Das Aufkommen des Model Contextualization Protocol (MCP) und das neue KI-Ökosystem
In der KI-Branche hat sich das Model Contextualization Protocol (MCP) in letzter Zeit zu einem zentralen Thema entwickelt, das die Aufmerksamkeit von wichtigen Akteuren wie OpenAI, Google und verschiedenen Unternehmen innerhalb und außerhalb der Vereinigten Staaten auf sich zieht. Charlie Graham, Gründer und CEO von Second Coffee, teilte kürzlich in einem Blog-Beitrag seine Erkenntnisse über MCPs und deren Potenzial zur Umgestaltung der Landschaft. Dieser Artikel befasst sich mit den Möglichkeiten und aktuellen Einschränkungen von MCPs, basierend auf eingehender Recherche und praktischer Erfahrung beim Aufbau experimenteller MCP-Server.
MCPs verstehen: Die Brücke zwischen KI-Modellen und externen Daten
MCPs können als standardisierte APIs konzipiert werden, die als entscheidende Verbindung zwischen externen Datenquellen oder Anwendungen und großen Sprachmodellen (LLMs) wie ChatGPT oder Claude dienen. Diese Protokolle ermöglichen es KI-Modellen, auf Echtzeitdaten von Reise-Websites zuzugreifen, Kalender zu verwalten und sogar Dateien auf einem Computer zu bearbeiten.
Während einige KI-Tools wie Claude, Cursor und OpenAI bereits benutzerdefinierte Integrationsfunktionen verwenden, bieten MCPs ein universelles und standardisiertes Format für alle diese Interaktionen und verbessern so ihre Vielseitigkeit erheblich.
Ein MCP besteht hauptsächlich aus zwei Komponenten: einem Client (z. B. ChatGPT) und einem Server (z. B. eine Flugplanungs-Website). In Kombination verleihen sie KI-Modellen die Fähigkeit, auf Echtzeitdaten zuzugreifen, online Aktionen auszuführen und eher wie proaktive Agenten als wie statische Chatbots zu fungieren.
Derzeit gewinnen zwei Haupttypen von MCPs an Bedeutung. Der erste Typ richtet sich an Entwickler, wie z. B. Tools wie Cursor oder Claude Code, die auf Geräten wie Laptops ausgeführt werden können, um Dateien zu verwalten und Skripte auszuführen. Der zweite Typ ist auf reale Anwendungen ausgerichtet und konzentriert sich auf Aktivitäten wie das Suchen nach Produkten, das Registrieren von Domains, das Buchen von Veranstaltungen oder das Versenden von E-Mails.
Um die praktischen Auswirkungen zu untersuchen, wurden zwei verschiedene Arten von MCPs entwickelt. Das erste, GPT Learner genannt, ist ein Entwickler-Server, der Benutzern helfen soll, Cursor dabei anzuleiten, sich Fehler zu merken und Wiederholungen zu vermeiden. Wenn Claude oder Cursor Code falsch überschreiben, können Benutzer den Fehler aufzeichnen und daraus lernen, wobei der korrekte Ansatz für zukünftige Referenz gespeichert wird.
Das zweite Projekt ist ein Vorhersagemarkt-MCP, das große Sprachmodelle mit einer Website, betsee.xyz, verbindet, die Echtzeit-Vorhersagemärkte aggregiert. Wenn ein Benutzer Claude eine Frage stellt wie: ‘Was sind die sekundären Auswirkungen von Trumps Aussetzung der Zölle, und worauf wetten die Leute?’, gibt das MCP relevante Märkte und Echtzeitquoten von Polymarket oder Kalshi zurück.
Warum MCPs noch nicht ganz reif für den Massenmarkt sind
Der Aufbau dieser beiden MCPs offenbarte mehrere wichtige Erkenntnisse, vor allem, dass MCPs noch nicht für eine breite Akzeptanz bereit sind.
Die aktuelle Benutzererfahrung mit MCPs ist alles andere als ideal. Die meisten Chatbots, wie ChatGPT, unterstützen noch keine MCP-Server. Von denen, die dies tun, erfordert die Installation oft das manuelle Bearbeiten von JSON, ein Prozess, der alles andere als benutzerfreundlich ist. Chatbots wie Cursor und Claude fordern Benutzer tendenziell bei jeder Anfrage auf und geben häufig unvollständige Informationen oder rohe JSON-Ausgaben zurück, was die Erfahrung umständlich und unbefriedigend macht.
Bei der Verwendung der Desktop-Version von Claude zum Abfragen des Vorhersagemarkt-MCP lieferte es oft keine Links oder Preise, es sei denn, es wurde ausdrücklich danach gefragt, und gelegentlich rief es den Server überhaupt nicht auf. Die ständigen Popup-Aufforderungen von Claude bei der Verwendung von MCPs minderten das Benutzerinteresse zusätzlich. Während nahtlose Verarbeitung und aussagekräftige Antworten von MCPs in Zukunft erwartet werden, hat die Technologie dieses Stadium noch nicht erreicht.
