Schulung · Model Context Protocol (MCP) · API-Entwicklung

Model Context Protocol (MCP) für API-Entwickler:innen

MCP-Server entwickeln und sicher anbinden: Tools, Resources und Prompts für Claude Code, Cursor, Copilot und eigene KI-Agenten.

Dauer
2 Tage (14 Std.)
Format
Online oder vor Ort
Sprache
Deutsch oder Englisch
Teilnehmende
offene Termine oder exklusiv für Ihr Team
Abschluss
Teilnahmebescheinigung

Überblick

Das Training „Model Context Protocol (MCP) für API-Entwickler:innen“ richtet sich an Rollen wie Backend-Entwickler:innen, die REST-, GraphQL- oder gRPC-Schnittstellen bauen, API-Architekt:innen und Verantwortliche für API-Governance und Integrationsentwickler:innen für Partner- und Plattformanbindungen und zeigt Schritt für Schritt, wie Model Context Protocol (MCP) im Bereich API-Entwicklung produktiv, sicher und nachvollziehbar eingesetzt wird – von den Grundlagen bis zu fortgeschrittenen Workflows.

Das Model Context Protocol ist ein offener Standard, über den KI-Anwendungen einheitlich auf externe Werkzeuge, Datenquellen und Workflows zugreifen. Statt für jeden Assistenten eigene Integrationen zu bauen, implementieren Sie einen MCP-Server einmal und nutzen ihn in Claude Code, Claude Desktop, Cursor, GitHub Copilot, VS Code und eigenen Agenten. In dieser zweitägigen Schulung lernen Sie die Architektur aus Host, Client und Server, die drei zentralen Bausteine Tools, Resources und Prompts sowie die Transportwege stdio und Streamable HTTP kennen – und setzen sie direkt in eigenem Code um.

Am ersten Tag bauen Sie mit den offiziellen SDKs für TypeScript oder Python einen eigenen MCP-Server, der interne APIs, Datenbanken oder Dateien kontrolliert für KI-Assistenten verfügbar macht, und testen ihn mit dem MCP Inspector. Der zweite Tag widmet sich Remote-Servern, Authentifizierung über OAuth, Sicherheitsrisiken wie Prompt Injection und Tool Poisoning sowie Betrieb, Logging und Governance im Unternehmen. Sie lernen, Tool-Beschreibungen so zu gestalten, dass Modelle sie zuverlässig nutzen, und wissen am Ende, wie Sie MCP-Server sicher in Ihre Entwicklungs- und Agenten-Landschaft integrieren.

APIs sind das Rückgrat moderner Softwarelandschaften und zunehmend auch die Schnittstelle, über die KI-Agenten mit Systemen interagieren. KI-Coding-Assistenten beschleunigen den gesamten API-Lebenszyklus: vom Entwurf einer OpenAPI- oder AsyncAPI-Spezifikation über die Generierung von Server-Stubs, Clients und Contract-Tests bis zur Dokumentation und Versionierung. Gleichzeitig steigen die Anforderungen an Konsistenz, Sicherheit und Abwärtskompatibilität, denn APIs werden von vielen Teams, Partnern und automatisierten Agenten genutzt. Im Kurs lernen Sie, API-first-Entwicklung mit KI-Unterstützung umzusetzen, Design-Richtlinien automatisiert durchzusetzen, Breaking Changes früh zu erkennen und bestehende Schnittstellen über das Model Context Protocol oder Tool-Definitionen für KI-Agenten nutzbar zu machen.

Das Training findet live statt – wahlweise online im virtuellen Klassenraum oder vor Ort in unseren Trainingsräumen in München, Salzburg, Berlin, Augsburg, Hannover, Bremen, Stuttgart und Kaiserslautern. Auf Wunsch kommen wir auch exklusiv für Ihr Team zusammen.

Für wen ist das Training?

