MCP von Grund auf: Verbinde KI mit Daten und Tools mithilfe von Vibe Coding
Ein Workshop, in dem du in Python MCP-Server aufbaust, die einem KI-Modell Tools, Dokumente und Daten aus APIs bereitstellen. Du lernst, Verträge für Tools, Resources und Prompts zu entwerfen, Code an einen KI-Agenten zu delegieren, ihn im MCP Inspector zu testen, Fehler zu diagnostizieren sowie Lese- und Schreiboperationen abzusichern. Der Kurs endet mit deinem eigenen Server, der einen Geschäftsprozess unterstützt.
Zugang zum gesamten Kurs
40 EUR−17%
34 EUR
- ✓Einmalzahlung
- ✓Dauerhafter Zugang
- ✓Zertifikat
- ✓12 Stunden
Für wen dieser Kurs geeignet ist
Entwickler, Integrationsarchitekten, technische Analysten und Personen, die KI-Automatisierungen bauen und Modelle sicher mit Daten und Operationen verbinden möchten. Der Kurs richtet sich an MCP-Einsteiger, auch an diejenigen, die nicht fließend in Python schreiben, aber ein Projekt starten und einfachen Code lesen können. Das Material ist besonders nützlich für Personen, die mit Programmieragenten arbeiten und von der Generierung zufälliger Codefragmente zu einem kontrollierten Prozess übergehen möchten: Spezifikation, Implementierung, Test, Diagnose und Korrektur.
Der Kurs führt vom Verständnis des Problems der Integration von KI-Modellen mit Systemen bis hin zu einem funktionierenden MCP-Server. Anstatt lange Codeblöcke abzutippen, arbeitest du wie ein technischer Lead mit einem Programmieragenten: Du beschreibst den Vertrag, beauftragst einen kleinen Inkrement, startest das Ergebnis, prüfst das Verhalten und kehrst mit einem konkreten Fehler zurück. An einem gemeinsamen Beispiel eines Kundendienst-Assistenten verbindest du das Modell mit einer externen API, lokalen Dokumenten und einem einfachen Fallregister. Du siehst vollständige Beispiele für schwache und verbesserte Prompts, fehlgeschlagene und korrekte Tool-Antworten sowie Tests, die Fehler aufdecken, die im Happy Path nicht sichtbar sind. Die Implementierung nutzt Python, das offizielle MCP-SDK mit FastMCP sowie den MCP Inspector. Der Schwerpunkt liegt auf stabilen Verträgen und Mustern statt auf der Bindung an eine experimentelle Version: Vor Beginn des Projekts prüft der Teilnehmer die aktuelle stabile SDK-Version und pinnt die Abhängigkeiten. Das Finale ist dein eigener MCP-Server, der einen einfachen Geschäftsprozess mit Validierung, Berechtigungsprüfung, Bestätigung von Schreiboperationen und einem Satz von Abnahmetests umsetzt.
Was Sie lernen
- Du erklärst, welches Problem MCP löst und wo die Verantwortungsgrenze zwischen Modell, MCP-Client und Server verläuft.
- Du unterscheidest einen MCP-Server von einer gewöhnlichen API und von Function Calling und wählst den passenden Mechanismus für eine konkrete Integration aus.
- Du entwirfst Tools, Resources und Prompts so, dass sie eindeutige Namen, Eingabeschemata, vorhersehbare Ergebnisse und verständliche Fehler haben.
- Du bereitest ein MCP-Server-Projekt in Python vor, pinnst die Abhängigkeiten und startest es über stdio oder Streamable HTTP.
- Du wirst einem KI-Agenten kleine, überprüfbare Änderungen beauftragen, statt die gesamte Anwendung mit einem einzigen Prompt generieren zu lassen.
- Du baust ein MCP-Tool, das Daten aus einer externen API mit Timeout, Validierung und kontrollierter Fehlerabbildung abruft.
- Du stellst lokale Dokumente als sicher begrenzte Resources bereit und fügst ein Tool zu ihrer Suche hinzu.
- Du testest das Auflisten und Aufrufen der Fähigkeiten des Servers im MCP Inspector und dokumentierst reproduzierbare Testfälle.
