MCP Tools — Model Context Protocol

Was ist MCP?

Model Context Protocol (MCP) ist ein offener Standard, der es Sprachmodellen ermöglicht, externe Werkzeuge und Datenquellen direkt im Kontext zu nutzen. Statt nur auf Trainingsdaten zu antworten, kann dein Agent:

• Datenbankabfragen ausführen
• Externe APIs aufrufen (CRM, ERP, Kalender)
• Dokumente lesen und schreiben
• Echtzeit-Informationen abrufen (Websuche, Wetter, Börsenkurse)

Mycelis betreibt einen MCP-Gateway der als Brücke zwischen deinen Agents und MCP-Servern fungiert.

Architektur

Nutzer-Anfrage
      ↓
  Mycelis Agent
      ↓
  MCP-Gateway
      ↓
MCP-Server (lokal oder remote)
      ↓
 Externes Tool / API

Der Agent entscheidet automatisch, welches Tool er aufruft — basierend auf dem Kontext der Anfrage.

MCP-Verbindung einrichten

Schritt 1 — MCP-Gateway konfigurieren

1. Gehe zu Dashboard → Einstellungen → MCP-Tools
2. Klicke auf MCP-Server hinzufügen
3. Gib die Server-URL ein (z. B. http://localhost:3100 oder eine remote URL)
4. Optional: Authentifizierung konfigurieren (Bearer Token, API-Key)

Schritt 2 — Tools des Servers laden

Mycelis fragt automatisch die verfügbaren Tools vom MCP-Server ab. Nach dem Verbinden siehst du alle registrierten Tools mit:

• Name — Identifier des Tools (z. B. search_web, query_database)
• Beschreibung — Was das Tool tut (wird dem Modell als Kontext übergeben)
• Parameter — Erwartete Eingaben

Schritt 3 — Tools einem Agent zuweisen

1. Gehe zu Dashboard → Agents → [Dein Agent] → Wissen & Tools
2. Aktiviere die gewünschten MCP-Tools per Checkbox
3. Speichern — der Agent kann die Tools ab sofort nutzen

Eigenen MCP-Server erstellen

MCP-Server können in jeder Sprache implementiert werden. Hier ein minimales Beispiel in Python mit dem offiziellen MCP SDK:

from mcp.server import Server
from mcp.server.stdio import stdio_server
from mcp.types import Tool, TextContent

app = Server("mein-tools-server")

@app.list_tools()
async def list_tools():
    return [
        Tool(
            name="get_customer",
            description="Gibt Kundendaten anhand der Kunden-ID zurück",
            inputSchema={
                "type": "object",
                "properties": {
                    "customer_id": {"type": "string", "description": "Die Kunden-ID"}
                },
                "required": ["customer_id"]
            }
        )
    ]

@app.call_tool()
async def call_tool(name: str, arguments: dict):
    if name == "get_customer":
        customer_id = arguments["customer_id"]
        # Hier deine echte Logik (DB-Abfrage etc.)
        return [TextContent(type="text", text=f"Kunde {customer_id}: Max Mustermann, max@example.com")]

async def main():
    async with stdio_server() as streams:
        await app.run(*streams, app.create_initialization_options())

if __name__ == "__main__":
    import asyncio
    asyncio.run(main())

Server als HTTP-Endpoint exponieren

Für den Einsatz mit dem Mycelis MCP-Gateway muss der Server über HTTP erreichbar sein. Nutze dafür mcp-proxy oder implementiere einen HTTP-Transport:

pip install mcp mcp-proxy
mcp-proxy --port 3100 python mein_server.py

Tools im Workflow-Editor

Im Workflow-Editor kannst du MCP-Tools als Nodes in deinen Agenten-Graph einbauen:

1. Öffne den Workflow-Editor im Agent
2. Ziehe einen MCP-Tool-Node auf die Canvas
3. Wähle das gewünschte Tool aus der Dropdown-Liste
4. Verbinde den Node mit Input- und Output-Nodes

Der Workflow-Editor ermöglicht komplexe Pipelines wie:

• Anfrage → Websuche → Zusammenfassung → Antwort
• Anfrage → Datenbankabfrage → Datenaufbereitung → Antwort

Sicherheitshinweise

• MCP-Server sollten niemals direkt aus dem Internet erreichbar sein — nutze den Mycelis-Gateway als Proxy
• Vergib minimale Berechtigungen: ein Tool sollte nur das dürfen, was es braucht
• Logge Tool-Aufrufe für Audit-Zwecke

Nächste Schritte

• Ersten Agent konfigurieren — Agent mit MCP-Tools kombinieren
• RAG Pipeline aufsetzen — Wissen aus Dokumenten kombinieren