MCP (Model Context Protocol) ist ein offener Standard, über den sich KI-Assistenten mit externen Tools und Datenquellen verbinden, und zwar über eine einzige gemeinsame Schnittstelle. So kann ein Modell handeln, statt nur Text zu erzeugen. Anthropic hat MCP am 25. November 2024 vorgestellt und als Open Source veröffentlicht, als "a new standard for connecting AI assistants to the systems where data lives" (ein neuer Standard, der KI-Assistenten mit den Systemen verbindet, in denen die Daten liegen). Die MCP-Dokumentation nennt heute Unterstützung in KI-Assistenten wie Claude und ChatGPT und in Entwicklerwerkzeugen wie Visual Studio Code und Cursor.
Das Problem, das MCP löst, ist kombinatorisch. Vorher musste jede KI-Anwendung für jedes Tool, das sie nutzen wollte, eine eigene Integration bauen: eine für deine Dateien, eine für deine Datenbank, eine für einen Bildgenerator, eine für jede API. Anthropic formuliert es so: "every new data source requires its own custom implementation" (jede neue Datenquelle braucht ihre eigene, maßgeschneiderte Implementierung). Das ist ein M-mal-N-Problem. MCP macht daraus M plus N: Ein Tool stellt sich einmal als MCP-Server bereit, jede MCP-fähige KI-App tritt als Client auf, und beide sprechen dasselbe Protokoll. Du baust die Integration einmal, und jede Anwendung, die den Standard unterstützt, kann sie nutzen.
Diese Standardisierung ist der Grund, warum sich das Protokoll über Anthropics eigene Apps hinaus verbreitet hat. Die Entwicklerdokumentation von OpenAI beschreibt, wie man entfernte MCP-Server mit ChatGPT und mit der OpenAI-API verbindet, und die MCP-Website fasst das Versprechen als "build once and integrate everywhere" (einmal bauen, überall integrieren) zusammen. Bevor du für einen bestimmten Host baust, prüf in dessen Dokumentation, welche Teile von MCP er unterstützt, etwa die Anmeldung bei entfernten Servern.
So funktioniert MCP
MCP kennt drei Rollen. Der Host ist die KI-Anwendung, mit der der Nutzer arbeitet (eine Chat-App, ein Code-Editor, ein Agent). Der Host legt für jeden Server, mit dem er sich verbindet, einen eigenen Client an, und jeder Client hält eine eigene Verbindung zu seinem Server. Der Server ist das Programm, das eine bestimmte Fähigkeit bereitstellt: deinen Kalender, ein Code-Repository, einen Videogenerator. Ein Host kann sich mit vielen Servern gleichzeitig verbinden. Ein Server kann lokal auf deinem Rechner laufen oder entfernt über das Web; für entfernte Server, bei denen du dich anmelden musst, empfiehlt die MCP-Dokumentation OAuth.
Server stellen ihre Fähigkeiten in drei Standardformen bereit, die die Dokumentation Primitive nennt. Tools sind Aktionen, die das Modell aufrufen kann (ein Bild generieren, eine Abfrage ausführen, eine Nachricht senden). Resources (Ressourcen) sind Daten, die das Modell lesen kann (Dateien, Datensätze). Prompts sind wiederverwendbare Vorlagen, die der Server anbietet. Das Modell muss nicht wissen, wie irgendetwas davon umgesetzt ist: Es sieht ein Tool mit Namen, Beschreibung und einem Schema für die Eingaben, ruft es auf, und der Server erledigt die Arbeit und liefert ein Ergebnis zurück.
Der Ablauf in der Praxis: Du bittest den Assistenten um etwas, das Modell entscheidet, dass ein Tool-Aufruf nötig ist, der Host schickt diesen Aufruf über seinen Client an den richtigen Server, der Server führt ihn aus und liefert ein Ergebnis, und das Modell arbeitet mit diesem Ergebnis weiter. Weil das Protokoll ein Standard ist, lässt sich ein Server, den du mit Claude verbindest, auch mit anderen MCP-fähigen Hosts verbinden, ohne ihn neu zu schreiben, solange jeder Host unterstützt, was der Server braucht. Genau darin liegt der Wert: den Connector einmal schreiben.
Wann du MCP nutzt
Du nutzt MCP immer dann, wenn ein KI-System handeln soll, statt nur zu antworten. Ein einfacher Modellaufruf erzeugt Text. Ein per MCP verbundenes Modell kann deine Daten lesen und über echte Tools Aktionen ausführen. Typische Situationen:
- Einen Assistenten mit deinen Systemen verbinden. Gib einem Chat-Assistenten Zugriff auf deine Dateien, deine Datenbank oder interne Tools, ohne für jedes eine eigene Integration zu bauen.
