Schulung · Model Context Protocol (MCP) · Testautomatisierung & QA

Model Context Protocol (MCP) für Testautomatisierung und QA

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 Testautomatisierung & QA. 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.

Qualitätssicherung steht unter Druck: Release-Zyklen werden kürzer, Anwendungen komplexer und durch KI-Coding entsteht mehr Code in kürzerer Zeit, der getestet werden will. Testautomatisierer:innen und QA-Engineers profitieren deshalb besonders von KI-Assistenten und Agenten. Diese leiten Testfälle aus User Stories und Akzeptanzkriterien ab, schreiben Playwright- oder Cypress-Tests mit robusten Selektoren, erzeugen API-Tests aus OpenAPI-Spezifikationen, analysieren Flaky Tests und bauen Testdatengeneratoren. Gleichzeitig verändert sich die Rolle: QA wird zur Instanz, die auch KI-generierten Code systematisch absichert. Im Kurs lernen Sie, KI für Testdesign, Automatisierung und Fehleranalyse einzusetzen und Teststrategien an die neue Entwicklungsgeschwindigkeit anzupassen.

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?

  • Testautomatisierer:innen und SDETs
  • QA-Engineers und Testmanager:innen
  • Entwickler:innen mit Verantwortung für Test-Suites
  • Fachliche Tester:innen, die in die Automatisierung einsteigen

Typische Herausforderungen, die wir adressieren

  • Instabile End-to-End-Tests mit zeitabhängigen Fehlern und fragilen Selektoren
  • Hoher Aufwand für Testfallerstellung, Pflege und Testdaten
  • Lückenhafte Abdeckung von APIs, Grenzfällen und Fehlerszenarien
  • Wachsende Mengen an KI-generiertem Code, die gezielt abgesichert werden müssen

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 leiten Testfälle mit KI systematisch aus Anforderungen ab und automatisieren sie in Playwright, Cypress oder API-Tests.
  • Sie analysieren Flaky Tests und Abdeckungslücken mit KI-Unterstützung und beheben sie nachhaltig.
  • Sie passen Ihre Teststrategie an KI-gestützte Entwicklung an und sichern generierten Code gezielt ab.

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: Testautomatisierung & QA
  • Testfälle aus Anforderungen ableiten
  • Playwright- und Cypress-Tests schreiben
  • Flaky Tests analysieren
  • API-Tests aus Spezifikationen
  • Testdaten generieren
  • Testabdeckung und Mutation Testing
Modul 7 Datenschutz, Qualität & Transfer in den Alltag
  • Testdaten sollten synthetisch oder wirksam anonymisiert sein, denn Produktionsdaten mit Personenbezug dürfen weder in Testumgebungen noch in Prompts ungeschützt verwendet werden (DSGVO). Zugangsdaten für Testsysteme gehören in Secret-Stores statt in Testcode; in regulierten Bereichen sind zudem Nachvollziehbarkeit und Dokumentation von Testergebnissen, etwa für NIS2- oder Cyber-Resilience-Act-Nachweise, sicherzustellen.
  • 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

Testfälle aus Anforderungen ableiten

Der Assistent erzeugt aus User Stories und Akzeptanzkriterien strukturierte Testfälle mit Äquivalenzklassen, Grenzwerten und Negativszenarien, auf Wunsch als Gherkin-Szenarien für Behaviour-Driven Development. Lücken in den Anforderungen werden benannt.

Playwright- und Cypress-Tests schreiben

Die KI schreibt End-to-End-Tests mit rollenbasierten Selektoren, Page Objects oder Fixtures, sinnvollem Warten statt fester Pausen und führt sie iterativ aus, bis sie stabil laufen.

Flaky Tests analysieren

Der Agent wertet Testhistorie, Traces, Screenshots und Logs aus, identifiziert Ursachen wie Race Conditions, Testabhängigkeiten oder instabile Testdaten und schlägt nachhaltige Korrekturen vor. Die Ergebnisse fließen in Ihre Teststrategie ein.

API-Tests aus Spezifikationen

Aus OpenAPI-Beschreibungen entstehen API-Tests für Statuscodes, Schemas, Authentifizierung und Fehlerfälle sowie Contract-Tests, die Schnittstellenänderungen zwischen Teams früh sichtbar machen. Die Tests laufen automatisiert in der CI-Pipeline.

