English Arabic Français Deutsch 日本語 한국어 Português Русский Español

Claude Code Plugins: Wie MCP-Tools Claude Code um externe Fähigkeiten erweitern

Von / / LLM, Claude Code / 15 Minuten Lesezeit
Claude Code Plugins: Wie MCP-Tools Claude Code um externe Fähigkeiten erweitern
Inhaltsverzeichnis
  1. Was „Claude Code-Plugins“ tatsächlich bedeutet
  2. Wie MCP-Server als Plugins funktionieren
  3. Ihr erstes Plugin mit claude mcp add installieren
  4. Bereiche: lokal, Projekt und Benutzer
  5. Beliebte MCP-Plugins und ihre Funktionen
  6. Wie Claude Tool-Aufrufe zur Laufzeit routet
  7. Plugin-Ausführung in einer Sandbox ausführen
  8. Novita LLM API für Tool-Use-Überlegungen verweden
  9. Tool-Beschreibungen schreiben, die funktionieren
  10. Fehlerbehebung bei häufigen Plugin-Problemen
  11. FAQ
  12. Empfohlene Artikel

Claude Code hat kein traditionelles Plugin-System mit einem Marktplatz und Ein-Klick-Installationen. Stattdessen wird das Model Context Protocol (MCP) verwendet – ein offener Standard von Anthropic, um externe Tools an eine Claude Code-Sitzung anzubinden. MCP-Server fungieren als Plugins: Sie stellen aufrufbare Tools bereit, Claude entscheidet, wann sie verwendet werden, und das Ergebnis fließt zurück in das Gespräch. Diese Anleitung erklärt das Erweiterungsmodell; für kopierbare CLI- und JSON-Konfigurationen verwenden Sie den Claude MCP-Konfigurationsleitfaden.

Was „Claude Code-Plugins“ tatsächlich bedeutet

Wenn Entwickler nach „Claude Code-Plugins“ suchen, wollen sie meist eines von drei Dingen: eine Möglichkeit, Claude Code Zugriff auf einen externen Dienst zu geben (GitHub, eine Datenbank, einen Webbrowser), eine Möglichkeit, von der Community entwickelte Tool-Erweiterungen zu installieren, oder eine Dokumentation darüber, wie der Erweiterungsmechanismus funktioniert.

Alle drei Wege führen zu MCP. Anthropic hat Claude Code um das Model Context Protocol herum entwickelt, anstatt ein proprietäres Plugin-Format zu verwenden. Das bedeutet:

  • Kein separater Marktplatz: Tools werden als MCP-Server verteilt, nicht über eine plattformspezifische Registrierung
  • Keine API-Sperre: Jeder Entwickler kann einen Server bauen und teilen
  • Gleiche Integrationsoberfläche: Claude Code, Claude Desktop und andere Claude-Hosts verwenden dasselbe Protokoll

Der praktische Effekt ist, dass der Plugin-Katalog von Claude Code das MCP-Ökosystem ist – jeder Server, der nach der MCP-Spezifikation gebaut wurde, funktioniert mit Claude Code, und es existieren bereits Tausende für Datenbanken, APIs, Browser, Code-Ausführungsumgebungen, Dateisysteme und mehr.

Es gibt keinen Befehl claude plugin install. Das Äquivalent ist claude mcp add.

Wie MCP-Server als Plugins funktionieren

Jeder MCP-Server ist ein Prozess, der eine Reihe von Tools über das MCP-Protokoll bereitstellt. Claude Code startet oder verbindet sich mit registrierten Servern, wenn Sie eine Sitzung beginnen, fragt sie nach ihren Tool-Listen ab und verwendet dann diese Tools, wenn es die Konversation erfordert.

