Was ist das Model Context Protocol (MCP)? Der ultimative Leitfaden

KI-Modelle können schlussfolgern, zusammenfassen und Inhalte generieren. Geschäftliche Anwendungsfälle erfordern jedoch häufig Zugriff auf aktuelle Daten und die Fähigkeit, mit externen Systemen zu interagieren. Früher bedeutete die Anbindung einer KI-Anwendung an ein CRM, eine Datenbank, eine Analyseplattform oder ein anderes Geschäftstool, für jede Verbindung eine separate Integration zu entwickeln und zu warten.

Model Context Protocol (MCP) bietet kompatiblen KI-Anwendungen eine standardisierte Möglichkeit, externe Daten, Tools und Workflows zu erkennen und zu nutzen. MCP ersetzt weder das zugrunde liegende CRM noch die Datenbank oder API. Stattdessen stellt es eine einheitliche, auf KI ausgerichtete Schnittstelle für den Zugriff auf ausgewählte Funktionen dieser Systeme bereit. 

MCP wird besonders nützlich, wenn ein KI-Agent eine Verbindung zu vertrauenswürdigen Geschäftsdaten herstellen kann, statt sich ausschließlich auf das Modellwissen oder hochgeladene Dateien zu verlassen. Der MCP-Server von ZoomInfo ermöglicht kompatiblen KI-Tools den Zugriff auf B2B-Unternehmen und Kontaktinformationen für die Account-Recherche, die Suche nach potenziellen Kunden, die Anreicherung von Daten, CRM-fertige Ergebnisse und die Priorisierung von Vertriebsaktivitäten. 

Was ist das Model Context Protocol?

Das Model Context Protocol ist ein offener Standard, über den KI-Anwendungen über eine gemeinsame Schnittstelle eine Verbindung zu externen Tools, Datenquellen und Workflows herstellen können.

Eine MCP-kompatible Anwendung kann die verfügbaren Funktionen eines MCP-Servers erkennen und sie während eines Gesprächs oder Agenten-Workflows nach Bedarf nutzen. Diese Funktionen können Dateien, Datenbanken, CRM-Datensätze, Suchfunktionen, Unternehmensinformationen oder Aktionen in einer anderen Anwendung bereitstellen.

Die offizielle MCP-SDK-Dokumentation beschreibt das Protokoll als Standard, der KI-Anwendungen mit den Systemen verbindet, in denen ihre Daten und Tools gespeichert sind. Server können Tools, Ressourcen und Prompts bereitstellen, die kompatible Hosts nutzen können. 

Warum wurde MCP entwickelt?

Vor MCP benötigte ein KI-Produkt in der Regel für jedes externe System, das es nutzen wollte, eine separate, maßgeschneiderte Integration. Ein anderes KI-Produkt, das eine Verbindung zu denselben Systemen herstellte, benötigte möglicherweise einen eigenen Satz an Integrationen.

MCP reduziert diese Doppelarbeit, indem es ein gemeinsames Protokoll schafft, das kompatible KI-Hosts und -Server implementieren können.

Ein vereinfachter Vergleich sieht so aus:

Ohne MCP

KI-Anwendung → maßgeschneiderte CRM-Verbindung
KI-Anwendung → maßgeschneiderte Datenbankverbindung
Zweite KI-Anwendung → separate CRM-Verbindung
Zweite KI-Anwendung → separate Datenbankverbindung

Mit MCP

Kompatible KI-Anwendungen → MCP-Schnittstelle → kompatible MCP-Server

MCP wurde 2024 von Anthropic eingeführt und später an die Agentic AI Foundation unter dem Dach der Linux Foundation übergeben. Bis Dezember 2025 berichtete Anthropic von einer Nutzung in Produkten wie ChatGPT, Gemini, Microsoft Copilot, Cursor und Visual Studio Code. 

MCP vs. API

MCP und APIs lösen verwandte, aber unterschiedliche Probleme.

