15 beste MCP-Server für Claude Code, Cursor und Codex (2026): Was wir wirklich installieren

15 beste MCP-Server für Claude Code, Cursor und Codex (2026): Was wir wirklich installieren

Auf einem frischen Laptop installieren wir drei MCP-Server, bevor wir sonst etwas anfassen: GitHub MCP, Context7 und Playwright. Das war's. Den Rest fügt man hinzu, sobald ein echter Workflow es verlangt. Und hier kommt der Teil, den die meisten Listen verschweigen: Anthropic hat 2025 still und leise 13 seiner 20 ursprünglichen Referenzserver archiviert — die Hälfte der "offiziellen MCP-Server"-Tutorials da draußen verweist also auf Code, der nicht mehr gepflegt wird. Wir arbeiten täglich mit MCP-Servern und verkaufen keinen davon. Das ist die Liste, die wir einem neuen Teammitglied geben würden.

Nutzen Sie Claude Code als Haupteditor? Wir haben inzwischen einen speziell auf Claude Code zugeschnittenen Einrichtungsleitfaden veröffentlicht: 11 beste MCP-Server für Claude Code (2026).

Das Wichtigste auf einen Blick

• Das 3-Server-Startpaket: GitHub MCP + Context7 + Playwright. Diese zuerst installieren, immer.
• Anthropic hat 2025 13 seiner 20 Referenz-MCP-Server archiviert; nur 7 sind noch aktiv.
• MCP ist nicht kostenlos: Jeder verbundene Server verbrennt allein durch Schema-Injection 2.000–5.000 Token beim Sitzungsstart.
• Die Linux Foundation's AAIF übernimmt seit Dezember 2025 die MCP-Governance, mit Anthropic, OpenAI, Google und Microsoft im Vorstand.

Im Fokus: MCP360, ein Gateway zu über 100 Tools

MCP360 ist ein einheitliches Gateway und ein Marktplatz, der KI-Agenten über eine einzige Integration mit über 100 externen Tools und eigenen MCPs verbindet. Statt für jeden Dienst einen separaten Server zu konfigurieren, erhält Ihr Agent eine Verbindung, die die Workflow-Ausführung standardisiert und automatisch skaliert, sobald neue Marktplatz-Tools hinzukommen.

Offenlegung: MCP360 ist ein kommerzielles Produkt. Wir stellen es wegen seiner Leistung vor, denn das Einzel-Gateway-Modell löst ein echtes Problem, das der Pro-Server-Ansatz erzeugt: Config-Wildwuchs.

Wann verwenden: bei Agenten-Setups mit vielen Tools, in denen die Pro-Service-Konfiguration der Flaschenhals ist. Wenn Sie einen Agenten an ein Dutzend Dienste anbinden und der Config-Wildwuchs der Schmerzpunkt ist, schlägt ein Gateway ein Dutzend separater Installationen.

Echter Fallstrick: Sie hängen von der Verfügbarkeit eines Drittanbieter-Gateways ab, also prüfen Sie die SLAs, bevor Sie sich im Produktivbetrieb darauf verlassen. Dokumentation unter github.com/mcp360/unified-gateway-mcp.

MCP360 testen →

Was ist ein MCP-Server (in 30 Sekunden)?

Ein MCP-Server ist ein Tool-Adapter, der einen Dienst (GitHub, das lokale Dateisystem, Figma) über das Model Context Protocol für jeden LLM-Client (Claude Code, Cursor, Codex) zugänglich macht. Stellen Sie sich USB-C für KI-Werkzeuge vor: ein Stecker, viele Geräte. Den Adapter einmal bauen, und jeder konforme Host kann ihn nutzen.

Vor MCP gab es ein N×M-Problem: Jeder KI-Host benötigte eine eigene Integration mit jedem Tool. MCP reduziert das auf N+M. Derselbe GitHub-MCP-Server funktioniert in Claude Code, Cursor, Codex CLI, Windsurf und Cline, ohne dass irgendetwas neu geschrieben werden muss.