Drei Dinge bilden die Schnittstelle eines MCP-Servers:

Objekt Was es ist Beispiel
Tool Eine aufrufbare Funktion mit definierten Eingaben und Ausgaben run_python, search_docs, create_issue
Resource Schreibgeschützte Daten, die der Server als Kontext bereitstellt Ein Dateiinhalt, eine Datenbankzeile, ein Test-Fixture
Prompt Vorgefertigte Anleitungsvorlagen, die mit dem Server gebündelt sind Eine Code-Review-Checkliste, eine Aufgaben-Vorlage

Für die meisten Claude Code-Workflows sind Tools das, worauf es ankommt. Resources und Prompts kommen ins Spiel, wenn Sie strukturiertere agentische Pipelines erstellen.

Der wichtigste Protokollablauf:

  1. Claude Code startet, liest seine Konfiguration und startet registrierte Server
  2. Jeder Server antwortet auf eine tools/list-Abfrage mit Namen und JSON-Schema-Definitionen
  3. Während einer Sitzung verwendet Claude diese Definitionen, um zu entscheiden, wann und wie jedes Tool aufgerufen wird
  4. Claude Code dispatches den Aufruf, der Server führt ihn aus und gibt das Ergebnis zurück, Claude integriert das Ergebnis und fährt fort

Der Server kümmert sich um die Ausführung. Claude kümmert sich um die Entscheidungsfindung, wann eine Ausführung notwendig ist.

Ihr erstes Plugin mit claude mcp add installieren

claude mcp add ist der Befehl, der einen MCP-Server bei Claude Code registriert. Führen Sie ihn einmal aus; der Server ist in jeder nachfolgenden Sitzung verfügbar.

# Grundform für stdio-Server
claude mcp add <server-name> -- <command> [args...]

# Grundform für HTTP-Server
claude mcp add --transport http <server-name> <url>

Voraussetzungen vor der Ausführung eines claude mcp add-Befehls:

  • Claude Code installiert und im PATH (claude --version sollte funktionieren)
  • Node.js 18 oder höher für npm-basierte Server
  • Python 3.10 oder höher für Python-basierte Server

Hinzufügen des Playwright-Browser-Plugins

Der Playwright MCP-Server gibt Claude einen echten Browser – er kann URLs navigieren, Elemente anklicken, Text extrahieren und Screenshots zurückgeben. Dies ist eines der nützlichsten ersten Plugins, da es keinen API-Schlüssel benötigt und sofort zeigt, was das Protokoll kann.

claude mcp add playwright -- npx -y @playwright/mcp@latest

Überprüfen Sie die Registrierung:

claude mcp list

Dann öffnen Sie eine Sitzung:

Verwende playwright, um https://example.com zu öffnen und sag mir den Seitentitel und die Hauptüberschrift

Claude startet einen Browser, navigiert zur URL, liest das DOM und gibt die Antwort zurück – kein Skripting Ihrerseits erforderlich.

Hinzufügen eines Datenbank-Plugins

Der offizielle SQLite MCP-Server erlaubt Claude, eine lokale SQLite-Datenbank direkt aus dem Gespräch heraus abzufragen und zu inspizieren:

claude mcp add sqlite -- uvx mcp-server-sqlite --db-path /pfad/zu/ihrer/datenbank.db

Danach können Sie Claude bitten, Abfragen zu schreiben, das Schema zu erklären oder Daten direkt zu erkunden, ohne Schema-Definitionen in jede Eingabeaufforderung kopieren zu müssen.

Umgebungsvariablen übergeben

Die meisten API-gestützten Server benötigen Schlüssel. Verwenden Sie --env, um sie bei der Registrierung zu übergeben, ohne sie in den Befehl einzubetten:

claude mcp add linear -- npx -y @linear/mcp-server \
  --env LINEAR_API_KEY=ihr_schlüssel_hier

Die Werte werden in der Konfiguration von Claude Code gespeichert und beim Start in den Serverprozess injiziert.

