# MCP ist ein Transport, nicht eine Architektur *Dies ist ein Teil von 2's als Komponenten. [Teil: Warum LLMs als Sensoren fehlschlagen](/blog/llms-fail-as-sensors) deckte den Kategoriefehler der Verwendung von LLMs für die Wahrnehmung ab Dieser Artikel behandelt die Kategoriefehler des Verwendens von MCP als Architektur.* --- **Wie baue ich einen MCP-Server, ist die falsche Frage?** SDKs existieren ,. , Ein LLM kann ein Gerüst in Sekunden , . , Die wirkliche Frage ist ,: , > *Welche Rolle sollte ein MCP-Server innerhalb eines Systems spielen, das nicht lügen darf?* Die knappe Fertigkeit ist jetzt die Gestaltung der **System rund um** MCP-:-Behörde,-Zulassung,-Überprüfungsfähigkeit,- und deterministische Kontrolle.-MCP-Handles Transport-—- jene Bedenken leben anderswo Dieser Artikel erklärt, wie ich MCP verwende **ohne Agenten ,, , Autonomie , oder Vibes**Und warum die meisten MCP-Beispiele dieselben Probleme neu erstellen, wie wir es mit ungezwungenem Werkzeug gesehen haben. [TOC] --- ## Was eigentlich MCP ist und was ' ist Das MCP-Protokoll ) ist ein **Drahtprotokoll**Es bewegt sich. - Ein- und Ausgänge - Schemata - Metadaten des Werkzeugs - Entdeckung von Fähigkeiten Es tut es **nicht**: - Entscheiden *wenn* Werkzeuge sollten laufen - Wahrheit bestätigen - Vertrauen stärken - Nebenwirkungen verwalten ```mermaid flowchart LR subgraph MCP["MCP: What It Does"] Schema[Schema Discovery] --> Transport[Transport Layer] Transport --> Invoke[Tool Invocation] Invoke --> Response[Structured Response] end subgraph NotMCP["Not MCP's Job"] When[When to run?] Trust[Is this true?] Should[Should we act?] Safe[Is this safe?] end style MCP fill:none,stroke:#16a34a,stroke-width:2px style NotMCP fill:none,stroke:#dc2626,stroke-width:2px style Schema fill:none,stroke:#059669,stroke-width:2px style Transport fill:none,stroke:#059669,stroke-width:2px style Invoke fill:none,stroke:#059669,stroke-width:2px style Response fill:none,stroke:#059669,stroke-width:2px style When fill:none,stroke:#dc2626,stroke-width:2px style Trust fill:none,stroke:#dc2626,stroke-width:2px style Should fill:none,stroke:#dc2626,stroke-width:2px style Safe fill:none,stroke:#dc2626,stroke-width:2px ``` **MCP ist näher an OpenAPI als ein Agent-Framework.** Wenn Sie MCP als Ihre Argumentationsschicht verwenden, haben Sie bereits den gleichen Kategoriefehler gemacht, der in [Teil](/blog/llms-fail-as-sensors). Wenn MCP Transport ist, dann lebt die Architektur über ihm. --- ## Das Kernprinzip: Propose vs Decide Dies ist die Grundregel von [Reduzierte RAG](/blog/reduced-rag) und [Beschränkte Fuzziness](/blog/constrained-fuzzy-image-intelligence): - **Probabilistische Komponenten vorschlagen** - **Deterministische Systeme entscheiden** In meinen Systemen - LLMs sind *niemals* Behörden - Werkzeuge sind *niemals* autonom - Jede MCP-Antwort ist ein **Vorschlag**Nicht eine Tatsache "-Deterministisch-"-deterministisch bedeutet hier: **Regel: ,, reproduzierbar und auditierbar**. ```mermaid flowchart TD subgraph Proposers["Proposers (Probabilistic)"] LLM[LLM Synthesis] MCP1[MCP Tool Response] MCP2[MCP Tool Response] end subgraph Constrainer["Constrainer (Deterministic)"] Validate[Validate Proposals] Compare[Compare Confidence] Policy[Apply Policy Rules] Decide[Accept / Reject / Escalate] end subgraph Persistence["Persistence (Facts)"] Facts[(Verified Facts
With Provenance)] end LLM --> Validate MCP1 --> Validate MCP2 --> Validate Validate --> Compare Compare --> Policy Policy --> Decide Decide --> Facts style Proposers fill:none,stroke:#d97706,stroke-width:2px style Constrainer fill:none,stroke:#2563eb,stroke-width:2px style Persistence fill:none,stroke:#16a34a,stroke-width:2px style LLM fill:none,stroke:#d97706,stroke-width:2px style MCP1 fill:none,stroke:#d97706,stroke-width:2px style MCP2 fill:none,stroke:#d97706,stroke-width:2px style Validate fill:none,stroke:#2563eb,stroke-width:2px style Compare fill:none,stroke:#2563eb,stroke-width:2px style Policy fill:none,stroke:#2563eb,stroke-width:2px style Decide fill:none,stroke:#2563eb,stroke-width:2px style Facts fill:none,stroke:#16a34a,stroke-width:3px ``` Der MCP-Server entscheidet sich für den Constrainer. --- ## Warum Werkzeuge das falsche mentale Modell sind Das Standard-MCP-Frameming ist: - Methoden als Werkzeuge darlegen - Lassen Sie das Modell wählen, welches Werkzeug anzurufen ist. - Bitten Sie vor der Ausführung um Erlaubnis Dies scheitert aus vorhersehbaren Gründen. 1. **Werkzeugbeschreibungen werden zu Aufforderungen**Die LLM zieht die Absicht aus der Formulierung heraus, nicht aus der Schemasemantik 2. **Werkzeugauswahl Drifts**Das Modell optimiert die Plausibilität des Modells, nicht aber die Korrektheit, und pflückt Werkzeuge basierend auf Beschreibungsgleichheit. 3. **Berechtigungsaufforderung ist nicht sicher**Ein modaler Dialog verhindert, dass das falsche Werkzeug ausgewählt wird 4. **Keine Wiederspielbarkeit**Sie können eine Sitzung reproduzieren, weil die Werkzeugauswahl probabilistisch war. **Reframe-Endpunkte von MCP veröffentlichen Signale, nicht Aktionen, sondern** - Signale sind typisiert ,, , begrenzt , , und zuzuordnen - Jedes Signal hat Vertrauen. - Natürliche Sprache ist ein *Präsentationsschicht*Nicht das Substrat ```mermaid flowchart LR subgraph Wrong["❌ Tools Mental Model"] Desc[Tool Description
'Gets weather for city'] --> LLM1[LLM Chooses] LLM1 --> Execute[Execute Action] Execute --> Trust1[Trust Result?] end subgraph Right["✓ Signals Mental Model"] Schema2[Typed Schema
city: string, units: enum] --> Invoke2[Deterministic Invoke] Invoke2 --> Signal[Signal Response
+ confidence + provenance] Signal --> Validate2[Constrainer Validates] end style Wrong fill:none,stroke:#dc2626,stroke-width:2px style Right fill:none,stroke:#16a34a,stroke-width:2px style Desc fill:none,stroke:#dc2626,stroke-width:2px style LLM1 fill:none,stroke:#dc2626,stroke-width:2px style Execute fill:none,stroke:#dc2626,stroke-width:2px style Trust1 fill:none,stroke:#dc2626,stroke-width:2px style Schema2 fill:none,stroke:#16a34a,stroke-width:2px style Invoke2 fill:none,stroke:#16a34a,stroke-width:2px style Signal fill:none,stroke:#16a34a,stroke-width:2px style Validate2 fill:none,stroke:#16a34a,stroke-width:2px ``` --- ## Signalverträge über Chat Jeder MCP-Endpunkt in meinen Systemen hat - **Ein Schema**Ein- und Ausgänge, die nicht frei sind - **Vertrauen**Wie sicher ist dieses Ergebnis? - **Herkunft**Wo ist dies aus der ?? ?( ?Frame ID ? , ?Binding Box ? , ?Wellenform Region ? - **Nachweise**Was unabhängig überprüft werden kann Keine freie text-Behörde ,. , keine beste Anstrengung **Beispiele aus Produktionssystemen** Evidenz-Zeugner |--------|-------------------|------------------| Textextraktion von OCR-Texten – | – Florenz – -2 – Vertrauenspunkt , | – Bounding-Box-Koordinaten , | – Bild-Klassifikation Bild-Score Bild-Niveau Bild-ID Audio-Transkription Bild des Flüsterworts Bild des -Level-Konfidenzniveaus Bild der Zeitstempelbereich Bild des | Lautsprecher-Identifikation Lautsprecher-Diarisations-Cluster-Abstand Segmentgrenzen **Die Regel: Wenn ein Ergebnis validiert werden kann, wird es akzeptiert.