Warum sollten IT-Führungskräfte über das Model Context Protocol nachdenken?

Im letzten November hat Anthropic das Model Context Protocol (MCP) eingeführt, das anfangs nur mäßiges Interesse hervorgerufen hat. Das Unternehmen hat die Nachricht in einem Blog-Beitrag veröffentlicht und MCP als offenen Standard bezeichnet, der dazu beitragen soll, “frontier-Modelle zu besserer, relevanteren Antworten zu verhelfen.”

Als jedoch die Entwickler mehr über MCP erfuhren, wurde klar, wie leistungsstark es war. Innerhalb weniger Monate haben Unternehmen wie OpenAI, Google und Microsoft den Standard übernommen. Dies hat das Interesse an MCP gefördert, da das Wachstum eher einem heißen Verbraucher-App als einem Entwickler-Infrastruktur-Tool ähnelte.

Das GitHub-Repository für MCP ist schnell zu einer lebendigen Community geworden. Derzeit gibt es über 64.500 Sterne und etwa 7.500 Forks. Dann gibt es noch die Tausenden von Servern, die auf verschiedenen Websites aufgetaucht sind.

Ein solches Momentum ist selten für Entwickler-Infrastruktur. Es zeigt jedoch die Bedeutung von MCP, da es als “USB-C für KI-Apps” bezeichnet wird.

Lassen Sie uns sehen, warum dieser offene Standard so beliebt geworden ist und wie IT-Führungskräfte darüber nachdenken sollten.

Die Vorteile von MCP

Bevor die Einführung von MCPs, war der Aufbau von fortschrittlichen generativen KI- oder agentischen Systemen ein mühsamer Prozess. Jedes große Sprachmodell (LLM) erforderte eine benutzerdefinierte Integration mit jedem Werkzeug oder Datenquelle, das es verwendete. Dies führte zu dem, was als “MxN-Problem” bekannt ist. Dies liegt daran, dass M-Modelle manuell mit N verschiedenen Werkzeugen verbunden werden müssen.

Beispielsweise benötigen Sie, wenn Sie drei verschiedene LLMs verwenden, um mit zehn Anwendungen zu arbeiten, 30 separate Integrationen. Dies erfordert nicht nur erhebliche Ingenieurressourcen, sondern der Codebasis wird auch schwer zu warten sein, wenn die Werkzeuge, APIs und Modelle weiterentwickelt werden.

Mit dem MCP-Standard ist der Prozess jedoch erheblich verbessert. Es bietet zwei wichtige Fähigkeiten: Kontext und Werkzeugverwendung mit LLMs. Dies ermöglicht nicht nur relevantere Antworten, sondern auch verbesserte Genauigkeit und Produktivität.

Beispielsweise kann eine KI-Anwendung mit Kontext auf eine breite Palette öffentlich verfügbarer Datenquellen zugreifen, wie z.B. Wetter- oder Finanzdaten. MCPs können auch auf private Datenquellen wie Slacks oder Jira-Tickets zugreifen.

Was die Werkzeugverwendung betrifft, kann ein MCP Aktionen wie CRUD-Aufgaben für Datenbanken, Terminplanung oder Erinnerungen oder Updates für CRMs oder ERPs ausführen.

Neben der Standardisierung von Kontext und Werkzeugverwendung gibt es noch weitere Vorteile bei MCP. Einer davon ist die Sicherheit, da es OAuth-basierte Autorisierung unterstützt. Als Nächstes sind Modelle nicht eng mit Werkzeugen oder Datenquellen verbunden. Wenn also APIs geändert werden oder ein neues Werkzeug übernommen wird, ist keine umfangreiche Neukodierung erforderlich.

MCP hilft auch bei der Verbesserung von Governance und Compliance aufgrund der Zentralisierung von Werkzeugverwendung und Datenflüssen. Dies erleichtert es, Richtlinien und Audits durchzusetzen.

Angesichts dieser Vorteile sollte es keine Überraschung sein, dass MCP zu einem sehr beliebten System für den Aufbau von generativen KI- und agentischen Anwendungen geworden ist.

Herausforderungen von MCP

MCP benötigt noch viel Arbeit, um es stabiler und ausgereifter zu machen. Die Benutzeroberflächen sind oft unübersichtlich und nicht intuitiv. Um die Sicherheit zu verbessern, sollten MCPs auch stark typisierte Ansätze haben, um potenzielle Angriffsvektoren zu minimieren. Ebenso wichtig ist eine feinkörnige Autorisierung. Beispielsweise sollte es möglich sein, einen MCP-Server oder -Agent nur für bestimmte Aktionen zu autorisieren.

Die Entdeckung von MCPs bleibt ein Problem. Was benötigt wird, sind Register, um Server zu validieren und zu zertifizieren, ähnlich wie App-Stores funktionieren. Diese Register können verschiedenen Branchen dienen, wie z.B. IT, Sicherheit und Finanzen. Unternehmen werden wahrscheinlich interne Register entwickeln, um noch mehr Kontrolle zu haben.

Schließlich können MCPs noch weiterreichende Auswirkungen haben, sogar Geschäftsmodelle bedrohen. Beispielsweise könnten diese Systeme die täglichen aktiven Benutzer (DAUs) für Webanwendungen und Mobile Apps senken. Der Grund dafür ist, dass KI-Agenten MCPs nutzen werden, um Aktionen auszuführen, was bedeutet, dass weniger menschliche Benutzer die Plattformen besuchen müssen.

Sicherheit als Grundlage

MCPs ermöglichen eine viel schnellere Innovation. Dies ist besonders wichtig, da Unternehmen unter Druck stehen, greifbare Ergebnisse aus ihren KI-Investitionen zu erzielen. Die Jagd nach Geschwindigkeit darf jedoch nicht auf Kosten von Sicherheit und Compliance gehen. Abkürzungen in diesen Bereichen können erhebliche Risiken mit sich bringen, da MCPs nicht nur sensible Daten zugreifen, sondern auch direkt mit ihnen agieren können.

Eine MCP-Implementierung sollte Governance, Protokollierung und Auditing in jede Ebene einbetten. Richtlinien müssen klar definieren, wer Agenten autorisieren kann, welche Aktionen sie ausführen dürfen und wie diese Aktivitäten überwacht werden. Eine feinkörnige Autorisierung, kombiniert mit kontinuierlicher Überwachung, reduziert das Potenzial für Missbrauch und stellt die erforderliche Transparenz für die Einhaltung von Vorschriften sicher.

Schlussfolgerung

MCP wird schnell zu einem Eckpfeiler für den Aufbau der nächsten Generation von generativen KI- und agentischen Systemen. Für IT-Führungskräfte stellt MCP sowohl eine Chance als auch eine Verantwortung dar. Es gibt die Chance, neue Effizienzen und Fähigkeiten zu erschließen, und die Verantwortung, es mit den richtigen Sicherheitsvorkehrungen umzusetzen.

Auf lange Sicht werden Unternehmen, die Sicherheit und Compliance als integral, nicht optional, betrachten, am besten in der Lage sein, den vollen Wert von MCP zu nutzen. Durch die Balance zwischen Innovation und starker Governance können IT-Führungskräfte sicherstellen, dass ihre KI-Initiativen nicht nur leistungsstark und transformierend, sondern auch vertrauenswürdig, nachhaltig und widerstandsfähig sind.