Bereiche: lokal, Projekt und Benutzer

Standardmäßig registriert claude mcp add einen Server im lokalen Bereich – er ist nur aktiv, wenn Claude Code aus dem aktuellen Verzeichnis gestartet wird. Drei Bereichsoptionen bieten unterschiedliche Freigabemodelle:

Bereich Aktiv in Konfigurationsdatei Wann verwenden
local (Standard) Nur aktuelles Verzeichnis ~/.claude.json Persönlicher Entwicklerserver für ein Projekt
project Jede Sitzung in diesem Repo .mcp.json im Projektstamm Team-Tool – zusammen mit dem Code committen
user Jede Claude Code-Sitzung ~/.claude.json im Benutzerbereich Globale Tools, die immer verfügbar sein sollen

Fügen Sie --scope project hinzu, um die Serverdefinition mit Ihrem Repository zu committen:

claude mcp add sqlite --scope project -- uvx mcp-server-sqlite --db-path ./dev.db

Dies erstellt .mcp.json im Projektstamm mit der Serverdefinition. Teamkollegen, die Claude Code im selben Repository ausführen, erhalten dasselbe Tool automatisch verfügbar – keine pro-Entwickler-Einrichtung über die Installation der Voraussetzungen hinaus.

Für benutzerbezogene Tools, die überall sinnvoll sind:

claude mcp add playwright --scope user -- npx -y @playwright/mcp@latest

Beliebte MCP-Plugins und ihre Funktionen

Das MCP-Ökosystem ist seit der Veröffentlichung des Protokolls durch Anthropic erheblich gewachsen. Einige Kategorien mit realer Nutzung:

Entwicklungswerkzeuge

Server Was es hinzufügt
@playwright/mcp Browser-Automation – Navigieren, Klicken, Extraieren, Screenshot
@modelcontextprotocol/server-git Commits, Diffs, Branches, Blame aus lokalen Repos lesen
@modelcontextprotocol/server-filesystem Bereichsbegrenzter Dateisystemzugriff – Lesen/Schreiben von Dateien in definierten Pfaden
mcp-server-sqlite SQLite-Datenbanken abfragen und inspizieren

Dienste und APIs

Server Was es hinzufügt
@linear/mcp-server Lineare Issues erstellen, lesen und aktualisieren
@sentry/mcp-server Sentry-Fehler und -Abläufe abfragen
@modelcontextprotocol/server-github GitHub-Repos, Issues, PRs und Codesuche
@notionhq/notion-mcp-server Notion-Seiten und -Datenbanken lesen und schreiben

KI und Code-Ausführung

Server Was es hinzufügt
Novita Sandbox MCP-Server Isolierte Python/Node-Ausführung in Cloud-Sandboxen
@modelcontextprotocol/server-memory Permanente Key-Value-Speicherung über Sitzungen hinweg

Diese sind über claude mcp add mit npx für npm-basierte Pakete oder uvx/pip für Python-Pakete installierbar.

Wie Claude Tool-Aufrufe zur Laufzeit routet

Claude ruft Tools nicht zufällig oder erschöpfend auf. Es überlegt, welches Tool (falls überhaupt) für jeden Schritt einer Aufgabe geeignet ist, basierend ausschließlich auf der Beschreibung des Tools.

Die Routing-Logik auf hoher Ebene:

  1. Zu Sitzungsbeginn fragt Claude alle registrierten Server ab und erstellt einen Tool-Katalog
  2. Für jede Benutzernachricht oder jeden Aufgabenschritt bewertet Claude, ob eine Tool-Beschreibung zu dem passt, was benötigt wird
  3. Wenn eine Übereinstimmung vielversprechend aussieht, konstruiert Claude einen Aufruf mit entsprechenden Argumenten basierend auf dem JSON-Schema des Tools
  4. Claude Code dispatches den Aufruf, wartet auf das Ergebniss und integriert es, bevor es mit dem nächsten Schrit fortfahrt

Eine Konsequenz: Tool-Beschreibungen sind lastragend. Eine vagBeeschreibung wie „ützliches Werkzeug" führt dazu, dass das Tool nie aufgerufen wird. Eine Beschreibung, die genau sagt, was das Tool tut, wann es aufgerufen werden soll und wie seine Eingaben und Ausgaben aussehen, führt zu genauen, zuverlässigen Aufrufen.

