MCP-Timeouts: Langsame Antworten erkennen und beheben

MCP-Timeout-Fehler durch langsames Netz, große Payloads oder Rate-Limits beheben. Paginierung, Batching und Verbindungsoptimierung für schnellere MCP-Workflows.

Was sind Timeout-Fehler?

Ein Timeout entsteht, wenn eine MCP-Operation länger dauert als das konfigurierte Timeout des Clients (oft 30–60 Sekunden). Die Anfrage wird abgebrochen und Sie sehen einen Fehler.

Typische Timeout-Symptome

Anfrage hängt und schlägt schließlich fehl
Fehlermeldung: „Request timeout“ oder „Connection timeout“
Operation dauert länger als 30–60 Sekunden
Kleine Abfragen funktionieren, große schlagen fehl

Häufige Ursachen

1. Große Ergebnismengen

Zu viele Aufgaben auf einmal überlasten die Verbindung:

Problem

list_tasks ohne Filter liefert 1000+ Aufgaben und verursacht Timeout.

Lösung: Paginierung nutzen

Ergebnisse pro Anfrage begrenzen und seitenweise abrufen:

// Statt alle Aufgaben auf einmal
list_tasks(limit=50, page=1)  // Erste 50
list_tasks(limit=50, page=2)  // Nächste 50

2. Langsame Netzverbindung

Schlechte Internetverbindung verursacht Verzögerungen:

Diagnose-Schritte

Netzgeschwindigkeit testen (Speed-Test)
Latenz prüfen: Ping zu api.corcava.com
Kleinere Abfragen testen: Wenn kleine klappen und große nicht, eher Bandbreite

Lösungen

VPN: VPN erhöht Latenz – direkte Verbindung testen
Ergebnismenge reduzieren: Filter und Paginierung
Retry mit Backoff: Exponentielles Backoff bei Wiederholungen

3. Rate Limiting

Zu viele Anfragen in kurzer Zeit können Rate-Limits auslösen:

Symptome

Anfragen starten schnell, werden dann langsamer
429 Rate Limited Fehler erscheinen
Erste Anfragen erfolgreich, danach Timeout

Lösung

Siehe Rate-Limit-Fehlerbehebung.

4. Komplexe Abfragen

Operationen mit aufwändiger Verarbeitung dauern länger:

Langsame Operationen

Projektübergreifend: Suche über 10+ Projekte
Große Zeiträume: Aufgaben der letzten 2 Jahre
Ungefilterte Listen: Alle Aufgaben ohne Filter

Optimierung

Filter setzen: status, project_id, assignee
Kürzere Zeiträume: z. B. letzte 30 Tage
Pro Projekt abfragen statt alle Projekte
Paginierung: z. B. 50–100 Ergebnisse pro Anfrage

Lösungen und Best Practices

1. Paginierung einsetzen

Paginierungs-Muster

Große Abfragen in kleine Seiten aufteilen:

// Aufgaben in Batches von 50
page = 1
all_tasks = []

while True:
    batch = list_tasks(limit=50, page=page)
    if batch is empty:
        break
    all_tasks.extend(batch)
    page += 1

2. Filter konsequent nutzen

Filter-Beispiele

// Statt:
list_tasks()  // Liefert alle Aufgaben

// Mit Filtern:
list_tasks(
    status="in_progress",
    project_id=123,
    assigned_to="[email protected]",
    created_after="2026-01-01"
)