Schulung · Model Context Protocol (MCP) · Tech Leads & Engineering Manager

Model Context Protocol (MCP) für Tech Leads und Engineering Manager

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

In diesem Kurs verbinden wir Model Context Protocol (MCP) mit den typischen Abläufen im Bereich Tech Leads & Engineering Manager. Die Teilnehmenden arbeiten an realistischen Szenarien und nehmen sofort einsetzbare Prompts, Workflows und Checklisten mit.

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.

KI-Coding-Assistenten und autonome Agenten verändern, wie Entwicklungsteams arbeiten: Aufgaben werden anders geschnitten, Reviews verschieben sich vom Schreiben zum Prüfen, und die Frage, welche Arbeit an Agenten delegiert werden kann, wird zur Führungsaufgabe. Tech Leads und Engineering Manager müssen Werkzeuge auswählen, Richtlinien definieren, Teams befähigen und Wirkung messen, ohne Codequalität, Sicherheit oder die Entwicklung von Nachwuchskräften aus dem Blick zu verlieren. Im Kurs lernen Sie, die Einführung von KI-Coding-Tools strukturiert zu planen, gemeinsame Arbeitsweisen und Regeldateien für Ihr Team zu etablieren, sinnvolle Kennzahlen jenseits reiner Geschwindigkeit zu wählen und KI selbst für Führungsaufgaben wie Planung, Onboarding und technische Kommunikation einzusetzen. Tiefe Programmierkenntnisse sind dafür nicht zwingend erforderlich.

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?

  • Tech Leads und Lead Developer
  • Engineering Manager und Teamleitungen in der Softwareentwicklung
  • Heads of Engineering und CTOs in mittelständischen Unternehmen
  • Delivery- und Projektverantwortliche in IT-Organisationen
  • Verantwortliche für Developer Experience und Enablement

Typische Herausforderungen, die wir adressieren

  • Unklare Richtlinien führen zu einem Flickenteppich aus Werkzeugen und Schatten-KI im Team
  • Mehr generierter Code erhöht den Review-Aufwand und das Risiko technischer Schulden
  • Schwierigkeit, den tatsächlichen Nutzen von KI-Werkzeugen belastbar zu messen
  • Sorge um Kompetenzaufbau von Junior-Entwickler:innen und um Akzeptanz im Team

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 planen die Einführung von KI-Coding-Werkzeugen strukturiert, mit klaren Richtlinien, Rollen und Leitplanken.
  • Sie messen die Wirkung auf Lieferfähigkeit, Qualität und Zufriedenheit mit belastbaren Kennzahlen.
  • Sie nutzen KI-Agenten selbst für Führungsaufgaben wie Planung, Onboarding und technische Kommunikation.

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: Tech Leads & Engineering Manager
  • KI-Richtlinie für das Team erstellen
  • Regeldateien und Team-Konventionen
  • Wirkung messen
  • Arbeit für Agenten schneiden
  • Onboarding beschleunigen
  • Technische Kommunikation
Modul 7 Datenschutz, Qualität & Transfer in den Alltag
  • Als Führungskraft verantworten Sie den rechtssicheren Rahmen: Sie lernen, Lizenz- und Urheberrechtsfragen bei generiertem Code, den Schutz von Quellcode und Secrets, Mitbestimmungsrechte des Betriebsrats bei Leistungsmessung sowie Pflichten aus DSGVO und EU AI Act in Ihre Teamrichtlinien aufzunehmen.
  • 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

KI-Richtlinie für das Team erstellen

Eine praxistaugliche Leitlinie entwerfen, die freigegebene Werkzeuge, erlaubte Datenklassen, Review-Pflichten für generierten Code, Umgang mit Secrets und Verantwortlichkeiten klar regelt und mit Beispielen erläutert. Die Richtlinie bleibt kurz und verständlich.

Regeldateien und Team-Konventionen

Gemeinsame Kontextdateien für Coding-Agenten mit Architekturprinzipien, Teststrategie, Stilregeln und verbotenen Mustern aufbauen, versionieren und so einheitliche Ergebnisse über das ganze Team sicherstellen. Änderungen laufen über reguläre Reviews.

Wirkung messen

Kennzahlen wie DORA-Metriken, Durchlaufzeit von Pull Requests, Change Failure Rate und Entwicklerzufriedenheit vor und nach der Einführung erheben und Auswertungen mit KI-Unterstützung aufbereiten. Einzelne Personen werden dabei bewusst nicht bewertet.

