Model Context Protocol (MCP)
Model Context Protocol (MCP) ist ein offener, von Anthropic eingeführter Standard, der KI-Modelle und Agenten mit externen Tools, Datenquellen und APIs verbindet. Er definiert einen einheitlichen Weg für KI-Anwendungen, Daten zu lesen und Funktionen aufzurufen. So kann jeder standardkonforme Agent jedes standardkonforme Tool nutzen, ohne individuellen Code für jede Integration.
Anthropic hat MCP im November 2024 als offenen Open-Source-Standard eingeführt. Im folgenden Jahr wurde er branchenweit übernommen, unter anderem von OpenAI und Google. Im Dezember 2025 übertrug Anthropic das Protokoll an die Agentic AI Foundation unter dem Dach der Linux Foundation und verankerte damit seine Anbieterneutralität. MCP wird oft als USB-C-Anschluss für KI beschrieben: eine einheitliche Schnittstelle, die jeder Host und jedes Tool für die Zusammenarbeit implementieren kann.
MCP ist die Tool- und Kontextebene eines Agenten. Es nutzt eine Client-Server-Architektur über JSON-RPC: Eine KI-Anwendung – der Host, etwa Claude, ChatGPT oder ein IDE-Assistent – betreibt MCP-Clients, die sich mit MCP-Servern verbinden. Diese stellen drei Grundbausteine bereit: Tools (Funktionen, die der Agent aufrufen kann), Ressourcen (Daten, die er lesen kann) und Prompts (wiederverwendbare Vorlagen). So erkennt ein einzelner Agent, was er lesen und welche Aktionen er in einem externen System ausführen kann.
Im Technologie-Stack für agentengestützten Handel ist MCP ausdrücklich KEIN Zahlungs- oder Handelsprotokoll. Es ist die Ebene, über die ein Agent die anderen Ebenen erreicht: Es standardisiert, wie ein Agent Daten liest und Tools und APIs aufruft. Checkout-Standards wie das Agentic Commerce Protocol (ACP) regeln dagegen, wie ein Agent kauft, und Zahlungsstandards wie Agent Payments Protocol (AP2), wie ein Kauf autorisiert wird. Die Bausteine sind auf Kombination ausgelegt; ein Kaufablauf kann mehrere davon nutzen.
Wenn Handelsagenten Tool-Zugriffe nach dem MCP-Prinzip nutzen, wird dein Shop über maschinenlesbare, strukturierte Produktdaten und saubere APIs für sie erreichbar. Ein über MCP verbundener Agent kann nur Katalogdaten anzeigen, vergleichen und nutzen, die korrekt sind und in einem lesbaren Format bereitstehen. Ein Shop, dessen Produktinformationen in unstrukturierten Seiten stecken, ist für diesen Agenten praktisch unsichtbar.
Das kommt vor jedem Checkout. Bevor ein Agent eine Transaktion ausführen kann, muss er deine Produkte finden und ihnen vertrauen. Für Händler lohnt sich deshalb langfristig, den Shop für Agenten vorzubereiten: mit korrekten strukturierten Daten (JSON-LD), einem sauberen Produktfeed und starker KI-Sichtbarkeit. So ist dein Katalog für einen Agenten lesbar, unabhängig davon, welches Tool oder welchen Checkout-Standard er nutzt.
Fiktives Beispiel: Ein Einkaufsassistent, der über MCP mit einem Händler-Tool verbunden ist, liest Produktressourcen (Preis, Verfügbarkeit, Varianten) und ruft vor einer Empfehlung ein Tool zur Bestandsprüfung auf. Stellt der Händler korrekte strukturierte Daten bereit, kann der Agent das Produkt anzeigen und bewerten. Fehlen wichtige Felder oder sind sie unstrukturiert, überspringt er es zugunsten eines Wettbewerbers, dessen Daten er tatsächlich lesen kann.
Was ist das Model Context Protocol (MCP)?
MCP ist ein offener, von Anthropic eingeführter Standard, der KI-Modelle und Agenten mit externen Tools, Datenquellen und APIs verbindet. Er gibt KI-Anwendungen einen einheitlichen Weg, Daten zu lesen und Funktionen aufzurufen. So kann jeder standardkonforme Agent mit jedem standardkonformen Tool arbeiten, ohne individuellen Integrationscode.