** Dies ist das gleiche Prinzip wie [Design-Regel](/blog/llms-fail-as-sensors)Fakten brauchen Provenienz --- ## Der Constrainer der Teil, den jeder überspringt Die meisten MCP-Tutorials zeigen 1. Werkzeuge definieren 2. Verbindung zu LLM herstellen 3. Lass es laufen Die fehlende Komponente ist die **Begrenzer** Die deterministische Logik, die - Bewertung konkurrierender Vorschläge - Durchsetzung der Politik - beschließt, was anhält und was abgelehnt wird - Wege zur Eskalation, wenn das Vertrauen gering ist ```mermaid flowchart TD subgraph Sources["Signal Sources"] Heuristics[Heuristics
Text-likeliness: 0.3] LocalModel[Local Model
Florence-2 OCR: 0.85] LLMCall[LLM Escalation
GPT-4V: 0.92] end subgraph Constrainer["Constrainer Logic"] Receive[Receive All Signals] Check{Confidence
≥ 0.7?} Cross[Cross-Validate
Signals Agree?] Accept[Accept as Fact] Reject[Reject / Log] Escalate[Escalate to
Higher Tier] end Heuristics --> Receive LocalModel --> Receive LLMCall --> Receive Receive --> Check Check -->|Yes| Cross Check -->|No| Escalate Cross -->|Yes| Accept Cross -->|No| Reject style Sources fill:none,stroke:#d97706,stroke-width:2px style Constrainer fill:none,stroke:#2563eb,stroke-width:2px style Heuristics fill:none,stroke:#d97706,stroke-width:2px style LocalModel fill:none,stroke:#d97706,stroke-width:2px style LLMCall fill:none,stroke:#d97706,stroke-width:2px style Receive fill:none,stroke:#2563eb,stroke-width:2px style Check fill:none,stroke:#2563eb,stroke-width:2px style Cross fill:none,stroke:#2563eb,stroke-width:2px style Accept fill:none,stroke:#16a34a,stroke-width:2px style Reject fill:none,stroke:#dc2626,stroke-width:2px style Escalate fill:none,stroke:#7c3aed,stroke-width:2px ``` **Echte Zwangsent scheidungen** - LLM-Unterschrift zurückweisen, wenn Heuristiken auf Text uneins sind - Bevorzugen Sie niedrigeres, aber belegtes Vertrauen OCR über hoheres, halluzinierter Text - Escalate to vision LLM nur, wenn lokale Modell-Konfidenz **MCP verbindet Komponenten. Der Constrainer regiert sie.** --- ## Die LLM ausschalten und warum ich es tue Meine MCP-Server funktionieren immer noch mit dem LLM deaktiviert. Dies ist ein degradierter Modus, der die **Primärmodus**. Wenn Ihr System aufhört zu arbeiten, wenn das LLM nicht verfügbar ist, sollte die LLM einen Job erledigen. Die Kernfunktionen - Deterministische Zusammenfassung aus extrahierten Fakten - Evidence---erste Retrieval über Einbettungen und Filter - Strukturierte Abfragen gegen die Faktendatenbank Die LLM wird .: . - Eine Syntheseschicht (optional) - Eine Erklärungsmaschine auf Anfrage - Ein Anreicherer für die Ausgabe natürlicher Sprache Das LLM ist **nicht**: - Entscheidungsträger - Speicher - Ein Wahrheitsmotor ```mermaid flowchart TD subgraph AlwaysOn["Always On (Deterministic)"] Sensors[Sensors + Heuristics] Local[Local Models