- Du verbindest den lokalen Server mit einem MCP-fähigen Client und trennst Client-Konfigurationsprobleme von Serverfehlern.
- Du diagnostizierst typische Ausfälle: fehlerhaftes Schema, Müll auf stdout, falscher Prozesspfad, Timeout, ungültiges JSON und Transportinkompatibilität.
- Du sicherst API-Schlüssel, Dateipfade und datenverändernde Operationen durch Validierung, minimale Berechtigungen und explizite Bestätigung ab.
- Du entwirfst und präsentierst deinen eigenen MCP-Server, der einen einfachen Geschäftsprozess samt Abnahmekriterien umsetzt.
Voraussetzungen
Ein Computer mit Terminalzugang und der Möglichkeit, Python, uv oder pip sowie Node.js zu installieren, das für den MCP Inspector benötigt wird. Ein Code-Editor, Git und ein MCP-fähiger Client sind hilfreich. Erforderlich ist ein Konto in einem ausgewählten Vibe-Coding-Tool oder der Zugang zu einem Code-generierenden Agenten. Es genügt, Dateien, Funktionen, JSON und Umgebungsvariablen zu verstehen; der Kurs erklärt die wichtigsten Python-Abschnitte. Für API-Übungen kannst du den bereitgestellten Demo-Dienst ohne kostenpflichtige Schlüssel verwenden.
Kursprogramm
- Der Assistent kennt die Sprache, aber nicht den Kunden: die Grenze des Modells selbst
- MCP als Integrationsvertrag und nicht als noch ein magisches Plugin
- Dreieck der Verantwortlichkeiten: KI-Modell, MCP-Client und MCP-Server
- MCP-Server, REST-API oder Function Calling: drei vollständige Abläufe für dieselbe Anfrage
- Anwendungskarte: Dokumente, CRM, Firmensystem und externe API
- Architekten-Quiz: Wer sollte diesen Vorgang ausführen?
- Das Tool erfüllt die Absicht: ein Kunden-Suchvertrag ohne Parameterraten
- Resource stellt Inhalt bereit: Dokument-URI statt Allzweck-Tool
- Prompt steuert die Arbeitsweise, ersetzt aber keine Berechtigungen
- Schwacher kontra starker Vertrag: vollständige Schemata des Tools search_customer
- Ein Fehler ist auch Teil der API: not_found, invalid_input und upstream_timeout
- Projektübersicht: Ordnen Sie fünf Möglichkeiten den richtigen MCP-Primitiven zu
- Vertrag für den Agenten: Ziel, Einschränkungen, Dateien und Abnahmetest
- Prompt „Baue alles” kontra 15-Minuten-Inkrement: zwei vollständige Aufträge
- Umgebung ohne Versionsroulette: Python, uv, Node.js und fest gepinntes MCP-SDK
- Der erste FastMCP-Server: ein Tool, ein Ergebnis, keine versteckte Magie
- stdio oder Streamable HTTP: der Transport passend zum Ausführungsort
- Hat der Agent das geliefert, was wir bestellt haben? Abnahme der Projektstruktur
- Grenze des Adapters: warum ein Tool nicht zugleich HTTP-Client und Parser sein sollte
- Auftrag für den Agenten: API-Client hinzufügen, ohne den MCP-Vertrag zu ändern
- Timeout, 404 und beschädigtes JSON: drei Ausfälle, die die Demo normalerweise nicht zeigt
- Text oder Structured Output: Vergleich vollständiger get_customer-Antworten
- Adapter-Tests ohne Internet: Fixture, Mock und Randfälle
- Immunitäts-Ablation: Entferne Timeout oder Validierung und sage die Folge voraus
- Das Verzeichnis ist keine Wissensdatenbank: Wie Dokument, URI und Metadaten repräsentiert werden
- Resource-Template für ein Dokument: vom Identifikator zum kontrollierten Lesezugriff
- Die Path-Traversal-Falle: wenn ein Dateiname über den Wissensordner hinausführt
- Tool search_docs: einfacher Ranking-Ansatz statt des Versprechens eines „intelligenten RAG“
- Fünf Kontrollfragen: Bewertung von Relevanz, Quellen und fehlenden Antworten
- Diagnostisches Quiz: Indexfehler, Vertragsfehler oder Modellentscheidung?
