KI
MCP-Server selbst bauen: Aufwand und Stolperstellen am Beispiel LinkedIn
Wie aufwendig ist es, einen MCP-Server selbst zu bauen? Wir haben es getan: Unser Server verbindet Claude mit LinkedIn, hat neun Werkzeuge und kommt mit 751 Zeilen JavaScript aus, ohne jede Bibliothek. Dieser Ratgeber geht durch den echten Aufbau: wie der Server mit der KI spricht, wie ein Werkzeug aussieht, welche Stolperstellen uns Zeit gekostet haben und welche Sicherungen wir eingebaut haben. Am Ende steht, wann sich ein eigener Server für deinen Betrieb lohnt und wann nicht. Was MCP ist, erklärt der Ratgeber [MCP einfach erklärt](/blog/ki-mit-firmendaten-verbinden-mcp). Hier geht es um die Praxis.

Das Wichtigste in Kürze
- Unser eigener MCP-Server für LinkedIn besteht aus vier Dateien mit zusammen 751 Zeilen JavaScript (Stand 12.11.2026) und läuft ohne Abhängigkeiten.
- Der Server selbst hat 322 Zeilen; davon ist die Kommunikation mit der KI nur ein kleiner Teil. Der Rest sind die neun Werkzeuge.
- Länger als der Code hat uns gekostet, was LinkedIn vorschreibt: getrennte Zugänge für Profil und Unternehmensseite, eine Freigabeprüfung der Schnittstelle und Sonderregeln beim Beitragstext.
- Ein Werkzeug, das eine KI aufrufen kann, ist nur so sicher, wie sein Code: Die Pflicht zur Bestätigung steht bei uns in der Werkzeugbeschreibung, die harte Sperre liegt im Veröffentlichungsskript.
- Selbst bauen lohnt sich, wenn es keinen fertigen Server gibt und die KI wiederholt dieselbe Aufgabe in einem Programm mit Schnittstelle erledigen soll.
Was würde das für deinen Betrieb kosten?
Zum AusprobierenSoftware-Demos zum AusprobierenNeun Musterfirmen, in denen du selbst klickst: bestellen, buchen, freigeben – und im Dashboard sehen, was beim Betrieb ankommt. Ohne Anmeldung.Alle Demos ansehen Was ein MCP-Server im Kern tut
Ein MCP-Server ist weniger Magie, als der Name klingt. Die MCP-Spezifikation beschreibt es für den einfachsten Fall so: Die KI-Anwendung startet den Server als Unterprogramm, schickt ihm Nachrichten über die Standardeingabe und liest die Antworten aus der Standardausgabe. Jede Nachricht ist eine Zeile im Format JSON-RPC. Mehr Transport braucht ein Server auf dem eigenen Rechner nicht.
Daraus folgt, was der Server leisten muss. Bei uns sind das vier Antworten, die zusammen nur ein paar Dutzend Zeilen füllen:
| Anfrage der KI | Was der Server antwortet | Zweck |
|---|---|---|
| initialize | Name, Version, „ich biete Werkzeuge an“ | Die beiden stellen sich vor |
| ping | Leere Antwort | Lebenszeichen |
| tools/list | Liste der Werkzeuge mit Name, Beschreibung und erlaubten Eingaben | Die KI erfährt, was sie tun darf |
| tools/call | Ergebnis des gewählten Werkzeugs oder eine Fehlermeldung | Die KI führt eine Aufgabe aus |
Wir haben diesen Teil von Hand geschrieben, ohne die fertigen Bibliotheken. Das geht, weil wir nur Werkzeuge anbieten und keine weiteren Funktionen des Standards. Wer mehr braucht, etwa Vorlagen oder Ressourcen, sollte die offiziellen Bibliotheken nehmen. Für „ein paar Werkzeuge für ein Programm“ reicht die Handarbeit und der Server bleibt ohne Abhängigkeiten, was Updates und Sicherheitsprüfungen einfacher macht.
