# Der MCP-Server macht coreAI zum gemeinsamen Retrieval-Layer für KI-Agenten

Der MCP-Server lässt externe KI-Agenten sich mit coreAI verbinden und Antworten aus derselben qualitätsgesicherten Wissensdatenbank holen, die das Chat-Widget nutzt. Sie müssen Inhalte nicht duplizieren, keinen neuen Vektorindex bauen und den Agenten nicht Webseiten scrapen lassen – Ihr Assistent wird zum standardisierten Retrieval-Endpoint, mit dem jeder MCP-kompatible Client sprechen kann.

## Was der MCP-Server bereitstellt

Der MCP-Server bietet heute ein Tool: eine semantische Suche in der Wissensdatenbank eines gewählten Assistenten. Der Agent schickt eine natürlichsprachliche Anfrage, und der Server führt denselben Suchdienst aus, der hinter dem Chat steht. Das Ergebnis ist ein strukturierter Textkontext mit den relevantesten Auszügen aus den Quellen, die im Assistenten bereits hinterlegt sind – Produkte, Dokumente, Webinhalte, FAQs und alles andere, was Sie importiert haben.

Da die Suche denselben Dienst nutzt wie der Chat, gelten dieselben Regeln für Quellenhandhabung und Ranking. Der Agent erhält nie Zugriff auf Rohdaten außerhalb dessen, wofür der Assistent konfiguriert ist, und er kann Filter oder Veröffentlichungsstatus auf Quellebene nicht umgehen.

## So verbindet sich ein externer Agent

Der MCP-Endpoint liegt auf `/mcp/assistant` im coreAI-Portal und nutzt den Standard-MCP-Transport über HTTP. Der Client authentifiziert sich mit einem Sanctum-Token im `Authorization`-Header und gibt über `X-Assistant-Id` an, mit welchem Assistenten er sprechen soll – die öffentliche ID des Assistenten. Nach dem Handshake kann der Agent das Such-Tool mit einer Anfrage aufrufen und einen formatierten Kontext zurückerhalten, bereit zur Verwendung in einem LLM-Prompt.

Jeder MCP-Client kann sich auf diese Weise verbinden: Claude Desktop, Cursor, eigene Dev-Agenten, interne Orchestrierungswerkzeuge oder eine LangChain- oder LlamaIndex-basierte Pipeline. Sie brauchen kein coreAI-spezifisches SDK; das Protokoll ist offen und herstellerneutral.

Der schnellste Weg hinein: die Konfiguration direkt aus dem „Code"-Reiter im coreAI-Portal kopieren und in die Config Ihres MCP-Clients einfügen – Endpoint, Token und Assistant-ID sind bereits richtig gesetzt, und der Client erkennt den Server beim nächsten Start.

## Zugriff wird pro Assistent, Quelle und Client begrenzt

Das Zugriffsmodell ist dreischichtig. Jedes Token gehört einem Nutzer- oder Systemkonto, jeder MCP-Aufruf zeigt auf genau einen Assistenten, und jeder Assistent ist gegen ein explizites Set von Quellen konfiguriert. Das heißt: Ein interner Entwickler-Agent kann Zugriff auf den gesamten Produktkatalog haben, während eine kundenspezifische Integration nur die eine Wissensdatenbank sieht, die für diesen Kunden gebaut wurde.

Assistenten, die hinter einem Widget-Callback geschützt sind, werden nicht über MCP exponiert. Das verhindert, dass ein Agent Authentifizierungskontrollen umgehen kann, die das Widget für Endnutzer durchsetzt. Für die meisten B2B-Setups ist das keine Einschränkung – die allermeisten Assistenten sind direkt für authentifizierte Tokens verfügbar, und die Zugriffssteuerung läuft regulär darüber, welche Assistenten der Nutzer sehen darf.

## Wann MCP die richtige Wahl ist statt der Chat-API

Wählen Sie MCP, wenn ein bestehender KI-Agent bereits eine Konversationsschleife hat und nur den richtigen Kontext braucht. Der Agent kümmert sich um Frageformulierung, Prompt-Strategie und Nutzerinteraktion – coreAI liefert ausschließlich präzise Antworten aus den eigenen Daten der Organisation. Das passt zu IDE-Assistenten, die Entwicklern bei internen APIs helfen sollen, zu Kundenservice-Agenten, die mitten im Gespräch Produktinformationen holen, oder zu autonomen Workflows, die Entscheidungen auf Basis frischer Dokumente treffen.

Wählen Sie die Chat-API, wenn Sie das gesamte Konversationserlebnis selbst bauen wollen – eigene UI, eigene Sitzungsverwaltung, eigene Modell- und Prompt-Konfiguration. Wählen Sie die Such-API, wenn Sie nur Treffer und Facetten ohne generierte Antwort brauchen. MCP ist die richtige Schicht, wenn die generierende Komponente bereits außen vorhanden ist und coreAI die Retrieval-Engine dahinter sein soll.

## Kombinieren Sie MCP, Chat und Suche im selben Produkt

Ein Produkt kann mehrere Integrationsflächen gleichzeitig brauchen. Ein SaaS-Anbieter kann das Chat-Widget Endnutzern anbieten, die Such-API in sein Admin-Panel einbauen und gleichzeitig eigene KI-Agenten über MCP für Automatisierung anschließen – alles getrieben vom selben Assistenten und demselben Quell-Setup. Eine Änderung in der Wissensdatenbank schlägt im selben Moment auf alle drei Oberflächen durch, ohne dass Sie drei separate Datensynchronisationen pflegen müssen.

Das ist die Stärke einer geteilten Retrieval-Architektur: eine Wahrheit für die Inhalte, viele Kanäle hinaus. MCP ist nur der jüngste dieser Kanäle – und derjenige, der dem Rest des KI-Ökosystems erlaubt, mit coreAI zu seinen eigenen Bedingungen zu sprechen.