Wenn Sie Ihren eigenen MCP-Server bauen und Tools trotz Registrierung nicht aufgerufen werden, liegt das Problem fast immer an der Beschreibung – nicht an der Implementierung.

Claude kann auch Tool-Aufrufe innerhalb einer einzigen Runde verketten: eine Datei lesen, um den Kontext zu verstehen, nach einer Abhängigkeit suchen, einen Test ausführen, die Ausgabe überprüfen und eine Korrektur vorschlagen – jeder Schritt verwendet ein anderes Tool von einem potenziell anderen Server.

Plugin-Ausführung in einer Sandbox ausführen

Wenn Plugins Code ausführen – Python-Skripte, Shell-Befehle, Browser-Automation – birgt die Ausführung auf Ihrem lokalen Rechner Risiken. Ein Tool mit Dateisystemzugriff oder Prozess-Spawning hat eine breite Angriffsfläche, wenn es sich falsch verhält oder eine fehlerhafte Eingabeaufforderung erhält.

Novita Agent Sandbox adressiert dies, indem isolierte Cloud-Umgebungen für die Tool-Ausführung bereitgestellt werden. Anstatt Ihren MCP-Server lokal auszuführen, deployen Sie ihn in einer Sandbox-Instanz. Die Sandbox erhält ein eigenes Dateisystem, einen eigenen Netzwerkbereich und eigene Ressourcenlimits. Die Tool-Ausführung erfolgt innerhalb dieser Grenze, ohne das Host-System zu berühren.

Aus Clauudes Perspektive ist die Integration identisch – die Tool-Liste sieht gleich aus und Aufrufe funktionieren gleich. Der Unterschied liegt ausschließlich darin, wo die Ausführung stattfindet.

Wichtige Merkmale von Novita Sandbox für die MCP-Tool-Ausführung:

  • Schneller Start: Instanzen starten im Durchschnitt in unter ~200ms, was die Tool-Roundtrip-Latenz niedrig hält
  • Abrechnung pro Sekunde: Sie zahlen nur für aktive Ausführungszeit, nicht für Leerlauf-Reservierung
  • Isoliertes Dateisystem: Jede Sandbox-Instanz hat einen separaten Arbeitsbereich, der Cross-Session-Lecks verhindert
  • Konfigurierbarer Netzwerkbereich: Steuern Sie, welche externen Dienste das Tool erreichen kann

Um das Novita Sandbox SDK in einem MCP-Tool-Handler zu verwenden:

pip install novita-sandbox

from novita_sandbox.code_interpreter import Sandbox

def execute_code(code: str, api_key: str) -> dict:
    sandbox = Sandbox.create(
        template="code-interpreter-v1",
        api_key=api_key,
        domain="sandbox.novita.ai",
        timeout=300,
    )
    result = sandbox.run_code(code, language="python")
    sandbox.kill()
    return {
        "output": result.logs,
        "error": result.error,
    }

Die Vorlage code-interpreter-v1 wird mit pandas, numpy, matplotlib und anderen gängigen Paketen vorinstaliert. Für eine vollständige Anleitung siehe Einen Remote-Code-Ausführungs-MCP-Server mit Novita Sandbox und der mcp-use-Bibliothek erstellen.

Novita LLM API für Tool-Use-Überlegungen verweden

Claude Code handhabt Tool-Use-Überlegungen mit dem Modell, das als sein Backend konfiguriert ist. Wenn Sie Claude Code über einen alternativen Anbieter routen – aus Kost-, Latenz- oder Modellzugriffgründen – wird die Überlegungsschicht für Tool-Aufrufe auch über diesen Anbieter geleitet.