MCP ersetzt APIs nicht. Ein MCP-Server kann im Hintergrund eine oder mehrere APIs aufrufen und anschließend ausgewählte Funktionen über MCP für KI-Anwendungen bereitstellen.

Eine ausführlichere Erklärung von APIs und Systemverbindungen finden Sie in unserem Leitfaden zu Was ist API-Integration? Der ultimative Leitfaden für Unternehmen.

MCP vs. Function Calling

Function Calling ermöglicht es einem Modell, von einer Anwendung bereitgestellte Funktionen aufzurufen. MCP arbeitet auf einer anderen Ebene, indem es standardisiert, wie externe Tools und Kontext für kompatible KI-Anwendungen bereitgestellt werden können.

Ein MCP-Tool kann dem Modell letztlich über das Tool-Calling-System des Hosts präsentiert werden. In diesem Sinne kann MCP dazu beitragen, zu standardisieren, woher diese Tools stammen und wie sie beschrieben werden, während Function Calling den Aufruf durch das Modell übernimmt.

MCP vs. RAG

MCP und Retrieval-Augmented Generation, kurz RAG, können zusammenarbeiten, lösen aber unterschiedliche Probleme.

RAG konzentriert sich in der Regel darauf, einem Modell vor der Generierung einer Antwort relevante Informationen bereitzustellen. MCP kann auch Aktionen ermöglichen, etwa die Suche in einer Account-Datenbank oder die Aktualisierung eines Systems.

MCP vs. proprietäre Konnektoren

Proprietäre Konnektoren können hervorragende Integrationen bieten, sind aber meist an das Ökosystem eines einzigen Anbieters gebunden.

Der Reiz von MCP liegt darin, dass kompatible Server potenziell mit mehreren unterstützten KI-Anwendungen funktionieren können. Das bedeutet nicht, dass sich jeder MCP-Server in jedem Client identisch verhält. Authentifizierung, unterstützte Funktionen, Berechtigungen und Client-Features können weiterhin voneinander abweichen.

So funktioniert das Model Context Protocol

Eine typische MCP-Interaktion umfasst einen KI-Host, einen MCP-Client, einen MCP-Server und das zugrunde liegende System, das der Server bereitstellt.

Nutzer → KI-Anwendung → MCP-Client → MCP-Server → externes System → Antwort an die KI

MCP-Host

Der Host ist die KI-Anwendung, die die Interaktion koordiniert. Je nach den für eine Aufgabe benötigten Tools oder Daten kann er eine Verbindung zu einem oder mehreren MCP-Servern herstellen.

MCP-Client

Der Client übernimmt die Kommunikation zwischen dem Host und einem bestimmten MCP-Server.

MCP-Server

Der Server stellt genehmigte Daten oder Funktionen über MCP bereit, damit die KI-Anwendung sie erkennen und nutzen kann.

Die Spezifikation vom 28.07.2026 hat die Protokollarchitektur deutlich verändert. MCP verwendet nun einen zustandslosen Kern und entfernt den bisherigen Sitzungs- und Initialisierungs-Handshake auf Protokollebene. Jede Anfrage enthält die vom Server benötigten Informationen, während die neue Methode server/discover es Clients ermöglicht, die Serverfunktionen bei Bedarf abzurufen. 

Was ist ein MCP-Server?

Ein MCP-Server ist eine Software, die Tools, Ressourcen, Prompts oder andere unterstützte Funktionen für MCP-kompatible KI-Anwendungen bereitstellt.

Das Wort „Server“ bedeutet nicht zwangsläufig, dass es sich um einen dedizierten physischen Server handelt. Ein MCP-Server kann lokal zusammen mit einer KI-Anwendung oder remote als Netzwerkdienst ausgeführt werden.

