MCP-Architektur: Clients, Server, Tools, Resources und Prompts

Zu verstehen, wie das Model Context Protocol funktioniert, hilft bei besseren Integrationen und bei der Fehlerbehebung. Dieser Guide erklärt die zentralen Architekturkonzepte von MCP.

Die MCP-Architektur im Überblick

MCP folgt einer Client-Server-Architektur: KI-Assistenten (Clients) verbinden sich mit Diensten (Servern), die Tools und Daten bereitstellen. So funktioniert es:

Architekturdiagramm (Textbeschreibung)

┌─────────────────┐
│  AI Assistant   │
│   (MCP Client)  │
│                 │
│  - Claude       │
│  - Cursor       │
│  - Windsurf     │
└────────┬────────┘
         │
         │ HTTP/SSE Connection
         │ (mit Auth-Header)
         │
         ▼
┌─────────────────┐
│  MCP Server 1   │  ┌─────────────────┐
│   (Corcava)     │  │  MCP Server 2   │
│                 │  │  (Other Service)│
│  Tools:         │  │                 │
│  - list_tasks   │  │  Tools:         │
│  - create_task  │  │  - read_file    │
│  - start_timer  │  │  - search_code  │
└─────────────────┘  └─────────────────┘
         │                     │
         └─────────┬───────────┘
                   │
         ┌─────────▼─────────┐
         │   Data Sources    │
         │  (Corcava DB,     │
         │   File System)    │
         └───────────────────┘

Ein MCP-Client kann sich gleichzeitig mit mehreren MCP-Servern verbinden – der KI-Assistent hat so in einem Gespräch Zugriff auf Tools verschiedener Dienste.

MCP-Client: Der KI-Assistent

Der MCP-Client ist die KI-Assistenten-Anwendung, mit der Nutzer interagieren. Er ist zuständig für:

Verbindungsverwaltung: Verbindungen zu MCP-Servern aufbauen und halten
Tool-Discovery: Verfügbare Tools von jedem Server anfordern und cachen
Anfrage-Routing: Bestimmen, welcher Server pro Tool aufgerufen wird
Antwortverarbeitung: Tool-Ergebnisse verarbeiten und Nutzern anzeigen
Fehlerbehandlung: Verbindungsfehler, Timeouts und Fehler abfangen

Beispiel: Claude Desktop als MCP-Client

Wenn Sie Claude Desktop fragen „Welche Aufgaben sind diese Woche fällig?“, macht der Client:

Erkennt, dass ein Aufruf eines Tools vom Corcava-MCP-Server nötig ist
Sendet eine Anfrage an https://app.corcava.com/mcp mit Ihrem API-Key
Ruft das Tool list_tasks mit passenden Filtern auf
Empfängt die Aufgabenliste und formatiert sie für Sie

MCP-Server: Der Dienstanbieter

Der MCP-Server stellt Clients Tools, Ressourcen und Prompts bereit. Corcavas MCP-Server bietet Projektmanagement-Funktionen:

Aufgaben des Servers

Anfragen authentifizieren (API-Keys)
Operationen autorisieren (Team-Scope)
Tool-Aufrufe ausführen
Strukturierte Antworten zurückgeben
Fehler sauber behandeln

Server-Funktionen

Tool-Schemas bereitstellen
Ressourcen-Metadaten anbieten
Prompt-Vorlagen anbieten
Streaming-Antworten unterstützen
Operationen für Audits protokollieren

Tool-Discovery: Wie Clients Tools finden

Wenn ein MCP-Client sich mit einem Server verbindet, ermittelt er zuerst die verfügbaren Tools über den Endpoint tools/list:

Discovery-Ablauf

Client verbindet sich mit Server und Authentifizierung
Client fordert tools/list für verfügbare Tools an
Server antwortet mit Tool-Schemas (Name, Beschreibung, Parameter)
Client speichert Tool-Infos für die Session
Client kann Tools bei Bedarf per Namen aufrufen

Jedes Tool hat ein Schema mit:

Name: Eindeutige Kennung (z. B. list_tasks)
Beschreibung: Was das Tool macht
Parameter: Pflicht- und optionale Eingaben
Rückgabe: Erwartetes Ausgabeformat

Ablauf von Tool-Aufrufen

Wenn Sie Ihren KI-Assistenten um eine Aktion bitten, passiert im Hintergrund Folgendes:

Beispiel: Ablauf eines Tool-Aufrufs

1. User: "Erstelle eine Aufgabe für Follow-up mit Acme Corp"

2. AI Assistant (Client):
   - Analysiert die Anfrage
   - Erkennt den Bedarf am Tool create_task
   - Stellt fest, dass das Tool vom Corcava-MCP-Server kommt
   - Extrahiert Parameter: title, description, etc.