Florence-2, Whisper, CLIP] Facts[(Facts Database)] Query[Query Engine] end subgraph Optional["Optional (LLM)"] Synthesis[Natural Language Synthesis] Explain[Explanation Generation] end Sensors --> Local Local --> Facts Facts --> Query Query --> Synthesis Query --> Explain style AlwaysOn fill:none,stroke:#16a34a,stroke-width:2px style Optional fill:none,stroke:#6b7280,stroke-width:2px,stroke-dasharray: 5 5 style Sensors fill:none,stroke:#16a34a,stroke-width:2px style Local fill:none,stroke:#16a34a,stroke-width:2px style Facts fill:none,stroke:#16a34a,stroke-width:3px style Query fill:none,stroke:#16a34a,stroke-width:2px style Synthesis fill:none,stroke:#6b7280,stroke-width:2px style Explain fill:none,stroke:#6b7280,stroke-width:2px ``` **Warum das so wichtig ist** Weitere Informationen finden Sie unter: http:www.cordis.lu/ |---------|---------------------|----------------------| | **Kosten** Kosten für API-Kosten für -Befestigte Infrastruktur | **Zuverlässigkeit** API-Ausfall - System nach unten - Kernfunktionen weiter -| | **Prüfbarkeit** Mock LLM-Antworten Deterministische Behauptungen | **Vertrauen** Das Modell sagte so, ", |, Evidenz-Kette --- ## MCP als Grenze, nicht als Integration Ich behandle MCP als **harte Grenze**: - **Prozessisolierung**MCP-Server laufen in separaten Prozessen - **Explizite Eingänge, /-Ausgänge**Kein geteilter wandelbarer Zustand - **Kein Umgebungskontext**Jeder Anruf wird auf expliziten Eingaben ausgewertet. - **Gemusterte Verträge**Fehler bei Schemaverletzungen sind nicht Warnungen Dies steht im Gegensatz zu .: - In---Prozessagenten mit geteiltem Speicher - Prompt--®chaining mit versteckten Kontext Akkumulation - Einsatz von Werkzeugen, bei denen frühere Drehungen das Verhalten beeinflussen **Warum Grenzen von Bedeutung sind** 1. **Wiedergabe**Reproduzieren Sie jede Sitzung durch Wiederholung von Eingaben 2. **Prüfung**Jedes Signal hat einen rückverfolgbaren Ursprung 3. **Deterministische Prüfung**Die gleichen Eingänge sind dieselben Ausgänge. 4. **Einhaltung**Erklärbare Entscheidungsketten ```mermaid flowchart LR subgraph Process1["Process: Orchestrator"] Orch[Orchestrator
Constrainer Logic] end subgraph Process2["Process: MCP Server 1"] MCP1[Image Analysis
Signals] end subgraph Process3["Process: MCP Server 2"] MCP2[Audio Analysis
Signals] end subgraph Process4["Process: MCP Server 3"] MCP3[Video Analysis
Signals] end Orch <-->|MCP Protocol| MCP1 Orch <-->|MCP Protocol| MCP2 Orch <-->|MCP Protocol| MCP3 style Process1 fill:none,stroke:#2563eb,stroke-width:2px style Process2 fill:none,stroke:#16a34a,stroke-width:2px style Process3 fill:none,stroke:#16a34a,stroke-width:2px style Process4 fill:none,stroke:#16a34a,stroke-width:2px style Orch fill:none,stroke:#2563eb,stroke-width:2px style MCP1 fill:none,stroke:#16a34a,stroke-width:2px style MCP2 fill:none,stroke:#16a34a,stroke-width:2px style MCP3 fill:none,stroke:#16a34a,stroke-width:2px ``` --- ## Misserfolgsmodi MCP-Beispiele Echte Ausfälle aus ungezwungener MCP-Nutzung Fehler-Modus der Ursache |--------------|-------|------------| | **Werkzeughalluzination** Beschreibung Leckage in LLM-Resultate | **Exekution von Over---Eager** Das Modell ruft Werkzeuge an, um " zu überprüfen. | **Schemadrift** Werkzeug-Verhaltensänderungen,-Schema tut nichts'-Zeugnungen|-Zegnungen Versionierte Schemata,-Zeigprüfungen | **Silent partielle Ausfälle** Werkzeug liefert partielle Daten zurück, model proceeds - Vertrauensschwellen , restlos geprüft | **LLM-Übervertrauen** Das Modell behandelt die Werkzeugausgabe als Grundwahrheit. | **Kapazitätssteigerung** |-Modell "-Tries"-schrittweise leistungsfähigere Werkzeuge |-Kapazitätsgrade +-Policy-Gating-Budgets +-Etats Der gemeinsame Faden **Diese Ausfälle passieren, weil der LLM als Behörde vertraut wird**. Die Fixierung **Die LLMs schlagen vor, dass die Constrainer entscheiden, die Fakten bleiben bestehen.