- Agenten bauen. Ein KI-Agent braucht Tools, um mehr zu tun als zu reden. MCP ist ein Standardweg, ihm diese Tools zu geben, sodass du nicht für jede Fähigkeit einen eigenen Client pflegen musst.
- Eine Fähigkeit in viele Hosts gleichzeitig bringen. Wenn du ein Tool baust, das in Claude, in einer IDE und in einem eigenen Agenten nutzbar sein soll, kann ein einziger MCP-Server alle drei bedienen, sofern jeder Host die Funktionen unterstützt, die der Server nutzt.
Das Signal, dass du MCP brauchst, ist Wiederholung: Wenn du sonst dieselbe Art von Integration mehr als einmal schreiben würdest oder ein Tool in mehreren KI-Apps funktionieren soll, erledigt der Standard genau die Aufgabe, für die er entworfen wurde.
Beispiele
Ein Server für kreative Generierung (8frame). 8frame betreibt einen laufenden MCP-Server unter https://mcp.8frame.co/mcp. Stand 2026-10-01 bietet er 8 Tools für Bildgenerierung, 9 Video-Tools und 2 Musik-Tools, dazu Tools für Bildbearbeitung, Hintergrundentfernung und Bild-Upscaling. Jedes Tool führt eine Modellfamilie aus (das Veo-Tool zum Beispiel deckt Veo 3.1 Standard, Fast und Lite ab), und zwei Tools zum "Modell wählen" zeigen die Optionen mit ihren Credit-Kosten. Ist der Server verbunden, kann ein Assistent wie Claude ein Produktbild generieren, es hochskalieren und daraus einen Clip animieren, alles über Tool-Aufrufe, ohne dass du die App öffnest.
Um ihn in claude.ai zu verbinden, fügst du ihn als eigenen Connector (custom connector) hinzu, unter Customize → Connectors → + Add → Add custom connector. Eigene Connectors funktionieren in jedem Claude-Tarif, auch in Free (Free erlaubt einen); bei Team und Enterprise fügt sie ein Owner (Inhaber) für die Organisation hinzu. In Claude Code führst du claude mcp add --transport http 8frame https://mcp.8frame.co/mcp aus und meldest dich danach mit /mcp an. In Cursor trägst du die URL unter mcpServers in ~/.cursor/mcp.json ein. In jedem Fall meldest du dich im Browser bei deinem 8frame-Konto an, und die Generierungen werden von den Credits dieses Kontos abgebucht.
Der Assistent wählt für jeden Aufruf ein Tool, schickt den Prompt und bekommt das Ergebnis als Dateilink zurück; die Ergebnisse landen nicht auf deinem 8frame-Canvas. Außerdem hat der Connector weniger Einstellungen als der Canvas. Nano Banana Pro und Kling v3 Pro gibt es nur auf dem Canvas: Das Nano-Banana-Tool des Connectors ist das Classic-Modell für 6 Credits, und sein Kling-Tool führt Kling v3 Standard aus, das ein Startbild braucht. Ein Veo-Aufruf ohne Angabe der Stufe läuft auf Veo 3.1 Standard und kostet 448 Credits für 8 Sekunden mit Ton, während das Veo-Tool auf dem Canvas mit Fast (168) startet. Nenn also die Stufe, die du willst.
Ein Server für ein Code-Repository. Ein Entwicklerwerkzeug kann einen Server im GitHub-Stil mit Tools wie "read file", "open pull request" und "search issues" (Datei lesen, Pull Request öffnen, Issues durchsuchen) bereitstellen. Zum Start hat Anthropic fertige Server für GitHub, Git, Google Drive, Slack, Postgres und Puppeteer mitgeliefert. Verbunden mit einem Coding-Assistenten kann das Modell die Codebasis lesen und über diese Tools im Repository handeln, und derselbe Server, einmal gebaut, lässt sich mit weiteren MCP-Hosts verbinden, die der Entwickler nutzt. Das ist das alltägliche Muster: Ein System, das schon eine API hat, verpackt sie als MCP-Server, und MCP-fähige Assistenten erreichen es ohne eigene Integration für jeden einzelnen.