Zwei Transports sind in der Praxis relevant. stdio ist der lokale: Der Server läuft als Subprozess des Hosts, kommuniziert über stdin/stdout, benötigt keine Authentifizierung und ist am schnellsten. Streamable HTTP ist der entfernte: läuft unter einer URL, nutzt OAuth 2.1 für bereichsbegrenzte Zugriffsrechte und fügt 30–200 ms Latenz hinzu. Wer die tiefergehende Protokollanalyse sucht, findet sie in unserem vollständigen MCP-Protokoll-Leitfaden mit Transports, Auth und Tool-Schemas. Die offizielle Spezifikation liegt unter modelcontextprotocol.io.

Welche 3 MCP-Server sollte man zuerst installieren?

Als erstes GitHub MCP, Context7 und Playwright. GitHub MCP fasst "finden Sie diesen PR, lesen Sie diese Datei, öffnen Sie dieses Issue" in einer einzigen Frage zusammen. Context7 zieht versionsgenaue Dokumentation in den Prompt, damit das Modell keine Paket-APIs mehr halluziniert. Playwright übernimmt echte Browser-Aktionen für QA und Scraping. Mit diesen dreien hat man Code, Docs und das Web abgedeckt — also rund 80 % dessen, was man einem KI-Agenten jemals geben möchte.

Auf einem neuen Laptop ist das das einzige Setup, das wir vor dem ersten Einsatz installieren. Alles andere unten ist optional. Diese drei nicht.

1. GitHub MCP (herstellergepflegt, offiziell)

Der mit Abstand kontextwechselreduzierende MCP-Server für jeden Entwickler. GitHub MCP lässt den Agenten Code lesen, über Organisationen hinweg suchen, PRs verwalten, Issues kommentieren und neue öffnen — alles im selben Chat, in dem man gerade schreibt.

Wann verwenden: immer, wenn Code ausgeliefert wird. Selbst bei Solo-Projekten wird "Was habe ich in dieser Datei letzten Dienstag geändert?" zur Einzeileranfrage statt zum Tab-Wechsel.

Echter Fallstrick: Das Personal Access Token auf repo read-only beschränken, außer man will den Agenten aktiv Dinge mergen lassen. Wir haben erlebt, wie Agenten hilfreicherweise PRs geöffnet haben, die niemand angefordert hatte. Installationsdokumentation und offizielle Quelle: github.com/github/github-mcp-server. Hinweis: Das ist der neue herstellergepflegte Server. Der alte Anthropic-Referenz-GitHub-Server wurde archiviert — diesen nicht installieren.

2. Context7 MCP (Community, Upstash-gepflegt)

Der Server mit dem höchsten Nutzenhebel gegen Paket-API-Halluzinationen. Context7 ruft auf Abruf versionsgenaue, echte Dokumentation für jede Bibliothek ab und injiziert sie in den Prompt. Wenn das Modell gerade dabei ist, eine Next.js-15-API zu erfinden, die es nicht gibt, genügt "Nutze Context7 für die echten Docs" — und es orientiert sich neu.

Wann verwenden: bei jeder Coding-Session. Besonders bei Next.js, React, Tailwind oder anderen framework-versionssensitiven Projekten, bei denen die Trainingsdaten des Modells Monate hinter der Realität liegen.

Echter Fallstrick: Context7 ist nur so gut wie sein Index. Nische Bibliotheken sind möglicherweise noch nicht vorhanden; in diesem Fall auf eine echte Doku-URL per Fetch zurückgreifen. Dokumentation unter context7.com. Wer tiefer in die Kategorie einsteigen möchte: unsere Übersicht der besten Context-Engineering-Tools geht ausführlicher auf Doc-Grounding-Muster ein.

3. Playwright MCP (Microsoft, offiziell)

Browser-Aktionen für jeden KI-Client, ohne Playwright-Scripts zu schreiben. Playwright MCP lässt den Agenten navigieren, klicken, Formulare ausfüllen, Screenshots anfertigen und JavaScript in einer echten Chromium-Instanz ausführen.

Wann verwenden: KI-gesteuertes QA, Web-Scraping mit JavaScript-Rendering, visuelle Regressionsprüfungen, Formulartests, "Melde dich hier an und hole meine Dashboard-Daten"-Workflows.

Echter Fallstrick: Jede Aktion dauert ~500 ms und Screenshots sind groß — das Token-Budget entsprechend planen. Ein 30-Schritt-Browser-Ablauf kann allein durch Screenshot-Daten 20.000 Token verbrauchen. Dokumentation unter playwright.dev/docs/mcp.