3. Client → Server-Anfrage:
   POST https://app.corcava.com/mcp
   Headers: Authorization: Bearer API_KEY
   Body: {
     "tool": "create_task",
     "arguments": {
       "title": "Follow-up mit Acme Corp",
       "description": "...",
       "due_date": "..."
     }
   }

4. Server-Verarbeitung:
   - Prüft API-Key
   - Prüft Berechtigungen
   - Legt Aufgabe in der Datenbank an
   - Liefert das Aufgabenobjekt zurück

5. Server → Client-Antwort:
   {
     "task": {
       "id": 123,
       "title": "Follow-up mit Acme Corp",
       "status": "open",
       ...
     }
   }

6. AI Assistant (Client):
   - Erhält die Antwort
   - Formatiert für den Nutzer
   - Bestätigt die Aufgabenerstellung

7. Nutzer sieht: „Aufgabe #123 erstellt: Follow-up mit Acme Corp“

Corcava-MCP-Tools in der Praxis

So ordnen sich Corcavas MCP-Tools typischen Projektmanagement-Aktionen zu:

Aufgabe erstellen

Nutzeranfrage: „Erstelle eine Aufgabe zum Review des Q4-Berichts“

Aufgerufenes Tool: create_task

Parameter:

title: "Review Q4-Bericht"
description: (aus Kontext erzeugt)
project_id: (abgeleitet oder angegeben)

Ergebnis: Neue Aufgabe mit ID und vollständigen Details

Kommentar hinzufügen

Nutzeranfrage: „Füge zu Aufgabe #123 einen Kommentar hinzu: API-Änderungen sind fertig“

Aufgerufenes Tool: add_task_comment

Parameter:

task_id: 123
comment: "API-Änderungen erledigt. Bereit für Review."

Ergebnis: Kommentar mit Zeitstempel zur Aufgabe hinzugefügt

Zeiterfassung starten

Nutzeranfrage: „Starte Zeiterfassung für meine aktuelle Aufgabe“

Aufgerufenes Tool: start_time_tracking

Parameter:

task_id: (aus Kontext oder aktiver Aufgabe)

Ergebnis: Zeiterfassung gestartet, Timer läuft

Mehrere Server, ein Gespräch

Eine Stärke von MCP: Verbindung zu mehreren Servern gleichzeitig. Ihr KI-Assistent kann in einem Gespräch Tools verschiedener Dienste nutzen:

Beispiel: Multi-Server-Workflow

Nutzer: „Erstelle eine Aufgabe für das API-Dokumentations-Review und suche dann in unserer Codebasis nach ähnlichen Mustern“

KI-Assistent:

Ruft create_task vom Corcava-MCP-Server auf
Ruft search_code vom Codebase-MCP-Server auf
Fasst Ergebnisse zusammen und liefert eine einheitliche Antwort

Transport: HTTP vs. STDIO

MCP unterstützt zwei Transportmechanismen:

Remote-Server (HTTP/SSE)

Corcava nutzt diesen Ansatz:

Server läuft als Webdienst
Client verbindet per HTTP/HTTPS
Unterstützt Server-Sent Events (SSE) für Streaming
Mehrbenutzer, zentrale Bereitstellung
Geeignet für SaaS-Anwendungen

Lokale Server (STDIO)

Alternativer Ansatz:

Server läuft als lokaler Prozess
Client kommuniziert per Standard-Ein-/Ausgabe
Einzelnutzer, lokale Bereitstellung
Geeignet für persönliche Tools
Kein Netzwerk nötig

Mehr zu den Abwägungen in unserem Guide zu Remote- vs. lokalen MCP-Servern.

Fehlerbehandlung und Resilienz

MCP bringt Fehlerbehandlung mit:

Verbindungsfehler: Clients wiederholen mit exponentiellem Backoff
Authentifizierungsfehler: Klare Fehlermeldungen helfen bei API-Keys
Validierungsfehler: Server liefern detaillierte Meldungen bei ungültigen Parametern
Rate Limiting: Server können Limits melden, Clients passen sich an
Timeout: Lang laufende Operationen können abgebrochen oder per Polling abgefragt werden

Bereit für MCP?

Verbinden Sie Ihren KI-Assistenten mit Corcava und automatisieren Sie Ihre Workflows

Kostenlos testen →Quickstart-Anleitung lesen

Keine Kreditkarte erforderlich