**. --- ## Was MCP ist gut bei -(, wenn richtig verwendet -) MCP ist exzellent für - **Entdeckung von Fähigkeiten**Laufzeitenzählung verfügbarer Signale - **Zusammensetzung des Inter---Prozesses**Saubere Grenzen zwischen Bauteilen - **Interoperabilität von Werkzeugen**Funktioniert mit jedem MCP®--kompatiblen Client - **Modellische Integration von -**Swap LLMs ohne Änderung der Signalkontrakte MCP ist **nicht**: - Ein Handlungsrahmen - Ein Argumentationssystem - Eine Sicherheitsschicht - Eine Vertrauensgrenze Verwenden Sie MCP für das, was es ist... ein Drahtprotokoll für strukturierte Kommunikation zwischen Komponenten... --- ## Wo MCP aufhört MCP standardisiert, wie Modelle und Werkzeuge den Kontext austauschen. Es definiert nicht, wer unter welchen Bedingungen handeln darf oder wie Entscheidungen geprüft werden. Andere Ansätze bestehen, um diese Einschränkungen formalisieren manchmal als Aktionsfähigkeit Protokolle beschrieben. Dieser Artikel ist ' , über ACP , . , es ist .' , um das Design-Prinzip ,: , **Verkehr und Governance sind getrennte Anliegen**. MCP sagt Ihnen: *Wie* um ein Tool zu nennen ... . Etwas anderes muss entscheiden *ob* Sie sollten in meinen Systemen, dass die Constrainer ' in Unternehmen Systeme, es könnte eine Politik-Engine sein --- ## Demo MCP vs. Produktion MCP |-Aspekt - Demo MCP - MCP-Produktion MCP – MCP |--------|----------|----------------| | **Beschreibung des Werkzeugs** Natürliche Sprache, detailliertes, minimales und erstes Schema. | **Wer entscheidet sich, anzurufen** LLM-Orchester-Ausbilder | **Antwortformat** Freier Text von - Form des Textes Eingegebene Signale mit Konfidenz | **Validierung** Nicht-|, nicht--, keine Validierung | **LLM-Abhängigkeit** Erforderliche zusätzliche Anreicherung (optional) | **Wiedergabe** Nicht deterministisch, vollständig reproduzierbar | **Prüfpfad** Signal-Provenienz-Kette --- ## Schließung MCP ermöglicht **Zusammensetzung**. Determinismus ermöglicht **Vertrauen**. LLMs aktivieren **Durchlässigkeit**. Aber nur, wenn > *Wahrscheinlichkeit schlägt vor, — und Determinismus hält an* MCP ohne Constrainer ist nur prompte Injektion mit zusätzlichen Schritten. Mache Synthese zum letzten Schritt Mache die LLM optional Mache jede Tatsache rückführbar --- ## Stichworte - **MCP-Protokoll (Model Context Protocol)**Wire-Protokoll für Werkzeugerkennung und Anrufung zwischen Prozessen - **Beschränker**Deterministische Logik, die Vorschläge bewertet und entscheidet, was anhält - **Signal**Beschriftete Reaktion mit Konfidenzmittel und Beweiszeiger - **Antragsteller**Jede Komponente, die Fakten ohne Autorität nahelegt - **Nachweiszeiger**Verweis auf nachprüfbare Quelle --- ## Verwandte Artikel **Frühere in der Reihe** [Teil: Warum LLMs als Sensoren fehlschlagen](/blog/llms-fail-as-sensors) - [Reduzierte RAG-:-Karte für probabilistische Systeme](/blog/reduced-rag) - [BildSummarizer-:-Beschränkte Fuzzy Bildintelligenz](/blog/constrained-fuzzy-image-intelligence) - [VideoSummarizer-:. Reduzierte RAG für Video](/blog/videosummarizer-scalable-video-intelligence) - [StyloFlow-:-Signal---Driven Workflows](/blog/styloflow-signal-driven-workflows)