A-Tier: 6 Server mit hohem Nutzenhebel für den nächsten Schritt

Nach dem Starterpaket fügt man Server hinzu, wenn der Workflow es verlangt. Figma Dev Mode für Design-to-Code, Filesystem für lokale Dateioperationen, Brave Search für Web-Recherche, Firecrawl für Site-to-Data-Extraktion, Supabase für Datenbankarbeit und Sentry für das Debuggen echter Fehler. Jeder verdient seinen Platz, wenn die Arbeit da ist — nicht alle sechs am ersten Tag installieren.

4. Figma Dev Mode MCP (Figma, offiziell)

Live-Design-Kontext (Hierarchie, Auto-Layout, Varianten, Design-Tokens) direkt in den Prompt. Figma Dev Mode MCP ist der Unterschied zwischen "Erstelle eine Card-Komponente" mit geratenem Spacing und "Erstelle diese Card-Komponente" mit den tatsächlichen Tokens und Layout-Regeln.

Wann verwenden: Frontend-Arbeit, bei der eine echte Figma-Datei vorliegt. Fallstrick: erfordert einen bezahlten Figma-Dev-Sitz. Dokumentation unter figma.com.

5. Filesystem MCP (Anthropic-Referenz, noch aktiv)

Lokales Lesen und Schreiben von Dateien mit konfigurierbaren Zugriffskontrollen. Filesystem MCP ist einer der 7 noch aktiven Anthropic-Referenzserver. Er ist die richtige Wahl, wenn der Agent Dateien in einem bestimmten Sandbox-Verzeichnis bearbeiten soll, ohne Zugriff auf die gesamte Maschine zu erhalten.

Wann verwenden: Scaffolding, Batch-Refactorings, Content-Migrationen. Fallstrick: In den meisten Coding-Workflows hat der Host (Claude Code, Cursor) bereits Dateisystemzugriff — diesen zusätzlich zu installieren ist dann redundant. Quelle unter github.com/modelcontextprotocol/servers.

6. Brave Search MCP (Brave, Hersteller)

Live-Websuche über Braves unabhängigen Index. Brave Search MCP ist die häufigste Wahl, wenn der Agent Webzugang haben soll — die API ist günstig und die Ergebnisse nicht Google-geprägt.

Wann verwenden: Recherche, Faktencheck, "Was kostet X gerade?" Fallstrick: Die Ergebnisqualität schwankt bei Nischenanfragen — Fetch oder Firecrawl hinzuziehen, wenn man das Gefundene tatsächlich lesen muss. Dokumentation unter brave.com/search/api/mcp.

7. Firecrawl MCP (Firecrawl, Hersteller)

Wandelt jede Website in saubere, LLM-taugliche Daten um. Firecrawl übernimmt JavaScript-Rendering, paginiertes Crawling und strukturierte Extraktion in einem Aufruf.

Offenlegung: Firecrawl ist ein Anbieter, der MCP-Server und ein kostenpflichtiges Produkt verkauft. Ihr Server ist von echtem Nutzen — das Ranking hier basiert auf Leistung, nicht auf Nähe. 110.000+ GitHub-Sterne helfen dabei.

Wann verwenden: Scraping von Content-Sites, Wettbewerbsrecherche, Aufbau von Doc-Indizes. Fallstrick: Der gehostete Tier kostet echtes Geld, sobald das Freikontingent überschritten wird. Dokumentation unter firecrawl.dev.

8. Supabase MCP (Supabase, offiziell)

Postgres abfragen, Migrationen ausführen, Auth und Storage verwalten — alles aus dem Chat heraus. Supabase MCP ist das sauberste Beispiel für "Infra als Gespräch", das wirklich funktioniert.

Wann verwenden: bei jedem Projekt, in dem Supabase das Backend ist. Fallstrick: Dem Agenten für die Erkundung eine Read-only-Rolle geben; die Migrationsfähigkeit ist mächtig und nicht nachsichtig. Dokumentation unter supabase.com/docs/guides/getting-started/mcp.