Das aktuelle MCP-TypeScript-SDK unterstützt Server, die Tools, Ressourcen und Prompts bereitstellen. Die Spezifikation vom 28.07.2026 unterstützt zudem den zustandslosen HTTP-Betrieb für die Remote-Bereitstellung.

MCP-Architektur im Überblick

So nutzt ein KI-Agent einen MCP-Server

Angenommen, ein Vertriebsmitarbeiter fragt:

„Finde 10 mittelgroße Cybersicherheitsunternehmen in Kalifornien und ermittle für jedes Unternehmen Vertriebsleiter auf VP-Ebene.“

Ein MCP-fähiger Workflow könnte:

1. Die Anfrage des Nutzers entgegennehmen.
2. Die verfügbaren Tools erkennen.
3. Ein Tool zur Account-Suche aufrufen.
4. Unternehmen zurückgeben, die den Kriterien entsprechen.
5. Ein Tool zur Kontaktsuche aufrufen.
6. Kontakte nach Rolle und Seniorität filtern.
7. Dem Nutzer eine strukturierte Liste zurückgeben.

Der Nutzer muss nicht manuell eine Datenbank öffnen, Datensätze exportieren oder API-Aufrufe schreiben. Die KI interagiert mit den genehmigten Tools, die der MCP-Server bereitstellt.

Vorteile des Model Context Protocol

• Wiederverwendbare KI-Integrationen: Ein Anbieter oder internes Entwicklungsteam kann eine Funktion über MCP bereitstellen, anstatt für jede kompatible Anwendung einen vollständig separaten, KI-spezifischen Connector neu zu entwickeln.
• Zugriff auf aktuelle Geschäftsdaten: KI-Anwendungen können Informationen zum Zeitpunkt der Anfrage aus angebundenen Systemen abrufen, anstatt sich ausschließlich auf Trainingsdaten des Modells zu stützen.
• Handlungsorientierte KI: MCP-Tools können es KI-Anwendungen ermöglichen, genehmigte Aufgaben auszuführen, anstatt lediglich Fragen zu beantworten.
• Weniger doppelte Integrationsarbeit: Eine standardisierte Schnittstelle kann den Umfang an individueller Verbindungslogik reduzieren, der für mehrere KI-Tools erforderlich ist.
• Portablere Workflows: Ein kompatibler MCP-Server kann potenziell mehrere KI-Hosts statt nur eines proprietären Clients unterstützen.
• Kontrollierter Zugriff: Organisationen können festlegen, welche Funktionen ein MCP-Server bereitstellt, anstatt einer KI uneingeschränkten Zugriff auf ein gesamtes System zu gewähren.

Anwendungsfälle für das Model Context Protocol

• Unternehmenssuche: MCP kann KI-Anwendungen mit Dokumentenspeichern, Dateien, Datenbanken und anderen internen Informationsquellen verbinden.
• Softwareentwicklung: Entwicklungsteams können Code-Repositories, Issue-Tracker, Bereitstellungsdienste oder Testtools für KI-Coding-Agenten bereitstellen.
• Datenanalyse: Eine KI-Anwendung kann Tools aufrufen, die aktuelle Daten aus Datenbanken oder Analysesystemen abrufen, und die Antwort während der Analyse verwenden.
• Kundenservice: MCP-Server können Kundenakten, Wissenssysteme oder Ticketing-Funktionen für Support-Agenten bereitstellen.
• Vertrieb und CRM: KI-Anwendungen können MCP-Tools nutzen, um Accounts zu recherchieren, Ansprechpartner zu identifizieren, Datensätze anzureichern, den Account-Kontext zusammenzufassen oder Briefings für Meetings vorzubereiten.
• RevOps: RevOps-Teams können über MCP zugängliche Geschäftsdaten für Account-Segmentierung, Gebietsplanung, Priorisierung, Routing, CRM-Anreicherung und Reporting nutzen.
• KI-Agenten: Agenten können MCP nutzen, um auf die externen Tools zuzugreifen, die sie für mehrstufige Workflows benötigen. Weitere Hintergrundinformationen finden Sie im Spickzettel zu KI-Agenten: Was sie sind und wie sie funktionieren.

