Auf einen Blick

Inhalt des Kurses

1. Lektion 1: Warum Agenten Standards brauchen
2. Lektion 2: MCP im Detail: Architektur und Funktionsweise
3. Lektion 3: A2A Protocol: Wie Agenten untereinander sprechen
4. Lektion 4: Enterprise Use Cases und Architekturmuster
5. Lektion 5: Sicherheit, Governance und Compliance
6. Lektion 6: Implementierungsfahrplan und Ökosystem
7. Kurszusammenfassung

Kursinhalt

MCP und A2A: Agent-Protokolle für die Enterprise-Integration

Lektion 1: Warum Agenten Standards brauchen

Lernziel: Sie verstehen, warum proprietäre Schnittstellen für KI-Agenten gescheitert sind und welche Probleme offene Protokolle lösen.

Stellen Sie sich vor, jedes Smartphone bräuchte ein eigenes Ladekabel, jeder Drucker einen eigenen Anschluss und jede Datenbank eine komplett individuelle Anbindung. Genau so sah die Welt der KI-Agenten noch Anfang 2025 aus. Jeder Anbieter hatte sein eigenes Format, seine eigene API-Logik und seine eigenen Konventionen. Wer einen Agenten mit einer Datenbank verbinden wollte, musste individuelle Brücken bauen, API-Flows implementieren und Authentifizierung manuell konfigurieren. Das war teuer, fehleranfällig und skalierte nicht.

Das fundamentale Problem lag in der fehlenden Interoperabilität. Ein Agent von Anbieter A konnte nicht mit Werkzeugen von Anbieter B kommunizieren, ohne dass ein Entwicklerteam wochenlang Adapter schrieb. Für Unternehmen mit Dutzenden interner Systeme (CRM, ERP, DMS, Ticketing) wurde jede neue KI-Integration zum Projekt. Die Kosten pro Integration lagen typischerweise zwischen 15.000 und 80.000 Euro, je nach Komplexität.

Die Lösung kam aus zwei Richtungen gleichzeitig. Anthropic veröffentlichte Ende 2024 das Model Context Protocol (MCP), das standardisiert, wie Agenten auf Werkzeuge zugreifen. Google folgte im April 2025 mit dem Agent-to-Agent Protocol (A2A), das regelt, wie Agenten untereinander kommunizieren. Zusammen bilden sie das Fundament einer neuen Infrastruktur, die oft als "USB-C für KI" bezeichnet wird.

Praxistipp: Bevor Sie neue KI-Integrationen planen, prüfen Sie, ob Ihre Ziel-Systeme bereits MCP-Server anbieten. Die Wahrscheinlichkeit ist 2026 hoch: über 10.000 MCP-Server existieren bereits im Ökosystem.

Kernpunkte:

• Proprietäre KI-Integrationen skalieren nicht und erzeugen Vendor Lock-in
• MCP standardisiert Agent-zu-Tool-Kommunikation, A2A standardisiert Agent-zu-Agent-Kommunikation
• Beide Protokolle sind offen, modellunabhängig und von der Linux Foundation verwaltet

Lektion 2: MCP im Detail: Architektur und Funktionsweise

Lernziel: Sie können die technische Architektur von MCP erklären und wissen, wie Client, Server und Transport-Schicht zusammenspielen.

Das Model Context Protocol basiert auf einer klassischen Client-Server-Architektur, die über JSON-RPC 2.0 kommuniziert. Ein MCP-Client ist dabei die KI-Anwendung selbst (etwa Claude, ein Copilot oder ein eigener Agent), während der MCP-Server die Brücke zu einem externen System darstellt. Der Server abstrahiert die Komplexität des Zielsystems und stellt dem Agenten drei Arten von Funktionalitäten bereit: Tools (ausführbare Aktionen), Resources (lesbare Datenquellen) und Prompts (vorgefertigte Interaktionsmuster).

Die Kommunikation läuft zustandsbehaftet ab. Das bedeutet, der Server merkt sich den Kontext einer laufenden Sitzung. Wenn ein Agent beispielsweise zuerst eine Kundenliste abruft und dann Details zu einem bestimmten Kunden anfordert, kann der Server den Bezug herstellen. Die Transport-Schicht unterstützt zwei Modi: lokale Kommunikation über Standard-Ein- und Ausgabe (stdio) für Entwicklungsumgebungen, sowie HTTP-basierte Kommunikation für Produktionsumgebungen mit Load Balancern.