9. Sentry MCP (Sentry, Hersteller)

Fehler abrufen, Stack-Traces debuggen, Issues verwalten. Sentry MCP ist der schnellste Weg, den wir kennen, um einen Produktionsvorfall mit einem KI-Assistenten zu triagieren: Fehler-ID einfügen, Trace erhalten, Lösungsvorschlag erhalten.

Wann verwenden: Debugging echter Fehler in echten Anwendungen. Fallstrick: Das Token auf ein einzelnes Projekt beschränken. Der Agent soll keine Fehler aus allen Projekten der Organisation lesen. Dokumentation auf der Sentry-MCP-Seite.

B-Tier: 6 Workflow-spezifische Server (nur bei Bedarf installieren)

B-Tier-Server rechtfertigen ihr Token-Budget nur für spezifische Workflows. Linear für Produkt- und PM-Arbeit, Notion für Docs und Wissensdatenbanken, Stripe für Zahlungsagenten, Cloudflare für Infra-as-Conversation, Kubernetes für Cluster-Operationen und Sequential Thinking für strukturiertes Denken. Diese nicht installieren, solange die entsprechende Arbeit nicht tatsächlich anfällt.

10. Linear MCP (Linear, offiziell)

Issues, Sprints, Projekte. Zieht Linear-Kontext in Claude Code oder Cursor, sodass "Was bleibt in diesem Sprint?" eine einzige Frage wird. Am besten für Engineering-Teams, die bereits in Linear zuhause sind. Dokumentation unter linear.app/docs/mcp.

11. Notion MCP (Notion, offiziell)

Notion-Dokumente lesen und schreiben, Datenbanken abfragen, Seiten aktualisieren. Gut für Teams, deren Runbook in Notion lebt. Fallstrick: Notions API ist rate-limitiert; Massenoperationen können stocken.

Slite MCP (Slite, offiziell)

Anbieter: Slite · Typ: Offizieller, Remote-MCP-Server · Endpunkt: api.slite.com/mcp · Authentifizierung: OAuth

Unternehmenswissen ohne Context-Bloat. Slite MCP ist ein einzelner Remote-Server, der kompatiblen KI-Clients Zugriff auf mehr als 40 Tools gibt, um Unternehmenswissen zu durchsuchen und Slite-Dokumente zu lesen, zu schreiben, zu erstellen und zu organisieren. Er nutzt die bestehenden Berechtigungen des Nutzers. Eine einzige Verbindung kann Slite-Dokumente und verbundene Quellen wie Slack, Linear, GitHub und Jira erreichen.

Wann verwenden: Slite MCP nutzen, um Claude, Cursor, ChatGPT und anderen KI-Clients dauerhaften Unternehmenskontext zu geben, einschließlich Richtlinien, Runbooks, Kontonotizen, Onboarding-Informationen und Produktentscheidungen. Besonders nützlich für Fragen wie „Was ist unsere aktuelle Preisgestaltung?" und für mehrstufige Workflows, die internes Unternehmenswissen erfordern und nicht nur Live-Aktionen.

Echter Fallstrick: Die über den Server verfügbaren Quellen hängen vom Slite-Plan des Kunden ab. Die toolübergreifende Suche über Slack, Linear, GitHub, Jira und andere verbundene Dienste ist ein Pro-Feature. Im Basic-Plan greift der MCP hauptsächlich auf Slite-Dokumente zu. Die Abrufqualität hängt außerdem davon ab, wie genau und aktuell die zugrunde liegende Dokumentation ist. Slite nutzt Verifizierungszyklen, damit Unternehmenswissen nicht veraltet. Dokumentation unter slite.com/help.

12. Stripe MCP (Stripe, offiziell)

Kunden-, Abonnement- und Rechnungsdaten lesen. Hervorragend für Support-Workflows und umsatzseitige Agenten. Einen eingeschränkten Key mit Read-only-Bereichen verwenden. Den Agenten keine Erstattungen ausstellen lassen, die er nicht beabsichtigt hat.

13. Cloudflare MCP (Cloudflare, offiziell)

Workers-Deployments, R2-Storage, KV-Reads. Ideal für "Infra, mit der man redet"-Workflows. Fallstrick: Ein Tippfehler bei einem Workers-Deploy kann eine Route lahmlegen — vor dem Anwenden überprüfen.

