänge. MCP eignet sich am besten für zustandslose Aktionen wie „Lies dies“ oder „Führe das aus“. Lang laufende, mehrstufige Prozesse sind umständlich.
Diese Bereiche verbessern sich schnell. Bis Ende 2026 dürften die meisten Probleme weitgehend gelöst sein.
Wann Sie Ihren eigenen MCP-Server schreiben sollten
Das MCP-Ökosystem deckt die meisten beliebten Tools ab, nicht aber alles. Wenn Sie verbinden möchten:
- Ein internes Tool, das Ihr Unternehmen gebaut hat.
- Eine SaaS-Plattform ohne öffentlichen MCP-Server.
- Ein Altsystem mit ausschließlich proprietärer API.
- Einen spezifischen Workflow, der mehrere Werkzeuge individuell kombiniert.
…dann ist ein eigener MCP-Server sinnvoll. Trotz des technischen Namens bleibt der Aufwand überschaubar: einige Hundert Zeilen TypeScript oder Python mit dem MCP SDK.
Wenn Sie selbst technisch versiert sind oder einen Entwickler im Team haben, bietet dies einen großen Hebel. Ein Arbeitsnachmittag schafft eine dauerhafte Integration für alle Teammitglieder mit MCP-kompatiblem KI-Client.
Wir haben einen separaten Artikel für fortgeschrittene Nutzer über das Erstellen von MCP-Servern in TypeScript.
MCP oder Zapier/n8n: Wann eignet sich was?
Eine häufige Frage: Wenn ich Zapier oder n8n habe, benötige ich MCP?
Die Antwort: Sie ergänzen einander und dienen unterschiedlichen Zwecken.
Verwenden Sie MCP, wenn:
- Sie in einem KI-Assistenten-Dialog sind und Daten abrufen oder handeln möchten.
- Die Aktion einmalig oder kontextabhängig ist (nicht „jedes Mal, wenn X passiert“).
- Sie interaktiv arbeiten und keine Automatisierung entwickeln.
Verwenden Sie Zapier / n8n, wenn:
- Sie eine Workflow-Automatisierung benötigen, die bei einem Trigger autonom läuft.
- Der Workflow repetitiv und gut definiert ist.
- kein Mensch Teil des Gesprächsablaufs sein muss.
Viele Nutzer verwenden beides: MCP für „Ich bin in einem Gespräch und muss X nachschlagen“, Zapier oder n8n für „Führe dies bei jeder neuen E-Mail aus, die bestimmte Kriterien erfüllt“.
Es gibt auch eine nützliche Überschneidung: n8n kann als MCP-Client Server aus Workflows aufrufen und als MCP-Server eigene Workflows für KI-Clients bereitstellen. So entwickeln Sie einen Workflow einmal in n8n und nutzen ihn aus jedem MCP-kompatiblen KI-Client.
Einige praktische Muster
Gesprächsbasierte Triage mit MCP. Öffnen Sie Claude und fragen Sie: „Was benötigt gerade meine Aufmerksamkeit in Posteingang, Kalender und Slack?“ Das Modell verwendet drei MCP-Server parallel und erstellt eine einheitliche Übersicht.
Besprechungsvorbereitung mit MCP. Verbinden Sie Kalender, Gmail und Notion. Fragen Sie: „Ich habe um 15 Uhr einen Termin mit dem Acme-Team — erstellen Sie eine Vorbereitungsübersicht.“ Das Modell ruft Termindetails, relevante E-Mails und frühere Besprechungsnotizen ab und erstellt daraus die Übersicht.
Recherche mit belastbaren Quellen. Binden Sie einen Such-MCP-Server an und stellen Sie eine Faktenfrage. Das Modell durchsucht das Web und erstellt eine Antwort mit Quellenangaben — ähnlich wie Perplexity, aber in Ihrem gewohnten KI-Werkzeug.
Programmieren mit Dateisystem- und Terminalzugriff. Cursor und zunehmend weitere Werkzeuge nutzen MCP, um der KI Zugriff auf das lokale Dateisystem und ein isoliertes Terminal zu geben. Das Modell kann Code lesen, Tests ausführen und Pakete installieren — aus einem Werkzeug für Codevorschläge wird ein tatsächlich ausführender Mitarbeiter.
Eine kleine Gewohnheit mit wachsender Wirkung
Wenn Sie Daten manuell zwischen einer KI-Unterhaltung und einem anderen Werkzeug kopieren — E-Mail-Inhalte in ChatGPT oder ChatGPT-Ausgaben in Notion — halten Sie kurz inne. Diese manuelle Brücke lässt sich sehr wahrscheinlich durch einen MCP-Server automatisieren.
Investieren Sie einmalig 20 Minuten in die Installation des passenden MCP-Servers. Danach verschwindet der manuelle Übergang. Nach einigen Monaten entsteht so ein Integrationsstack, der Ihre KI-Workflows deutlich reibungsloser macht.
Beginnen Sie mit drei Servern
MCP ist eine der wichtigsten KI-Infrastrukturen der Jahre 2025–2026. Es ist nicht glamourös und sorgt nicht für spektakuläre Demos, bildet aber die Schicht, die einen Chatbot mit Ihrer tatsächlichen Arbeit verbindet.
Das Ökosystem ist reif genug für Nichtentwickler. Die Einrichtung kostet einmalig einige Abende statt mehrerer Wochen; die qualitative Verbesserung der KI-Unterstützung ist erheblich.
Wählen Sie die drei Tools, die Sie am häufigsten verwenden, finden Sie die MCP-Server für sie und installieren Sie diese zuerst.
