Schulung · Model Context Protocol (MCP) · DevOps & Cloud

Model Context Protocol (MCP) für DevOps- und Cloud-Teams

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 DevOps- und Cloud-Teams“ richtet sich an Rollen wie DevOps-Engineers und Plattform-Teams, Cloud-Architekt:innen für AWS, Azure oder Google Cloud und Site Reliability Engineers mit Verantwortung für Betrieb und Incidents und zeigt Schritt für Schritt, wie Model Context Protocol (MCP) im Bereich DevOps & Cloud 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.

DevOps- und Cloud-Teams verantworten Infrastruktur als Code, CI/CD-Pipelines, Monitoring, Kostenkontrolle und Sicherheit – oft über mehrere Cloud-Anbieter und On-Premises-Umgebungen hinweg. Die Arbeit besteht zu großen Teilen aus Konfiguration in HCL, YAML und Shell, aus Fehlersuche in Logs und aus dem Abgleich von Dokumentation. KI-Coding-Assistenten und Agenten beschleunigen genau das: Sie schreiben wiederverwendbare Terraform-Module, reparieren fehlschlagende Pipelines, erstellen Ansible-Rollen, analysieren Incident-Logs und schlagen Kostenoptimierungen vor. Gleichzeitig ist das Risiko hoch, denn ein falscher Befehl kann Produktionsumgebungen treffen. Im Kurs lernen Sie, Agenten mit klaren Berechtigungsgrenzen, Plan-Review-Abläufen und abgesicherten Umgebungen produktiv einzusetzen.

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?

  • DevOps-Engineers und Plattform-Teams
  • Cloud-Architekt:innen für AWS, Azure oder Google Cloud
  • Site Reliability Engineers mit Verantwortung für Betrieb und Incidents
  • Systemadministrator:innen auf dem Weg zu Infrastructure as Code
  • Entwickler:innen, die eigene CI/CD-Pipelines betreuen

Typische Herausforderungen, die wir adressieren

  • Wachsende Mengen an Terraform-, YAML- und Pipeline-Konfiguration mit Drift und Duplikaten
  • Zeitaufwändige Fehlersuche in fehlschlagenden Pipelines und verteilten Logs
  • Steigende Cloud-Kosten ohne klare Transparenz
  • Hohe Anforderungen an Sicherheit, Compliance und Nachvollziehbarkeit von Änderungen

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 KI-Agenten für Infrastructure as Code, Pipelines und Konfigurationsmanagement sicher ein.
  • Sie analysieren Incidents, Pipeline-Fehler und Cloud-Kosten schneller mit KI-Unterstützung.
  • Sie definieren Berechtigungsgrenzen und Freigabeprozesse, damit Agenten keine unkontrollierten Änderungen an Produktivsystemen vornehmen.

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: DevOps & Cloud
  • Terraform-Module entwickeln
  • CI/CD-Pipelines reparieren
  • Ansible und Konfigurationsmanagement
  • Incident-Analyse
  • Cloud-Kosten optimieren
  • Policy as Code und Härtung
Modul 7 Datenschutz, Qualität & Transfer in den Alltag
  • Agenten mit Zugriff auf Cloud-Konten und Pipelines sind ein sicherheitsrelevantes Thema: Arbeiten Sie mit minimalen Berechtigungen, getrennten Umgebungen und menschlicher Freigabe, und halten Sie Cloud-Credentials, State-Dateien und Secrets aus Prompts heraus. Für Betreiber wichtiger und kritischer Dienste gelten die Anforderungen aus NIS2 an Risikomanagement, Lieferkettensicherheit und Nachvollziehbarkeit von Änderungen.
  • 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

Terraform-Module entwickeln

Der Agent erstellt wiederverwendbare Terraform- oder OpenTofu-Module mit Variablen, Validierungen und Outputs, führt fmt, validate und plan aus und erklärt jede geplante Änderung, bevor ein Mensch das Apply freigibt.

CI/CD-Pipelines reparieren

Fehlgeschlagene GitHub-Actions-, GitLab-CI- oder Azure-DevOps-Läufe werden anhand der Logs analysiert, Ursachen wie Caching-Probleme oder fehlende Berechtigungen benannt und korrigierte Pipeline-Definitionen vorgeschlagen. Wiederkehrende Fehlermuster werden dokumentiert.

Ansible und Konfigurationsmanagement

Die KI schreibt idempotente Ansible-Rollen, Templates und Inventare, ersetzt fragile Shell-Skripte und ergänzt Tests mit Molecule, damit Konfigurationen reproduzierbar bleiben. Bestehende Rollen werden dabei schrittweise vereinheitlicht.