14. Kubernetes MCP (Community, mehrere Implementierungen)

Kubectl-ähnliche Operationen aus dem Chat heraus. Es gibt mehrere konkurrierende Implementierungen — die mit aktiver Pflege und standardmäßigem Read-only-Modus wählen. Einem Agenten nie am ersten Tag Schreibzugriff auf einen Produktions-Cluster geben. Niemals.

15. Sequential Thinking MCP (Anthropic-Referenz, noch aktiv)

Ein strukturierter Chain-of-Thought-Helfer, der das Modell anweist, in expliziten Schritten zu planen. Einer der 7 noch aktiven Anthropic-Referenzserver. Gut für schwierige Reasoning-Probleme, bei denen das Modell dazu neigt zu überstürzen.

Die archivierten Anthropic-Referenzserver

Anthropic hat 2025 13 seiner 20 ursprünglichen Referenzserver nach github.com/modelcontextprotocol/servers-archived verschoben. GitHub, Slack, Postgres, Google Drive, Brave Search, Sentry, SQLite, Puppeteer, EverArt, AWS-KB, Redis, Google Maps und GitLab werden jetzt von den jeweiligen Herstellern gepflegt. Nur noch 7 Referenzserver werden aktiv von Anthropic gewartet.

Die aktiven 7: Everything, Fetch, Filesystem, Git, Memory, Sequential Thinking und Time. Die 13 archivierten stehen oben. Wenn ein veralteter Blog-Post von 2024 empfiehlt, Anthropics GitHub- oder Slack-MCP-Server zu installieren — stopp. Diese Referenzen wurden archiviert.

Warum ist das passiert? Im Dezember 2025 übernahm die Agentic AI Foundation (AAIF) der Linux Foundation die MCP-Governance, mit Anthropic, OpenAI, Google, Microsoft, AWS, Cloudflare und Bloomberg im Vorstand. Von Herstellern gepflegte Adapter sind gesünder als dass Anthropic allein jede Integration trägt: Slack kennt Slack besser als Anthropic. Die Archivierung ist kein Ende — es ist eine Übergabe. Die Nachfolgerserver (von Herstellern gepflegtes GitHub MCP, Slacks eigenes MCP usw.) sind die, die man installieren sollte.

Was kosten MCP-Server wirklich an Tokens?

Jeder verbundene MCP-Server injiziert beim Sitzungsstart 2.000–5.000 Token an Tool-Schemas. Drei Server bedeuten 6.000–15.000 verbrauchte Token, bevor der erste Prompt geschrieben wird. Scalekits öffentlicher Benchmark ergab, dass eine einzelne GitHub-Abfrage über MCP 44.026 Token kostete versus 1.365 über die gh CLI — das ist ein 32-facher Aufschlag. MCP ist bequem. Aber kostenlos ist es nicht.

Wir haben das in einer echten Claude-Code-Session gemessen und die Zahlen stimmen. Schema-Injection summiert sich auch mit der Gesprächslänge: Bei jedem Zug liest das Modell die Tool-Definitionen erneut.

Die MCP-Faustregel: drei Server installieren, nicht dreizehn. Jeder davon ist eine Steuer auf jeden Prompt, den Sie je senden.

Wann zahlt man die Steuer? Wenn der Komfort den Preis überwiegt: wenn dasselbe Tool über Claude Code, Cursor und Codex aus einer Konfiguration arbeiten soll; wenn der Workflow explorativer Natur ist und man nicht weiß, welche Befehle man ausführen wird; wenn ein Mensch im Prozess involviert ist und Shell-Muskelgedächtnis der Flaschenhals ist. Sonst: CLI verwenden.

Sind MCP-Server sicher? Der aktuelle Sicherheitsstand

MCP-Server sind Tool-Adapter mit weitreichenden Berechtigungen. Sie sollten wie das Installieren einer CLI aus dem GitHub-Repo eines Unbekannten behandelt werden. OX Security hat im April 2026 einen RCE in einem MCP-Server mit über 150 Millionen Downloads offengelegt. Sicherheitsforscher haben allein im Januar und Februar 2026 über 30 CVEs gegen populäre MCP-Server eingereicht. Systematische Scans fanden Sicherheitsbefunde in rund 66 % der bekannten Server. Versionen pinnen, OAuth-Tokens minimal begrenzen und Hersteller-gepflegte Server gegenüber zufälligen GitHub-Forks bevorzugen.

