MCP ist nicht das Problem, es ist Ihr Server: Beste Praktiken für den Aufbau von MCP-Servern

Als das Model Context Protocol (MCP) vor etwa einem Jahr in den Fokus rückte, stürzten sich viele Entwickler darauf, MCP-Server zu erstellen. Die Begeisterung war groß, doch die Realität sieht oft enttäuschend aus. Viele Entwickler geben dem Protokoll die Schuld, während die tatsächlichen Probleme meist in der Implementierung der Server liegen. In diesem Artikel werden wir untersuchen, was MCP ist, was es nicht ist, und wie man einen effektiven MCP-Server aufbaut, der die Erwartungen erfüllt.

Was ist MCP?

MCP (Model Context Protocol) bietet eine universelle Verbindung zwischen LLMs (Large Language Models) und externen Tools, Datenquellen und Diensten. Vor der Einführung von MCP erforderte jede Integration maßgeschneiderte Connectoren. MCP standardisiert drei grundlegende Elemente:

• Tools: Funktionen, die der Agent aufrufen kann (z.B. search_documents, create_issue)
• Ressourcen: Daten, die der Agent lesen kann (z.B. Dateien, Datenbankeinträge)
• Prompts: Vorgefertigte Workflows, die der Benutzer oder Agent aufrufen kann

Die Idee hinter MCP ist es, den MCP-Server einmal zu erstellen und ihn mit jedem Agenten zu verwenden.

Was MCP nicht ist

MCP-Server sind keine dünnen Wrapper um bestehende APIs. Ein gutes REST-API ist kein guter MCP-Server. Oft wird angenommen, dass LLMs “intelligent” genug sind, um APIs wie ein Mensch zu nutzen, was jedoch nicht der Fall ist.

Die Prinzipien des REST-API-Designs fördern Komponierbarkeit, Entdeckbarkeit, Flexibilität und Stabilität. Diese Prinzipien funktionieren gut für menschliche Entwickler, jedoch nicht für AI-Agenten. MCP ist eine Benutzeroberfläche für AI-Agenten, die andere Designprinzipien erfordert.

Wie man einen guten MCP-Server aufbaut (beste Praktiken)

Um Ihren Server zu verbessern, müssen Sie das Benutzererlebnis gestalten. Hier sind sechs beste Praktiken für den Aufbau eines effektiven MCP-Servers:

1. Ergebnisse, nicht Operationen

Falle: 1:1-Konvertierung von REST-Endpunkten in MCP-Tools.
Lösung: Entwerfen Sie Tools basierend auf dem, was der Benutzer/Agent erreichen möchte. Anstatt drei separate Tools für den Bestellstatus anzubieten, sollten Sie ein hochrangiges Tool bereitstellen, das die Orchestrierung intern übernimmt.

2. Argumente vereinfachen

Falle: Verwendung komplexer verschachtelter Wörterbücher oder Konfigurationsobjekte als Argumente.
Lösung: Verwenden Sie oberste Primitiven und eingeschränkte Typen, um die Struktur klar und verständlich zu halten.

3. Anweisungen sind Kontext

Falle: Leere Docstrings und allgemeine Fehlermeldungen.
Lösung: Jede Textstelle ist Teil des Kontexts des Agenten. Geben Sie klare Anweisungen, wann und wie die Tools zu verwenden sind.

4. Rigoros kuratieren

Falle: Alles, was Ihre API kann, zur Verfügung stellen.
Lösung: Entwerfen Sie für Entdeckbarkeit, nicht für umfassende Exposition. Halten Sie die Anzahl der Tools pro Server auf 5–15 und löschen Sie ungenutzte Tools.

5. Werkzeuge für Entdeckbarkeit benennen

Falle: Allgemeine Namen wie create_issue oder send_message.
Lösung: Verwenden Sie dienstpräfixierte, handlungsorientierte Namen, um Verwirrung zu vermeiden.

6. Große Ergebnisse paginieren

Falle: Rückgabe von Hunderten von Datensätzen.
Lösung: Paginieren Sie mit Metadaten, um die Effizienz zu steigern und die Speichernutzung zu optimieren.

Praktisches Beispiel: Gmail MCP-Server

Wenn Sie einen MCP-Server für Gmail erstellen, könnte der typische Ansatz so aussehen:

• Vorher: Lesen einer E-Mail erfordert mehrere Tools und das Verständnis verschachtelter Typen.
• Nachher: Zwei flache Tools mit kuratierten Rückgaben, die das Benutzererlebnis optimieren.

Skills vs. MCP: Komplementär, nicht wettbewerbsfähig

Skills bündeln Anweisungen, Metadaten und Ressourcen, die der Agent bei Bedarf verwendet. Sie sind dateibasiert und ermöglichen eine schrittweise Offenlegung. Skills ergänzen MCP, indem sie den Agenten lehren, wann und wie diese Tools für spezifische Workflows kombiniert werden.

Fazit

Beim Aufbau eines MCP-Servers gestalten Sie nicht nur Infrastruktur, sondern eine Benutzeroberfläche für AI-Agenten. Halten Sie sich an die sechs besten Praktiken, um sicherzustellen, dass Ihr Server effektiv und benutzerfreundlich ist.

Quellenliste:

• Quelle: MCP IS NOT THE PROBLEM, IT’S YOUR SERVER: BEST PRACTICES FOR BUILDING MCP SERVERS
• Block’s MCP Playbook
• GitHub’s Security Guide
• FastMCP AI Engineering Summit