Model Context Protocol
MCP verbindet KI-Assistenten wie Claude mit den echten Systemen, in denen deine Arbeit tatsächlich liegt — sicher und über eine gemeinsame Schnittstelle.
Große Sprachmodelle sind stark im Denken, aber für sich allein von der Welt abgeschottet: Sie können deine Dateien nicht lesen, deine Datenbank nicht abfragen und keine Aktion in deinem CRM ausführen. Das Model Context Protocol (MCP) löst das. Es ist ein offener Standard — im November 2024 von Anthropic eingeführt und inzwischen branchenweit verbreitet — der KI einen einzigen, universellen Weg gibt, sich mit externen Tools und Daten zu verbinden. Stell es dir wie einen USB-C-Anschluss für KI vor: baue einen Connector, und jeder MCP-kompatible Assistent kann sich einstecken.
Zuerst ansehen
Ein vollständiger 24-minütiger Walkthrough: was MCP ist, wie man Claude mit einem Salesforce Hosted MCP Server verbindet und ein Live-Beispiel, das normale Sprache in echte Salesforce-Aktionen verwandelt.
MCP ist eine Spezifikation, keine Software, die man kauft. Es ist Open Source, mit offiziellen SDKs in Python, TypeScript und mehr. Jede Anwendung kann es implementieren, und es ist nicht an einen Anbieter oder ein Modell gebunden — derselbe Server funktioniert mit verschiedenen KI-Clients.
Vor USB-C brauchte jedes Gerät sein eigenes Kabel. Vor MCP war jede KI-zu-Tool-Integration handgebaut und einmalig. MCP ist der universelle Anschluss: definiere deine Verbindung einmal, in einer Standardform, und alles, was MCP spricht, kann sie nutzen.
Bei M KI-Apps und N Tools bedeuten maßgeschneiderte Integrationen M×N Connectors zum Bauen und Warten — das explodiert. MCP macht daraus M+N: Jede App spricht einmal MCP, jedes Tool stellt einmal einen MCP-Server bereit, und alle sind interoperabel. Weniger Glue-Code, mehr Wiederverwendung.
MCP hat drei bewegliche Teile. Sie kommunizieren über JSON-RPC — lokal (stdio) oder remote (HTTP) — und der Nutzer hat immer die Kontrolle.
Die KI-Anwendung, mit der du interagierst — Claude Desktop, claude.ai oder eine IDE. Sie betreibt das Modell, orchestriert das Gespräch und fragt um deine Zustimmung, bevor etwas Folgenreiches passiert.
Ein Connector im Host, der eine dedizierte Sitzung mit genau einem Server verwaltet — Handshake, Nachrichtenaustausch und Lebenszyklus dieser Verbindung.
Ein leichtgewichtiges Programm, das die Fähigkeiten eines bestimmten Systems bereitstellt — einer Datenbank, einer API, eines Dateisystems oder eines SaaS-Produkts wie Salesforce. Es bewirbt, was es kann; der Host entscheidet, wann er es nutzt.
Jeder MCP-Server bietet bis zu drei Arten von Fähigkeiten. Zusammen decken sie Kontext lesen, Aktionen ausführen und wiederverwendbare Workflows ab.
Funktionen, die der Assistent aufrufen kann: einen Datensatz anlegen, eine Nachricht senden, eine Abfrage laufen lassen, einen Job starten. Das Modell entscheidet, wann ein Tool nötig ist — und der Host bittet um deine Freigabe, bevor etwas mit realer Wirkung läuft.
Inhalte, die der Assistent als Kontext heranzieht: Dateien, Datensätze, Dokumente, Tabellenzeilen. Die Anwendung steuert genau, was freigegeben wird, sodass das Modell nur sieht, was es sehen soll.
Parametrisierte Vorlagen und Abläufe, die ein Nutzer auf Abruf startet — ein 'Fasse dieses Ticket zusammen'-, 'Erstelle ein Angebot'- oder 'Prüfe diesen PR'-Rezept — sodass Best-Practice-Prompts zu Ein-Klick-Aktionen werden.
Wo ich es einsetze
Genau hier arbeite ich. Seit April 2026 sind Salesforce Hosted MCP Servers generell verfügbar — verwaltete, von Salesforce gehostete Endpunkte, die Daten, Flows und Custom Apex einer Org über MCP für KI-Clients bereitstellen, während die Sicherheit der Org weiter greift. Du richtest sie auf zwei Setup-Seiten ein: einer External Client App (der OAuth-Brücke mit minimalen Scopes und PKCE) und MCP Servers (Server aktivieren und Tools wählen). Dann fügst du die Server-URL in Claude als Custom Connector hinzu, meldest dich an, und Claude entdeckt die Tools. Genau das habe ich mit meiner Urla-Shoes-Org gemacht: zwei Custom-Apex-@InvocableMethod-Actions — Lead-Qualifizierung mit DACH-bewusstem Scoring und Reseller-Onboarding mit automatischem Tier + Kommission — als MCP-Tools über eine McpServerDefinition, sodass eine einzige Anfrage in normaler Sprache an Claude einen Lead qualifizieren oder einen kompletten Deal (Account, Contact, Opportunity, Quote) in Salesforce erstellen konnte.
Und in die andere Richtung
Im Beispiel oben greift Claude in eine bestehende Salesforce-Org hinein. Ich habe es auch andersherum gemacht: Ich habe eine agentische Schleife entworfen, die eine Org von null aufbaut. Eine vollständige Krankenhaus-Management-Org — 7 Custom Objects, eine Trigger-Handler-Architektur, 90–100 % Testabdeckung — geliefert über sechs eigene MCP-Deployment-Tools, mit dem ApexTestRunner als Prüfinstanz: deployen → testen → Fehler lesen → korrigieren → wiederholen, bis die Tests grün sind. Nicht das Modell entscheidet, wann es fertig ist, sondern der Test-Runner. Genau das ist der Unterschied zwischen Prompt Engineering und Loop Engineering.
Ich baue Salesforce-+-KI-Integrationen — Agentforce, Einstein und MCP-Connectors, mit denen KI sicher in echten Orgs handelt. Sprechen wir.