Novita LLM API stellt ein Anthropic-kompatibles Endpoint unter https://api.novita.ai/anthropic bereit. Konfigurieren Sie es einmal mit drei Umgebungsvariablen:

export ANTHROPIC_BASE_URL="https://api.novita.ai/anthropic"
export ANTHROPIC_AUTH_TOKEN="ihr-novita-api-schlüsel"
export ANTHROPIC_MODEL="qwen/qwen3-coder-480b-a35b-instuct"
export ANTHROPIC_SMALL_FAST_MODEL="deepseek/deepseek-v4-flash"

Mit diesr Einstellung funktionieren die MCP-Tool-Aufrufe von Claude Code genau wie zuvor. Das Routing betrifft, welches Modell die Überlegungen anstellt – nicht den Tool-Dispatch-Mechanismus, der auf der Claude Code-Ebene bleibt.

Modellauswahlen für tool-intensive Sitzungen:

  • Qwen3-Coder 480B – gut geeignet für langfristige Aufgaben, bei denen Claude viele Dateien lesen, eine mehrschrittige Sequenz planen und in jeder Phase Tools aufrufen muss. Seine lange Kontextverarbeitung hält frühere Tool-Ergebnisse während einer komplexen Sitzung zugänglich.
  • MiniMax M2.7 – optimiert für agentische Tool-Use-Genauigkeit, speziell entwickelt, um falsche Tool-Aufrufe zu reduzieren und mehrschrittige Sequenzen zu handhaben, bei denen jeder Schritt auf dem vorherigen Ergebnis aufbaut.
  • DeepSeek V4 Flash – schnell und günstig, eine gute Wahl für ANTHROPIC_SMALL_FAST_MODEL. Claude Code verwendet diesen Slot für Sitzungszusammenfassungen und Kontextkompression, die beide keine tiefgehenden Überlegungen erfordern.

Wenn Sie Ihren eigenen MCP-Host (anstelle von Claude Code) bauen, bietet die Novita LLM API auch einen OpenAI-kompatiblen Endpoint unter https://api.novita.ai/v3/openai für Modelle, die Function Calling unterstützen:

import openai

client = openai.OpenAI(
    base_url="https://api.novita.ai/v3/openai",
    api_key="ihr-novita-api-schlüssel",
)

response = client.chat.completions.create(
    model="meta-llama/llama-3.3-70b-instruct",
    messages=[{"role": "user", "content": "Verfügbare Tools auflisten und einen schnellen Check durchführen"}],
    tools=[
        {
            "type": "function",
            "function": {
                "name": "list_files",
                "description": "Listet Dateien im aktuellen Arbeitsverzeichnis auf.",
                "parameters": {
                    "type": "object",
                    "properties": {
                        "path": {
                            "type": "string",
                            "description": "Verzeichnispfad zum Auflisten."
                        }
                    },
                    "required": ["path"]
                }
            }
        }
    ],
    tool_choice="auto",
)

Dies ist besonders nützlich für Szenarien, in denen Sie ein Open-Weight-Modell als Überlegungsschicht in einer benutzerdefinierten MCP-Pipeline einsetzen möchten, mit anderen Kosten- oder Latenzmerkmalen als geschlossene Modelle.

Open-Weight-Modelle als alternatives Rückgrat

Eine wenig beachtete Option für MCP-intensive Claude Code-Workflows ist der vollständige Austausch des Standard-Claude-Modells durch ein leistungsfähiges Open-Weight-Alternativ. Modelle wie Qwen3-Coder, MiniMax M2.7 und DeepSeek V3.1 wurden speziell für Tool-Calling-Genauigkeit und mehrschrittiges Denken trainiert – in einigen Benchmarks übertreffen sie geschlossene Modelle bei Function-Calling-Aufgaben zu einem Bruchteil der Kosten.

Für Teams, die hochvolumige Agent-Sitzungen durchführen – CI-Pipelines, automatisierte Code-Reviews, Batch-Refactoring – ist der Kostenunterschied erheblich. Novita AI bietet Zugang zu diesen Modellen über denselben Anthropic-kompatiblen Endpoint, sodass der Wechsel eine Konfigurationsänderung ist, keine Code-Neuschreibung.