Arbeit für Agenten schneiden

Backlog-Einträge so formulieren und zerlegen, dass sie mit klaren Akzeptanzkriterien an Agenten delegierbar sind, und entscheiden, welche Aufgaben bewusst bei Menschen bleiben. So entstehen klare, prüfbare Arbeitspakete.

Onboarding beschleunigen

Codebasen, Architekturentscheidungen und Betriebswissen für neue Teammitglieder aufbereiten, geführte Erkundungsaufgaben erstellen und Fragen zur Codebasis mit Quellenangabe beantworten lassen. Neue Kolleg:innen werden dadurch deutlich schneller produktiv und entlasten erfahrene Teammitglieder.

Technische Kommunikation

Incident-Postmortems, Roadmap-Updates, technische Entscheidungsvorlagen für das Management und Release Notes aus Tickets und Commits strukturiert entwerfen und zielgruppengerecht formulieren. So bleibt mehr Zeit für Führung und fachliche Arbeit im Team.

Mögliche Praxisprojekte im Kurs

Team-Metriken-Dashboard

Eine kleine Web-App, die Daten aus der Git-Plattform abruft und Durchlaufzeiten, Review-Dauer und Deployment-Häufigkeit übersichtlich im Zeitverlauf darstellt. Ausreißer werden automatisch markiert.

PR-Zusammenfasser

Ein Bot, der wöchentlich alle zusammengeführten Pull Requests sammelt und daraus einen verständlichen Statusbericht für Stakeholder erstellt. Auch fachfremde Leser:innen verstehen ihn ohne Vorwissen.

Onboarding-Guide-Generator

Ein Skript, das Repository-Struktur, README-Dateien und ADRs auswertet und einen strukturierten Einarbeitungsplan mit Lernaufgaben erzeugt. Der Plan lässt sich pro Rolle und Erfahrungsstufe anpassen.

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 führen ein Entwicklungsteam fachlich oder disziplinarisch und kennen den Softwareentwicklungsprozess; aktuelle Programmierpraxis ist hilfreich, aber nicht erforderlich.

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

Als Führungskraft verantworten Sie den rechtssicheren Rahmen: Sie lernen, Lizenz- und Urheberrechtsfragen bei generiertem Code, den Schutz von Quellcode und Secrets, Mitbestimmungsrechte des Betriebsrats bei Leistungsmessung sowie Pflichten aus DSGVO und EU AI Act in Ihre Teamrichtlinien aufzunehmen.

Terminvorschläge

Alle Termine sind Vorschläge – Ihr Wunschtermin ist jederzeit möglich.

  • Mi, 25. November 2026 – Do, 26. November 2026 Online Anfragen
  • Di, 8. Dezember 2026 – Mi, 9. Dezember 2026 Salzburg Anfragen
  • Mo, 14. Dezember 2026 – Di, 15. Dezember 2026 Online Anfragen
  • Do, 7. Januar 2027 – Fr, 8. Januar 2027 Bremen Anfragen
  • Di, 12. Januar 2027 – Mi, 13. Januar 2027 Online Anfragen
  • Di, 26. Januar 2027 – Mi, 27. Januar 2027 Augsburg 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.

Wie messen wir, ob sich KI-Coding-Werkzeuge lohnen?

Zählen Sie nicht generierte Codezeilen, sondern betrachten Sie Ergebnisgrößen: Durchlaufzeit von Idee bis Produktion, Change Failure Rate, Review-Aufwand, Fehlerquote und Zufriedenheit im Team. Wichtig ist eine Ausgangsmessung vor der Einführung und eine begleitende qualitative Befragung. Im Kurs entwickeln Sie ein schlankes Messkonzept, das zu Ihrer Organisation passt und den Betriebsrat einbindet.

Lernen Junior-Entwickler:innen noch genug, wenn KI den Code schreibt?

Diese Sorge ist berechtigt und lässt sich gestalten. Bewährt haben sich Regeln wie das Erklären jedes generierten Abschnitts im Review, bewusste Übungsphasen ohne Assistent und Pairing mit erfahrenen Kolleg:innen, bei dem KI als Lernpartner dient. Sie lernen im Kurs, Lernpfade und Review-Kultur so anzupassen, dass Kompetenzaufbau und Produktivität zusammengehen.

Was kostet die Schulung „Model Context Protocol (MCP) für Tech Leads und Engineering Manager“?

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 Tech Leads und Engineering Manager

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