# Eine Wissensbasis, MCP-Client und MCP-Server zugleich

Model Context Protocol (MCP) ist der offene Standard, mit dem KI-Modelle ohne anbieterspezifische SDKs mit externen Datenquellen und Werkzeugen kommunizieren. MCP-Werkzeuge können lesen und schreiben – von einfachen Abfragen bis hin zum Anlegen von Tickets, Ändern von Bestellungen oder Stornieren von Buchungen – damit ist MCP das Fundament unter dem, was üblicherweise **agentische KI** genannt wird: ein Assistent, der Aufgaben in anderen Systemen tatsächlich erledigt, statt nur Fragen zu beantworten.

coreAI implementiert das Protokoll in beide Richtungen: Ihr Assistent kann fremde MCP-Server als Werkzeuge in einem Gespräch **nutzen**, und er kann gleichzeitig selbst ein MCP-Server **sein**, an den sich andere KI-Agenten anschließen. Das heißt, coreAI fügt sich direkt in das schnell wachsende MCP-Ökosystem ein – Claude Desktop, Cursor, ChatGPT, interne Dev-Agenten, Orchestrierungsplattformen – ohne dass Sie pro Anbieter Integrationen bauen müssen.

![Skizze von Model Context Protocol als offener Standard zwischen KI-Modellen, Datenquellen und Werkzeugen](/articles/mcp-core.webp)

## coreAI als MCP-Client: der Assistent liest, legt an, ändert und löscht

coreAI beschränkt sich nicht auf Abfragen. Als MCP-Client verbindet sich der Assistent mit den MCP-Servern, die Sie bereits betreiben, liest aus, welche Werkzeuge sie bereitstellen, und führt die gesamte Aufrufkette aus, die nötig ist, um das zu erledigen, worum der Nutzer tatsächlich bittet – ob das Daten holen oder etwas damit tun ist.

Werkzeugschemata werden in der Wissensbasis gespeichert und automatisch aktualisiert. Der Assistent wählt anhand des Gesprächs das passende Werkzeug, und die Backend-Systeme behalten die volle Kontrolle darüber, was tatsächlich passieren darf.

**Lesen – frische Daten mitten im Gespräch:**

- Live-Lagerbestände, Preise und Lieferzeiten, die sich stündlich ändern
- Bestellstatus, Versandinformationen und Vorgangsbearbeitung pro eingeloggten Kunden
- CRM-Abfragen, Kundenregister und interne Fachsysteme, bei denen die Antwort Änderungen der letzten Minute widerspiegeln muss
- freie Termine, Buchungen und Kalender, bei denen ein indexierter Schnappschuss schnell falsch wird

**Anlegen – der Assistent startet etwas Neues:**

- einen Werkstatttermin, eine Vor-Ort-Besichtigung oder einen anderen Termin in einem Fachsystem anhand des ersten freien Slots buchen, den der Nutzer akzeptiert
- einen neuen Kundenvorgang, eine Supportanfrage oder ein internes Ticket mit der richtigen Kategorie und Priorität erfassen
- eine Bestellung aufgeben oder ein Abonnement starten direkt aus dem Chat, mit dem richtigen Kunden und der Lieferadresse aus dem Kontext
- einen neuen Lead oder Kontakt im CRM anlegen, wenn ein Gespräch von einer Frage zu konkretem Interesse kippt

**Ändern – der Assistent passt Bestehendes an:**

- einen Termin verschieben, eine Bestellung ändern oder ein Abonnement aufwerten
- Kundendaten, Adressänderungen oder Kontaktpräferenzen in einem Stammregister aktualisieren
- einen laufenden Vorgang anpassen – neue Priorität setzen, einen Kommentar hinzufügen, an einen Spezialisten eskalieren
- einen Warenkorb umstellen, ein Produkt tauschen oder die Zahlungsart vor der Kasse ändern

**Löschen oder abschließen – der Assistent räumt sauber auf:**

- eine Buchung stornieren, eine Bestellung zurücksenden oder ein Abonnement beenden
- einen Vorgang archivieren, sobald der Nutzer bestätigt, dass das Problem gelöst ist
- Artikel aus einem Warenkorb oder einen Kandidaten aus einer Shortlist entfernen
- eine geplante Follow-up-Mail oder einen vorgesehenen Versand zurückziehen, der nicht mehr relevant ist

Der MCP-Server entscheidet, welche Werkzeuge ein bestimmter Nutzer tatsächlich aufrufen darf: ein eingeloggter Kunde kann seine eigene Bestellung stornieren, aber nicht die eines anderen; ein Sachbearbeiter kann jeden Vorgang innerhalb seines Teams eskalieren, aber keinen außerhalb. Dasselbe RBAC, das Sie im Fachsystem bereits haben, wird wiederverwendet, ohne neue Berechtigungslogik in der KI-Schicht.

