MCP-Server einfach erklärt: wie das Model Context Protocol KI-Agenten mit Finanzdaten verbindet, wie es sich von einer REST-API unterscheidet und was Sie damit bauen können.
Was ist ein MCP-Server? Das Model Context Protocol für Finanzdaten erklärt
Ein MCP-Server ist eine standardisierte Schnittstelle, über die ein KI-Modell wie ein Sprachmodell auf externe Werkzeuge und Datenquellen zugreift. MCP steht für Model Context Protocol, einen offenen Standard, den Anthropic im November 2024 eingeführt hat, um zu vereinheitlichen, wie KI-Systeme mit externen Tools und Datenquellen verbunden werden. Wo bisher jede KI-Anwendung eine eigene Anbindung an jede Datenquelle brauchte, definiert MCP ein gemeinsames Format. Für Finanzdaten heißt das: Ein KI-Agent kann Kurse, Fundamentaldaten oder Nachhaltigkeitskennzahlen abfragen, ohne dass für jede Kombination aus Modell und Datenquelle eine Speziallösung gebaut werden muss.
Dieser Beitrag erklärt, was ein MCP-Server ist, wie er aufgebaut ist, worin er sich von einer klassischen API unterscheidet und was sich damit im Finanzbereich bauen lässt.
Das Problem, das MCP löst
Vor MCP galt das sogenannte N-mal-M-Problem: Bei N KI-Anwendungen und M Werkzeugen mussten im Extremfall N mal M einzelne Integrationen gebaut und gepflegt werden, jede mit eigener Authentifizierung und eigenem Datenformat. MCP verwandelt das in ein N-plus-M-Problem. Wer einen Server einmal baut, macht ihn für jeden kompatiblen Client nutzbar. Deshalb wird MCP oft mit einem USB-C-Anschluss für KI verglichen: Ein Stecker, viele Geräte.
Dass sich der Standard durchgesetzt hat, zeigt die Adoption. Im März 2025 übernahm OpenAI MCP über seine Produkte hinweg, darunter die ChatGPT-Desktop-App, gefolgt von Google DeepMind und Microsoft. Im Dezember 2025 übergab Anthropic das Protokoll an die Agentic AI Foundation unter dem Dach der Linux Foundation, womit es zu einem herstellerneutralen, community-geführten Standard wurde.
Wie ein MCP-Server aufgebaut ist
MCP folgt einer klaren Rollenteilung aus drei Komponenten. Der Host ist die KI-Anwendung, in der das Modell läuft, etwa Claude Desktop, ChatGPT oder eine Entwicklungsumgebung wie Cursor. Der Client ist die Verbindungsinstanz innerhalb des Hosts, eine pro angebundenem Server. Der Server schließlich stellt die eigentlichen Fähigkeiten bereit.
Ein MCP-Server kann drei Arten von Fähigkeiten anbieten (die Primitive des Protokolls): Tools sind ausführbare Aktionen, etwa „rufe den aktuellen Kurs ab". Resources sind lesbare Kontextdaten, etwa ein Dokument oder ein Datensatz. Prompts sind wiederverwendbare Vorlagen für wiederkehrende Aufgaben. Kommuniziert wird über JSON-RPC 2.0, und beim Verbindungsaufbau handeln Client und Server aus, welche Fähigkeiten die jeweilige Seite unterstützt. Das Modell muss die verfügbaren Werkzeuge also nicht fest verdrahtet kennen, es entdeckt sie zur Laufzeit.
Transport: stdio und Streamable HTTP
Für die Übertragung kennt MCP zwei Wege. Der erste ist stdio (Standard Input/Output): Der Host startet den Server als lokalen Subprozess und kommuniziert über Ein- und Ausgabekanäle. Das ist schnell, braucht keine Netzwerkkonfiguration und eignet sich für lokale Entwicklungs-Setups, etwa einen Datenbank-Server neben Claude Desktop. Der zweite ist Streamable HTTP für entfernte, produktive Server, die über eine HTTPS-Adresse erreichbar sind, mehrere Clients gleichzeitig bedienen und horizontal skalieren. Der ältere Weg über HTTP mit Server-Sent Events gilt inzwischen als veraltet.
