Tools & MCP: Wie KI-Agenten auf die Welt zugreifen

Lektion 19: Tools & MCP, Wie KI-Agenten auf externe Dienste zugreifen

In der letzten Lektion hast du erfahren, was einen KI-Agenten ausmacht: Er plant selbstständig, handelt Schritt für Schritt und nutzt Werkzeuge. Aber was genau sind diese „Werkzeuge“, und wie bekommt ein Agent eigentlich Zugang dazu?

Werkzeuge: Die Hände des Agenten

Stell dir vor, du hast einen sehr klugen Assistenten, der aber in einem fensterlosen Raum sitzt. Er kann brillant denken, aber ohne Verbindung zur Außenwelt kann er nichts tun. Tools (auf Deutsch: Werkzeuge) sind die Verbindungen zwischen einem KI-Agenten und der Außenwelt.

Ein Tool kann viele Formen annehmen:

Websuche, der Agent sucht aktuelle Informationen im Internet
Code-Ausführung, der Agent schreibt Python-Code und führt ihn sofort aus
Kalender-Zugriff, der Agent liest oder schreibt Termine
Datei-Zugriff, der Agent liest Dokumente oder speichert Ergebnisse
API-Aufruf, der Agent kommuniziert mit einem externen Dienst wie einem Wetterdaten-Anbieter, einer Datenbank oder sogar einem anderen KI-Modell

Das Besondere: Die KI selbst entscheidet, wann sie welches Tool benutzt. Sie bekommt eine Liste verfügbarer Werkzeuge und wählt je nach Aufgabe das passende, ähnlich wie ein Handwerker, der aus seinem Werkzeugkoffer das richtige Gerät herausgreift.

Wie ein Tool-Aufruf funktioniert

Nehmen wir ein konkretes Beispiel. Du gibst einem Agenten die Aufgabe: „Was ist heute das Wetter in Wien?“

Der Agent denkt intern so:

Ich brauche aktuelle Wetterdaten, das kann ich nicht aus meinem Trainingswissen wissen.
Ich habe ein Werkzeug „Websuche“, ich nutze es.
Ich sende eine Suchanfrage: „Wetter Wien heute“, das Tool gibt mir ein Ergebnis zurück.
Ich formuliere eine Antwort für die Person.

Für dich als Nutzerin oder Nutzer wirkt das nahtlos. Aber im Hintergrund hat der Agent einen echten externen Dienst angefragt und dessen Antwort verarbeitet.

MCP: Die gemeinsame Sprache für Werkzeuge

Hier kommt ein wichtiger Begriff ins Spiel: MCP, kurz für Model Context Protocol (ein offener Standard, der festlegt, wie KI-Modelle mit externen Werkzeugen und Diensten kommunizieren). Das klingt technisch, die Grundidee ist aber einfach.

Früher musste jede KI-Anwendung und jedes externe Tool auf eigene Weise miteinander verbunden werden. Das war wie Adapter selberbauen: für jeden neuen Dienst ein neuer Stecker. MCP ist wie ein universeller Stecker: Ein Werkzeug, das MCP spricht, kann sofort von jedem KI-System genutzt werden, das MCP ebenfalls versteht.

Anthropic (das Unternehmen, das Claude entwickelt) hat MCP Ende 2024 als Open-Source-Standard (ein Standard, den jeder kostenlos nutzen und weiterentwickeln kann) veröffentlicht. Seitdem haben viele Unternehmen MCP-fähige Werkzeuge gebaut: Google Drive, GitHub, Slack, Datenbanken und viele mehr. Wenn ein KI-Agent heute auf deine Dateien in der Cloud zugreift, nutzt er oft genau dieses Protokoll im Hintergrund.

Warum das für dich wichtig ist

Du brauchst MCP nicht selbst zu programmieren, um davon zu profitieren. Aber wenn du verstehst, wie Tools und MCP funktionieren, kannst du:

Mächtigere Agenten einsetzen. Ein Agent mit Websuche hat nicht mehr nur altes Trainingswissen, er kann aktuelle Informationen abrufen. Ein Agent mit Kalender-Zugriff kann Termine koordinieren. Die Fähigkeiten eines Agenten hängen direkt davon ab, welche Tools er hat.

Einschätzen, was ein KI-Tool wirklich kann. „Hat dieser Agent Zugang zu meinen E-Mails?“ oder „Kann diese KI im Internet suchen?“, diese Fragen beantwortest du, indem du weißt, welche Tools angebunden sind. Ohne Tool keine Fähigkeit.

Grenzen und Risiken erkennen. Ein Agent mit vielen Tools ist mächtig, aber er kann auch Fehler machen. Er könnte das falsche Tool wählen, eine Websuche falsch interpretieren oder einen Kalender-Eintrag löschen, den du behalten wolltest.

Ein häufiges Missverständnis: mehr Tools = besser?