Incident-Analyse

Logs, Metriken und Alerts aus dem Monitoring werden zusammengeführt, eine Zeitleiste rekonstruiert, wahrscheinliche Ursachen eingegrenzt und ein Entwurf für das Postmortem mit Maßnahmen erstellt. Das Team behält die Bewertung.

Cloud-Kosten optimieren

Der Assistent wertet Kostenberichte und Ressourcendefinitionen aus, findet überdimensionierte Instanzen, verwaiste Volumes oder fehlende Lifecycle-Regeln und erstellt passende IaC-Änderungen. Jede Empfehlung enthält eine Abschätzung der Einsparung und des Risikos.

Policy as Code und Härtung

IaC-Code wird mit Scannern wie Checkov oder tfsec geprüft, Befunde behoben und Richtlinien für Verschlüsselung, Tagging oder Netzwerkzugriffe als Policy as Code formuliert. Verstöße blockieren so frühzeitig den Merge.

Mögliche Praxisprojekte im Kurs

Drift-Detektor

Ein Skript, das regelmäßig terraform plan für mehrere Umgebungen ausführt, Abweichungen erkennt und eine Zusammenfassung an einen Chat-Kanal sendet. Der Lauf erfolgt ausschließlich mit Leserechten.

Pipeline-Template-Bibliothek

Wiederverwendbare CI/CD-Vorlagen für Build, Test, Security-Scan und Deployment, dokumentiert und mit Beispielprojekten versehen. Teams binden sie mit wenigen Zeilen ein und profitieren von einheitlichen Qualitäts- und Sicherheitsprüfungen.

Kostenbericht-Tool

Ein CLI, das Kostendaten eines Cloud-Kontos abruft, nach Tags und Teams aufschlüsselt und Optimierungskandidaten verständlich ausweist. Ergebnisse lassen sich als CSV oder Markdown exportieren.

Voraussetzungen

Solide Programmierkenntnisse in TypeScript/JavaScript oder Python sowie Grundverständnis von HTTP-APIs und JSON. Erste Erfahrung mit KI-Assistenten im Entwicklungsalltag ist hilfreich. Praktische Erfahrung mit Linux, Git, mindestens einer Cloud-Plattform sowie Grundkenntnisse in Terraform, Containern und CI/CD.

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

Agenten mit Zugriff auf Cloud-Konten und Pipelines sind ein sicherheitsrelevantes Thema: Arbeiten Sie mit minimalen Berechtigungen, getrennten Umgebungen und menschlicher Freigabe, und halten Sie Cloud-Credentials, State-Dateien und Secrets aus Prompts heraus. Für Betreiber wichtiger und kritischer Dienste gelten die Anforderungen aus NIS2 an Risikomanagement, Lieferkettensicherheit und Nachvollziehbarkeit von Änderungen.

Terminvorschläge

Alle Termine sind Vorschläge – Ihr Wunschtermin ist jederzeit möglich.

  • Do, 26. November 2026 – Fr, 27. November 2026 Online Anfragen
  • Do, 10. Dezember 2026 – Fr, 11. Dezember 2026 Stuttgart Anfragen
  • Di, 12. Januar 2027 – Mi, 13. Januar 2027 Online Anfragen
  • Mo, 18. Januar 2027 – Di, 19. Januar 2027 Berlin Anfragen
  • Di, 26. Januar 2027 – Mi, 27. Januar 2027 Online Anfragen
  • Do, 11. Februar 2027 – Fr, 12. Februar 2027 München 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.

Darf ein KI-Agent Änderungen an der Infrastruktur selbst ausführen?

Das sollten Sie bewusst begrenzen. Bewährt hat sich ein Ablauf, in dem der Agent Code schreibt und plan ausführt, ein Mensch das Ergebnis prüft und das Apply über die reguläre Pipeline läuft. Im Kurs lernen Sie, Berechtigungen, Sandbox-Umgebungen und Freigaben so zu gestalten, dass Produktivsysteme geschützt bleiben.

Welche Cloud-Plattform wird im Kurs verwendet?

Die Methoden sind anbieterneutral und lassen sich auf AWS, Azure und Google Cloud übertragen. Für die Übungen nutzen wir Beispiele, die sich mit lokalen Werkzeugen oder Testkonten nachvollziehen lassen. Sie können auf Wunsch Szenarien aus Ihrer eigenen Plattform einbringen, solange keine produktiven Zugangsdaten verwendet werden.

Was kostet die Schulung „Model Context Protocol (MCP) für DevOps- und Cloud-Teams“?

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 DevOps- und Cloud-Teams

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