ZoomInfo ermöglicht KI-Agenten über MCP den Zugriff auf B2B-Informationen

Der MCP-Server von ZoomInfo stellt B2B-Daten und Recherchetools für MCP-kompatible KI-Anwendungen bereit. ZoomInfo nennt derzeit Claude, ChatGPT, Perplexity, Replit und weitere kompatible KI-Tools als unterstützt; zur Authentifizierung des Zugriffs wird OAuth verwendet. 

Das aktuelle MCP-Toolset von ZoomInfo umfasst Find Accounts, Enrich Accounts, Research Accounts, Find Contacts, Enrich Contacts und Research Contacts. Diese Tools können die Suche nach ICP-Accounts, die Identifizierung von Ansprechpartnern, die Meeting-Vorbereitung, die Anreicherung, QBR-Recherchen, die Kampagnensegmentierung und die Gebietsplanung unterstützen.

Beispiel: MCP für die Recherche von Vertriebs-Accounts

Stellen Sie sich einen Vertriebsmitarbeiter vor, der sich auf ein Meeting mit einem Ziel-Account vorbereitet.

Der Vertriebsmitarbeiter fragt:

"Recherchiere dieses Unternehmen, identifiziere wahrscheinliche Entscheidungsträger, fasse den aktuellen Account-Kontext zusammen und erstelle ein Meeting-Briefing."

Ein Workflow könnte so aussehen:

KI-Anwendung → ZoomInfo MCP → Account-Recherche → Ansprechpartner-Suche → Anreicherung → KI-Zusammenfassung → Meeting-Briefing

Der MCP-Connector von ZoomInfo kann strukturierte Geschäftsinformationen zurückgeben, die sich für den Einsatz in CRM- oder operativen Systemen eignen, und Workflows wie den Aufbau von Ziel-Account-Listen, Account-Recherche, Anreicherung, Routing und Priorisierung unterstützen. 

Ob die KI anschließend Informationen direkt in ein CRM schreiben kann, hängt von den in dieser Umgebung aktivierten Tools, Berechtigungen und Systemen ab.

Warum MCP für Vertrieb und RevOps wichtig ist

• Weniger Toolwechsel: Vertriebsmitarbeiter können Account-Informationen über eine KI-Schnittstelle anfordern, statt manuell zwischen mehreren Recherchesystemen zu wechseln.
• Schnellere Account-Recherche: Ein KI-Tool kann Anweisungen des Nutzers mit aktuellen Account- und Kontaktdaten kombinieren, die über einen MCP-Server bereitgestellt werden.
• Besseres Targeting: Strukturierte Unternehmens- und Kontaktdaten können die ICP-Filterung, Segmentierung und Priorisierung von Accounts unterstützen.
• Schnellere Meeting-Vorbereitung: Agenten können Unternehmens- und Kontaktkontext abrufen und in einem Meeting-Briefing oder einer Account-Zusammenfassung aufbereiten.
• RevOps-Workflows: MCP-verbundene Daten können Gebietsplanung, CRM-Anreicherung, Routing, Account-Priorisierung und QBR-Vorbereitung unterstützen. ZoomInfo nennt beispielsweise Gebietsplanung, die Erstellung von Outbound-Listen, Kampagnensegmentierung und die Festlegung von QBR-Zielen als Workflows für seine MCP-Tools.  Weitere Informationen zur Automatisierung von Umsatzprozessen finden Sie in RevOps-Automatisierung: Was sich entlang des Revenue Funnels automatisieren lässt.

Sicherheitsrisiken des Model Context Protocol

MCP kann den Umfang dessen erweitern, worauf KI-Anwendungen zugreifen oder was sie tun können. Dadurch wird Governance besonders wichtig.

