Ein MCP-Server ist schnell erklärt – aber was passiert auf der anderen Seite der Verbindung? Der MCP-Client ist die Engine, die einem KI-Modell überhaupt erst ermöglicht, mit externen Tools und Datenquellen zu kommunizieren. Was ein MCP-Client ist, wie er funktioniert und welche Clients es gibt.
Was ist ein MCP-Client?
Der MCP-Client ist die Komponente innerhalb einer KI-Anwendung, die die Verbindung zu einem oder mehreren MCP-Servern herstellt und verwaltet. Während der MCP-Server die Funktionen und Daten bereitstellt, ist der Client die Vermittlungsschicht, die diese Ressourcen für das Sprachmodell zugänglich macht.
Technisch betrachtet ist der Client eine Softwarebibliothek oder Bibliothekskomponente, die:
- sich beim Server authentifiziert,
- dessen Fähigkeiten abfragt (Tools, Resources, Prompts),
- Funktionsaufrufe des KI-Modells weiterleitet und
- die Ergebnisse zurück ins KI-System spielt.
Client, Server, Host – die Architektur im Überblick
Um die Rolle des Clients zu verstehen, hilft ein Blick auf die vollständige MCP-Architektur:
| Komponente | Rolle | Beispiele |
|---|---|---|
| MCP Host | Die KI-Anwendung, die alles orchestriert – enthält den/die Clients | Claude Desktop, Cursor, VS Code, eigener KI-Agent |
| MCP Client(s) | Vermittler zwischen Host und Servern – kann mehrere Server parallel ansprechen | Interne SDK-Komponente, meist nicht sichtbar für Endnutzer |
| MCP Server | Bietet Tools, Resources und Prompts für die KI | Filesystem-Server, Slack-Server, PostgreSQL-Server |
Ein Host kann mehrere Clients enthalten – und jeder Client kann wiederum mehrere Server ansteuern. Das erlaubt flexible Architekturen: Ein KI-Assistent kann gleichzeitig mit dem Filesystem, dem CRM und dem Kalender verbunden sein.
Wie kommuniziert der Client mit dem Server?
Die Kommunikation läuft über JSON-RPC 2.0, ein schlankes Remote-Procedure-Call-Protokoll. Der Ablauf einer typischen Sitzung:
- Initialisierung: Client und Server tauschen ihre Capabilities aus – welche Tools gibt es, welche Resources sind verfügbar?
- Tool-Aufruf: Das KI-Modell entscheidet, dass ein Tool benötigt wird. Der Client serialisiert den Aufruf als JSON-RPC-Request und sendet ihn an den Server.
- Antwort: Der Server führt die Aktion aus und sendet das Ergebnis zurück. Der Client übergibt es an das KI-Modell.
- Resource-Abruf: Ähnlich für Resources – der Client fragt beim Server an und liefert die Daten ins KI-Kontextfenster.
Transportmechanismen: Stdio vs. Streamable HTTP
Je nachdem, wo Server und Client laufen, gibt es zwei Transportarten:
| Transport | Einsatz | Vorteile | Typische Nutzung |
|---|---|---|---|
| Stdio | Lokale Prozesse auf demselben Rechner | Schnell, kein Netzwerk-Overhead, keine Authentifizierung nötig | Desktop-Anwendungen, lokale Entwicklung |
| Streamable HTTP | Remote-Server über das Internet | Skalierbar, OAuth-fähig, Server-Sent Events für Echtzeit | Cloud-Deployments, Enterprise-Umgebungen |
Der Stdio-Transport ist ideal für lokale Setups: Client und Server starten als Prozesse auf dem gleichen Rechner, kommunizieren über Standard-Ein-/Ausgabe. Das spart Overhead und vereinfacht die Einrichtung.
Der Streamable HTTP Transport kommt bei Remote-Servern zum Einsatz. Er unterstützt OAuth 2.0 – wichtig für Unternehmensumgebungen, wo jeder MCP-Server Zugriffsrechte prüfen muss.
Welche KI-Anwendungen haben MCP-Client-Support?
Der Client ist normalerweise kein separates Produkt, sondern eine integrierte Komponente. Hier die wichtigsten Plattformen mit MCP-Client-Support:
Claude Desktop (Anthropic)
Der offizielle Desktop-Client von Anthropic kommt mit MCP-Support out-of-the-box. In der Konfigurationsdatei lassen sich beliebige MCP-Server eintragen – die Installation eines Servers reicht, und Claude Desktop erkennt ihn automatisch.