  • Backend-Entwickler:innen, die REST-, GraphQL- oder gRPC-Schnittstellen bauen
  • API-Architekt:innen und Verantwortliche für API-Governance
  • Integrationsentwickler:innen für Partner- und Plattformanbindungen
  • Platform-Engineering-Teams mit API-Gateways und Developer-Portalen
  • Entwickler:innen, die Unternehmensdaten für KI-Agenten zugänglich machen

Typische Herausforderungen, die wir adressieren

  • Uneinheitliches API-Design über Teams hinweg mit unterschiedlichen Konventionen für Fehler, Paginierung und Versionierung
  • Spezifikation, Implementierung und Dokumentation laufen auseinander
  • Breaking Changes werden erst bei Konsumenten bemerkt
  • Absicherung von Authentifizierung, Autorisierung und Rate Limiting für wachsende Nutzerzahlen und Agenten-Zugriffe

Das können Sie nach dem Training

  • Sie erklären die MCP-Architektur und wählen für jeden Anwendungsfall zwischen Tools, Resources und Prompts.
  • Sie entwickeln einen eigenen MCP-Server in TypeScript oder Python und testen ihn systematisch.
  • Sie binden MCP-Server in Claude Code, Cursor, Copilot und eigene Agenten ein.
  • Sie betreiben Remote-Server mit Streamable HTTP und OAuth-basierter Autorisierung.
  • Sie setzen API-first-Entwicklung mit KI-Unterstützung um, von der Spezifikation bis zu Clients, Tests und Dokumentation.
  • Sie automatisieren Design-Governance, Contract-Tests und die Erkennung von Breaking Changes in Ihrer Pipeline.
  • Sie machen bestehende APIs sicher und kontrolliert für KI-Agenten nutzbar, etwa über das Model Context Protocol.

Inhalte & Ablauf

Tag 1

Modul 1 Architektur und Grundkonzepte
  • Rollen von Host, Client und Server und der Lebenszyklus einer Verbindung
  • JSON-RPC-Nachrichten, Capability-Aushandlung und Benachrichtigungen
  • Tools, Resources und Prompts: wann welcher Baustein passt
  • Client-Funktionen wie Sampling, Roots und Elicitation im Überblick
Modul 2 Eigenen MCP-Server bauen
  • Server mit dem offiziellen TypeScript- oder Python-SDK aufsetzen
  • Tools mit JSON-Schema für Ein- und Ausgaben sauber definieren
  • Resources und Resource-Templates für Dokumente, Datensätze und Konfigurationen bereitstellen
  • Testen und Debuggen mit dem MCP Inspector und aussagekräftigen Fehlermeldungen
Modul 3 Anbindung an Claude Code, Cursor, Copilot und Agenten
  • Lokale stdio-Server und Remote-Server in Clients konfigurieren
  • Projekt- und nutzerbezogene Konfiguration, Freigaben und Berechtigungen
  • Tool-Beschreibungen formulieren, die Modelle zuverlässig richtig auswählen
  • MCP-Server in eigene Agenten mit Claude Agent SDK oder OpenAI Agents SDK einbinden
Modul 4 Transport, Authentifizierung und Betrieb
  • Streamable HTTP, Sitzungsverwaltung und zustandslose Server
  • Autorisierung mit OAuth, Token-Validierung und Anbindung an bestehende Identity Provider
  • Deployment als Container, auf Serverless-Plattformen oder hinter einem Gateway
  • Logging, Monitoring, Rate Limiting und Versionierung von Tool-Schnittstellen

Tag 2

Modul 5 Sicherheit und Governance
  • Bedrohungen: Prompt Injection über Tool-Ergebnisse, Tool Poisoning, Confused Deputy
  • Prinzip der minimalen Rechte, Bestätigungspflichten und Sandboxing
  • Prüfung und Freigabe von Drittanbieter-Servern im Unternehmen
  • Datenschutz, Protokollierung personenbezogener Daten und Anforderungen aus DSGVO und EU AI Act
Modul 6 Praxislabor: API-Entwicklung
  • OpenAPI-Specs generieren
  • Server und Clients erzeugen
  • Contract-Tests aufbauen
  • Breaking Changes erkennen
  • API-Sicherheit prüfen
  • APIs für KI-Agenten öffnen
Modul 7 Datenschutz, Qualität & Transfer in den Alltag
  • APIs transportieren häufig personenbezogene und vertrauliche Daten: Sie lernen, Spezifikationen und Beispieldaten ohne echte Kundendaten zu erstellen, API-Schlüssel und Tokens aus dem KI-Kontext fernzuhalten und Datenschutz durch Technikgestaltung nach DSGVO sowie Anforderungen aus NIS2 umzusetzen.
  • Spielregeln für den sicheren KI-Einsatz im Team
  • Ergebnisse prüfen: Fakten, Quellen, Tests und Vier-Augen-Prinzip
  • Persönlicher Umsetzungsplan für die nächsten 30 Tage
  • Offene Fragen, Ausblick und Ressourcen zum Weiterlernen

Praxisszenarien aus Ihrem Bereich

OpenAPI-Specs generieren

Aus fachlichen Anforderungen, Domänenmodellen oder bestehendem Code vollständige OpenAPI-Spezifikationen mit Schemas, Beispielen, Fehlerobjekten und Sicherheitsschemata entwerfen und gegen Ihre Styleguide-Regeln prüfen. Inkonsistenzen fallen so vor der Implementierung auf.

