Eigene MCP-Server: der KI die Werkzeuge geben, die sie wirklich braucht
Ein KI-Agent ist nur so nützlich wie seine Werkzeuge. Wie ich mir zwei eigene MCP-Server gebaut habe, einen, der mehrere Recherche-Dienste hinter einem Werkzeug bündelt, und einen, der die eigenen Dateien lokal durchsuchbar macht.
Ein KI-Agent ist nur so nützlich wie die Werkzeuge, die er benutzen darf. Damit eine KI recherchieren, in Dateien suchen oder Daten abrufen kann, braucht sie eine saubere Anbindung an diese Fähigkeiten, und dafür gibt es MCP, einen offenen Standard. Ich habe mir zwei eigene MCP-Server gebaut: einen fürs Recherchieren, einen fürs Durchsuchen der eigenen Dateien. Dieser Beitrag zeigt, warum sich das lohnt.
Was MCP ist, die USB-C-Buchse für KI
MCP steht für Model Context Protocol, einen offenen Standard, der vereinheitlicht, wie Anwendungen einer KI Werkzeuge und Daten zur Verfügung stellen. Der treffende Vergleich ist „USB-C für KI“: eine einheitliche Buchse, in die sich beliebige Fähigkeiten einstecken lassen, ohne dass für jede ein eigener Adapter nötig ist.
Die Rollen sind einfach: Ein Server stellt Werkzeuge bereit, ein Client, die KI-Anwendung, benutzt sie. Statt für jede Datenquelle eine eigene, fest verdrahtete Integration zu bauen, spricht die KI mit jedem MCP-Server auf dieselbe Weise. Das ist der Grund, warum eigene Werkzeuge auf einmal erschwinglich werden: Man baut den Server einmal, und jede MCP-fähige KI kann ihn nutzen.
Server eins: Recherche aus einer Hand
Mein erster MCP-Server bündelt mehrere Web-Recherche-Dienste hinter einem einzigen Werkzeug. Für gute Recherche braucht man je nach Frage verschiedene Anbieter, eine Suchmaschine, einen Crawler, einen Dienst, der eine Seite sauber ausliest. Jeder hat seine eigene Schnittstelle, seine eigenen Eigenheiten.
Der Server versteckt diese Vielfalt: Die KI sieht ein Werkzeug namens „recherchiere“, und dahinter entscheidet der Server, welcher Anbieter für die konkrete Anfrage passt, und liefert das Ergebnis in einer einheitlichen Form zurück. Neue Anbieter lassen sich ergänzen, ohne dass die KI etwas davon merkt, sie kennt weiterhin nur das eine Werkzeug. Genau diese Recherche-Fähigkeit ist der Motor hinter einem Deep-Research-Assistenten mit Quellen.
Server zwei: die eigenen Dateien durchsuchbar machen
Mein zweiter MCP-Server macht die eigenen Dateien für die KI durchsuchbar, und das vollständig lokal. Er liest den Inhalt von Dateien aus, legt ihn in einer Volltextsuche ab (der eingebauten Suche von SQLite, FTS5) und stellt der KI ein Werkzeug bereit, mit dem sie genau danach suchen kann.
Der entscheidende Punkt: Die Dateien verlassen die Maschine nicht. Indexiert und durchsucht wird lokal; an ein Sprachmodell geht höchstens der gefundene Ausschnitt, wenn überhaupt. Das ist dieselbe Idee wie im Beitrag über RAG mit Quellen statt Blackbox: Für einen durchsuchbaren Dokumentenbestand mit klarer Fachsprache reicht oft die eingebaute Volltextsuche, ohne laufende Kosten und ohne dass Daten das Haus verlassen.
Warum eigene Werkzeuge statt fertiger Dienste
Fertige KI-Dienste sind bequem, aber sie geben dir zwei Dinge nicht: Kontrolle darüber, was die KI genau kann, und die Gewissheit, wo deine Daten liegen. Eigene MCP-Server drehen beides um. Du bündelst genau die Fähigkeiten, die dein Prozess braucht, und lässt alles andere weg. Und bei allem, was mit deinen Dokumenten zu tun hat, bestimmst du, dass sie lokal bleiben.
Das ist derselbe Gedanke, der meine KI-Agenten leitet: klar abgegrenzte Werkzeuge, freigeschaltet nach Bedarf, mit Datensparsamkeit als Grundregel. Ein Agent bekommt nicht „das Internet“, sondern ein Recherche-Werkzeug; nicht „alle Dateien“, sondern eine Suche über genau den Bestand, den er sehen soll.
Für Betriebe
Der praktische Nutzen entsteht dort, wo eine KI mit deinen Quellen arbeiten soll, deinen Dokumenten, deiner Recherche, deinen Systemen. Ein zugeschnittener MCP-Server ist der saubere Weg, ihr genau diese Werkzeuge zu geben, ohne die Kontrolle abzugeben. So etwas baue ich als KI & Automatisierung, passend zu den Werkzeugen, die dein Betrieb tatsächlich braucht.
Wenn du eine KI hast oder planst, die auf dein eigenes Wissen oder deine eigenen Systeme zugreifen soll: schreib mir. Wir schauen, welche Werkzeuge sie wirklich braucht, und welche besser verschlossen bleiben.
Häufige Fragen
Was ist ein MCP-Server?
MCP (Model Context Protocol) ist ein offener Standard, über den eine KI Werkzeuge und Daten bekommt, eine Art einheitliche Steckdose zwischen Sprachmodell und Außenwelt. Ein MCP-Server stellt konkrete Werkzeuge bereit, etwa „im Web recherchieren" oder „in Dateien suchen", die jede MCP-fähige KI dann benutzen kann.
Warum eigene MCP-Server statt fertiger Dienste?
Wegen Kontrolle und Passung. Ein eigener Server bündelt genau die Dienste, die dein Anwendungsfall braucht, hinter einem einzigen, einheitlichen Werkzeug, und bei einem Datei-Server bleiben deine Dokumente lokal, statt an einen fremden Anbieter zu wandern. Du entscheidest, was die KI kann und was ihr verborgen bleibt.
Bleiben meine Daten bei einem MCP-Server privat?
Bei einem selbst gehosteten Server ja. Der Datei-Suchserver läuft lokal: Deine Dokumente werden auf deiner eigenen Maschine indexiert und durchsucht, nichts verlässt das Haus. Beim Recherche-Server geht nur deine Suchanfrage nach außen, nicht deine Dateien oder dein sonstiger Kontext.