Testdaten generieren

Die KI erstellt Generatoren für realistische, synthetische Testdaten, Factories und Seed-Skripte, die Grenzfälle gezielt abdecken und ohne echte personenbezogene Daten auskommen. Datenschutzprobleme in Testumgebungen werden so vermieden.

Testabdeckung und Mutation Testing

Coverage-Berichte und Ergebnisse von Mutation-Testing-Werkzeugen werden ausgewertet, ungetestete Pfade benannt und fehlende Tests gezielt ergänzt, um die tatsächliche Aussagekraft der Suite zu erhöhen. Wirkungslose Tests werden sichtbar.

Mögliche Praxisprojekte im Kurs

Flaky-Test-Report

Ein Skript, das JUnit-XML-Ergebnisse mehrerer CI-Läufe zusammenführt, instabile Tests erkennt und eine priorisierte Liste mit Fehlermustern erzeugt. Die Liste dient als Grundlage für gezielte Stabilisierung.

Testdaten-Generator

Ein CLI, das aus einem Datenbankschema oder JSON-Schema realistische, synthetische Datensätze inklusive Grenzfällen erzeugt. Die Datenmenge und Verteilung lassen sich flexibel konfigurieren.

E2E-Suite für eine Demo-App

Eine Playwright-Testsuite mit Page Objects, visuellen Vergleichen und CI-Integration, die ein KI-Agent für eine bestehende Webanwendung aufbaut. Die Tests laufen parallel und liefern Traces bei Fehlern.

Voraussetzungen

Solide Programmierkenntnisse in TypeScript/JavaScript oder Python sowie Grundverständnis von HTTP-APIs und JSON. Erste Erfahrung mit KI-Assistenten im Entwicklungsalltag ist hilfreich. Erfahrung in Softwaretest oder Testautomatisierung sowie Grundkenntnisse in mindestens einer Programmiersprache wie JavaScript, TypeScript, Python oder Java.

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

Testdaten sollten synthetisch oder wirksam anonymisiert sein, denn Produktionsdaten mit Personenbezug dürfen weder in Testumgebungen noch in Prompts ungeschützt verwendet werden (DSGVO). Zugangsdaten für Testsysteme gehören in Secret-Stores statt in Testcode; in regulierten Bereichen sind zudem Nachvollziehbarkeit und Dokumentation von Testergebnissen, etwa für NIS2- oder Cyber-Resilience-Act-Nachweise, sicherzustellen.

Terminvorschläge

Alle Termine sind Vorschläge – Ihr Wunschtermin ist jederzeit möglich.

  • Di, 24. November 2026 – Mi, 25. November 2026 Online Anfragen
  • Mo, 30. November 2026 – Di, 1. Dezember 2026 München Anfragen
  • Mi, 9. Dezember 2026 – Do, 10. Dezember 2026 Online Anfragen
  • Di, 19. Januar 2027 – Mi, 20. Januar 2027 Hannover Anfragen
  • Mi, 27. Januar 2027 – Do, 28. Januar 2027 Online Anfragen
  • Do, 4. Februar 2027 – Fr, 5. Februar 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.

Brauche ich Programmierkenntnisse für diesen Kurs?

Grundkenntnisse in einer Programmiersprache sind hilfreich, da Sie generierte Tests lesen, verstehen und anpassen sollten. Fachliche Tester:innen mit wenig Programmiererfahrung profitieren dennoch stark, weil die KI Code erklärt und beim Einstieg in die Automatisierung unterstützt. Die Übungen sind so gestaltet, dass unterschiedliche Vorkenntnisse berücksichtigt werden.

Ersetzt KI die manuelle und explorative Qualitätssicherung?

Nein. KI automatisiert wiederkehrende Aufgaben wie Testfallerstellung, Skripting und Fehleranalyse und schafft so Zeit für exploratives Testen, Risikobewertung und fachliche Abnahmen. Gerade bei KI-generiertem Code wird das kritische Urteil erfahrener QA-Fachleute wichtiger, nicht weniger. Die Verantwortung für Qualität bleibt beim Menschen.

Was kostet die Schulung „Model Context Protocol (MCP) für Testautomatisierung und QA“?

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 Testautomatisierung und QA

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