MCP ist ein Steckerstandard für LLM-Apps: Schreiben Sie einen Tool-Server einmal, und jeder Client, der MCP versteht, kann ihn nutzen.
So funktioniert es
Die Spezifikation beschreibt drei Rollen, die über JSON-RPC-2.0-Nachrichten kommunizieren:
- Hosts: „LLM applications that initiate connections“ (Übersetzung: „LLM-Anwendungen, die Verbindungen aufbauen“), etwa ein IDE-Agent oder eine Chat-App.
- Clients: „Connectors within the host application“ (Übersetzung: „Konnektoren innerhalb der Host-Anwendung“), einer pro Server.
- Server: „Services that provide context and capabilities.“ (Übersetzung: „Dienste, die Kontext und Fähigkeiten bereitstellen.“)
Server können Tools (Funktionen, die das Modell ausführen darf), Ressourcen (Daten und Kontext) und Prompts (Nachrichtenvorlagen) anbieten. Die Spezifikation definiert zwei Standardtransporte: stdio für einen lokalen Unterprozess und Streamable HTTP, bei dem jede Nachricht ein HTTP-POST ist und Antworten als JSON oder als Stream aus Server-Sent Events zurückkommen.
Für Tools sendet der Client tools/list und erhält Namen, Beschreibungen und ein inputSchema in JSON Schema. Diese gibt er dem Modell als Tool-Definitionen weiter. Liefert das Modell einen Tool Call, sendet der Client tools/call mit den Argumenten und reicht das Ergebnis an das Modell zurück.
{"jsonrpc": "2.0", "id": 2, "method": "tools/call",
"params": {"name": "get_weather", "arguments": {"location": "New York"}}}
Das Modell spricht nie mit dem MCP-Server. Es sieht nur Tool-Definitionen und Ergebnisse; deshalb funktioniert MCP mit jedem Modell, das Tool Calls gut beherrscht.
Warum es wichtig ist
- Wiederverwendung. Ein GitHub- oder Datenbank-Server bedient jeden Agenten und jeden Editor, der MCP spricht.
- Token-Kosten. Name, Beschreibung und Schema jedes gelisteten Tools werden in jeder Runde als Input gesendet. Viele Server mit vielen Tools machen jede Anfrage länger. Aktivieren Sie nur, was die Aufgabe braucht.
- Sicherheit. Laut Spezifikation „represent arbitrary code execution“ Tools (Übersetzung: „stellen Tools beliebige Codeausführung dar“), und Hosts müssen die Zustimmung des Nutzers einholen, bevor sie ein Tool aufrufen. Tool-Ergebnisse sind zudem ein Einfallstor für Prompt Injection.
Bei BroadNet Inference
Die BroadNet-Dokumentation nennt weder einen MCP-Server noch einen MCP-spezifischen Endpoint. Sie betreiben MCP in Ihrem Client (Cline, Continue, opencode und andere) und richten das Modell des Clients auf die OpenAI-kompatible API von BroadNet. Die BroadNet-Dokumentation nennt Tool Calling für GLM 5.3 und Qwen3.8 27B. Der Beitrag MCP mit OpenAI-kompatiblen Modellen zeigt Client-Konfigurationen und eine Python-Bridge.