Tool-Beschreibungen schreiben, die funktionieren

Wenn Sie Ihren eigenen MCP-Server für Claude Code bauen, bestimmt die Qualität Ihrer Tool-Beschreibungen, ob Claude Ihre Tools effektiv einsetzt. Dies ist die einzelne Maßnahme mit der größten Hebelwirkung für einen benutzerdefinierten Server.

Eine Tool-Beschreibung, die funktioniert, beantwortet drei Fragen:

  1. Was macht das Tool? – konkret, nicht abstrakt
  2. Wann soll es aufgerufen werden? – das Szenario oder die Auslösebedingung
  3. Was sind die Ein- und Ausgaben? – genug, damit Claude korrekte Argumente konstruieren kann

Vergleichen Sie diese beiden Beschreibungen für dasselbe search_codebase-Tool:

Schlecht: "Durchsucht die Codebasis."

Effektiv: "Durchsucht Quelldateien im aktuellen Repository nach einem Symbol, String oder Regex-Muster. Rufe dies auf, wenn du herausfinden musst, wo eine Funktion definiert ist, alle Verwendungen einer Variable lokalisieren oder identifizieren möchtest, welche Dateien auf ein bestimmtes Modul verweisen. Gibt eine Liste von Dateipfaden mit übereinstimmenden Zeilen und Zeilennummern zurück."

Die zweite Beschreibung sagt Claude, wann das Tool aufgerufen werden soll (nicht nur, was es tut), was zu wesentlich genaueren und zeitnaheren Aufrufen führt.

Einige zusätzliche Praktiken:

  • Mutierende Tools klar kennzeichnen: Wenn ein Tool in eine Datenbank schreibt oder Code deployed, sagen Sie dies explizit. Claude wird vorsichtiger sein, es aufzurufen, ohne klare Hinweise, dass die Aktion beabsichtigt ist.
  • Rückgabeformen erklären: Wenn das Tool ein JSON-Objekt mit einer bestimmten Struktur zurückgibt, beschreiben Sie die Schlüsselfelder. Claude verwendet dies, um die richtigen Informationen für den nächsten Schritt zu extrahieren.
  • Bereiche eng halten: Ein Tool namens "run_anything", das beliebige Shell-Befehle akzeptiert, ist für Claude schwieriger zu durchdenken als "run_tests", das die Projekt-Testsuite ausführt. Enge Tools mit präzisen Beschreibungen funktionieren besser als breite Tools mit vagen Beschreibungen.

Fehlerbehebung bei häufigen Plugin-Problemen

Tool erscheint nicht nach claude mcp add

Überprüfen Sie, ob der Server-Befehl in einem frischen Terminal fehlerfrei läuft. Claude Code kann subprocess stderr unterdrücken. Führen Sie claude mcp list aus – wenn der Server ein Timeout oder einen Fehler anzeigt, schlägt der Befehl selbst fehl, nicht die Konfiguration.

Tools registriert, aber nie aufgerufen

Die Tool-Beschreibungen sind zu vage. Schreiben Sie sie um, um anzugeben, wann Claude das Tool aufrufen soll und was die Argumente bedeuten.

npx hängt beim ersten Ausführen

Fügen Sie das Flag -y hinzu, um die Installationsaufforderung automatisch zu akzeptieren: npx -y @paket/mcp-server. Ohne dieses Flag wartet npx auf eine Benutzerbestätigung und Claude Code sieht ein Verbindungs-Timeout.

Server in einem neuen Projekt nicht aktiv

Sie haben im Bereich local registriert und Claude Code aus einem anderen Verzeichnis gestartet. Fügen Sie es erneut mit --scope user für einen globalen Server hinzu oder führen Sie den add-Befehl aus dem korrekten Projektstamm aus.