Beide Beispiele haben dieselbe Struktur: ein Server, der benannte Tools bereitstellt, ein Host mit einem Client, der sich mit ihm verbindet, und ein Modell, das die Tools aufruft, um echte Arbeit zu erledigen. Ob es um Videogenerierung oder Code-Bearbeitung geht, das Protokoll darunter ist identisch.
Verwandte Begriffe
Ein KI-Agent ist der häufigste Nutzer von MCP. Agenten brauchen Tools, um in der Welt zu handeln, und MCP ist eine Standardschnittstelle, die sie liefert; deshalb werden die beiden Begriffe meist zusammen besprochen. Für die 8frame-Seite davon lies Videogenerierung für KI-Agenten und KI-Video mit Claude generieren.
Ein KI-Workflow ist die andere Seite der Medaille: Während MCP standardisiert, wie ein Modell ein einzelnes Tool erreicht, verkettet ein Workflow mehrere Generierungsschritte zu einer wiederholbaren Pipeline. Auf einem Canvas baust du den Workflow; über MCP kannst du viele derselben Modelle aus einem Chat oder einem Agenten heraus ausführen, mit weniger Einstellungen, und bekommst die Ergebnisse als Dateien zurück.
Häufige Fragen
Wer hat MCP entwickelt? Anthropic hat MCP am 25. November 2024 vorgestellt und als Open Source veröffentlicht, zusammen mit einer Spezifikation, SDKs und einer Reihe fertiger Server.
Ist MCP nur für Claude? Nein. Es ist ein offenes Protokoll, und die MCP-Dokumentation nennt neben Claude auch Unterstützung in ChatGPT, Visual Studio Code und Cursor.
Was ist der Unterschied zwischen Host, Client und Server bei MCP? Der Host ist die KI-App, die du nutzt, der Server ist das Programm, das Tools oder Daten anbietet, und der Client ist der Teil des Hosts, der eine Verbindung zu einem Server hält.
Brauche ich einen bezahlten Claude-Tarif, um einen eigenen MCP-Connector hinzuzufügen? Nein. Laut Anthropics Hilfecenter gibt es eigene Connectors bei Free, Pro, Max, Team und Enterprise; Free ist auf einen begrenzt.
Erscheinen 8frame-Ergebnisse auf meinem Canvas, wenn ich über MCP generiere? Nein. Der Connector liefert jedes Ergebnis als Dateilink zurück. Die Generierungen werden von den Credits des 8frame-Kontos abgebucht, mit dem du dich angemeldet hast.
Quellen
- Vorstellung und Open-Source-Veröffentlichung von MCP am 25. November 2024, die Formulierung zum Start und die fertigen Server: Introducing the Model Context Protocol, abgerufen am 2026-10-01
- Definition und Unterstützung in Claude, ChatGPT, Visual Studio Code und Cursor ("build once and integrate everywhere"): What is the Model Context Protocol (MCP)?, abgerufen am 2026-10-01
- Rollen von Host, Client und Server; Tools, Resources und Prompts; lokale und entfernte Server; OAuth: MCP architecture overview, abgerufen am 2026-10-01
- Entfernte MCP-Server in ChatGPT und in der OpenAI-API: OpenAI developer docs, MCP, abgerufen am 2026-10-01
- Eigene Connectors in Claude (Tarife, Grenze bei Free, wer sie hinzufügt, Menüpfad): Get started with custom connectors using remote MCP, abgerufen am 2026-10-01
- Befehl für Claude Code und Anmeldung mit
/mcp: Claude Code docs, MCP, abgerufen am 2026-10-01 - Konfigurationsdatei von Cursor und OAuth: Cursor docs, MCP, abgerufen am 2026-10-01
- Einrichtung des 8frame-MCP und Anmeldung: 8frame.co/mcp, abgerufen am 2026-10-01
- Tools, Modelle, Standardwerte, Preise und Ergebnisse als Dateilinks beim 8frame-Connector: Code des MCP-Servers von 8frame, gelesen am 2026-10-01
- Veo-Standard auf dem Canvas (Veo 3.1 Fast, 168 Credits): Tool-Registry von 8frame, 2026-09-30
Willst du MCP in Aktion sehen? Verbinde den 8frame-MCP-Server mit Claude und generiere Video aus einem Gespräch heraus, oder sieh dir die Canvas- und Workflow-Bibliothek für die Shots an, die du selbst inszenierst.
Probier es ohne Anmeldung aus: Du landest direkt auf einem echten Board. Der 8frame-Canvas ist kostenlos und unbegrenzt; die Generierung ist kostenpflichtig ab 19 US-Dollar im Monat.