Eigenen MCP-Server bauen: Überblick und alle Anleitungen

Was dieser Artikel behandelt

• Was „MCP bauen” konkret bedeutet und was ein eigener Server leistet.
• Welche Bausteine ein MCP-Server hat und welche Sprachen dafür geeignet sind.
• In welcher Reihenfolge Du vorgehst, vom ersten Test bis zum Betrieb.
• Alle ausführlichen Anleitungen auf BotServ.de zu jedem Teilschritt.

Was bedeutet „MCP bauen”?

Das Model Context Protocol (MCP) ist ein offener Standard, der beschreibt, wie ein Sprachmodell mit externen Werkzeugen spricht. Statt jeder Anwendung eine eigene Integration beizubringen, stellst Du einen MCP-Server bereit. Jeder MCP-fähige Client, zum Beispiel Claude Desktop, Cursor, Continue oder Open WebUI, kann ihn dann ansprechen.

„MCP bauen” heißt in der Praxis: Du schreibst einen kleinen Dienst, der dem Modell drei Dinge anbieten kann:

• Tools: Funktionen, die das Modell aufrufen darf, etwa „suche in der Datenbank” oder „lege ein Ticket an”.
• Resources: Daten, die das Modell lesen darf, etwa Dateien, Kalendereinträge oder Wiki-Seiten.
• Prompts: fertige Textbausteine, die der Client dem Nutzer anbietet.

Der Server läuft bei Dir, lokal auf demselben Rechner per stdio oder im Netzwerk per HTTP. Das Modell bekommt nie direkten Zugriff auf Dein System. Es schickt nur eine Anfrage an den Server, und der führt den eigentlichen Schritt aus.

Warum einen eigenen Server statt fertiger Lösungen?

Es gibt inzwischen viele fertige MCP-Server für GitHub, Postgres oder Dateisysteme. Ein eigener Server lohnt sich, sobald Du interne Systeme anbinden willst: Deine Ticketing-Lösung, Dein Lager, Dein Monitoring, Dein selbst gehostetes n8n oder einfach eine lokale SQLite-Datenbank, die kein fertiger Server kennt. Der Aufwand ist kleiner als erwartet: Ein Minimal-Server mit einem Tool ist in Python oder TypeScript in unter 50 Zeilen geschrieben. Die eigentliche Arbeit liegt in der Frage, welche Werkzeuge sinnvoll sind und welche Rechte sie bekommen.

Der Aufbau in Kürze

Ein MCP-Server besteht aus vier Teilen:

1. Transport: Wie Client und Server reden. Lokal läuft das über Standard-Ein/Ausgabe (stdio), der Client startet den Server als Unterprozess. Übers Netz geht es über HTTP mit Streaming.
2. Tool-Definitionen: Jede Funktion bekommt einen Namen, eine Beschreibung und ein JSON-Schema für die Argumente. Die Beschreibung ist wichtig, denn das Modell entscheidet anhand dieses Textes, wann es das Tool aufruft.
3. Handler: Der Code, der beim Aufruf ausgeführt wird und das Ergebnis als Text zurückgibt.
4. Registrierung beim Client: In der Client-Konfiguration steht, wie der Server gestartet wird, etwa python server.py oder npx mein-mcp-server.

Offizielle SDKs gibt es für TypeScript und Python, daneben Community-Versionen für Rust, Go, Java und C#. Für den Einstieg reicht Python mit dem mcp-Paket oder TypeScript mit @modelcontextprotocol/sdk.

In dieser Reihenfolge vorgehen

Wenn Du neu bei MCP bist, ist das die sinnvollste Reihenfolge:

1. Grundlagen verstehen: Was MCP ist, wie die Architektur aussieht und warum der Standard entstanden ist. Dazu gibt es MCP-Grundlagen für KI-Agenten.
2. Client-Seite kennen: Bevor Du einen Server baust, solltest Du wissen, wie Clients Server finden und starten. Siehe MCP-Clients verstehen und einrichten.
3. Ersten Server schreiben: Die komplette Schritt-für-Schritt-Anleitung mit Beispielcode steht in Eigenen MCP-Server bauen und Eigenen MCP-Server erstellen.
4. Eigene Tools definieren: Wie Du sinnvolle Werkzeuge entwirfst, Namen und Beschreibungen formulierst und Rückgaben gestaltest, zeigt Eigene MCP-Tools entwickeln.
5. Konkrete Anbindungen: Für Dateien und Datenbanken gibt es MCP für Dateisystem und Datenbanken.
6. Lokal betreiben: Wie der Server im Alltag läuft, autostartet und gepflegt wird, beschreibt MCP lokal betreiben.
7. Absichern: Bevor ein Agent Deine Tools produktiv nutzt, lies MCP-Berechtigungen und MCP-Sicherheit. Wer einem Modell Schreibzugriff gibt, sollte genau wissen, welche Aufrufe erlaubt sind.
8. Mit lokalem Modell kombinieren: MCP ist nicht an Claude gebunden. Wie Du Ollama-Modelle mit MCP-Tools arbeiten lässt, steht in MCP mit Ollama nutzen. Die Grundlagen dazu liefert auch der Artikel zu Tool-Calling bei KI-Agenten.

Häufige Fragen zum eigenen MCP-Server

Ist MCP nur für Claude?

Nein. Das Protokoll ist offen und herstellerunabhängig. Claude Desktop war der erste große Client, inzwischen unterstützen auch Cursor, Continue, Open WebUI, VS Code und viele andere MCP. Serverseitig bist Du komplett frei.

Brauche ich Programmierkenntnisse?

Grundlagen in Python oder TypeScript reichen für den Anfang. Der schwierigere Teil ist das Design: Welche Tools biete ich an, wie granular, mit welchen Rechten. Die technische Hürde ist klein.

Was ist der Unterschied zwischen MCP und Function Calling?

Function Calling ist die Fähigkeit des Modells, strukturierte Aufrufe zu erzeugen. MCP ist das Protokoll, das diese Aufrufe standardisiert transportiert und an echte Tools bindet. MCP baut auf demselben Prinzip auf, löst aber das Problem, dass jedes Tool einzeln integriert werden musste.

Kann ein MCP-Server etwas kaputtmachen?

Ja. Ein Tool mit Schreibzugriff kann Dateien löschen oder Datenbanken verändern, wenn das Modell es aufruft. Deshalb: read-only anfangen, Berechtigungen eng fassen, gefährliche Tools hinter eine Bestätigung legen. Die beiden Sicherheits-Artikel oben behandeln genau das.

Server lokal oder im Netz betreiben?

Für den Anfang lokal per stdio, weil kein Port und keine Authentifizierung nötig ist. Sobald mehrere Clients oder ein Team denselben Server nutzen sollen, lohnt sich der HTTP-Betrieb mit sauberer Absicherung.

Der schnellste Start

Die kürzeste Route zu einem laufenden eigenen Server: MCP-Grundlagen lesen, dann die Anleitung Eigenen MCP-Server bauen Schritt für Schritt abarbeiten, mit einem einzigen read-only Tool starten und erst danach weitere Werkzeuge ergänzen. Alles Weitere findest Du in der KI-Agenten-Übersicht und im Grundlagen-Artikel Was ist ein KI-Agent.