Die ungefähren Sicherheitsstufen, die wir nutzen:

• Verifiziert / herstellergepflegt: GitHub, Microsoft Playwright, Figma, Supabase, Stripe, Cloudflare, Linear, Notion, Sentry. Unterstützt durch das Unternehmen, dessen Name draufsteht. Geringstes Risiko — aber Tokens trotzdem begrenzen.
• Aktive Community (vor Installation prüfen): Context7, Firecrawl, Brave Search. Seriöse Maintainer, echter Review-Verlauf. Auf eine bekannte gute Version pinnen.
• Alles andere: als nicht vertrauenswürdig einstufen. Den Quellcode lesen. Nach Möglichkeit in einem Container ausführen. Keinen Schreibzugriff auf etwas geben, das einem wichtig ist.

OAuth-2.1-Scoping ist der beste Freund bei Streamable-HTTP-Servern: repo:read anfordern, nicht repo; ein einzelnes Projekt anfordern, nicht die gesamte Organisation. Bei stdio-Servern gilt die einfachere Regel: keine unbekannten Binaries ausführen. Wenn die Installationsanleitung lautet "Führe dieses Skript mit curl aus und leite es an bash weiter" — das ist kein Server, das ist ein Supply-Chain-Vorfall im Wartestand. Unser vollständiger MCP-Protokoll-Leitfaden enthält einen tiefergehenden OAuth-Abschnitt für alle, die selbst einen Remote-MCP-Server ausliefern.

Host-Kompatibilitätsmatrix: Welche Server funktionieren mit Claude Code, Cursor, Codex?

Die fünf universell unterstützten Server (funktionieren in jedem großen Host) sind GitHub MCP, Context7, Playwright, Filesystem und Brave Search. Darüber hinaus wird die Unterstützung dünner. Offizielle Hersteller-Server zielen zuerst auf Claude Code ab, dann auf Cursor und VS Code; Codex und Windsurf holen meist später nach. Die Matrix unten ist auf dem Stand von Mai 2026.

"Teilweise" bedeutet in der Regel: Es funktioniert, aber man muss eine Konfigurationsdatei manuell bearbeiten statt einen einzigen Befehl auszuführen. Cursor-Nutzer, die zwischen Editoren abwägen, sollten unseren Windsurf vs. Cursor-Vergleich lesen — die Host-Wahl beeinflusst den MCP-Installationspfad.

So installiert man MCP-Server (pro Host, in 30 Sekunden)

Jeder Host hat seinen eigenen Konfigurationspfad und Befehlsstil. Claude Code verwendet claude mcp add. Cursor liest .cursor/mcp.json. Codex CLI liest eine TOML-Datei unter ~/.codex/config.toml. Windsurf und Cline verwenden beide JSON-Konfigurationsdateien im Einstellungsverzeichnis des Hosts. Die Formate ähneln sich; die Speicherorte unterscheiden sich.

Claude Code:

claude mcp add github -- npx -y @modelcontextprotocol/server-github

Cursor (.cursor/mcp.json):

{
  "mcpServers": {
    "github": {
      "command": "npx",
      "args": ["-y", "@modelcontextprotocol/server-github"],
      "env": { "GITHUB_PERSONAL_ACCESS_TOKEN": "ghp_..." }
    }
  }
}

Codex CLI (~/.codex/config.toml):

[mcp_servers.github]
command = "npx"
args = ["-y", "@modelcontextprotocol/server-github"]
env = { GITHUB_PERSONAL_ACCESS_TOKEN = "ghp_..." }

Cline / Windsurf: Beide verwenden JSON im Einstellungsverzeichnis des jeweiligen Hosts. Den Docs des jeweiligen Hosts für den genauen Pfad folgen. Das Schema entspricht dem Cursor-Beispiel oben.

Wer eine schrittweise Installation mit Screenshots möchte: Unsere Higgsfield-MCP-Anleitung zeigt den vollständigen Claude-Code-Installationspfad von Anfang bis Ende. Und sobald die Server konfiguriert sind, sollte man sie in der CLAUDE.md des Repositories dokumentieren, damit Teammitglieder sie automatisch aufgreifen — unser Leitfaden zu CLAUDE.md-Best-Practices erklärt dieses Muster.

