So verbindest du deinen ersten MCP-Server mit Claude Code oder Cursor

Wenn du irgendwann Zeit mit einem KI-Coding-Assistenten verbracht hast, hast du wahrscheinlich den Moment erlebt, in dem er wunderschön Code schreiben kann, aber keine Ahnung hat, was in deiner Datenbank, deinem Issue-Tracker oder deinen Design-Dateien steckt. Du kopierst am Ende immer wieder Kontext in den Chat. Das Model Context Protocol (MCP) existiert, um diese Copy-Paste-Schleife zu beenden. Dieser Leitfaden erklärt, was MCP ist, und führt dich durch das Verbinden deines ersten Servers.

Was MCP eigentlich ist

MCP ist ein offener Standard, eingeführt von Anthropic, um KI-Tools mit externen Daten und Diensten zu verbinden. Die gängige Analogie ist, dass MCP ein "USB-C-Anschluss für KI" sei: Statt dass jedes Tool seine eigene maßgeschneiderte Integration erfindet, kann sich ein KI-Agent über ein universelles Protokoll an jeden MCP-kompatiblen Server anstöpseln.

Der große praktische Gewinn ist Portabilität. Weil Cursor und Claude Code beide dasselbe Protokoll sprechen, funktioniert ein Server, den du in einem konfigurierst, in der Regel auch im anderen — und seit der WWDC 2026 hat sogar Apples Xcode 27 MCP-Plugin-Unterstützung ergänzt. Lerne es einmal, nutze es überall wieder.

Ein MCP-Server ist einfach ein kleines Programm, das Tools (Aktionen, die die KI ausführen kann) und Ressourcen (Daten, die sie lesen kann) offenlegt. Es gibt vorgefertigte Server für GitHub, PostgreSQL, Slack, Google Drive, Puppeteer und viele mehr.

Die zwei Arten von Servern, denen du begegnest

Es gibt zwei Transporte, die man als Einsteiger kennen sollte:

• Lokale (stdio-)Server laufen als Prozess auf deinem eigenen Rechner — ideal für Dinge wie ein Dateisystem oder eine lokale Datenbank. Sie starten mit einem Befehl wie npx oder python.
• Remote (HTTP/SSE-)Server werden von einem Anbieter unter einer URL gehostet, oft hinter einem OAuth-Login — zum Beispiel Notion, Asana oder Sentry.

Einen Server in Claude Code verbinden

Claude Code nutzt einen einzigen Befehl claude mcp add. Für einen Remote-Server richtest du ihn auf eine URL:

claude mcp add --transport http notion https://mcp.notion.com/mcp

Für einen lokalen Server ist alles nach -- der Befehl, den Claude ausführt, um ihn zu starten:

claude mcp add --env AIRTABLE_API_KEY=YOUR_KEY --transport stdio airtable -- npx -y airtable-mcp-server

Der Trenner -- ist wichtig: Er sagt Claude Code, wo seine eigenen Flags enden und der Startbefehl des Servers beginnt. Du kannst dann mit claude mcp list auflisten, was verbunden ist, um zu bestätigen, dass der Handshake geklappt hat.

Claude Code unterstützt außerdem Scopes, die entscheiden, wer den Server sehen kann. Ein local-Scope behält ihn dir auf diesem Rechner vor, ein project-Scope schreibt die Konfiguration in eine geteilte .mcp.json-Datei, die dein ganzes Team in Git committen kann, und ein user-Scope macht ihn über alle deine Projekte hinweg verfügbar. Für alles, was deine Teamkollegen ebenfalls brauchen, ist der Project-Scope meist die richtige Wahl.

Einen Server in Cursor verbinden

Cursor bietet dieselbe Fähigkeit über seine Oberfläche an. Öffne Cursor Settings, geh zu Features > MCP und klicke "+ Add New MCP Server", dann füge entweder den Startbefehl (für lokale Server) oder die URL (für Remote-Server) ein. Unter der Haube speichert Cursor dies in einer JSON-Konfiguration, sodass du sie auch von Hand bearbeiten kannst. Eine schöne Verfeinerung aus 2026: Cursors Agent lädt nun Tool-Beschreibungen bei Bedarf, statt die Tools jedes Servers in den Prompt zu stopfen, was die Dinge schnell hält, selbst wenn du mehrere Server verbunden hast.

Ein konkretes erstes Projekt

Wenn du einen Fünf-Minuten-Erfolg willst, verbinde einen GitHub-MCP-Server und frage dann deinen Assistenten etwas, das er nie zuvor beantworten konnte:

"Schau dir die drei zuletzt geschlossenen Issues in diesem Repo an und fasse zusammen, was sich geändert hat."

Ohne MCP würde der Assistent raten oder dich bitten, die Issues einzufügen. Mit dem verbundenen Server ruft er die GitHub-Tools direkt auf, liest die echten Issues und antwortet aus Live-Daten. Das ist der ganze Sinn von MCP in einem Beispiel: Das Modell hört auf, eine clevere Textbox zu sein, und beginnt, ein Agent zu sein, der in die Systeme greifen kann, in denen du tatsächlich arbeitest.

Sicherheitshinweise, bevor du loslegst

MCP gibt einer KI echten Zugang zu echten Systemen, also behandle neue Server wie jede andere Abhängigkeit. Bevorzuge offizielle oder gut bewertete Server, lies, welche Tools ein Server offenlegt, bevor du ihn verbindest, beschränke API-Schlüssel auf die minimal nötigen Berechtigungen und sei vorsichtig mit Servern, die Daten schreiben oder löschen können. Beginne mit Nur-Lese-Anwendungsfällen — dein Datenbankschema abfragen, Issues lesen, Docs durchsuchen — und steige zu Schreibaktionen auf, sobald du dem Setup vertraust.

Ist die Copy-Paste-Schleife erst einmal weg, fällt es schwer, zurückzugehen. Beginne mit einem Server, der ein echtes Ärgernis in deinem Workflow löst, und wachse von dort.