Viele denken: je mehr Tools, desto leistungsfähiger der Agent. Das stimmt nicht immer. Ein Agent mit 50 Werkzeugen kann leicht das falsche wählen oder sich in komplexen Aufgaben verlieren. Gute Agenten-Designs geben dem Modell nur die Tools, die für die jeweilige Aufgabe tatsächlich nötig sind, fokussiert statt überladen.

Sicherheit: Wer hat die Kontrolle?

Wenn ein Agent Tools nutzen darf, entsteht eine wichtige Frage: Wer entscheidet, was er tut? Ein gut gestaltetes System fragt dich vor wichtigen Aktionen um Erlaubnis, bevor es eine E-Mail verschickt, einen Termin löscht oder eine Datei speichert. Das nennt man Human-in-the-loop (Mensch im Regelkreis, das Prinzip, dass ein Mensch kritische Entscheidungen genehmigen muss, bevor die KI sie ausführt).

Wenn du einen KI-Agenten nutzt, achte darauf: Zeigt er dir transparent, was er tut? Fragt er bei wichtigen Schritten um Erlaubnis? Gibt er dir Quellen oder Zwischenergebnisse? Wenn nicht, ist Vorsicht angebracht, denn ein Agent, der still handelt, kann auch still Fehler machen.

Praxisaufgabe (ca. 10-15 min)

Erlebe selbst, wie ein KI-Agent mit Tools arbeitet, und wie anders das im Vergleich zum normalen Chat ist.

Was du brauchst: Einen KI-Chat mit Websuche-Funktion (z. B. Claude mit aktivierter Websuche, ChatGPT mit Browsing oder Perplexity).

Öffne den KI-Chat deiner Wahl.
Stelle eine Frage, die aktuelle Informationen erfordert, etwas, das die KI aus ihrem Trainingswissen allein nicht beantworten kann:

Was sind die wichtigsten KI-Neuigkeiten der letzten 7 Tage?
Suche im Web und fasse die drei interessantesten Entwicklungen zusammen.

Beobachte genau:
- Zeigt die KI an, dass sie eine Websuche durchführt?
- Welche Quellen nennt sie?
- Wie ist die Antwort anders, als wenn du dieselbe Frage einer KI ohne Websuche stellen würdest?
Stelle danach eine Folgefrage, die kein Tool braucht:

Erkläre mir in drei Sätzen, was ein MCP-Server ist.

Vergleiche: Hier braucht die KI kein Tool, sie antwortet aus ihrem Trainingswissen. Kein Ladevorgang, kein Quellen-Hinweis.

Woran du merkst, dass du es verstanden hast: Du kannst nach dem Test erklären, welche der beiden Fragen ein Tool erfordert hat und warum, und du kannst beschreiben, was im Hintergrund passiert ist.

KI-News zum Lernen

OpenAI veröffentlicht GPT-5.6 „Sol“ mit eingeschränktem Zugang, Ende Juni 2026 hat OpenAI eine neue Modellreihe namens GPT-5.6 gestartet: Sol (das stärkste Modell), Terra (ausgewogen) und Luna (schnell und günstig). Besonders bemerkenswert: GPT-5.6 Sol steht zunächst nur etwa 20 ausgewählten Unternehmen zur Verfügung, auf Druck der US-Regierung, die Missbrauch für Cyberangriffe verhindern will. Das ist ein deutliches Zeichen, dass KI-Modelle nicht mehr einfach für alle gleichzeitig freigegeben werden, sondern zunehmend reguliert werden. Regulierung bedeutet hier: staatliche Einschränkung, wer Zugang zu besonders leistungsfähigen KI-Systemen erhält. Quelle
KI-Fluglotse unterstützt Menschen im Tower, Das Deutsche Zentrum für Luft- und Raumfahrt (DLR) hat einen KI-Assistenten für Fluglotsen entwickelt. Das System schlägt vor und warnt, aber der Mensch trifft alle Entscheidungen. Das ist ein Paradebeispiel für Human-in-the-loop in einem sicherheitskritischen Bereich: Die KI entlastet, übernimmt aber keine Kontrolle. Dieses Prinzip begegnet uns immer öfter, überall dort, wo Fehler schwere Folgen hätten.

Glossar

Tool (Werkzeug), eine externe Funktion, die ein KI-Agent aufrufen kann, z. B. Websuche, Code-Ausführung oder Kalender-Zugriff
MCP (Model Context Protocol), ein offener Standard, der festlegt, wie KI-Modelle mit externen Werkzeugen kommunizieren; ermöglicht einfache Anbindung neuer Dienste an jeden kompatiblen Agenten
API-Aufruf, eine Anfrage, die ein Programm (oder KI-Agent) an einen externen Dienst schickt, um Daten abzurufen oder eine Aktion auszuführen
Human-in-the-loop, das Prinzip, dass ein Mensch bei kritischen Entscheidungen eines KI-Systems zustimmen muss, bevor die Aktion ausgeführt wird
Open-Source-Standard, eine Spezifikation oder ein Protokoll, das öffentlich zugänglich ist und von jedem genutzt oder weiterentwickelt werden kann