MCP vs. CLI vs. Skill vs. Function-Calling: Wann was verwenden?

CLI verwenden, wenn Latenz und Token eine Rolle spielen und ein Shell-Aufruf möglich ist. MCP-Server verwenden, wenn dasselbe Tool über Claude Code, Cursor und Codex mit einer einzigen Konfiguration genutzt werden soll. Claude Skills verwenden, wenn der Workflow prompt-förmig statt tool-förmig ist. Function-Calling verwenden, wenn man den Agenten selbst baut und direkten API-Zugriff benötigt. Die richtige Form wählen — die falsche kostet Token, Latenz oder beides.

Für die tiefergehende Abgrenzung erklärt unser Claude-Skills-Tutorial, wann ein Skill einen MCP-Server schlägt. Unser Claude-Code-Hooks-Leitfaden behandelt die Hooks-vs.-MCP-Frage: Hooks feuern bei Lifecycle-Events; MCP-Server werden durch Tool-Aufrufe aufgerufen — grundlegend verschiedene Formen.

Wie wir MCP bei Techsy einsetzen (und was wir still gestrichen haben)

Unsere echte .mcp.json betreibt fünf Server, nicht fünfzehn: Sanity MCP für Content-Operationen auf dem CMS, das diesen Blog antreibt; ScraplingServer für verdecktes Web-Scraping; Playwright für Browser-Automatisierung aus dem Chat heraus; analytics-mcp (Googles offizieller GA4-Server via PyPI) für Traffic-Daten; und Higgsfield MCP für Bild- und Videogenerierung bei Hero-Assets. Das ist das gesamte Setup.

Was haben wir gestrichen? 2024 haben wir mehrere Anthropic-Referenzserver ausprobiert (den ursprünglichen GitHub-Server, Slack, Postgres) — die meisten wurden uns unter den Händen archiviert. Wir haben auch einige token-intensive Community-Server gestrichen, die 6.000+ Token an Schema für ein oder zwei Tools injiziert haben, die wir zweimal im Monat verwendet haben. Die Rechnung ging nicht auf. Unser echter MCP-Loadout sind fünf Server, nicht fünfzehn. Alles Schwerere, und wir greifen lieber zur CLI. Wer eine dieser Installationen Schritt für Schritt durchgeführt sehen möchte: unsere Higgsfield-MCP-Anleitung ist das konkrete Beispiel.

FAQ

Was ist ein MCP-Server? Ein MCP-Server ist ein Tool-Adapter, der einen Dienst über das Model Context Protocol für einen KI-Client zugänglich macht. Stellen Sie sich USB-C für KI-Werkzeuge vor: ein Stecker, viele Geräte. Claude Code, Cursor und Codex sprechen alle MCP, sodass derselbe GitHub- oder Playwright-Server über jeden Host hinweg funktioniert, ohne Integrationen neu schreiben zu müssen.

Wie viele MCP-Server gibt es 2026? Community-Verzeichnisse listen über 5.000 Server (Stand Mai 2026), aber das praktische Universum ist kleiner. Anthropic pflegt aktiv 7 Referenzserver. Es gibt rund 50 herstellergepflegte "Tier-1"-Server (GitHub, Figma, Stripe, Supabase, Linear usw.). Der Rest sind Community-Projekte mit stark unterschiedlicher Qualität und Pflege.

Werden noch Anthropic-Referenzserver gepflegt? Ja, sieben: Everything, Fetch, Filesystem, Git, Memory, Sequential Thinking und Time. Die anderen 13 (GitHub, GitLab, Slack, Google Drive, Postgres, Sentry, SQLite, Puppeteer, EverArt, AWS-KB, Redis, Google Maps, Brave Search) wurden archiviert und durch herstellergepflegte Versionen ersetzt. Die neuen installieren; veraltete Tutorials, die auf die archivierten Repos verweisen, ignorieren.