Sicherheit ist ein weiteres wichtiges Anliegen. Angesichts ihrer Fähigkeit, externe Operationen durchzuführen und auf Echtzeitsysteme zuzugreifen, stehen MCPs vor zahlreichen Sicherheitsherausforderungen. Prompt Injection, bösartige Tool-Installation, unbefugter Zugriff und Trojaner-Angriffe sind sehr reale Bedrohungen. Derzeit mangelt es an Sandboxing, Verifizierungsschichten und einem ausgereiften Ökosystem, um diese Edge Cases zu behandeln.
Diese Probleme machen deutlich, dass MCP noch eine experimentelle Technologie ist.
Die entscheidende Rolle des Clients
Eine wichtige Lektion, die beim Aufbau dieser Server gelernt wurde, ist, dass der Client und nicht der Server letztendlich über die Zukunft von MCPs entscheidet.
Diejenigen, die die Interaktion mit großen Modellen kontrollieren, kontrollieren auch, welche Tools Benutzer sehen, welche ausgelöst werden und welche Antworten angezeigt werden. Man könnte den nützlichsten MCP-Server der Welt erstellen, aber der Client ruft ihn möglicherweise nicht auf, zeigt möglicherweise nur die Hälfte seiner Ausgabe an oder erlaubt nicht einmal die Installation.
MCPs und die Entstehung von Gatekeepern
Die kritische Macht des Clients bedeutet, dass MCPs letztendlich wie Suchmaschinen und App Stores verwaltet werden. Die führenden Anbieter von Anwendungen für große Modelle, wie OpenAI und Anthropic, werden zu den neuen ‘Gatekeepern’, die entscheiden, welche MCPs aufgelistet werden können und deren Auffindbarkeit durch Empfehlungsalgorithmen kuratieren.
Seit seiner Gründung in den späten 1990er Jahren kontrolliert Google, welche Inhalte den Nutzern präsentiert werden, was dem Unternehmen geholfen hat, ein äußerst profitables Geschäft aufzubauen. Chatbots gewinnen nun diese Fähigkeit und ersetzen die traditionellen ‘10 blauen Links’ der Suchmaschine durch direkte Antworten. Sie können entscheiden, welche Inhalte angezeigt, welche ausgeschlossen und wie sie formatiert werden sollen.
Der MCP-Installationsprozess wird wahrscheinlich dem App-Store-Modell ähneln. So wie Apple und Google das mobile Ökosystem geprägt haben, indem sie entschieden haben, welche Apps empfohlen, vorinstalliert oder genehmigt werden, werden große Modellclients bestimmen, welche MCP-Server präsentiert, beworben und sogar auf der Plattform zugelassen werden. Diese Dynamik wird wahrscheinlich zu Wettbewerb zwischen Unternehmen führen, möglicherweise mit Zahlungen an Modellanbieter für Empfehlungen und Präsenz im neuen Ökosystem, was die Schaffung hochprofitabler MCP-Vertriebsplattformen fördert.
Benutzer installieren MCPs oder ‘KI-Chatanwendungen’ aus sorgfältig kuratierten ‘MCP-Stores’. Tools wie Gmail, HubSpot, Uber und Kayak fügen MCP-Endpunkte hinzu und integrieren sich direkt in chatbasierte Workflows. Während Benutzer theoretisch jeden beliebigen MCP installieren könnten, werden sich die meisten wahrscheinlich auf vom Client bereitgestellte Empfehlungen verlassen, z. B. von ChatGPT. Diese Empfehlungen sind nicht willkürlich, sondern stammen aus lukrativen Partnerschaften, bei denen große Unternehmen dafür bezahlen, die Standardoption in den Kategorien Shopping, Reisen, Domain-Suche oder Dienstleistungssuche zu werden. Diese Sichtbarkeit würde sich in Millionen von Benutzern niederschlagen und immense Präsenz, Daten und kommerziellen Wert bieten.
Einige clientseitige MCP-App-Stores (MAS) bieten eine freizügigere und offenere Auswahl an MCPs, die ein breiteres Spektrum an Experimenten und von der Community entwickelten MCPs ermöglichen. Andere haben strenge Genehmigungsprozesse, bei denen Qualität,Sicherheit und Monetarisierung im Vordergrund stehen. In jedem Fall legt der Client die Bedingungen für die Teilnahme fest - und die Regeln für den Erfolg.
