KI-Agent vs. MCP? Wann Sie was verwenden sollten (& wann Sie beides brauchen)

Ein KI-Agent ist Software, die ihre eigenen Aktionen und Tool-Aufrufe entscheidet, um ein bestimmtes Ziel zu erreichen, und das Model Context Protocol (MCP) ist ein offener Standard dafür, wie KI-Anwendungen mit externen Tools und Daten verbunden werden. MCP ermöglicht es KI-Agenten also, mit Apps zu interagieren und Datenbanken abzufragen, um Aufgaben abzuschließen.

Der Artikel erklärt, was Agenten und MCPs sind, wie sie sich unterscheiden und wie sie funktionieren. Außerdem erfahren Sie, wann Sie jeweils das eine oder das andere verwenden sollten und wann Sie Agenten und MCPs zusammen einsetzen.

Wie unterscheidet sich ein KI-Agent von einem MCP? Wichtige Unterschiede.

Ein KI-Agent ist der unabhängige Akteur, der entscheidet, was zu tun ist, um ein Problem zu lösen, und ein MCP ist die Verbindung, mit der KI-Tools auf Daten zugreifen und mit anderen Apps Aufgaben ausführen.

Was ist ein KI-Agent und wie funktioniert er?

Ein KI-Agent ist ein Softwaresystem, das selbstständig den besten Handlungsweg wählt, um eine Aufgabe zu erledigen.

Wenn er beispielsweise für Recherche eingesetzt wird, analysiert der KI-Agent die Forschungsfrage, zerlegt sie in Unterfragen, delegiert jede an einen Unteragenten, der nach relevanten Informationen in verschiedenen Quellen sucht, und "berichtet" dann zurück.

Der Hauptagent analysiert die Erkenntnisse, passt die Recherchestrategie an, schickt weitere Agenten los, um Lücken zu schließen, und fasst die Ergebnisse in einem Bericht zusammen. Mit der Zeit lernt er außerdem, wie er die Teilaufgaben am effizientesten ausführt.

Der KI-Agent stützt sich auf drei Komponenten:

• Reasoning-Kern: Das LLM, das Eingaben interpretiert, plant und entscheidet, was zu tun ist
• Tool-Integrationen: Verbindungen zu externen Systemen. Zum Beispiel Datenbanken oder APIs, die den Zugriff auf Informationen und das Ausführen von Aktionen ermöglichen.
• Speicher: Kurzfristiger Sitzungskontext und langfristig gespeichertes Wissen, das über Abschnitte hinweg genutzt wird

Die Agenten arbeiten innerhalb vorgegebener Leitplanken (zum Beispiel keine Quellen verwenden, die älter als 3 Jahre sind, oder sekundäre Statistiksammlungen), entscheiden aber selbst, wie die Aufgabe abgeschlossen wird.

Diese Autonomie, zu entscheiden, wie ein Ziel erreicht wird, unterscheidet KI-Agenten von KI-Workflows. Letztere folgen einem vordefinierten, deterministischen Pfad, der sich perfekt für strukturierte, sich wiederholende Aufgaben eignet, die kein Reasoning und keine Entscheidungsfindung erfordern.

Was ist ein MCP und wie funktioniert er?

MCP steht für Model Context Protocol und ist eine sichere, standardisierte Möglichkeit für KI-Anwendungen wie Perplexity, sich mit externen Tools und Datenquellen zu verbinden.

Zum Beispiel nutzt mein persönlicher KI-Assistent MCP, um sich mit Notion zu verbinden, wo ich alle Informationen zu Kundenprojekten speichere, meinem Google Kalender und Clockify, das ich für die Zeiterfassung verwende.

Dadurch weiß er, welche Arbeit ich in einem bestimmten Monat erledigen muss und wie lange ähnliche Aufgaben in der Vergangenheit gedauert haben, sodass er genügend Zeit in meinem Kalender blockieren und meine Verfügbarkeit für zusätzliche Arbeit einschätzen kann.

MCP ist ein gemeinsames Protokoll, sodass jedes KI-Tool auf jede App zugreifen kann, solange beide MCP unterstützen, ohne dass ein Entwickler eine maßgeschneiderte Verbindung programmieren muss, wie es bei einer REST-API der Fall ist.

