Wenn Claude, ChatGPT oder Ihr eigener Agent einen Sensor abfragen oder ein Relais schalten soll, braucht er einen Weg herauszufinden, welche Geräte es gibt, was sie melden und was sie tun dürfen. Ein MCP-Server für IoT-Geräte ist dieser Zugang. Er stellt Ihre Sensoren und Steuerungen über Tools bereit, die der Agent aufrufen kann, führt diese Aufrufe gegen das reale System aus und setzt durch, wer was darf.

Das Protokoll selbst ist einfach. Was die Entwurfsarbeit anders macht, sind die Geräte, denn sie verhalten sich anders als Dokumente und Datenbanken: Manche schlafen minutenlang, Messwerte veralten, und ein falscher Aufruf kann ein Ventil öffnen. Dieser Leitfaden zeigt, wie die Teile zusammenpassen, wie die Discovery funktioniert, wenn jedes Gerät andere Befehle hat, und was Sie entscheiden sollten, bevor Sie einen Server bauen oder anbinden.

Kurz erklärt

  • Das Model Context Protocol gibt KI-Clients einen einheitlichen Weg, Tools zu finden und aufzurufen, sodass ein einziger Server Claude, ChatGPT, Cursor und andere bedienen kann.
  • Bei Geräten läuft die Discovery meist in zwei Schichten: Der Agent listet zuerst die Geräte auf und fragt dann, welche Messwerte und Befehle ein bestimmtes Gerät hat.
  • Einen eigenen Server zu bauen heißt vor allem, eine bestehende Geräte-API mit klaren Tool-Namen, Eingabegrenzen und serverseitigen Berechtigungsprüfungen zu kapseln.
  • Beginnen Sie rein lesend, ergänzen Sie später einige wenige vordefinierte Befehle und lassen Sie alles, was einen physischen Zustand ändert, von einem Menschen bestätigen.

Wie wird das Model Context Protocol mit IoT-Geräten genutzt?

Das Model Context Protocol, meist kurz MCP, ist ein offener Standard, um KI-Anwendungen mit externen Tools und Daten zu verbinden. Die KI-Anwendung (der Client) kommuniziert mit einem MCP-Server, der drei Arten von Bausteinen anbietet: Tools, die das Modell aufrufen kann, Resources, die es als Kontext lesen kann, und Prompts, die eine Person aus einem Menü auswählen kann. Im Büroumfeld wären das etwa „Tickets durchsuchen“ oder „eine Tabelle lesen“. Im IoT bilden sie den physischen Standort ab.

MCP-Konzept Was es bei Geräten meist bedeutet
Tool Eine Aktion: den letzten Wert lesen, den Verlauf abrufen, einen vordefinierten Befehl senden
Resource Kontext, den der Client laden kann: eine Geräteliste, ein Raumplan, die Messwerte einer Woche
Prompt Eine wiederverwendbare Anfrage, etwa „Fasse die nächtlichen Alarme für Gebäude B zusammen“
Server Der Adapter, der die Zugangsdaten hält und mit der Geräteplattform kommuniziert
Client Claude, ChatGPT, Cursor oder ein selbst geschriebener Agent, der entscheidet, welches Tool aufgerufen wird

Drei Dinge unterscheiden IoT von den üblichen Beispielen. Daten altern: Eine Temperatur von vor 40 Minuten kann nutzlos sein, deshalb sollte jeder Messwert, den der Server zurückgibt, seinen Zeitstempel mitführen. Geräte sind nicht immer erreichbar: Viele batteriebetriebene Sensoren senden nur alle paar Minuten und sind danach nur kurz empfangsbereit. Und Aktionen haben Folgen über den Bildschirm hinaus, denn ein falscher Befehl kann eine Pumpe weiterlaufen oder ein Ventil offen lassen. Jeder dieser Punkte bestimmt mit, wie der Server entworfen werden sollte.