Tool-Aufrufe schlagen mit Schema-Validierungsfehlern fehl

Claude konstruiert Argumente basierend auf dem JSON-Schema des Tools. Wenn erforderliche Felder im Schema fehlen oder die Typen nicht übereinstimmen, lehnt der Server den Aufruf ab. Überprüfen Sie Ihre inputSchema-Definition – unvollständige Schemas führen zu unvollständigen Aufrufargumenten.

Befehl claude mcp add nicht gefunden

Installieren Sie Claude Code: npm install -g @anthropic-ai/claude-code, dann überprüfen Sie mit claude --version.

FAQ

Hat Claude Code einen Plugin-Marktplatz?

Nicht im traditionellen Sinne. Claude Code verwendet das MCP-Protokoll anstelle eines plattformspezifischen Marktplatzes. Von der Community entwickelte MCP-Server werden auf npm, PyPI und GitHub veröffentlicht. Einige Aggregatoren pflegen kuratierte Listen, aber es gibt keinen offiziellen Claude Code-Marktplatz zum Durchstöbern.

Was ist die Dokumentation zu Claude Code-Plugins?

Die offizielle Dokumentation von Anthropic zur MCP-Integration von Claude Code befindet sich unter docs.anthropic.com/claude-code. Die MCP-Spezifikation selbst ist unter modelcontextprotocol.io zu finden. Dies sind die beiden Quellen, die Sie für autoritative Protokoll- und Implementierungsdetails heranziehen sollten.

Wie unterscheidet sich ein MCP-Server von einem Claude Code-Plugin?

Die Begriffe bezeichnen im Kontext von Claude Code dasselbe. Wenn Entwickler „Claude Code-Plugin" sagen, meinen sie in der Regel einen MCP-Server, der mit Claude Code verbunden ist. Das Wort „Plugin" ist nicht die offizielle Terminologie von Anthropic, aber das Konzept ist direkt übertragbar: einmal installieren, in jeder Sitzung verwenden, erweitert Claude’s Fähigkeiten um neue Tools.

Kann ich denselben MCP-Server in Claude Desktop und Claude Code verwenden?

Ja. Der Server ist protokollagnostisch – es ist ihm egal, welcher Host sich verbindet. Für stdio-Server können sowohl Claude Code (über claude mcp add) als auch Claude Desktop (über eine JSON-Konfigurationsdatei) denselben Befehl starten. Für HTTP-Server kann jeder Host, der die URL erreichen kann, eine Verbindung herstellen.

Wie viele MCP-Server kann ich registrieren?

Das MCP-Protokoll und Claude Code erzwingen keine harte Grenze. In der Praxis können viele Server mit Hunderten von Tools den Sitzungsstart verlangsamen (die Erkennung von Tools erfogt beim Start) und das Rauschen bei der Tool-Auswahl von Claude erhöhen. Halten Sie den aktiven Satz auf das konzentriert, was eine bestimmte Sitzung tatsächlich benötigt.

Gibt es Sicherheitsrisiken beim Hinzufügen von MCP-Plugins?

Ja. MCP-Server laufen als Prozesse mit den Berechtigungen, die sie für ihre Arbeit benötigen. Ein Server mit Dateisystemzugriff kann Dateien lesen oder schreiben; einer mit Shell-Ausführung kann beliebige Befehle ausführen. Fügen Sie nur Server hinzu, denen Sie vertrauen. Für Produktions- oder geteite Umgebungen erwägen Sie, Server in isolierten Umgebungen auszuführen – siehe den Sandbox-Abschnitt oben.

Unterstützen Open-Weight-Modelle MCP-Tool-Aufrufe?

Ja. Modelle, die Function Calling im Anthropic Message-API-Format implementieren, funktionieren mit der MCP-Ebene von Claude Code, unabhängig vom Anbieter. Qwen3-Coder, MiniMax M2.7 und DeepSeek V3.1 unterstützen alle strukturierte Tool-Aufrufe. Der Tool-Dispatch wird von Claude Code übernommen; das Modell muss nur gültige Tool-Aufrufanweisungen im erwarteten Format zurückgeben.

Empfohlene Artikel

Ähnliche Beiträge