Auf technischer Ebene besteht MCP aus drei Elementen:

• MCP Host: Die KI-Anwendung, die Clients koordiniert und verwaltet (z. B. Perplexity)
• MCP Client: Ein „Broker“ innerhalb des Hosts, der eine Verbindung zum MCP-Server unterstützt und Informationen an den MCP-Host weitergibt
• MCP Server: Die Schnittstelle zu einer Ressource wie einer Datenbank oder einer SaaS-App, die dem MCP-Client Zugriff auf ihre Funktionen gewährt (Notion, Google Kalender, Clockify usw.).

Wann man einen Agenten, MCP oder beides verwendet. Und wann keines von beidem.

Die Entscheidung zwischen einem KI-Agenten und MCP läuft auf eine Frage hinaus: Brauchen Sie Hilfe beim Abschließen einer komplexen Aufgabe oder möchten Sie ein KI-Tool mit externen Ressourcen verbinden?

Allerdings benötigen nicht alle Aufgaben agentische KI, und solche, die das tun, brauchen oft auch MCP.

Hier ist eine differenziertere Aufschlüsselung, wann Sie was verwenden, wann Sie beides zusammen einsetzen und wann andere Optionen sinnvoll sind:

• Verwenden Sie einen KI-Agenten, um komplexe Aufgaben zu erledigen, bei denen Sie die genauen Schritte nicht vorhersagen können und jeder Schritt Urteilskraft und Entscheidungsfindung erfordert.
• Verwenden Sie einen Workflow mit direkten Tool-Aufrufen, um Routineaufgaben mit festen Schritten zu erledigen.
• Als Entwickler verwenden Sie MCP, wenn Ihre App mit vorhandenen und zukünftigen KI-Tools kompatibel sein soll.
• Als Endnutzer verwenden Sie MCP, um die Fähigkeiten Ihres KI-Assistenten zu erweitern, indem Sie ihn mit anderen Apps und Ressourcen verbinden.
• Verwenden Sie KI-Agenten und MCP zusammen, wenn Sie komplexe, einzigartige Aufgaben lösen möchten, die Autonomie und Zugriff auf Tools und Datenquellen von Drittanbietern erfordern.

Vergrößern

Wie arbeiten KI-Agenten und MCP zusammen?

Der KI-Agent entscheidet, was zu tun ist, und MCP übermittelt jede Anfrage an die beteiligten Apps.

Stellen Sie sich vor, Sie sind Inhaber eines kleinen Online-Shops und möchten herausfinden, warum Ihre Umsätze im letzten Monat eingebrochen sind, also bitten Sie Ihren KI-Assistenten, der Sache nachzugehen. Der KI-Assistent setzt einen Agenten ein, der MCP nutzt, um die erforderlichen Informationen zu erhalten:

1. Agent: Der Assistent entscheidet, die Verkäufe des letzten Monats mit denen des Vormonats zu vergleichen.
2. MCP: Es fragt die E-Commerce-Plattform nach den Verkäufen nach Produkt für beide Monate.
3. Agent: Es erkennt, dass ein Produkt den Großteil des Rückgangs ausmacht, und entscheidet daher, den Lagerbestand und die Anzeigen des Produkts zu prüfen.
4. MCP: Es fragt die Shop-Plattform nach den Lagerbeständen des Produkts und die Anzeigenplattform nach deren Anzeigenleistung.
5. Agent: Der Lagerbestand war normal, aber die Anzeigen wurden Mitte des Monats eingestellt, also entscheidet es, herauszufinden, warum.
6. MCP: Es fragt die Anzeigenplattform nach dem Verlauf der Kampagne und erfährt, dass die Kampagne ihr monatliches Budgetlimit erreicht hat.
7. Agent: Es nennt die wahrscheinliche Ursache, schlägt vor, das Limit anzuheben oder das Budget zu verschieben, und überlässt die Entscheidung dem Inhaber.

Da jeder Schritt von den Erkenntnissen des vorherigen abhängt, können Sie sie nicht im Voraus vorhersagen. Der Agent analysiert die über MCP erhaltenen Daten und nutzt sie, um die nächsten Aktionen zu planen.