Wie ein Werkzeug aufgebaut ist
Jedes Werkzeug besteht aus drei Teilen: einem Namen, einer Beschreibung für die KI samt Liste der Eingaben und der eigentlichen Funktion. Am Werkzeug „linkedin_create_post“ sieht man, wo die Arbeit steckt.
- Beschreibung und Eingaben: Die KI liest nur diesen Text, um zu entscheiden, wann sie das Werkzeug aufruft. Pflicht ist der Beitragstext, optional sind Absender, Bilder, Link und Sichtbarkeit.
- Absender auflösen: Ob ein Beitrag im Profil oder auf der Unternehmensseite erscheint, entscheidet der Server anhand der Kennung, nicht die KI.
- Bilder hochladen: LinkedIn nimmt Bilder nicht im Beitrag selbst entgegen, sie werden vorab hochgeladen und im Beitrag nur verlinkt.
- Beitrag senden: Ein einziger Aufruf der LinkedIn-Schnittstelle mit Text, Sichtbarkeit und Inhalt.
- Ergebnis zurückgeben: Die Kennung des Beitrags und der Link dazu, damit die KI dem Menschen etwas Prüfbares zeigen kann.
Die Beschreibung ist wichtiger, als sie aussieht. Bei „Beitrag veröffentlichen“ steht bei uns ausdrücklich: Der Beitrag ist sofort öffentlich, vorher Text und Absender vom Nutzer bestätigen lassen. Beim Löschen steht: nur nach ausdrücklicher Bestätigung. Das ist ein Hinweis an die KI, keine technische Sperre. Sie befolgt ihn in der Regel, verlassen sollte man sich darauf aber nicht allein.
Die neun Werkzeuge im Überblick
| Werkzeug | Aufgabe | Art |
|---|---|---|
| linkedin_status | Verbindung, Rechte, Laufzeit der Anmeldung prüfen | Lesen |
| linkedin_list_pages | Verwaltete Unternehmensseiten auflisten | Lesen |
| linkedin_list_posts | Letzte Beiträge von Profil oder Seite lesen | Lesen |
| linkedin_post_stats | Auswertung eines Beitrags | Lesen |
| linkedin_page_stats | Auswertung einer Unternehmensseite | Lesen |
| linkedin_create_post | Beitrag veröffentlichen, mit Bild oder Link | Schreiben, öffentlich |
| linkedin_update_page | Logo, Titelbild und Seitenfelder ändern | Schreiben |
| linkedin_delete_post | Beitrag endgültig löschen | Löschen |
| linkedin_api_request | Freier Aufruf der Schnittstelle für alles Übrige | Alles |
Fünf von neun Werkzeugen lesen nur. Das ist Absicht: Für die tägliche Arbeit, etwa „wie lief der letzte Beitrag?“, reichen Lesewerkzeuge, und sie können nichts kaputtmachen. Die vier übrigen sind der Teil, bei dem ein Mensch zustimmen sollte.
Das letzte Werkzeug ist ein Notausgang und zugleich unser größtes Risiko. Es lässt die KI jede Adresse der LinkedIn-Schnittstelle aufrufen. Wir haben es für Fälle eingebaut, die wir nicht vorhergesehen haben. Für einen Server in einem Betrieb mit Kundendaten würden wir ein solches Werkzeug weglassen: Je freier ein Werkzeug, desto weniger hilft die Begrenzung auf eine Aufgabe.