Nehmen Sie eine einfache Frage wie „Ist es im Serverraum zu warm?“. Meldet der Sensor alle 15 Minuten und kam die letzte Nachricht vor 50 Minuten, lautet die ehrliche Antwort: „Ich weiß es nicht; der Sensor ist verstummt.“ Ein Server, der nur die Zahl zurückgibt, ohne den Zeitpunkt der Messung, verleitet das Modell dazu, mit alten Daten selbstsicher zu antworten. Gibt er Wert, Einheit, Zeitstempel und den Zeitpunkt zurück, zu dem das Gerät zuletzt gesehen wurde, kann das Modell sagen, was es weiß und was nicht.

Wie funktioniert Tool Discovery für KI-Agenten?

Tool Discovery für KI-Agenten ist der Schritt, in dem der Client einen Server fragt, was er kann. Bei MCP sendet der Client eine tools/list-Anfrage, und der Server antwortet mit dem Namen jedes Tools, einer verständlich formulierten Beschreibung und einem JSON-Schema für seine Eingaben. Der Client legt diese Beschreibungen dem Modell vor, und das Modell wählt ein Tool, indem es sie liest – so wie ein neuer Kollege die Beschriftungen an einem Bedienfeld liest.

Ein Tool zum Lesen von Gerätewerten könnte so beschrieben sein:

{"name": "get_latest_reading",
 "description": "Latest value of one metric on one device, with its timestamp and unit.",
 "inputSchema": {"type": "object",
   "properties": {"device_id": {"type": "string"}, "metric": {"type": "string"}},
   "required": ["device_id", "metric"]}}

Für generische Aktionen funktioniert das gut. Befehle sind schwieriger, denn ein Dimmer akzeptiert eine Helligkeit von 0 bis 100, eine Ventilsteuerung akzeptiert Öffnen oder Schließen und ein Thermostat einen Sollwert innerhalb bestimmter Grenzen. Würde man jeden Befehl jedes Geräts zu einem eigenen Tool machen, könnte ein Standort mit 300 Geräten Tausende Tools bereitstellen, und das Modell würde darin untergehen.

Die übliche Lösung ist eine zweistufige Discovery. Der Server stellt einen kleinen, stabilen Satz von Tools für KI-Agenten bereit, etwa list_devices, list_commands und run_command. Der Agent ruft list_devices auf, um den Dimmer in Besprechungsraum 3 zu finden, dann list_commands für genau dieses Gerät, was dessen definierte Befehle mit ihren Parametern und Grenzen zurückgibt. Erst dann ruft er run_command mit einer Helligkeit von 40 auf. Das Protokoll erlaubt einem Server außerdem, Clients zu benachrichtigen, wenn sich seine Tool-Liste ändert, was hilft, wenn während einer Sitzung Geräte hinzukommen.

In Fällen wie diesem zahlt sich das Schema aus. Angenommen, der Agent soll „Raum 3 etwas dunkler machen“, und das Licht steht auf 70. Ohne Grenzen könnte er 7 senden, weil er „etwas“ falsch deutet. Mit einem Schema, das die Helligkeit als ganze Zahl von 10 bis 100 festlegt, und einer Befehlsbeschreibung mit dem Hinweis „übliche Schritte sind 10“ sendet er weit eher 60. Der Server sollte trotzdem alles außerhalb des Bereichs ablehnen, denn das Modell interpretiert eine Beschreibung und kann sich weiterhin irren.

Wie erstellt man einen MCP-Server?

Um einen MCP-Server für Geräte zu erstellen, fangen Sie nicht bei Funkprotokollen an. Sie beginnen bei dem System, das die Gerätedaten bereits hält, meist eine IoT-Plattform oder ein Gateway mit API, und kapseln es. Eine praktikable Reihenfolge:

  1. Umfang festlegen. Wählen Sie die Fragen und Aktionen, die der Agent tatsächlich braucht. „Jeden Sensor lesen, 30 Tage Verlauf abrufen, die fünf definierten Befehle ausführen“ ist ein besserer erster Umfang als „alles, was die API kann“.
  2. SDK wählen. Die offiziellen Software Development Kits übernehmen die Protokollnachrichten, sodass Ihr Code nur Tools und deren Handler definiert.
  3. Plattform-API kapseln. Jeder Tool-Handler ruft die bestehende API mit den Zugangsdaten des Servers auf und macht aus der Antwort kurze, gut lesbare Ergebnisse mit Einheiten und Zeitstempeln.
  4. Beschreibungen für Leser ohne Kontext schreiben. Sagen Sie, was das Tool zurückgibt, welche Einheiten es verwendet und wann man es nicht verwenden sollte. Hier entsteht der größte Teil der Qualität.
  5. Berechtigungen auf dem Server durchsetzen. Prüfen Sie jeden Aufruf gegen die Rechte des Benutzers und die Parametergrenzen des Befehls, ganz gleich, was das Modell angefordert hat.
  6. Vor jedem Client mit einem Inspector testen. Mit dem offiziellen MCP Inspector können Sie jedes Tool von Hand aufrufen und die rohen Antworten lesen.
  7. Transport wählen. Ein lokaler Server für einen einzelnen Entwickler kann als Prozess auf dessen Rechner laufen; ein gemeinsam genutzter Server braucht Remote-Hosting und eine Autorisierung pro Benutzer.

Wenn die Geräte bereits in Kilo verwaltet werden, ist die Kapselungsschicht dünn. Sie bauen Ihre Handler auf den REST- und gRPC-APIs von Kilo für Entwickler auf, mit einem API-Schlüssel, dessen Berechtigungen pro Bereich festgelegt sind und der an eine Organisation gebunden ist; ein Schlüssel, der auf Lese-Scopes beschränkt ist, ist ein sinnvoller erster Zugang für einen selbst gebauten Server.

Prüfen Sie vor dem Bauen, ob die Plattform das Protokoll bereits spricht. Kilo stellt einen eigenen MCP-Endpunkt bereit und kennzeichnet das Befehls-Tool als destruktiv, damit Clients Sie um Bestätigung bitten können, bevor ein Befehl gesendet wird.

Wie verbinde ich Claude per MCP mit IoT-Geräten?

Einen Client mit einem bestehenden Server zu verbinden dauert wenige Minuten, und die Schritte sehen bei allen Clients ungefähr gleich aus:

  1. Fügen Sie den Server in den Einstellungen des Clients hinzu. Bei einem Remote-Server fügen Sie seine URL ein; in Claude wird er als benutzerdefinierter Connector angelegt. Ein lokaler Server wird meist in einer Konfigurationsdatei eingetragen, zusammen mit dem Befehl, der ihn startet.
  2. Melden Sie sich an, wenn der Client die Autorisierungsseite öffnet. Ein Remote-Server sollte fragen, wer Sie sind, damit seine Tools mit Ihren Rechten arbeiten und nicht mit denen anderer.
  3. Prüfen Sie, welche Tools erschienen sind. Die meisten Clients zeigen die Liste an und lassen Sie einzelne Tools abschalten – ein einfacher Weg, zunächst nur mit Lesezugriff zu beginnen.
  4. Stellen Sie eine Frage, die Sie selbst überprüfen können, etwa nach der aktuellen Temperatur in einem Raum, in dem Sie ein Thermometer ablesen können, und vergleichen Sie die Antwort.
  5. Schalten Sie Aktionen zuletzt frei und lassen Sie im Client die Freigabe jedes einzelnen Aufrufs für alles aktiviert, was einen Befehl sendet.

ChatGPT, Cursor, Codex und andere Clients folgen demselben Prinzip mit eigenen Einstellungsseiten. Weil die Serverseite für alle identisch ist, kann ein Team verschiedene Clients nutzen, ohne separate Integrationen zu bauen, und der Zugriff wird an einer einzigen Stelle entzogen.