Cursor
Der KI-Code-Editor Cursor hat MCP früh integriert. Entwickler können eigene Server über die Cursor-Config hinzufügen und so den KI-Assistenten mit beliebigen Datenquellen verbinden.
Visual Studio Code + Erweiterungen
VS Code selbst hat keinen nativen MCP-Support, aber Erweiterungen wie MCPJam bringen die Funktionalität in die populäre IDE.
OpenAI ChatGPT
Auch ChatGPT unterstützt MCP über das OpenAI Agents SDK – primär relevant für Entwickler, die eigene ChatGPT-basierte Anwendungen bauen.
Archestra
Die Archestra KI-Agenten-Plattform integriert MCP als zentrales Protokoll für die Anbindung von Tools und Datenquellen an orchestrierte KI-Agenten.
Client-Konfiguration: Ein praktisches Beispiel
Wie die Konfiguration aussieht, zeigt das Beispiel von Claude Desktop. In der Datei
1 | claude_desktop_config.<a class="wpil_keyword_link" title="Was ist JSON? – Kurz erklärt." href="https://www.biteno.com/was-ist-json/" target="_blank" rel="noopener" data-wpil-keyword-link="linked" data-wpil-monitor-id="6986">json</a> |
trägt man die MCP-Server ein:
2
3
4
5
6
7
8
9
10
11
12
"mcpServers": {
"filesystem": {
"command": "npx",
"args": ["-y", "@modelcontextprotocol/server-filesystem", "/Users/namen/Projekte"]
},
"postgres": {
"command": "npx",
"args": ["-y", "@modelcontextprotocol/server-postgres", "--host", "localhost"]
}
}
}
Sobald Claude Desktop neu startet, stehen die Tools des Filesystem- und PostgreSQL-Servers dem KI-Modell zur Verfügung – ohne dass man im Chat irgendetwas konfigurieren muss.
Multi-Client-Setup: Mehrere MCP-Server parallel
Ein grosser Vorteil des MCP-Protokolls: Ein einzelner Client kann mehrere Server ansteuern. In der Praxis bedeutet das:
- Eine KI-Applikation kann gleichzeitig auf Slack, Jira, GitHub und eine interne Datenbank zugreifen.
- Jeder Server ist isoliert – ein Problem in Server A beeinflusst nicht Server B.
- Neue Server lassen sich hinzufügen, ohne bestehende Verbindungen zu ändern.
Für Unternehmen, die KI-Agenten über mehrere Systeme orchestrieren wollen, ist dieses Multi-Client-Setup fundamental.
Client-SDKs: Für eigene Entwicklungen
Wer einen eigenen MCP-Client bauen möchte – etwa für eine firmeninterne KI-Anwendung – findet offizielle SDKs:
- Python SDK: Das offizielle Python-SDK von Anthropic für Server und Client
- TypeScript SDK: Für Node.js-basierte Anwendungen
- Java SDK: Für Enterprise-Java-Anwendungen
Ein minimales Client-Beispiel in Python:
2
3
4
5
6
client = Client("mein-client")
await client.connect("https://mcpserver.example.com")
tools = await client.list_tools()
print(tools)
MCP-Client und Security
Der Client spielt eine zentrale Rolle in der Sicherheitsarchitektur von MCP. Er ist die Komponente, die:
- Authentifizierungstokens an Remote-Server weiterleicht,
- Zugriffsrechte prüft, bevor Tool-Aufrufe durchgeführt werden,
- Audit-Logs über stattgefundene Aufrufe führen kann.
Bei Remote-Servern ist der Client der Ort, an dem OAuth-Callbacks verarbeitet werden. Das macht ihn zum kritischen Knotenpunkt für die Zugriffskontrolle.
Fazit
Der MCP-Client ist die unsichtbare Schaltzentrale jeder MCP-Integration. Er übersetzt die Entscheidungen des KI-Modells in strukturierte Aufrufe, fragt verfügbare Ressourcen ab und sorgt dafür, dass Ergebnisse zurück ins Kontextfenster fliessen.
Für die meisten Nutzer ist der Client bereits in ihrer KI-Anwendung enthalten – ob in Claude Desktop, Cursor oder einer eigenen Lösung. Die Konfiguration passiert auf Server-Seite: Welche Server werden angebunden? Welche Rechte haben sie?
Wer die Architektur versteht, kann MCP gezielt einsetzen und ausbauen: Ein zusätzlicher MCP-Server – und die KI-Anwendung hat sofort Zugriff auf neue Fähigkeiten.