Was uns Zeit gekostet hat: die Stolperstellen
Die Stolperstellen lagen fast alle auf der Seite des Programms, an das wir andocken, nicht bei der Kommunikation mit der KI:
| Stolperstelle | Was passiert | Wie wir damit umgehen |
|---|---|---|
| Zwei Anmeldungen nötig | LinkedIn gibt die Schnittstelle für Unternehmensseiten nur an eine App ohne andere Produkte, das Profil läuft über eine zweite App | Der Server hält zwei getrennte Zugänge und wählt anhand der Kennung des Absenders den richtigen |
| Freigabeprüfung | Die Schnittstelle für Unternehmensseiten prüft LinkedIn vor der Freigabe; unser Antrag läuft seit 02.11.2026 (Stand 05.11.2026) | Bis dahin geht nur das Profil; der Fehler 403 für Seiten ist erwartet und kein Fehler im Code |
| Anmeldung läuft ab | Ohne die Freigabe läuft die Anmeldung nach 60 Tagen ab, eine automatische Verlängerung gibt es nicht | Ablaufdatum im Status-Werkzeug anzeigen; ein Mensch meldet sich neu an |
| Sonderzeichen im Beitragstext | LinkedIn behandelt Zeichen wie Klammern, Sternchen und Unterstriche als Steuerzeichen, der Text wird sonst abgeschnitten oder verändert | Eine kleine Funktion maskiert diese Zeichen vor dem Senden; Hashtags bleiben erhalten |
| Versionsnummer der Schnittstelle | LinkedIn verlangt bei jedem Aufruf eine Version; ältere Versionen laufen irgendwann aus | Die Version steht an einer Stelle im Code und lässt sich per Einstellung überschreiben |
| Unkodierte Klammern | An manchen Stellen verlangt die Schnittstelle Klammern im Pfad ohne Kodierung | Der Pfad wird bewusst nicht umkodiert; dafür prüft ein anderer Schutz, dass er nur auf LinkedIn zeigt |
Der Merksatz für eigene Projekte: Rechne die Zeit nicht nach den Werkzeugen, sondern nach den Regeln des Programms. Wer bekommt Zugang? Wie lange gilt eine Anmeldung? Was ist gar nicht freigegeben? Das klären wir im Check, bevor jemand eine Zeile schreibt. Bei LinkedIn wäre die Antwort auf „Unternehmensseiten anlegen“ ein klares Nein gewesen: Das geht über die Schnittstelle nicht, nur direkt auf linkedin.com.
Wie wir den Server absichern
Ein MCP-Server läuft mit deinen Zugangsdaten. Wer ihn steuert, kann alles tun, was diese Zugangsdaten erlauben. Das hat bei uns drei Folgen im Code:
- Zugangsdaten außerhalb des Projekts: Anmeldedaten und Token liegen in einem Ordner im Benutzerverzeichnis, mit Dateirechten nur für den Besitzer, und nie im Code-Archiv.
- Token nur an LinkedIn: Vor jedem Aufruf prüft der Server, ob der Pfad mit /rest/ oder /v2/ beginnt und keine Zeichen enthält, die den Zielserver ändern könnten. Sonst könnte ein manipulierter Pfad das Token an eine fremde Adresse schicken. Das gilt besonders für das freie Werkzeug.
- Fehler statt Absturz: Schlägt ein Aufruf fehl, bekommt die KI die Fehlermeldung als Text zurück, und der Server läuft weiter. Die KI kann dann erklären, was nicht ging.
Für das Veröffentlichen gibt es zusätzlich einen zweiten Weg ohne KI: ein Skript, das Beiträge aus einer Warteschlange sendet. Es nimmt nur Einträge mit dem Status „freigegeben“ und höchstens einen pro Lauf. Dort ist die Freigabe durch einen Menschen keine Bitte an die KI, sondern Voraussetzung im Code. Wer mit dem Server schreibend arbeitet, sollte denselben Gedanken übernehmen: Entwurf anlegen lassen, Freigabe und Versand getrennt halten.
Selbst bauen oder bauen lassen: wann lohnt sich was?