Sind MCP-Server kostenlos? Die meisten sind freie Open-Source-Software. Aber man zahlt in Token. Jeder verbundene Server injiziert beim Sitzungsstart 2.000–5.000 Token an Tool-Schemas, und Scalekits Benchmark zeigte, dass eine einzelne GitHub-Abfrage über MCP 32-mal mehr Token kostete als über die gh CLI. Die Software ist frei; die Inference-Rechnung nicht.

Sind MCP-Server sicher? Wie CLIs von Unbekannten behandeln. OX Security hat im April 2026 einen RCE in einem MCP-Server mit über 150 Millionen Downloads offengelegt, und Sicherheitsforscher haben Anfang 2026 über 30 CVEs gegen populäre Server eingereicht. Versionen pinnen, OAuth-Tokens auf das Minimum begrenzen, herstellergepflegte Server bevorzugen und alles andere vor der Installation prüfen.

Was ist der Unterschied zwischen stdio- und Streamable-HTTP-Transport? stdio führt den Server als lokalen Subprozess aus, kommuniziert über stdin/stdout, benötigt keine Authentifizierung und ist am schnellsten. Streamable HTTP betreibt den Server unter einer URL, nutzt OAuth 2.1 für bereichsbegrenzte Zugriffsrechte und fügt 30–200 ms Latenz pro Aufruf hinzu. stdio für lokale Entwicklung verwenden, Streamable HTTP für entfernte und gemeinsam genutzte Deployments.

Welche MCP-Server sollte man zuerst installieren? Mit GitHub MCP, Context7 und Playwright beginnen. Diese drei decken Code, Docs und das Web ab — rund 80 % dessen, was man einem KI-Agenten je geben möchte. Alles andere ist abhängig von einem spezifischen Workflow. Nicht die lange Liste am ersten Tag installieren; man verbrennt sonst Token für Schemas, die man nie nutzt.

Funktionieren MCP-Server auch mit Cursor und Codex, nicht nur mit Claude Code? Ja. MCP ist ein Protokoll; jeder konforme Host kann jeden Server nutzen. Der Installationspfad unterscheidet sich: Claude Code verwendet claude mcp add, Cursor liest .cursor/mcp.json, Codex CLI liest ~/.codex/config.toml. Windsurf, Cline und VS Code haben jeweils eigene Konfigurationsorte. Der Server selbst ist die gleiche Binary.

Was kosten MCP-Server an Tokens? Rund 2.000–5.000 Token pro Server durch Schema-Injection beim Sitzungsstart — und erneut mit wachsendem Gesprächskontext. Scalekit hat eine einzelne GitHub-Abfrage mit 44.026 Token über MCP versus 1.365 über die gh CLI gemessen: ein 32-facher Aufschlag. Die Faustregel: drei Server installieren, nicht dreizehn, und wo möglich die CLI nutzen.

Wer regelt MCP im Jahr 2026? Die Agentic AI Foundation (AAIF) der Linux Foundation hat die Governance im Dezember 2025 übernommen. Im Vorstand sitzen Anthropic, OpenAI, Google, Microsoft, AWS, Cloudflare und Bloomberg. Diese Übergabe ist der Grund, warum Anthropic aufgehört hat, 13 seiner Referenzserver zu pflegen: Herstellergepflegte Adapter sind gesünder als ein einzelnes Unternehmen, das jede Integration trägt.

Das Fazit

Drei Dinge zum Mitnehmen. Erstens: Mit dem Drei-Server-Startpaket (GitHub, Context7, Playwright) beginnen und weitere nur hinzufügen, wenn ein echter Workflow es fordert. Zweitens: Die Hälfte der "offiziellen Anthropic-MCP-Server"-Tutorials da draußen verweist auf archivierten Code — vor der Installation prüfen. Drittens: MCP ist nicht kostenlos, also das Token-Budget planen und zur CLI greifen, wenn der Komfort den Aufschlag nicht rechtfertigt.

Hilfe beim Aufbau MCP-fähiger Agenten im eigenen Stack benötigt? Techsy kontaktieren.

Das Techsy-Redaktionsteam entwickelt KI-gestützte Software für Kunden. Das MCP-Loadout in diesem Beitrag ist unsere echte .mcp.json — Sanity, ScraplingServer, Playwright, analytics-mcp, Higgsfield. Wir nutzen MCP-Server täglich; wir verkaufen keinen davon.