Risiken und Leitplanken bei Agenten und MCP

Die Verbindung autonomer KI-Agenten mit anderen Tools und Apps über MCP setzt Sie Risiken aus. Zu den häufigen Bedenken gehören, dass KI-Agenten mehr Zugriff haben, als sie benötigen, und dass Dritte die MCP-Verbindung kapern, zum Beispiel durch indirekte Prompt-Injektion oder übermäßige Handlungsautonomie.

In den meisten Fällen besteht die Lösung darin, die Informationen, auf die der Agent zugreifen kann, manuell zu steuern, seine Aktivität zu überwachen und nur Konnektoren aus vertrauenswürdigen Quellen zu verwenden.

Perplexity-Agenten und MCP verwenden

Perplexity verwendet Agenten und MCP in beide Richtungen. Die eigenen Agenten, wie Computer, nutzen MCP, um sich mit externen Apps zu verbinden, und andere KI-Assistenten können sich über MCP mit Perplexity verbinden, um deren Recherche zu unterstützen.

Perplexity Computer ist ein KI-Agent für allgemeine Zwecke, der MCP verwendet, um sich mit Diensten von Drittanbietern zu verbinden. Er kann im Web suchen und browsen, Code schreiben und ausführen, Dokumente erstellen, E-Mails lesen und senden, Aufgaben in Tools wie Jira, Slack oder Notion verwalten und vieles mehr.

Die Verbindung funktioniert auch in die andere Richtung. Ein KI-Assistent, der MCP unterstützt, wie Claude, ChatGPT oder Cursor, kann Perplexitys MCP-Server verwenden, um eine Websuche auszuführen und Ergebnisse mit Titeln, URLs und Snippets zurückzubekommen, oder Computer eine mehrstufige Aufgabe zuweisen, die erledigt werden soll.

FAQs

Sind KI-Agenten und MCP dasselbe?

Nein, KI-Agenten und MCP sind nicht dasselbe, und beide lösen unterschiedliche Probleme. KI-Agenten sind Software-Tools, die Aufgaben von Nutzern autonom erledigen, während MCP eine standardisierte Möglichkeit ist, mit der KI-Tools auf andere Apps zugreifen.

KI-Agenten und MCP arbeiten oft zusammen. Ein KI-Agent kann MCP verwenden, um auf Daten aus einer anderen Softwareanwendung zuzugreifen und das zugewiesene Ziel zu erreichen.

Worin besteht der Unterschied zwischen MCP und Agent-Skills?

MCP (Model Context Protocol) verbindet ein KI-Tool mit externen Apps und Daten, während Agent-Skills wiederverwendbare Anweisungen, Skripte und Ressourcen sind, die einem KI-Agenten beibringen, wie er eine spezialisierte Aufgabe ausführt, und die Leitplanken festlegen.

Ist MCP dasselbe wie eine API?

Nein, MCP und API sind nicht dasselbe. Eine API lässt einen Teil der Software einen anderen anhand von Regeln aufrufen, die ein Entwickler im Voraus erstellt, während MCP KI-Agenten sehen lässt, welche Fähigkeiten verfügbar sind, und entscheiden lässt, welche davon sie aufrufen, ohne dass ein Entwickler die Verbindung im Voraus programmiert.

Allerdings verwenden MCP-Server häufig APIs, um sich mit Tools zu verbinden.

Worin unterscheidet sich MCP von A2A?

MCP (Model Context Protocol) verbindet einen KI-Agenten mit Tools und Daten, während A2A (Agent2Agent) KI-Agenten verbindet. Ein Team kann beides verwenden, wobei MCP die Tool-Integration übernimmt und A2A die Zusammenarbeit zwischen Agenten.

Worin unterscheidet sich MCP von RAG?

RAG (retrieval-augmented generation) ist ein System, das KI-Tools verwenden, um Antworten mit verlässlichen Informationen aus einer externen Wissensquelle zu untermauern, während MCP ein Standard ist, um KI-Anwendungen mit externen Daten und Tools zu verbinden. Ein RAG kann also MCP nutzen, um auf seine Wissensbasis zuzugreifen.

Kann man MCP auch ohne Entwicklerkenntnisse verwenden?

Ja, Sie können MCP verwenden, ohne Code zu schreiben, indem Sie ein MCP-kompatibles KI-Tool mit einem Dienst verbinden, der es bereits unterstützt. Perplexity-Nutzer können MCP beispielsweise verwenden, um gängige Apps wie Gmail, ClickUp oder Figma zu verbinden.