Wir bauen Server dieser Art, weil es unser Geschäft ist. Für einen Betrieb sieht die Rechnung anders aus. Eine Hilfe zur Entscheidung:
| Deine Lage | Empfehlung |
|---|---|
| Es gibt einen offiziellen MCP-Server deines Programms | Nutzen, Rechte einschränken. Selbst bauen lohnt nicht. |
| Keiner da, das Programm hat eine offene Schnittstelle, die KI soll eine feste Aufgabe wiederholt erledigen | Selbst bauen oder bauen lassen. Wenige Werkzeuge, zuerst nur lesend. |
| Du hast niemanden, der JavaScript oder Python liest und prüft | Bauen lassen, am besten mit Code, den du später ohne uns warten lassen kannst. |
| Das Programm ist alt und hat keine Schnittstelle | Erst klären, ob es einen Export oder Datenbankzugang gibt, sonst lohnt es nicht. |
| Es geht um Mandanten-, Patienten- oder Mitarbeiterdaten | Vorher Datenschutz klären (Auftragsverarbeitung, Tarif, Speicherort), dann bauen. |
Was ein eigener Server kostet, hängt an den Regeln des Zielprogramms, nicht an der Zahl der Werkzeuge. Einen Listenpreis dafür gibt es bei uns nicht. Als Orientierung kostet eine Schnittstelle zu einem Programm bei TasWiq 1.490 € als Zusatz oder 109 € im Monat zur Miete (Stand November 2026); den Festpreis nennen wir nach einem kostenlosen Check. Wie die Kosten und Grenzen im Betrieb aussehen, steht im Pillar-Ratgeber zu MCP. Wie MCP in ein Gesamtbild aus mehreren Programmen passt, zeigt Programme verbinden.
Das Ergebnis eines solchen Projekts ist ein Anschluss, über den deine KI ein Programm abfragen kann, das sie vorher nicht kannte. Wie weit das über einzelne Aufgaben hinaus Arbeit abnimmt, ist die Frage nach KI-Agenten. Dazu der Ratgeber KI-Agenten im Unternehmen. Mehr zu unserer Arbeit an KI-Anbindungen findest du auf der Seite KI-Automatisierung für Unternehmen.
Häufige Fragen
Wie lange dauert es, einen MCP-Server selbst zu bauen?
Der Code für wenige Werkzeuge ist überschaubar. Bei uns war nicht er der Engpass, sondern die Regeln von LinkedIn: getrennte Zugänge, eine Freigabeprüfung der Schnittstelle und Sonderregeln für den Beitragstext. Eine feste Dauer lässt sich erst nennen, wenn klar ist, was das Zielprogramm erlaubt.
Braucht man eine Bibliothek, um einen MCP-Server zu bauen?
Nein. Unser Server kommt ohne aus: Er liest Zeilen im Format JSON-RPC von der Standardeingabe und beantwortet vier Anfragen. Für mehr als Werkzeuge, etwa Vorlagen oder Ressourcen, lohnen sich die offiziellen Bibliotheken.
Welche Programmiersprache eignet sich für einen MCP-Server?
Jede, die Text lesen, schreiben und das Programm per Schnittstelle ansprechen kann. Wir haben JavaScript auf Node.js genommen. Entscheidend ist eher, dass jemand im Betrieb den Code lesen und prüfen kann.
Kann die KI mit einem MCP-Server etwas Unerwünschtes tun?
Nur das, was die Werkzeuge erlauben. Deshalb gilt: je weniger und je enger die Werkzeuge, desto sicherer. Schreibende und löschende Werkzeuge sollten eine Bestätigung verlangen, und ein freies Werkzeug für beliebige Aufrufe würden wir bei Kundendaten weglassen.
Lohnt sich ein eigener MCP-Server für einen kleinen Betrieb?
Dann, wenn es keinen fertigen Server gibt und die KI regelmäßig dieselbe Aufgabe in einem Programm mit Schnittstelle erledigen soll. Gibt es einen offiziellen Server, nimm den. Hat das Programm keine Schnittstelle, klärt zuerst ein Check, ob sich der Aufwand lohnt.