MCP-Clients wie OpenAI und Claude werden zu den neuen iOS- und Android-Plattformen, wobei MCP-Server die Rolle von Apps spielen. Anstelle von Symbolen werden diese Anwendungen über Benutzerbefehle aufgerufen und bieten über die Sprachinteraktion reichhaltige, strukturierte und interaktive Antworten auf die Bedürfnisse der Benutzer.
Mit der Zeit könnten wir das Aufkommen spezialisierter Clients sehen, die auf bestimmte Branchen oder Bereiche zugeschnitten sind. Stellen Sie sich einen KI-Chatassistenten vor, der sich auf die Reiseplanung konzentriert und Dienste von Fluggesellschaften, Hotelketten und Reisebüros nahtlos integriert, um Benutzern ein umfassendes Reiseplanungserlebnis zu bieten. Oder einen MCP-Client, der sich auf das Personalwesen konzentriert und einen einheitlichen Zugriff auf Rechtsdaten, Mitarbeiterakten und Organisationswerkzeuge bietet und so die Art und Weise verändert, wie Unternehmen verwaltet werden.
Während die meisten Benutzer bei den Mainstream-Clients bleiben werden, werden einige Open-Source-KI-Chatbots entstehen. Diese Chatbots werden Fachleute ansprechen, die die vollständige Kontrolle über die von ihnen installierten MCPs wünschen, ohne die Einschränkungen durch Gatekeeper. Wie Linux-Desktop-Systeme werden diese Open-Source-Produkte jedoch wahrscheinlich Nischenmärkte bleiben.
Neue Chancen im aufkommenden Ökosystem
Es wird erwartet, dass verschiedene Arten von Unternehmen und Tools entstehen, um die sich entwickelnde MCP-Landschaft zu bedienen, darunter:
MCP-Wrapper und Server-Packs: Diese bündeln mehrere verwandte MCPs in einem einzigen Installationspaket und rationalisieren so die Einrichtung. Stellen Sie sich ein einzelnes Paket vor, das einen Kalender, E-Mail, Customer Relationship Management und File Storage MCP bereitstellt, das ohne Konfiguration sofort einsatzbereit ist. Solche Pakete vereinfachen die Personalprozesse und sind besonders in vertikalen Märkten nützlich. Sie können auch Verpackungswerkzeuge enthalten (‘Kalender einrichten und E-Mail versenden’).
MCP-Shopping-Engines: Einige MCP-Server fungieren als KI-gestützte Vergleichsmaschinen, die Echtzeitpreise und Produktangebote von verschiedenen Anbietern anbieten. Sie monetarisieren sich über Affiliate-Links und verdienen Vermittlungsgebühren. Dieser Ansatz spiegelt die frühe Suchmaschinenoptimierung und das Affiliate-Marketing wider.
MCP-First-Content-Apps: Diese Dienste optimieren die Bereitstellung von Inhalten für große Sprachmodelle über MCP-Server, anstatt Websites für menschliche Betrachter zu entwerfen. Stellen Sie sich reichhaltige, strukturierte Daten und semantische Tags vor, die über MCP-Aufrufe zurückgegeben werden. Die Einnahmen stammen aus Abonnements oder eingebetteten Sponsorings und Produktplatzierungen, anstatt aus Seitenaufrufen.
API-zu-MCP-Anbieter: Viele bestehende API-Anbieter möchten an diesem neuen Ökosystem teilnehmen, verfügen aber nicht über die Ressourcen dazu. Dies wird die Entstehung von Middleware-Tools vorantreiben, die traditionelle REST-APIs automatisch in konforme und auffindbare MCP-Server konvertieren, wodurch der Beitritt für SaaS-Plattformen vereinfacht wird.
Cloudflare für MCPs: Sicherheit ist ein großes Anliegen. Diese Tools befinden sich zwischen dem Client und dem Server, bereinigen Eingaben, protokollieren Anfragen, blockieren Angriffe und überwachen Anomalien. So wie Cloudflare das moderne Web sicherer gemacht hat, wird diese Art von Dienst im MCP-Ökosystem eine ähnliche Rolle spielen.
Enterprise ‘Private’ MCP-Lösungen: Große Unternehmen werden beginnen, ihre internen Dienste mit privaten MCP-Servern zu verbinden und Open-Source-KI-Produkte zu verwenden. Diese internen Setups werden hinter der Firewall Teil von KI-Workflows und geben Unternehmen die Kontrolle.
Vertikal fokussierte MCP-Clients: Während viele Chatbots die allgemeinen Bedürfnisse der Benutzer erfüllen können, erfordern bestimmte Szenarien, wie z. B. die industrielle Beschaffung und Compliance-Arbeit, spezifische Benutzeroberflächen und Geschäftslogik. Es werden vertikal fokussierte MCP-Clients entstehen, mit angepassten Abläufen, Sprachen und Layouts, um diese besonderen Anforderungen zu erfüllen.