Server und Clients erzeugen

Aus einer Spezifikation Controller-Gerüste, Validierungslogik und typsichere Client-SDKs für mehrere Sprachen ableiten und die generierten Teile sauber von handgeschriebener Geschäftslogik trennen. Bei Spec-Änderungen wird einfach neu generiert.

Contract-Tests aufbauen

Consumer-Driven Contracts definieren, Testfälle für Grenzwerte, Fehlerpfade und Authentifizierung generieren und in der CI-Pipeline automatisch gegen Spezifikation und laufende Implementierung ausführen. Abweichungen blockieren das Deployment frühzeitig.

Breaking Changes erkennen

Zwei Versionen einer Spezifikation vergleichen, inkompatible Änderungen identifizieren, Migrationshinweise für Konsumenten formulieren und Deprecation-Strategien mit Versionierung und Sunset-Headern planen. Die Prüfung läuft automatisch bei jedem Pull Request mit.

API-Sicherheit prüfen

Endpunkte auf typische Schwachstellen aus den OWASP API Security Top 10 analysieren, etwa fehlerhafte Objekt-Autorisierung, Mass Assignment oder fehlendes Rate Limiting, und Korrekturen vorschlagen. Jede Empfehlung wird begründet.

APIs für KI-Agenten öffnen

Bestehende Schnittstellen als MCP-Server oder Tool-Definitionen bereitstellen, Beschreibungen und Parameter agententauglich formulieren und Berechtigungen so zuschneiden, dass Agenten nur freigegebene Aktionen ausführen. Alle Aufrufe werden protokolliert.

Mögliche Praxisprojekte im Kurs

API-Linter mit Hausregeln

Ein Kommandozeilenwerkzeug, das OpenAPI-Dateien gegen Ihre Design-Richtlinien prüft und verständliche Verbesserungsvorschläge direkt im Pull Request ausgibt. So wird API-Governance Teil des normalen Entwicklungsalltags.

Mock-Server aus Spec

Ein kleiner Dienst, der aus einer Spezifikation realistische Beispielantworten erzeugt, damit Frontend-Teams parallel zur Backend-Entwicklung arbeiten können. Er lässt sich lokal oder in der CI starten.

MCP-Server für interne API

Ein MCP-Server, der ausgewählte Endpunkte einer internen REST-API als Werkzeuge für KI-Assistenten bereitstellt, mit Authentifizierung und Protokollierung. Schreibende Aktionen erfordern eine explizite Freigabe.

Voraussetzungen

Solide Programmierkenntnisse in TypeScript/JavaScript oder Python sowie Grundverständnis von HTTP-APIs und JSON. Erste Erfahrung mit KI-Assistenten im Entwicklungsalltag ist hilfreich. Sie entwickeln Backend-Anwendungen in einer gängigen Sprache wie Java, C#, TypeScript, Python oder Go und kennen HTTP, JSON und REST-Grundlagen.

Technische Voraussetzungen

Laptop mit Node.js oder Python, Git und einem Code-Editor; Zugang zu mindestens einem MCP-fähigen Client wie Claude Code, Claude Desktop, Cursor oder VS Code mit Copilot.

Datenschutz & Compliance

APIs transportieren häufig personenbezogene und vertrauliche Daten: Sie lernen, Spezifikationen und Beispieldaten ohne echte Kundendaten zu erstellen, API-Schlüssel und Tokens aus dem KI-Kontext fernzuhalten und Datenschutz durch Technikgestaltung nach DSGVO sowie Anforderungen aus NIS2 umzusetzen.

Terminvorschläge

Alle Termine sind Vorschläge – Ihr Wunschtermin ist jederzeit möglich.