Ein konkretes Beispiel verdeutlicht den Ablauf. Ein Vertriebsagent soll einen neuen Kontakt im CRM anlegen. Der Agent formuliert die Absicht ("Erstelle einen Kontakt mit diesen Daten"), der MCP-Client übersetzt das in einen standardisierten Tool-Aufruf, der MCP-Server für das CRM-System prüft Berechtigungen, validiert die Daten und führt die Aktion im Zielsystem aus. Die Antwort fließt denselben Weg zurück.

Die Roadmap 2026 fokussiert vier strategische Bereiche: erstens die Evolution zu stateless HTTP-Transport für Cloud-native Skalierung, zweitens Enterprise-Authentication mit SSO und OAuth 2.1, drittens Multi-Agenten-Orchestrierung mit persistentem Gedächtnis, und viertens Governance-Strukturen durch die Linux Foundation.

Reflexionsfrage: In Ihrem Unternehmen gibt es vermutlich 5 bis 15 interne Systeme. Welche drei würden am meisten davon profitieren, wenn ein KI-Agent standardisiert darauf zugreifen könnte?

Kernpunkte:

• MCP nutzt JSON-RPC 2.0 mit Client-Server-Architektur und zustandsbehafteten Sessions
• Server bieten Tools (Aktionen), Resources (Daten) und Prompts (Interaktionsmuster)
• Transport über stdio (lokal) oder HTTP (Produktion) mit Cloud-nativer Skalierung ab 2026

Lektion 3: A2A Protocol: Wie Agenten untereinander sprechen

Lernziel: Sie verstehen die Funktionsweise von A2A, das Konzept der Agent Cards und die Unterschiede zu MCP.

Während MCP regelt, wie ein Agent auf Werkzeuge zugreift, löst das Agent-to-Agent Protocol (A2A) ein anderes Problem: Wie finden sich Agenten gegenseitig? Wie delegiert ein Agent eine Aufgabe an einen anderen? Und wie stellt man sicher, dass der empfangende Agent die nötigen Fähigkeiten hat?

Google hat A2A im April 2025 als offenes Protokoll veröffentlicht. Das zentrale Konzept sind sogenannte Agent Cards. Eine Agent Card ist ein maschinenlesbares Dokument, das beschreibt, was ein bestimmter Agent kann, welche Eingaben er erwartet und welche Ausgaben er liefert. Man kann sich das wie einen digitalen Lebenslauf für Agenten vorstellen. Wenn Agent A eine Aufgabe hat, die außerhalb seiner Kompetenzen liegt, sucht er über das A2A-Protokoll nach einem passenden Agent B, verifiziert dessen Fähigkeiten über die Agent Card und delegiert die Aufgabe.

Der Unterschied zu MCP ist fundamental: MCP ist vertikal (Agent greift auf Tool zu), A2A ist horizontal (Agent kommuniziert mit Agent). In der Praxis ergänzen sich beide Protokolle. Ein Orchestrator-Agent nutzt A2A, um Aufgaben an spezialisierte Agenten zu verteilen. Jeder spezialisierte Agent nutzt dann MCP, um auf seine jeweiligen Tools zuzugreifen.

Ein Praxisszenario: Ein Kunde schreibt an den Support. Der Support-Agent erkennt, dass eine technische Frage vorliegt, und delegiert über A2A an den Technik-Agenten. Dieser greift über MCP auf die Wissensdatenbank zu, löst das Problem und gibt die Antwort über A2A zurück an den Support-Agenten, der sie kundengerecht formuliert.

Praxistipp: Beim Design von Multi-Agenten-Systemen sollten Sie frühzeitig Agent Cards definieren. Beschreiben Sie für jeden Agenten klar: Welche Aufgaben übernimmt er? Welche Eingaben braucht er? Welche Qualitätsgarantien gibt er?

Kernpunkte:

• A2A ermöglicht Agent-Entdeckung, Fähigkeitsverifikation und sichere Aufgabendelegation
• Agent Cards sind maschinenlesbare Kompetenzprofile für Agenten
• MCP (vertikal: Agent→Tool) und A2A (horizontal: Agent→Agent) ergänzen sich

Lektion 4: Enterprise Use Cases und Architekturmuster

Lernziel: Sie können konkrete Einsatzszenarien für MCP und A2A in Unternehmen identifizieren und die passende Architektur wählen.

Die Kombination aus MCP und A2A eröffnet Unternehmen Architekturmuster, die vorher nur mit enormem Entwicklungsaufwand realisierbar waren. Drei Muster haben sich in der Praxis als besonders wirkungsvoll erwiesen.

