Anleitungen
Wie man die Rolle des Model Context Protocol bei der Integration von KI-Agenten versteht
Ein konzeptioneller Leitfaden, der auf Grundlage der verfügbaren Quellen erklärt, wie das Model Context Protocol den Zugriff von Agenten auf Tools, Daten und Kontext organisiert und wie es mit Retrieval, Skills, Governance und menschlicher Überprüfung zusammenwirken kann.
Das Model Context Protocol, kurz MCP, wird im Zusammenhang mit Projekten der Agentic AI Foundation genannt, einer Initiative der Linux Foundation, die sich auf offene Infrastrukturen und Standards für den Betrieb von KI-Agenten konzentriert. In den Quellen wird MCP als standardisierte Methode beschrieben, mit der Agenten auf Tools und Daten zugreifen und diese aufrufen können.
Welches Problem löst MCP auf konzeptioneller Ebene?
Wenn sich KI von der textbasierten Beantwortung hin zur Ausführung mehrstufiger Aufgaben entwickelt, muss der Agent mit verschiedenen Tools, Daten und Diensten interagieren. MCP soll dafür einen gemeinsamen Integrationsmechanismus bereitstellen, anstatt dass jede Plattform eine eigene, geschlossene und unterschiedliche Methode verwendet.
Die Quelle legt nicht fest, dass MCP allein Probleme bei Berechtigungen, Ergebnisgenauigkeit oder Sicherheit löst. Daher sollte MCP als Integrations- und Zugriffsschicht für Tools und Daten verstanden werden, nicht als Ersatz für Governance oder menschliche Überprüfung.
Wie steht MCP mit Tools und Daten in Verbindung?
- Tools: MCP kann genutzt werden, um Tools bereitzustellen, die der Agent aufruft, etwa Tools für die Suche, das Lesen von Dokumenten oder die Ausführung von Aktionen im Zusammenhang mit anderen Diensten.
- Daten: MCP kann dem Agenten den Zugriff auf externe oder interne Quellen erleichtern. Die Qualität der Antwort bleibt jedoch von der Richtigkeit, dem Kontext und den Grenzen der Daten abhängig.
- Kontext: Es verbindet den Agenten mit den Informationen oder Tools, die er zur Ausführung der Aufgabe benötigt, anstatt ihn auf den Inhalt innerhalb des Gesprächs zu beschränken.
Wie lässt sich MCP mit RAG und Skills integrieren?
Die Quellen zeigen, dass MCP, RAG und Skills unterschiedliche Rollen übernehmen und gemeinsam in einem Arbeitsablauf eingesetzt werden können.
- MCP: Stellt eine standardisierte Methode für den Zugriff auf Tools und Daten sowie deren Aufruf bereit.
- RAG: Ruft relevante Informationen aus Dokumenten, Supportaufzeichnungen, Wissensdatenbanken oder dem Kontext einer Codebasis ab.
- Skills: Stellen Anweisungen und Wissen bereit, die mit der Arbeitsweise des Teams, Regeln für Änderungen am Projekt oder den verwendeten Konventionen verbunden sind.
Demnach könnte der Agent MCP verwenden, um auf ein Tool zuzugreifen, anschließend ein Skill zur Anwendung von Projektrichtlinien nutzen und über Retrieval den unterstützenden Kontext abrufen.
Konzeptionelle Schritte für ein MCP-basiertes Design
- Aufgabe festlegen: Klären Sie, was der Agent erledigen soll und ob die Aufgabe externe Daten oder Tools erfordert.
- Benötigte Tools bestimmen: Geben Sie dem Agenten nur die Tools, die er benötigt, statt ihm weitreichenden Zugriff zu gewähren, der ihn verwirren oder zur Verwendung ungeeigneter Tools führen könnte.
- Kontextquellen anbinden: Verwenden Sie relevante interne oder externe Quellen. Dabei ist zu berücksichtigen, dass Retrieval allein weder Quellenkonflikte noch den Geltungsbereich einer Information entscheidet.