• Übermäßige Berechtigungen: Eine KI-Anwendung sollte nicht allein deshalb Zugriff auf jedes verfügbare Tool erhalten, weil ein MCP-Server diese unterstützt. Eine schreibgeschützte Account-Recherche birgt ein anderes Risiko als das Ändern von CRM-Datensätzen oder das Versenden von Nachrichten.
• Nicht vertrauenswürdige MCP-Server: Die Verbindung mit einem unbekannten oder unzureichend geprüften Server kann vertrauliche Informationen offenlegen oder unsichere Aktionen ermöglichen.
• Prompt-Injection: Schädliche Inhalte könnten versuchen, ein KI-System dazu zu bringen, Tools aufzurufen oder Informationen auf eine Weise preiszugeben, die der Nutzer nicht beabsichtigt hat.
• Offenlegung von Zugangsdaten: OAuth-Tokens, API-Zugangsdaten und andere Geheimnisse müssen sicher gespeichert werden und auf den erforderlichen Berechtigungsumfang beschränkt sein.
• Aktionen mit hoher Wirkung: Tools, die Datensätze ändern, Nachrichten versenden, Informationen löschen oder Transaktionen initiieren können, erfordern strengere Kontrollen als Tools zum Abrufen von Informationen.
• Datenabfluss: Die Verbindung von CRM-, Kunden-, Finanz- oder Mitarbeitersystemen mit KI-Anwendungen kann das Risiko erhöhen, dass vertrauliche Informationen außerhalb der vorgesehenen Workflows weitergegeben werden.

Best Practices für die MCP-Sicherheit

• Prinzip der geringsten Berechtigung anwenden: Nur die für den Workflow erforderlichen Tools und Daten bereitstellen.
• MCP-Server zentral genehmigen: Server von Drittanbietern prüfen, bevor Mitarbeiter sie verbinden.
• Lese- und Schreibaktionen trennen: Mit dem Abrufen von Informationen beginnen, bevor Änderungen an Systemen erlaubt werden.
• Bestätigung verlangen: Für Aktionen mit hoher Wirkung eine menschliche Genehmigung einbauen.
• Berechtigungen begrenzen: Die Authentifizierung auf die erforderlichen Systeme und Funktionen beschränken.
• Tool-Aufrufe protokollieren:Sichtbarkeit darüber gewährleisten, wer worauf zugegriffen hat und welche Aktionen ausgeführt wurden.
• Ein- und Ausgaben validieren: Nicht davon ausgehen, dass von einer KI erzeugte Argumente sicher sind.
• Nicht verwendete Tools deaktivieren:Unnötigen Zugriff reduzieren.
• Missbrauchsszenarien testen:Prompt-Injection, mehrdeutige Anweisungen und nicht autorisierte Aktionen einbeziehen.
• Updates überwachen: MCP-Server und Protokollimplementierungen werden fortlaufend weiterentwickelt.

Die Spezifikation vom 28.07.2026 führte außerdem eine Verschärfung der Autorisierung ein, darunter die Validierung des Ausstellers und die Abkehr von der dynamischen Client-Registrierung zugunsten von Client-Metadatendokumenten.

So bewerten Sie einen MCP-Server für den geschäftlichen Einsatz

1. Mit der Geschäftsaufgabe beginnen

Definieren Sie, was die KI erreichen soll, bevor Sie den Tool-Katalog prüfen.

Beispiel: Wenn das Ziel darin besteht, Account-Briefings vorzubereiten, benötigen Sie möglicherweise Account-Recherche und Ansprechpartner-Suche, aber keine Schreibberechtigungen im CRM.

2. Die bereitgestellten Tools prüfen

Prüfen Sie genau, welche Informationen der Server von der KI abrufen oder welche Änderungen er vornehmen lassen kann.

Beispiel: Trennen Sie Such- und Anreicherungstools von Aktionen, die CRM-Datensätze ändern oder Workflows initiieren.