  • Di, 24. November 2026 – Mi, 25. November 2026 Online Anfragen
  • Di, 1. Dezember 2026 – Mi, 2. Dezember 2026 München Anfragen
  • Mo, 7. Dezember 2026 – Di, 8. Dezember 2026 Online Anfragen
  • Mo, 14. Dezember 2026 – Di, 15. Dezember 2026 Stuttgart Anfragen
  • Di, 12. Januar 2027 – Mi, 13. Januar 2027 Online Anfragen
  • Do, 28. Januar 2027 – Fr, 29. Januar 2027 Berlin Anfragen

Häufige Fragen

Wofür brauche ich einen eigenen MCP-Server?

Immer dann, wenn KI-Assistenten auf interne Systeme zugreifen sollen, etwa auf Ticketsysteme, Datenbanken, Dokumentation oder Fachanwendungen. Ein eigener Server legt genau fest, welche Aktionen und Daten verfügbar sind, und lässt sich anschließend in mehreren Clients wiederverwenden. So vermeiden Sie Insellösungen und behalten die Kontrolle über Zugriffe.

Welche Programmiersprache wird im Kurs verwendet?

Sie können wahlweise mit TypeScript oder Python arbeiten, für beide gibt es offizielle SDKs. Die Konzepte sind identisch, die Übungen liegen in beiden Varianten vor. Wer in einer anderen Sprache entwickelt, profitiert trotzdem, da das Protokoll sprachunabhängig ist und SDKs für weitere Sprachen ähnlich aufgebaut sind.

Wie sicher ist MCP im Unternehmenseinsatz?

Das Protokoll selbst bietet Mechanismen für Autorisierung und Berechtigungen, die Sicherheit hängt aber von Implementierung und Betrieb ab. Risiken wie Prompt Injection über Tool-Ergebnisse oder überprivilegierte Server sind real. Wir behandeln konkrete Gegenmaßnahmen, Freigabeprozesse für Drittanbieter-Server und den Umgang mit personenbezogenen Daten.

Lohnt sich Spec-first, wenn KI ohnehin schnell Code schreibt?

Gerade dann. Eine präzise Spezifikation ist der beste Kontext für einen KI-Assistenten: Sie legt Datenstrukturen, Fehlerfälle und Sicherheitsanforderungen eindeutig fest und dient zugleich als Vertrag für Konsumenten und als Grundlage für Tests. Ohne Spezifikation erzeugt KI schnell inkonsistente Endpunkte. Im Kurs nutzen Sie die Spec als zentrale Quelle für Generierung und Prüfung.

Was ist der Unterschied zwischen einer REST-API und einem MCP-Server?

Eine REST-API richtet sich an Entwickler:innen und Anwendungen, ein MCP-Server stellt Funktionen in einem standardisierten Format für KI-Assistenten und Agenten bereit, inklusive Beschreibungen, die das Modell versteht. Häufig ist der MCP-Server eine schlanke Schicht über bestehenden APIs. Sie lernen, wann sich dieser Schritt lohnt und wie Sie ihn sicher umsetzen.

Was kostet die Schulung „Model Context Protocol (MCP) für API-Entwickler:innen“?

Die Schulung kostet pauschal 949 € zzgl. gesetzl. MwSt. pro Teilnehmer:in – unabhängig davon, ob sie online oder vor Ort stattfindet. Enthalten sind 2 Trainingstag(e) mit Live-Trainer:in, Kursunterlagen, Übungsumgebung und Teilnahmebescheinigung.

Kann ich einen eigenen Wunschtermin angeben?

Ja. Unsere Terminvorschläge sind eine Orientierung. Im Anfrageformular können Sie jederzeit einen Wunschtermin oder Zeitraum im Freitext angeben – wir prüfen die Verfügbarkeit und bestätigen innerhalb eines Werktags.

Findet der Kurs online oder vor Ort statt?

Beides ist möglich: live online im virtuellen Klassenraum oder vor Ort in München, Salzburg, Berlin, Augsburg, Hannover, Bremen, Stuttgart oder Kaiserslautern. Auf Wunsch führen wir das Training auch exklusiv für Ihr Team durch.

Weitere Kurse für API-Entwickler:innen

Weitere Kurse zu Model Context Protocol (MCP)

Alle 29 Kurse zu Model Context Protocol (MCP)

Model Context Protocol (MCP) · MünchenModel Context Protocol (MCP) · SalzburgModel Context Protocol (MCP) · BerlinModel Context Protocol (MCP) · AugsburgModel Context Protocol (MCP) · HannoverModel Context Protocol (MCP) · BremenModel Context Protocol (MCP) · StuttgartModel Context Protocol (MCP) · KaiserslauternModel Context Protocol (MCP) · Online