- Arbeitsanweisungen ergänzen: Verwenden Sie Skills oder für Menschen lesbare Richtlinien, um Team- oder Projektregeln zu erläutern, wenn dies sinnvoll ist.
- Aufrufe überwachbar machen: Zeigen Sie die aufgerufenen Tools, die gesendeten Parameter oder Abfragen und die Ergebnisse an, die der Agent erhalten hat, damit Probleme früh erkannt werden können.
- Berechtigungen und Zustimmung anwenden: Berücksichtigen Sie Zugriffsbeschränkungen für Quellen und verlangen Sie bei folgenreichen Aktionen wie Veröffentlichungen, dem Versenden von Nachrichten oder dem Ausgeben von Geld eine menschliche Zustimmung, sofern solche Aktionen verfügbar sind.
- Ergebnisse überprüfen: Übertragen Sie die Verantwortung nicht auf das Modell. Ein Mensch sollte das Ergebnis so weit prüfen, dass er es erklären und dafür Verantwortung übernehmen kann.
- Qualität testen: Bewerten Sie die Richtigkeit der Antwort, die Verwendung geeigneter Tools und den Abruf des richtigen Kontexts, statt sich auf allgemeine Messwerte wie Relevanz oder Kohärenz zu beschränken.
Ein Beispiel für die organisatorische Umsetzung in einem Unternehmen
Forter verwendete einen internen MCP-basierten Server namens Toolchain, der eine einheitliche Schnittstelle zum Entdecken und Testen von Tools sowie zum Erstellen agentenspezifischer Verbindungen bereitstellte. Außerdem ermöglichte er die Auswahl ausschließlich der Tools, die der Agent benötigte, sowie die Überwachung des Tokenverbrauchs und der Toolnutzung.
Forter verband diesen Server mit der Glean-Plattform zur Suche in internen Quellen und stellte Tools bereit, um nach relevanten Dokumenten und Abschnitten zu suchen, ein vollständiges Dokument zu lesen und es anhand einer vom Agenten festgelegten Frage oder Perspektive zusammenzufassen. Diese Erfahrung wird in der Quelle als praktischer Anwendungsfall dargestellt, nicht als Beleg dafür, dass dieses Design für jedes Unternehmen geeignet ist.
Was sollte vor dem Vertrauen auf die Ergebnisse überprüft werden?
Die Quellen empfehlen, Quelle, Geltungsbereich, Berechtigungen, Konflikte und Zuständigkeit zu berücksichtigen. Belege und die Herkunft der Informationen sollten prüfbar sein. Bei Bedarf sollten Version, Region und Client-Einstellungen angegeben, widersprüchliche Richtlinien sichtbar gemacht und die Person bestimmt werden, die eine Ausnahme entscheiden oder erklären kann.
Die Quellen betonen außerdem, dass die Nutzung von MCP die Prüfung der Originalquellen nicht überflüssig macht, insbesondere beim Umgang mit Zahlen oder wichtigen Entscheidungen. Die verfügbaren Belege liefern keine unabhängigen Messungen, die die Genauigkeit von MCP oder seine Überlegenheit in jedem Szenario bestätigen.
Fazit
Das Model Context Protocol kann als standardisierte Möglichkeit verstanden werden, Agenten mit Tools, Daten und Diensten zu verbinden. Sein konzeptioneller Nutzen steigt, wenn es mit abgerufenem Kontext, klaren Anweisungen, festgelegten Berechtigungen, der Überwachung von Toolaufrufen und menschlicher Überprüfung eingesetzt wird. Der Erfolg einer praktischen Umsetzung hängt dagegen von der Qualität der Quellen, dem Berechtigungsdesign, der Prüfbarkeit und der Art der Aufgabe ab; diese Aspekte löst MCP nicht allein.