3. Authentifizierung und Berechtigungen überprüfen

Prüfen Sie die Authentifizierungsmethode, Benutzerberechtigungen, Berechtigungsumfänge, Administrationskontrollen und den Lebenszyklus der Zugangsdaten.

Beispiel: Stellen Sie fest, ob der MCP-Zugriff jedes Benutzers dessen bestehenden Anwendungsberechtigungen folgt oder ob ein gemeinsames Dienstkonto verwendet wird.

4. Die zugrunde liegenden Daten bewerten

Prüfen Sie bei datenorientierten Servern Abdeckung, Aktualität, Genauigkeit, Herkunft und Ausgabeformat.

Beispiel: Vergleichen Sie Account- und Kontaktergebnisse mit Datensätzen, die Ihr Vertriebsteam bereits gut kennt.

5. Kompatibilität mit Clients bestätigen

Stellen Sie sicher, dass der Server mit den KI-Anwendungen funktioniert, die Ihre Organisation tatsächlich einsetzen möchte.

Beispiel: Dass ein Server in einem MCP-Host funktioniert, bedeutet nicht automatisch, dass sich jede Funktion in einem anderen identisch verhält.

6. Protokollierung und Governance prüfen

Ermitteln Sie, ob Administratoren Benutzer, Tool-Aufrufe, Datenzugriffe, Fehler und Aktionen nachvollziehen können.

Beispiel: Ein Tool, das in ein CRM schreibt, sollte genügend Verlauf hinterlassen, um festzustellen, welche KI-Anfrage den Datensatz geändert hat.

7. Fehler und Missbrauch testen

Testen Sie fehlende Daten, mehrdeutige Anfragen, abgelaufene Zugangsdaten, nicht verfügbare Tools, Prompt-Injection und nicht autorisierte Aktionen.

Beispiel: Fordern Sie den Agenten auf, einen Datensatz zu ändern, den er nur lesen darf, und prüfen Sie, ob die Aktion blockiert wird.

8. Mit schreibgeschützten Workflows beginnen

Beginnen Sie mit Suche, Recherche und Anreicherung, bevor Sie wirkungsvollere Aktionen aktivieren.

Beispiel: Führen Sie zunächst die Account-Recherche ein und fügen Sie CRM-Aktualisierungen hinzu, nachdem Berechtigungen, Protokollierung und Genehmigungskontrollen getestet wurden.

Sollten Sie einen MCP-Server erstellen oder einen vorhandenen verwenden?

Ein vorhandener MCP-Server eines Anbieters ist in der Regel der schnellere Weg, wenn er die erforderlichen Funktionen bereits bereitstellt. Eine interne Entwicklung ist sinnvoller, wenn das zugrunde liegende System proprietär ist oder die Organisation eine strengere Kontrolle über Berechtigungen, Datenverarbeitung und Geschäftslogik benötigt.

Häufig gestellte Fragen

Fazit

Model Context Protocol bietet KI-Anwendungen eine einheitliche Möglichkeit, auf externe Daten, Tools und Workflows zuzugreifen. Sein Wert besteht nicht darin, APIs, CRMs, Datenbanken oder Unternehmenssoftware zu ersetzen. Stattdessen stellt MCP kompatiblen KI-Anwendungen eine standardisierte Schnittstelle bereit, über die sie ausgewählte Funktionen dieser Systeme entdecken und nutzen können.

Für Vertriebs- und RevOps-Teams kann dies aktuelle Informationen zu Accounts und Kontakten direkt in KI-gestützte Recherche und Workflow-Entwicklung einbinden. Der MCP-Server von ZoomInfo ist ein Beispiel dafür: Er stellt kompatiblen KI-Anwendungen Account-Ermittlung, Anreicherung, Recherche, Kontakt-Ermittlung und weitere B2B-Informationen bereit.