TheModelDesk

Das Model Context Protocol (MCP) fungiert als standardisierte Schnittstelle, um Tools, Ressourcen und Prompts für KI-Agenten bereitzustellen. Ähnlich wie REST für Web-APIs ermöglicht MCP die einmalige Erstellung von Tools als Server, die von jedem kompatiblen Client wiederverwendet werden können – entweder lokal über stdio oder remote via HTTP.

Das Tutorial beschreibt die Implementierung einer MCP-Architektur mithilfe von FastMCP, einer Python-Bibliothek, die die Servererstellung durch Decorators im Stil von FastAPI vereinfacht. Um diese Server mit einem KI-Agenten zu verbinden, wird langchain-mcp-adapters verwendet, wodurch LangChain v1 Tools aus verschiedenen Quellen nahtlos integrieren kann.

Der technische Stack umfasst Ollama zum Ausführen des Qwen-Modells (konkret qwen3.5:4b), das über native Tool-Calling-Funktionen verfügt. Das Beispiel umfasst einen lokalen FastMCP-Server für einfache Hilfsmittel wie Wortzählung und Zeitabfrage sowie einen Remote-Server von DeepWiki für den Zugriff auf GitHub-Repositorys.

Durch die Auslagerung der Tools in separate Server fungiert der Agent als koordinierendes Skript, das Tools lokaler und remote Server zusammenführt. Dieser Ansatz stellt sicher, dass das LLM lokal bleibt und nur bei Bedarf gezielt mit externen Diensten kommuniziert.