- Inspector als Labor-Client: capabilities, Listen und rohe Aufrufe
- Server-Abnahmeszenario: sechs Aufrufe, die bestehen müssen
- Wenn Inspector den Server nicht sieht: Transport, Prozesskommando und Müll auf stdout
- Verbindung zum MCP-Client: Konfiguration von Prozess und Umgebungsvariablen
- Tool läuft manuell, das Modell wählt es nicht: Diagnose von Name, Beschreibung und Schema
- Schicht-Quiz: Client, Protokoll, Server oder externe Abhängigkeit?
- Der API-Schlüssel gehört weder in den Prompt noch ins Repository
- Validierung an der Grenze: Kunden-ID, Datumsbereich und unzulässige Felder
- Lesen ist nicht Schreiben: getrennte Berechtigungen für `search_customer` und `update_case`
- Operation that changes data: preview, confirmation, idempotency key and audit log
- Korrektur-Prompt für den Agenten: Symptom, Log, Reproduktion und Verbot von Neben-Refactoring
- Red-Team-Mini-Test: Wie ein Modell ein zu weit gefasstes Tool missbrauchen kann
- Auswahl des Prozesses: Reklamation, Lead-Qualifizierung oder Bearbeitung einer Anfrage
- Projektspezifikation: Flussdiagramm, MCP-Verträge und Abnahmekriterien
- Implementierung in Inkrementen: Skelett, Lesen, Suchen und Schreiben
- End-to-End-Evaluierung: Erfolg, fehlende Daten, API-Ausfall und Schreibverweigerung
- Demo mit kontrolliertem Ausfall: Zeige nicht nur den Happy Path
- Produktionsüberblick: Transport, Autorisierung, Beobachtbarkeit und Vertrauensgrenzen
- Abschlusstest: Verteidigung der architektonischen Entscheidungen des eigenen Servers
Häufig gestellte Fragen
Du verstehst, wie das Model Context Protocol KI-Anwendungen mit externen Daten, Tools und Prozessen verbindet. Schritt für Schritt baust du einen MCP-Server, der mit einer API, lokalen Dokumenten und einem einfachen Fallregister zusammenarbeitet.
Du musst keine umfangreichen Anwendungen von Grund auf schreiben, aber eine grundlegende Orientierung im Code erleichtert das Lernen. Du arbeitest mit einem Programmieragenten: Du definierst den Vertrag, beauftragst kleine Änderungen, startest das Ergebnis und gibst konkrete Fehlerinformationen weiter.
Vibe Coding bedeutet hier, einen KI-Agenten bewusst zu steuern, statt gedankenlos generierten Code zu kopieren. Du lernst, die Arbeit in kleine Inkremente zu zerlegen, das Verhalten der Anwendung zu überprüfen und die Kontrolle über die Lösung zu behalten.
Du erstellst einen Kundendienst-Assistenten, der eine externe API nutzt, lokale Dokumente durchsucht und mit einem einfachen Fallregister arbeitet. Dank des gemeinsamen Beispiels siehst du den gesamten Prozess – vom Integrationsdesign bis zum funktionierenden MCP-Server.
MCP ist ein offener Standard, der dazu dient, KI-Anwendungen mit Dateien, Datenbanken, APIs und anderen Tools zu verbinden. Der Kurs bereitet dich darauf vor, Lösungen zu entwickeln, die nicht nur Antworten generieren, sondern auch aktuellen Kontext nutzen und konkrete Aktionen ausführen.
Ja. Du siehst Beispiele für unpassende Anweisungen, zu große Änderungen und unzureichende Verifikation. Du lernst, unpräzise Erwartungen in klare Verträge zu übersetzen und Probleme anhand des tatsächlichen Systemverhaltens zu diagnostizieren.
- 12 Stunden
- Anfanger
- Zertifikat nach Abschluss
- Sofortiger Zugang nach Kauf
Gesamter Kurs
34 EUR