Wer hat MCP entwickelt und wann?
Anthropic hat MCP im November 2024 als offenen Open-Source-Standard eingeführt. Im folgenden Jahr wurde er branchenweit übernommen, unter anderem von OpenAI und Google. Im Dezember 2025 übertrug Anthropic ihn an die Agentic AI Foundation unter dem Dach der Linux Foundation.
Ist MCP ein Zahlungs- oder Checkout-Protokoll?
Nein. MCP ist die Tool- und Kontextebene, über die ein Agent Daten liest sowie Tools und APIs aufruft. Es ist kein Zahlungs- oder Handelsprotokoll. Den Checkout regeln Standards wie das Agentic Commerce Protocol (ACP), die Zahlungsautorisierung Standards wie Agent Payments Protocol (AP2). Sie sind auf Kombination ausgelegt.
Wie funktioniert MCP?
MCP nutzt eine Client-Server-Architektur über JSON-RPC. Eine KI-Anwendung (der Host) betreibt MCP-Clients, die sich mit MCP-Servern verbinden. Diese stellen drei Grundbausteine bereit: Tools (Funktionen, die der Agent aufrufen kann), Ressourcen (Daten, die er lesen kann) und Prompts (wiederverwendbare Vorlagen).
Warum ist MCP für E-Commerce-Händler wichtig?
Wenn Handelsagenten Tool-Zugriffe nach dem MCP-Prinzip nutzen, machen maschinenlesbare strukturierte Produktdaten und saubere APIs deinen Shop für Agenten erreichbar. Ein Agent kann nur Katalogdaten anzeigen und nutzen, die er lesen kann. Korrekte strukturierte Daten und starke KI-Sichtbarkeit sind daher die Voraussetzung dafür, dass ein Einkaufsagent dich berücksichtigt.
Wie unterscheidet sich MCP von ACP und AP2?
MCP definiert, was ein Agent lesen und aufrufen kann (Tools und Kontext). ACP definiert, wie ein Agent kauft (den Checkout-Ablauf zwischen Agent und Händler). AP2 definiert, wie die Kaufabsicht des Käufers und die Abbuchung durch den Händler autorisiert werden (Zahlungen). Sie sind ergänzende Ebenen im Technologie-Stack für agentengestützten Handel, keine Konkurrenten.
Agentenbasierter Handel
Agentenbasierter Handel ist Handel, bei dem KI-Agenten im Auftrag einer Person Produkte finden, bewerten und Käufe abschließen oder diese Sc…
TechnicalAgentic Commerce Protocol (ACP)
Das Agentic Commerce Protocol (ACP) ist ein offener Standard, den OpenAI und Stripe gemeinsam entwickelt haben. Er legt fest, wie Käufer, ih…
TechnicalAgent Payments Protocol (AP2)
Agent Payments Protocol (AP2) ist ein offenes Protokoll unter der Leitung von Google, mit dem KI-Agenten im Auftrag eines Nutzers Zahlungen…
TechnicalStrukturierte Daten (Schema-Markup)
Strukturierte Daten sind maschinenlesbares Markup, meist JSON-LD nach dem Vokabular von schema.org, das die Bedeutung von Seiteninhalten ken…
TechnicalRetrieval-Augmented Generation (RAG)
Retrieval-Augmented Generation (RAG) ist die Technik hinter den meisten Antwortmaschinen. Statt nur mit dem zu antworten, was ein Modell im…
GEO-GrundlagenOptimierung für generative Maschinen (GEO)
Optimierung für generative Maschinen (GEO) bedeutet, Inhalte so zu optimieren, dass KI-Antwortmaschinen wie ChatGPT, Perplexity, Gemini, Cla…
Sieh, bei welchen Käufer-Prompts dein Shop gewinnt und verliert.
Naridons KI-Marketingteam prüft, was ChatGPT, Perplexity, Gemini, Claude und Copilot über dich sagen, und verbessert dann mit deiner Freigabe die Seiten, auf die sie zurückgreifen.