Es hilft auch, drei oder vier Testfragen aufzuschreiben, bevor Sie einen Server für ein Team ausrollen, jede mit einer bekannten richtigen Antwort: eine Raumtemperatur, die Sie nachprüfen können, ein Gerät, von dem Sie wissen, dass es offline ist, ein Befehl, der abgelehnt werden sollte, weil der Wert außerhalb des Bereichs liegt. Spielen Sie sie nach jeder Änderung an den Tool-Beschreibungen des Servers durch, denn eine umformulierte Beschreibung kann ändern, welches Tool das Modell wählt.

Zwei Gewohnheiten erleichtern den Alltag. Benennen Sie Geräte so, wie Menschen über sie sprechen („Tür Kühlraum 2“, nicht „node-4471“), denn das Modell gleicht Anfragen mit diesen Namen ab. Und halten Sie die Rolle des Agenten klar: Lassen Sie ihn nachschlagen, Messwerte vergleichen und erklären, was er gefunden hat, während alles, was jedes Mal passieren muss, ohne dass jemand danach fragt, in eine Regel auf der Plattform gehört, wo es läuft, ganz gleich, ob jemand einen Chat öffnet.

Häufige Fragen zum MCP-Server für IoT-Geräte

Kann ein MCP-Server mit MQTT-IoT-Geräten kommunizieren?

Ja, allerdings meist nicht, indem er direkt am Broker hängt. MQTT arbeitet nach dem Publish/Subscribe-Prinzip, ein Server müsste also Topics abonnieren und die letzten Werte zwischenspeichern, um eine Frage wie „Wie hoch ist der Messwert gerade?“ zu beantworten. Einfacher ist es, den MCP-Server auf eine Plattform zu richten, die MQTT-Daten bereits speichert, und der Agent bekommt so neben dem aktuellen Wert auch den Verlauf.

In welcher Programmiersprache erstellt man einen MCP-Server?

Jede Sprache, die JSON lesen und schreiben kann, ist geeignet, denn die Nachrichten folgen JSON-RPC 2.0. Offizielle SDKs gibt es für mehrere Sprachen, darunter TypeScript, Python, Java, C# und Go, weshalb die meisten Geräteserver in derselben Sprache geschrieben werden wie das bestehende Backend des Teams.

Welche Apps und Clients unterstützen das Model Context Protocol?

Die Unterstützung hat sich schnell verbreitet, seit Anthropic den Standard im November 2024 veröffentlicht hat. Claude Desktop, Claude Code, ChatGPT, Cursor, Codex und Visual Studio Code mit GitHub Copilot gehören zu den Clients, die sich mit MCP-Servern verbinden können, wobei jeder andere Einstellungen für lokale und Remote-Server anbietet.

Kann ein MCP-Server LoRaWAN-IoT-Geräte steuern?

Ja, wenn das Gerät Befehle annimmt, allerdings nicht immer sofort. Die meisten batteriebetriebenen LoRaWAN-Sensoren laufen als Class-A-Geräte, die ihre kurzen Empfangsfenster nur direkt nach dem Senden eines Uplinks öffnen, sodass eine Nachricht an sie bis zur nächsten Übertragung wartet. Netzbetriebene Class-C-Geräte sind dauerhaft empfangsbereit und können einen Befehl fast sofort entgegennehmen. In Kilo gehen Gerätebefehle an MQTT-Geräte und Class-C-LoRaWAN-Steuerungen, einen batteriebetriebenen Class-A-Sensor lesen Sie also aus, statt ihn zu steuern.

Die ganze Kette passt auf einen Schreibtisch. Registrieren Sie im kostenlosen Tarif von Kilo einen Temperatursensor und eine schaltbare smarte Steckdose, verbinden Sie Claude über den MCP-Endpunkt, wobei nur die Lese-Tools aktiviert sind, und fragen Sie nach dem Raum, bis die Antworten mit dem Thermometer an der Wand übereinstimmen. Definieren Sie dann die Ein- und Aus-Befehle der Steckdose und schalten Sie das Befehls-Tool frei, während die Freigabe jedes einzelnen Aufrufs in Claude weiterhin aktiv bleibt.