Ihre Privatsphäre ist uns wichtig

Wir nutzen notwendige Cookies für den Betrieb der Seite und – mit Ihrer Einwilligung – Analyse- und Marketing-Cookies zur Verbesserung. Sie können Ihre Wahl jederzeit ändern. Datenschutzerklärung

  • Security
  • Pricing
Scoping Call buchen
Zurück zum Glossar
Glossar6 Min. Lesezeit

Model Context Protocol (MCP)

Das Model Context Protocol (MCP) ist ein offener Standard zur Anbindung von AI-Modellen und -Agenten an externe Tools und Daten. Erfahren Sie, wie MCP funktioniert und welche Sicherheitsimplikationen es hat.

Model Context Protocol (MCP)
Das Model Context Protocol (MCP) ist ein offener Standard zur Anbindung von AI-Modellen und -Agenten an externe Tools, Datenquellen und Dienste über eine gemeinsame Schnittstelle. Eingeführt von Anthropic und seither breit im AI-Ökosystem übernommen, ersetzt MCP maßgeschneiderten Glue-Code je Integration durch ein einheitliches Protokoll: Eine Host-Anwendung betreibt einen MCP-Client, der sich mit MCP-Servern verbindet, von denen jeder Tools und Ressourcen bereitstellt, die das Modell aufrufen kann. Dasselbe Protokoll, das Agenten dramatisch leistungsfähiger macht, schafft zugleich einen neuen, weitgehend ungeprüften Kanal, über den sie Daten lesen und Aktionen ausführen.

Wie MCP funktioniert

MCP definiert eine Client-Server-Architektur mit drei klar abgegrenzten Rollen. Diese zu verstehen ist die Voraussetzung dafür, sie zu regeln.

Host, Client und Server

Der Host ist die Anwendung, mit der der Nutzer interagiert — eine Chat-Oberfläche, ein IDE-Assistent oder eine autonome Agent-Runtime. Der Host instanziiert einen oder mehrere MCP-Clients, von denen jeder eine eigene Verbindung zu einem einzelnen MCP-Server unterhält. Der Server ist ein separater Prozess (lokal oder remote), der dem Modell Fähigkeiten in strukturierter, auffindbarer Form bereitstellt.

Server bieten drei Primitive an:

  • Tools — Funktionen, die das Modell aufrufen kann, um Aktionen auszuführen: eine Datenbank abfragen, eine E-Mail senden, ein Ticket erstellen, einen Shell-Befehl ausführen.
  • Ressourcen — Daten, die das Modell lesen kann: Dateien, Datensätze, API-Antworten, Dokumente.
  • Prompts — wiederverwendbare Vorlagen, die der Server dem Host anbietet.

Wenn ein Modell entscheidet, eine Fähigkeit zu nutzen, leitet der Client eine strukturierte Anfrage an den Server weiter, der Server führt sie aus, und das Ergebnis wird in den Kontext des Modells zurückgegeben. Der Transport erfolgt typischerweise über JSON-RPC über stdio für lokale Server oder über HTTP für entfernte.

Warum es wichtig ist

Vor MCP war jede Verbindung zwischen einer AI-Anwendung und einem externen System eine maßgeschneiderte Integration. MCP verwandelt dieses N×M-Integrationsproblem in ein N+M-Problem: Jeder MCP-kompatible Host kann mit jedem MCP-Server kommunizieren. Das Ergebnis ist ein schnell wachsendes Ökosystem von Servern — offiziell, von der Community und von Anbietern erstellt —, die ein Agent zur Laufzeit kombinieren kann. Genau diese Kombinierbarkeit macht MCP strategisch wichtig, und genau sie macht es zu einem Sicherheitsthema.

MCP im Vergleich zur klassischen API-Integration

MCP und eine handgebaute API-Integration können dasselbe Backend-System erreichen, unterscheiden sich jedoch darin, wie Fähigkeiten bereitgestellt, entdeckt und kontrolliert werden.