MCP-Server oder klassische API: worin der Unterschied liegt
Eine häufige Frage lautet, warum es MCP überhaupt braucht, wenn es doch REST-APIs und Function Calling gibt. Der Unterschied liegt in der Perspektive. Eine klassische API richtet sich an Entwickler:innen, die festen Code schreiben. Ein MCP-Server richtet sich an ein KI-Modell, das zur Laufzeit selbst entdeckt, welche Werkzeuge es gibt und wie es sie aufruft. MCP ersetzt Function Calling nicht, sondern legt eine Standardisierungs- und Entdeckungsschicht darüber.
Was MCP für Finanzdaten bedeutet und was Sie damit bauen können
Sobald ein KI-Agent verlässlich auf Finanzdaten zugreifen kann, verschiebt sich, was eine Anwendung leisten kann. Ein Finanzdaten-MCP-Server, der Kurse, Fundamentaldaten, News oder ESG-Kennzahlen bereitstellt, wird zur Grundlage für mehrere Anwendungstypen:
- Research-Copilot: Nutzer:innen stellen natürlichsprachige Fragen („wie hat sich der Sektor entwickelt?") und das Modell zieht die Daten selbst.
- Portfolio-Assistenz: Fragen zu Klumpenrisiko, Diversifikation oder Dividendenplanung, beantwortet gegen die realen Portfoliodaten.
- Nachhaltigkeits-Abfragen: Einordnung einzelner Titel entlang von Klima-, Gesellschafts- und Governance-Kennzahlen.
- Analyst:innen-Werkzeuge: Marktkontext in Echtzeit, direkt im Arbeitsablauf, statt manueller Datensuche.
- Automatisierte Berichte: wiederkehrende Auswertungen, die das Modell aus aktuellen Daten zusammenstellt.
Entscheidend ist dabei, was der Server liefert. Ein KI-Agent, der nur Rohzahlen erhält, gibt Rohzahlen weiter. Erst eingeordnete, kontextualisierte Daten machen die Antwort brauchbar. money:care setzt genau hier an, mit aufbereiteten Datenmodulen, die aus Kennzahlen eine Orientierung machen. Über eine standardisierte Schicht wie MCP ließen sich solche aufbereiteten Finanzdaten künftig direkt für KI-Anwendungen zugänglich machen.
Sicherheit und Compliance: was im Finanzkontext zu beachten ist
Weil ein MCP-Server einem Modell echten Zugriff auf Systeme gibt, ist die Sicherheitsarchitektur zentral. Im MCP-Modell liegt die Kontrolle beim Host: Er verantwortet die Zustimmung der Nutzer:innen, den Umfang der Zugangsdaten und die Freigabe einzelner Werkzeuge. Für entfernte Server ist OAuth 2.1 der vorgesehene Standard, und Server aus offenen Registern sollten vor der Anbindung geprüft werden.
Im regulierten Finanzumfeld kommen weitere Anforderungen hinzu. Marktdaten sind lizenziert, personenbezogene Portfoliodaten sind sensibel, und jede Aktion, die über das Lesen hinausgeht, braucht klare Grenzen. Ein KI-Agent sollte keine Order eigenständig auslösen, ohne dass ein Mensch bestätigt, und jede Aktion gehört protokolliert. Wer MCP im Brokerage einsetzt, denkt Audit-Trails und die Trennung von Information und Handelsentscheidung von Anfang an mit.
Häufige Fragen zum MCP-Server
Was ist ein MCP-Server?
Eine standardisierte Schnittstelle, über die ein KI-Modell externe Werkzeuge und Datenquellen nutzt. MCP steht für Model Context Protocol, einen offenen Standard von Anthropic aus dem November 2024.
Was ist der Unterschied zwischen MCP und einer REST-API?
Eine REST-API richtet sich an Entwickler:innen mit festem Code. Ein MCP-Server richtet sich an ein KI-Modell, das die Werkzeuge zur Laufzeit selbst entdeckt und aufruft.
Welche Transportwege nutzt MCP?
Zwei: stdio für lokale Server als Subprozess und Streamable HTTP für entfernte, produktive Server. Der ältere SSE-Weg gilt als veraltet.
Wofür lässt sich ein MCP-Server im Finanzbereich nutzen?
Für Research-Copilots, Portfolio-Assistenz, Nachhaltigkeits-Abfragen und Analyst:innen-Werkzeuge, überall dort, wo ein KI-Agent verlässlich auf Finanzdaten zugreifen soll.
Möchten Sie selbst einen MCP-Server betreiben? Dann lassen Sie uns darüber sprechen.