![Skizze, wie coreAI bestehendes RBAC aus dem Fachsystem für die Zugriffskontrolle wiederverwendet](/articles/mcp-security.webp)

## Agentische KI in Geschäftsprozessen

Wenn der MCP-Client lesen und schreiben kann, wird der Assistent Teil des Geschäftsprozesses selbst – nicht nur eine Suchoberfläche davor. Einige konkrete Beispiele für das, was das eröffnet:

- **Selbstbedienter Kundenservice rund um die Uhr.** Der Kunde schreibt: *„Ich möchte meine Lieferung auf nächsten Freitag verschieben."* Der Assistent ruft die Bestellung auf, findet gültige Alternativen beim Transporteur, ändert das Lieferdatum und bestätigt dem Kunden – ohne auf einen menschlichen Mitarbeiter zu warten.
- **Werkstattbuchung mit Kostenschätzung.** Der Autofahrer beschreibt das Problem im Chat – *„Die Bremsen quietschen, und der Wagen muss ohnehin zur Inspektion."* Der Assistent ruft Kennzeichen und Servicehistorie im Werkstattsystem ab, schätzt die Kosten für Inspektion und Bremsentausch anhand von Modell, Baujahr und Kilometerstand, schlägt freie Werkstatttermine vor und bucht den Termin. Der Nutzer erhält Preis und Bestätigung im selben Gespräch.
- **Klientengespräche zum Maßnahmenplan.** Das Fachsystem transkribiert ein Gespräch zwischen Sachbearbeiter und Klient. Der Assistent liest das Transkript, extrahiert Kernpunkte und vereinbarte Maßnahmen, erstellt einen Maßnahmenplan mit konkreten Aktivitäten, setzt Fälligkeitsdatum und Verantwortliche je Aktivität und lässt den Sachbearbeiter den Plan freigeben, bevor er ins Fachsystem zurückgeschrieben wird.
- **Interne Vorgangsbearbeitung.** Ein Mitarbeiter beschreibt ein IT-Problem. Der Assistent legt ein Ticket mit der passenden Priorität an, schlägt ähnliche frühere Vorgänge nach, um relevante Lösungen einzufügen, und weist es dem richtigen Team zu.
- **Vertrieb und Kundennachverfolgung.** Nach einem Chat auf der Website legt der Assistent einen Lead im CRM an, versendet eine Follow-up-Mail mit den passenden Produktinformationen und trägt eine Aufgabe im Kalender des Vertriebsmitarbeiters ein.
- **Abonnement- und Kontoverwaltung.** Der Nutzer bittet darum, sein Abonnement aufzuwerten. Der Assistent ruft den aktuellen Tarif ab, zeigt die Preisdifferenz, nimmt die Änderung im Abrechnungssystem vor und bestätigt die nächste Rechnung.

All diesen Beispielen ist gemeinsam, dass coreAI den Dialog führt und den Kontext hält, während die Backend-Systeme die Hoheit über Daten und Autorisierungsmodell behalten. Sie verschieben keine Daten – Sie lassen den Assistenten genau das tun, was er im Auftrag des Nutzers ohnehin schon darf.

![Skizze von coreAI als MCP-Client und MCP-Server in derselben Wissensbasis](/articles/mcp-client-and-server.webp)

## coreAI als MCP-Server: eine Retrieval-Schicht für alle Ihre KI-Agenten

Als Server stellt coreAI die Wissensbasis des Assistenten über den standardmäßigen MCP-Transport via HTTP bereit. Externe Agenten wie ChatGPT, Claude und Ähnliche können sich mit coreAI verbinden.

Das liefert drei konkrete Vorteile:

- **Eine Wahrheit, viele Oberflächen.** Ändern Sie einen Quelltext in coreAI, schlägt die Änderung gleichzeitig in Chat, Such-API und MCP-Oberfläche durch. Keine Synchronisierung, kein duplizierter Vektorindex, kein Scraping auf Seiten der Agenten.
- **Zugriffskontrolle pro Assistent.** Jedes Token gehört zu einem Nutzer oder Service-Konto, jeder MCP-Aufruf zeigt auf einen bestimmten Assistenten, und jeder Assistent ist gegen eine explizite Menge von Quellen konfiguriert. Ein interner Entwickler-Agent kann Zugriff auf den vollständigen Produktkatalog erhalten, während eine kundenspezifische Integration nur die eine Wissensbasis sieht, die für diesen Kunden gebaut wurde.
- **Kein Anbieter-Lock-in.** Das Protokoll ist offen. Wechseln Sie den LLM-Anbieter oder führen Sie eine neue Agentenplattform ein, funktioniert der MCP-Endpunkt unverändert weiter.

## Wann MCP das richtige Werkzeug ist

Wählen Sie den MCP-Client, wenn der Assistent auf Basis von Live-Daten aus einem anderen System antworten muss, wenn die Antwort davon abhängt, wer eingeloggt ist, oder wenn der Nutzer tatsächlich möchte, dass etwas in einem anderen System passiert – und nicht nur darüber informiert wird. Wählen Sie den MCP-Server, wenn ein externer KI-Agent bereits eine Gesprächsschleife hat und nur den richtigen Kontext braucht – coreAI übernimmt das kuratierte Retrieval, der Agent übernimmt Prompting und Darstellung.

Für relativ stabile Daten – Produktkataloge, Fachartikel, Dokumente, Stellenanzeigen – gehören die Inhalte in die Wissensbasis von coreAI. Sie füllen sie entweder, indem coreAI Ihre Website in festem Intervall crawlt, oder indem Sie Inhalte direkt über die coreAI-API hineinschieben. Die Faustregel: Alles, was eine Live-Abfrage oder eine Aktion gegen ein anderes System erfordert, gehört hinter MCP; alles, was stunden- oder tagelang stabil liegen kann, gehört in die Wissensbasis.