Klassische API-IntegrationModel Context Protocol (MCP)
KopplungEine Integration je App-/Dienst-PaarJeder MCP-Host verbindet sich mit jedem MCP-Server
FähigkeitserkennungFest kodiert zur Build-ZeitDynamisch vom Server zur Laufzeit angeboten
AufruferDeterministische AnwendungslogikEin nicht-deterministisches Modell, das Tools und Argumente wählt
VertrauensgrenzeGeprüfter, versionierter Code unter Ihrer KontrolleDrittanbieter-Serverprozess, den Sie evtl. nicht kontrollieren
Netzwerk-EinblickStandard-ausgehende API-Calls, oft protokolliertTool-Calls über stdio/lokalen Transport, oft unsichtbar
Governance-PunktAnwendungscode und API-GatewayDie Agent-Runtime, bevor der Tool-Call ausgeführt wird

Die entscheidende Verschiebung ist der Aufrufer. Eine klassische Integration führt Code aus, den ein Entwickler geschrieben und geprüft hat; ein MCP-Tool-Call wird von einem Modell zur Inferenzzeit gewählt, mit Argumenten, die aus einem Kontext abgeleitet sind, der nicht vertrauenswürdige Eingaben enthalten kann.

Sicherheitsimplikationen von MCP

MCP erweitert, was ein Agent tun kann, und damit erweitert es, was ein Angreifer über den Agenten tun kann. Die folgenden Risiken sind keine theoretischen Randfälle — sie folgen direkt aus dem Design des Protokolls.

Überberechtigte Server und übermäßige Handlungsmacht

MCP-Server werden häufig mit weitreichenden, langlebigen Zugangsdaten konfiguriert — eine Datenbankverbindung mit vollem Lese-/Schreibzugriff, ein API-Token mit Gültigkeit für einen gesamten Workspace. Das Modell verfügt dann faktisch über die gesamte Autorität, die der Server besitzt. „Übermäßige Handlungsmacht" (Excessive Agency) beschreibt die Lücke zwischen dem, was ein Agent für eine Aufgabe tun muss, und dem, was er technisch tun kann. Ein Zusammenfassungs-Agent, der ein löschfähiges Datenbank-Tool hält, kann dazu verleitet werden, Datensätze zu löschen, auch wenn das Löschen nie Teil seiner Aufgabe war.

Für Netzwerk- und DLP-Kontrollen unsichtbare Tool-Calls

Lokale MCP-Server kommunizieren über stdio, und selbst entfernte tragen freie Argumente statt erkennbarer Dateiübertragungen. Eine Netzwerk-DLP-Appliance sieht eine verschlüsselte Sitzung oder gar nichts; sie sieht nicht, dass ein Tool-Call-Argument eine Kundenliste oder ein Geheimnis enthält. Die Aktion, die ein Agent ausführt — und die Daten, die er übergibt — geschieht unterhalb der Schicht, die die meiste Enterprise-Überwachung prüft.

Indirekte Prompt-Injection über Tool-Ergebnisse

Dies ist das für MCP spezifischste Risiko. Wenn ein Server eine Ressource zurückgibt — eine Webseite, eine E-Mail, ein Dokument, einen Datensatz —, gelangt dieser Inhalt in den Kontext des Modells und wird als anweisungsführender Text behandelt. Ein Angreifer, der Text in einer Datenquelle platzieren kann, die der Agent lesen wird (eine Kalendereinladung, ein Support-Ticket, ein Code-Kommentar), kann Anweisungen einschleusen, nach denen das Modell dann handelt — unter Verwendung seiner legitimen Tools. Der Agent ist im klassischen Sinne nicht kompromittiert; er befolgt getreu Anweisungen, die über Daten eintrafen.

