MCP - Wie die KI in Zukunft mit deiner Website interagieren wird

Warum das Ganze?

Für Endnutzer bedeutet das konkrete Vorteile: Claude kann direkt auf ihre Dateien, Datenbanken, E-Mails oder andere Tools zugreifen und damit arbeiten, ohne dass Daten manuell kopiert werden müssen. Dadurch werden Arbeitsabläufe deutlich effizienter und die KI kann kontextbezogene, personalisierte Hilfe basierend auf den tatsächlichen Daten und Tools des Nutzers bieten.

Viele große Hersteller von Softwarelösungen bieten schon eigene MCP Server an, mit denen sich Services mit der KI verknüpfen können. Inhalte aus der internen Wissensplattform können direkt ausgelesen werden, Kalendereinträge können automatisch erzeugt werden und die Verfügbarkeit des Tisches im Lieblingsrestaurant kann live überprüft werden - mit MCP und den richtigen Services dahinter ist das auch jetzt schon möglich.

Die Revolution der Interaktion

Der traditionelle Weg, Inhalte im Internet zu finden ist im Umbruch. Immer mehr Menschen fragen nicht mehr Google sondern ihren persönlichen LLM (Large Langauge Model) nach Antworten. Je mehr sich dieser Traffic von traditionellen Suchmaschinen wegbewegt desto größer wird auch der Wunsch sein, direkt mit Services zu interagieren.

Auftritt: MCP.

Die Limitationen von LLMs

Wer sich früher mit ChatGPT oder Claude über aktuelle Ereignisse unterhalten hat, war relativ enttäuscht. Entweder konnten die KI keine Fragen zu Ereignissen nach dem Datum beantworten, an dem das Training des Models aufgehört hat oder – noch schlimmer – es halluzinierte einfach irgendwelche Fakten herbei.

Aktuelle Iterationen der LLMs werden von ihren Erschaffern zwar mittlerweile aktiv dazu aufgefordert, aktuelle Informationen im Web zu suchen. Möchte man spezifische Informationen (und dann noch von einem spezifischen Dienst) oder hat man Informationen in internen Systemen, auf die die LLM keinen Zugriff hat, führt der Weg an einem MCP Server nicht vorbei.

“Hey Claude, welche Jobangebote gibt es denn gerade bei Liechtenecker?”

Einen eigenen MCP Server aufzusetzen geht in wenigen Schritten - ein paar Konfigurationsdateien (wir schreiben unseren Server in TypeScript, die dazu nötigen Libraries sind aber auch für viele anderen Sprachen verfügbar) erstellen und angeben, wo Claude seine Informationen herbekommen soll.

In der echten Welt könnte man jetzt eigene APIs erstellen, damit die KI bestmöglich mit dem eigenen Service interagieren kann. Für unser Beispiel beschränken wir uns auf das parsen der Job-Sitemap auf liechtenecker.at

Und dann? Zwar gibt es grundsätzlich Unterstützung für MCP bei allen großen Anbietern von LLMs, allerdings nicht in deren Online-Version. Für Claude benötigt man z.b. den Desktop Client.

Dort können eigene MCP Server konfiguriert werden (mit einer Konfiguration die nur ein paar Zeilen lang ist) und schon kann es losgehen.

In nur wenigen Minuten haben wir Claude beigebracht, aktuelle Informationen von einer von uns präferierten Quelle zu laden und zu verarbeiten.

What’s hot, what’s not?

PLUS

• + Zum Glück haben sich alle Hersteller schon früh auf einen gemeinsamen Standard geeinigt. Dadruch stehen die Chancen, in Zukunft noch viel mehr von MCP zu hören, sehr gut.
• + Dienstleister können über eine standardisierte Schnittstelle alle relevanten Daten bereitstellen und verändern lassen
• + Komplexe Fallbeispiele à la “Hey Claude, buch mir meinen Urlaub” sind (noch) Zukunftsmusik.

MINUS

• - Solange es noch keinen AppStore für MCPs gibt, die es erlauben, die “Erweiterung” in der eigenen LLM zu installieren, wird sich das System kaum durchsetzen
• - Momentan noch auf die Desktop-Varianten der LLMs beschränkt

Was kann ich jetzt schon tun, um mich darauf vorzubereiten?

Webseiten ohne Schnittstellen werden in Zukunft an Relevanz verlieren. Alle Interaktionen auf einer Seite müssen in Zukunft auch in anderen Kontexten gedacht werden:

• Bewerben über ein Kontaktformular? Nein danke, macht meine LLM für mich.
• Lust auf Kultur? Die passende Ausstellung inkl. Ticketbuchung macht Claude.
• Welches Auto soll ich probefahren? Hey ChatGPT, welches passende Fahrzeug hat Mercedes lagern?

Alle diese Szenarien benötigen strukturierte Daten, eine saubere Art diese abzurufen und sauber implementierte Schnittstellen, um mit den Daten zu Arbeiten.

In den nächsten Monaten geht es also darum, diese Basis zu schaffen und sich konkrete Szenarien zu überlegen, wie das eigene Service durch LLMs bereichert werden kann.