Das erste Muster ist das Hub-and-Spoke-Modell. Ein zentraler Orchestrator-Agent empfängt alle Anfragen und delegiert über A2A an spezialisierte Agenten. Der CRM-Agent verwaltet Kundendaten, der Finanz-Agent prüft Budgets, der Compliance-Agent validiert regulatorische Anforderungen. Jeder Spoke-Agent nutzt MCP, um auf seine spezifischen Backend-Systeme zuzugreifen. Der Vorteil: klare Zuständigkeiten, einfache Erweiterbarkeit, zentrale Governance.

Das zweite Muster ist die FinOps-Automatisierung. KI-Agenten greifen über MCP auf Cloud-Metriken zu und führen automatisierte Kostenanalysen durch. Bei Anomalien (etwa ein plötzlicher Kostenanstieg eines Services) kann ein Agent eigenständig Alarme auslösen und über A2A den zuständigen DevOps-Agenten informieren, der eine Skalierungsanpassung vorschlägt.

Das dritte Muster ist der Agentic Support Workflow. Ein Support-Agent nimmt eine Kundenanfrage entgegen, ruft über MCP Kundendaten aus dem CRM ab, erkennt dass ein technisches Problem vorliegt, delegiert über A2A an einen Diagnose-Agenten, und erstellt am Ende automatisch ein Jira-Ticket mit allen relevanten Informationen. Die gesamte Kette läuft in einer einzigen Konversation ab.

Für die Governance dieser Architekturen hat sich das Prinzip "Policy-as-Code" bewährt. IT-Abteilungen definieren Regeln, welcher Agent auf welche Daten zugreifen darf. Diese Regeln werden als Code versioniert und automatisch durchgesetzt. Das löst das Problem der "Shadow AI", bei der Mitarbeitende unkontrolliert KI-Tools an der IT vorbei einsetzen.

Reflexionsfrage: Welches der drei Architekturmuster passt am besten zu den aktuellen Herausforderungen in Ihrem Unternehmen? Wo entstehen die meisten manuellen Übergaben zwischen Teams?

Kernpunkte:

• Hub-and-Spoke mit zentralem Orchestrator ist das verbreitetste Enterprise-Muster
• FinOps und Support sind die häufigsten ersten Use Cases für MCP+A2A
• Policy-as-Code ermöglicht zentrale Governance ohne Flexibilitätsverlust

Lektion 5: Sicherheit, Governance und Compliance

Lernziel: Sie kennen die Sicherheitsarchitektur von MCP/A2A und können Compliance-Anforderungen (DSGVO, EU AI Act) adressieren.

Mit der Mächtigkeit autonomer Agenten wächst die Verantwortung für Sicherheit und Kontrolle. Ein Agent, der über MCP auf ein CRM zugreift und über A2A Aufgaben delegiert, muss mindestens so streng kontrolliert werden wie ein menschlicher Mitarbeiter mit denselben Zugriffsrechten.

Die Sicherheitsarchitektur von MCP basiert auf dem Prinzip der minimalen Berechtigung. Ein MCP-Server definiert explizit, welche Tools ein Agent nutzen darf. Das sogenannte Context Partitioning stellt sicher, dass sensible Daten nur an autorisierte Agenten weitergegeben werden. Ab 2026 wird Enterprise-Managed Authentication (SSO, OAuth 2.1) zum Standard, sodass die bestehende Identitätsinfrastruktur eines Unternehmens genutzt werden kann.

Für A2A gilt zusätzlich das Vertrauensprinzip bei der Delegation. Bevor Agent A eine Aufgabe an Agent B delegiert, prüft er dessen Agent Card und verifiziert Berechtigungen. Eine Audit-Trail-Schicht protokolliert jede Delegation und jede Aktion. Das ist besonders relevant für den EU AI Act, der ab August 2026 für Hochrisiko-Anwendungen lückenlose Nachvollziehbarkeit fordert.

Für DSGVO-Compliance ist entscheidend, dass MCP-Server als Datenverarbeiter klassifiziert werden können. Das bedeutet: Sie brauchen einen Auftragsverarbeitungsvertrag (AVV), eine Datenschutz-Folgenabschätzung für sensible Datenflüsse und klare Löschkonzepte. Der Vorteil der Standardisierung: Diese Dokumentation muss nur einmal pro MCP-Server-Typ erstellt werden, nicht für jede individuelle Integration.

Praxistipp: Erstellen Sie eine "Agent Permission Matrix" analog zu Ihrer bestehenden Berechtigungsmatrix für Mitarbeitende. Definieren Sie pro Agent: Welche MCP-Server darf er nutzen? An welche Agenten darf er delegieren? Welche Datenklassen darf er verarbeiten?