Supply-Chain-Risiko von Drittanbieter-Servern

Einen MCP-Server zu installieren bedeutet, Code zu installieren, der mit den Berechtigungen des Agenten läuft und das Verhalten des Modells prägt. Zu den Risiken zählen bösartige oder per Typosquatting nachgeahmte Server, Tool-Beschreibungen, die das Modellverhalten manipulieren sollen („Tool Poisoning"), und das stille Umdefinieren eines Tools, nachdem es genehmigt wurde („Rug Pulls"). Da Server leicht hinzuzufügen sind und das Ökosystem jung ist, sind Herkunft und Integrität oft ungeprüft.

Authentifizierung und Wildwuchs bei Zugangsdaten

Jeder Server benötigt Zugangsdaten zu dem System, das er vorschaltet. Ohne zentrales Brokering häufen sich diese Geheimnisse über Host-Konfigurationen hinweg an, sind häufig zu weit gefasst und werden selten rotiert. Eine einzige geleakte Serverkonfiguration kann dauerhaften Zugang zu einem Produktivsystem offenlegen.

Fragen, die MCP-Governance beantworten sollte

  • Welche MCP-Server sind verbunden, und was stellen sie bereit? — Inventar der Server, Tools und der Scopes, die sie halten.
  • Was hat dieser Agent tatsächlich getan? — Ein Datensatz je Aufgabe über jeden Tool-Call, seine Argumente und sein Ergebnis.
  • War dieser Tool-Call richtlinienkonform? — Least-Privilege-Durchsetzung, ausgewertet vor der Ausführung, nicht danach.
  • Wurde eine risikoreiche Aktion menschlich freigegeben? — Freigabe-Datensätze mit Prüfer-Identität für destruktive oder sensible Operationen.
  • Ging diese Aktion auf eingeschleusten Inhalt zurück? — Nachverfolgbarkeit von einem Tool-Call zurück zu den Daten, die ihn ausgelöst haben.

Auf dieser Seite

  • Wie MCP funktioniert
  • Host, Client und Server
  • Warum es wichtig ist
  • MCP im Vergleich zur klassischen API-Integration
  • Sicherheitsimplikationen von MCP
  • Überberechtigte Server und übermäßige Handlungsmacht
  • Für Netzwerk- und DLP-Kontrollen unsichtbare Tool-Calls
  • Indirekte Prompt-Injection über Tool-Ergebnisse
  • Supply-Chain-Risiko von Drittanbieter-Servern
  • Authentifizierung und Wildwuchs bei Zugangsdaten
  • Fragen, die MCP-Governance beantworten sollte

Teilen

Produkt- und Governance-Updates — siehe Datenschutzerklärung.

Häufig gestellte Fragen

Häufig gestellte Fragen

MCP ist ein Protokoll, keine Schwachstelle — aber es verändert die Risikofläche einer Organisation erheblich. Indem es Agenten die Anbindung an Tools und Daten trivial leicht macht, führt MCP überberechtigte Server, Tool-Calls, die Netzwerk- und DLP-Prüfung umgehen, indirekte Prompt-Injection über Tool-Ergebnisse und Drittanbieter-Supply-Chain-Risiken ein. Das Protokoll ist solide; das Risiko liegt darin, Server ohne Laufzeit-Governance darüber bereitzustellen, was Agenten mit welcher Autorität aufrufen können.

Eine klassische Integration ist Code, den ein Entwickler geschrieben, geprüft und versioniert hat; sie läuft deterministisch. Ein MCP-Tool-Call wird von einem Modell zur Inferenzzeit ausgewählt, mit Argumenten, die aus einem Kontext abgeleitet sind, der nicht vertrauenswürdige Eingaben enthalten kann. MCP lässt außerdem jeden kompatiblen Host sich mit jedem Server verbinden und Fähigkeiten zur Laufzeit entdecken, was für Entwickler mächtig ist, aber den Build-Zeit-Prüfschritt entfernt, der herkömmliche Integrationen begrenzt.