Kernpunkte:

• Minimale Berechtigung und Context Partitioning sind die Grundprinzipien
• EU AI Act fordert ab August 2026 lückenlose Audit-Trails für Hochrisiko-Agenten
• Eine Agent Permission Matrix ist das zentrale Governance-Werkzeug

Lektion 6: Implementierungsfahrplan und Ökosystem

Lernziel: Sie können einen realistischen Einführungsplan für MCP/A2A in Ihrem Unternehmen erstellen und kennen das aktuelle Ökosystem.

Die Einführung von Agent-Protokollen in einem Unternehmen sollte iterativ erfolgen. Ein Dreiphasen-Ansatz hat sich bewährt, der innerhalb von drei bis sechs Monaten erste produktive Ergebnisse liefert.

In Phase 1 (Wochen 1 bis 4) wählen Sie einen einzelnen, gut begrenzten Use Case. Ideal ist ein internes Tool, das häufig manuell abgefragt wird, etwa eine Wissensdatenbank oder ein Ticketsystem. Sie installieren einen existierenden MCP-Server aus dem Ökosystem (über 10.000 sind verfügbar) und verbinden ihn mit einem einzelnen Agenten. Das Ziel: ein funktionierender Proof of Concept mit messbarem Zeitgewinn.

In Phase 2 (Wochen 5 bis 12) erweitern Sie auf drei bis fünf MCP-Server und führen einen zweiten Agenten ein. Jetzt kommt A2A ins Spiel: Die beiden Agenten können Aufgaben untereinander delegieren. Sie definieren Agent Cards, implementieren Berechtigungsregeln und richten Audit-Logging ein. Parallel schulen Sie das Team in der Nutzung und sammeln Feedback.

In Phase 3 (ab Woche 13) skalieren Sie auf die gesamte Abteilung oder Organisation. Sie führen einen Orchestrator-Agenten ein, der als zentrale Anlaufstelle dient. Die Governance-Schicht wird formalisiert (Policy-as-Code), Monitoring und Alerting werden eingerichtet. Ab diesem Punkt ist das System produktionsreif.

Das Ökosystem 2026 umfasst bereits MCP-Server für alle gängigen Unternehmensysteme: Salesforce, Jira, Confluence, Slack, GitHub, Google Workspace, SAP, und viele mehr. Die Community wächst schnell, mit durchschnittlich 500 neuen Servern pro Monat. Alle großen KI-Labore (Anthropic, OpenAI, Google) unterstützen MCP als Client, und die Linux Foundation sorgt für langfristige Governance.

Praxistipp: Starten Sie nicht mit dem komplexesten System. Wählen Sie für Phase 1 ein Tool, das häufig genutzt wird, aber geringe Sensibilität hat (z.B. eine FAQ-Datenbank). Der Lerneffekt ist derselbe, das Risiko minimal.

Kernpunkte:

• Dreiphasen-Ansatz: PoC (4 Wochen) → Erweiterung (8 Wochen) → Skalierung (offen)
• Über 10.000 MCP-Server existieren bereits für gängige Unternehmenssysteme
• Linux Foundation sichert langfristige Governance und Herstellerunabhängigkeit

Kurszusammenfassung

MCP und A2A sind die beiden offenen Protokolle, die KI-Agenten aus der Isolation befreien und in die Unternehmenslandschaft integrieren. In diesem Kurs haben Sie gelernt, warum proprietäre Schnittstellen gescheitert sind und offene Standards nötig wurden (Lektion 1), wie MCP technisch aufgebaut ist und wie Client, Server und Transport zusammenspielen (Lektion 2), wie A2A die Kommunikation zwischen Agenten ermöglicht (Lektion 3), welche Enterprise Use Cases und Architekturmuster sich bewähren (Lektion 4), wie Sicherheit und Compliance gewährleistet werden (Lektion 5) und wie Sie einen realistischen Implementierungsfahrplan erstellen (Lektion 6).

Die drei wichtigsten Erkenntnisse:

1. MCP verbindet Agenten mit Werkzeugen und Datenquellen, A2A verbindet Agenten untereinander. Zusammen bilden sie das Nervensystem einer KI-fähigen Organisation.
2. Sicherheit ist kein Nachgedanke: OAuth 2.1, Least-Privilege-Prinzip und die Anforderungen des EU AI Act müssen von Anfang an in die Architektur eingebaut werden.
3. Das Ökosystem ist bereits produktionsreif: Über 10.000 MCP-Server existieren für gängige Unternehmenssysteme, und die Linux Foundation sichert langfristige Governance.

Ihr nächster Schritt: Identifizieren Sie drei Datenquellen oder Tools in Ihrem Unternehmen, die Sie über MCP an einen KI-Agenten anbinden könnten. Starten Sie mit einem einfachen Proof of Concept in vier Wochen.