Indirekte Prompt-Injection tritt auf, wenn bösartige Anweisungen in Daten platziert werden, die ein Agent über eine MCP-Ressource liest — ein Dokument, eine E-Mail, eine Webseite oder einen Datensatz —, statt vom Nutzer eingegeben zu werden. Wenn dieser Inhalt in den Kontext des Modells gelangt, kann er als Anweisung interpretiert werden und den Agenten dazu bringen, seine legitimen Tools zu missbrauchen. Es ist das MCP-spezifische Risiko, weil Server routinemäßig externe, durch Angreifer beeinflussbare Inhalte direkt in das Modell einspeisen.

Die Agent-Runtime-Schicht von Qadar AI fängt MCP-Tool-Calls ab, bevor sie ausgeführt werden. Jeder Call wird gegen Least-Privilege-Richtlinien ausgewertet, auf kurzlebige, sitzungsgebundene Zugangsdaten statt dauerhafter serverweiter Tokens beschränkt, und risikoreiche Aktionen werden vor ihrer Durchführung an eine menschliche Freigabe gebunden. Jeder Tool-Call, jedes Argument und jedes Ergebnis wird in einem manipulationssicheren Audit-Trail je Aufgabe erfasst — und gibt Sicherheitsteams Einblick und Kontrolle über einen Kanal, den Netzwerk- und DLP-Tools nicht sehen können.

Natali Craig
Olivia Rhye
Drew Cano

Noch Fragen?

Sie finden nicht die Antwort, die Sie suchen? Sprechen Sie mit unserem Team — wir helfen Ihnen weiter.

Kontakt aufnehmen

Verwandte Begriffe

MCP-Sicherheit erklärt: Was Teams beim Einsatz von AI-Agenten wissen müssenBlog

MCP-Sicherheit erklärt: Was Teams beim Einsatz von AI-Agenten wissen müssen

Das Model Context Protocol lässt AI-Modelle externe Tools aufrufen — und erweitert die Aktionsfläche Ihrer AI drastisch. So sieht MCP-Governance aus, und warum.

Mehr erfahren
Agent Communication Protocol (ACP)Glossar

Agent Communication Protocol (ACP)

Das Agent Communication Protocol (ACP) ist ein REST-basierter Standard für die Interoperabilität von AI-Agenten. Erfahren Sie, wie ACP mit MCP, A2A und Enterprise-AI-Governance zusammenhängt.

Mehr erfahren
Tool-Nutzung in autonomen AI-Systemen absichernBlog

Tool-Nutzung in autonomen AI-Systemen absichern

Tool-Nutzung macht AI-Agenten nützlich – aber auch gefährlich. Erfahren Sie, wie Sie API-, Datei- und Datenbankzugriffe für LLM-Agenten steuern.

Mehr erfahren

Sehen Sie, wie Qadar AI diese Konzepte zur Laufzeit umsetzt

Ein Produktspezialist antwortet innerhalb eines Werktags

Demo buchen

Newsletter abonnieren

Produkt- und Governance-Updates — siehe Datenschutzerklärung.

AI Security und Control für jedes Modell, das Ihr Team nutzt.

Entwickelt in Dubai. Konzipiert für Teams, die über Regionen, Modelle und regulatorische Umgebungen hinweg arbeiten.

  • Produkt

    • Shield Web
    • Shield Control
    • Shield Desktop
    • Shield Mobile
    • Pricing
    • Download
  • Lösungen

    • Für CISOs
    • Für Operations
    • Für AI Teams
  • Use Cases

    • AI Governance
    • AI Agent Security
    • LLM Access Control
    • Secure AI Deployment
    • Enterprise Operations
    • Financial Services
    • HR & Recruiting
  • Ressourcen

    • Hilfe-Center
    • Blog
    • Guides
    • Glossar
    • Changelog
    • Vergleich
    • FAQ
  • Unternehmen

    • Über uns
    • Karriere
    • Security & Trust
    • Kontakt
  • Tools

    • Disclose
    • AI Risk Calculator
    • EU AI Act Checker

© 2026 Qadar AI. Alle Rechte vorbehalten.

  • ·Impressum
  • ·Datenschutz
  • ·AGB
  • ·Partner-Bedingungen
  • ·DSGVO / DPA
  • ·