Ask HN: Wer nutzt MCP in der Produktion?

Ask HN: Who is using MCP in production?

▲ 180sukit191 HN-Diskussion

Ich verfolge MCP seit der ersten Veröffentlichung. Es hat anfangs viel Aufmerksamkeit bekommen, aber ich bin nicht vielen Leuten begegnet, die es in der Produktion einsetzen. Vielleicht habe ich sie einfach übersehen. Wenn ihr MCP in der Produktion nutzt, wofür verwendet ihr es? Welche Vorteile habt ihr gegenüber einer normalen API, direkten Tool-Integration oder einfach CLI festgestellt?

Ich habe eines für ein KI-Tool verwendet, das es Menschen ermöglicht, Fehler/Feature-Anfragen direkt zu melden. Es durchsucht, um sicherzustellen, dass es kein Duplikat ist, schreibt das Ticket und reicht es dann ein. Da es ein Produktionstool ist, wollen wir das billigste mögliche, ohne zu ungenau zu sein. Wenn du eine API usw. verwendest, würdest du am Ende sowieso einen MCP-ähnlichen Adapter darauf aufbauen, damit es in natürlicher Sprache kommunizieren kann, anstatt sich mit JSON usw. zu befassen. Linears MCP ist auch sehr sauber und gut gestaltet, wahrscheinlich einer ihrer Kernvorteile gegenüber z.B. Jira. Ich wüsste nicht, wie die API aussieht, weil das MCP großartig funktioniert.
Wir haben es, ein frisches Tool, das kürzlich in Produktion gegangen ist. Es erleichtert die Kommunikation mit den App-Ressourcen. Und es ist ein standardisierter Weg für Agenten, mit einer entfernten Ressource zu sprechen, einfacher für sie zu verstehen, was verfügbar ist und wie man es nutzt. Lies mehr über MCP-Tools/Ressourcen/Prompts.
Ich finde CLIs oder direkte API-Aufrufe viel billiger und schneller. Das einzige MCP, das ich derzeit nutze, ist das Jira-MCP, nur weil ich es vor einiger Zeit eingerichtet habe und es schon lange dort ist.
Original lesen →RSS

HN-Diskussion

191
  1. cgarvis

    MCP ist für den Fall, dass dein Endnutzer (derjenige, der einen LLM-Agenten bedient) nicht technisch versiert ist. Die meisten nicht-technischen Leute werden kein CLI auf ihrem Computer installieren. Die meisten werden den LLM-Agenten nicht über ein Terminal bedienen.

    Es ist auch sehr hilfreich, wenn man Authentifizierung braucht. MCP OAuth mit CIMD macht es einfach, anstatt des umständlichen Prozesses der Generierung von API-Schlüsseln.

    Wenn du technisch versiert bist und bereits CLIs verwendest, bringt dir MCP nicht viel.

  2. Aldipower

    Wir verwenden MCP seit dem 26. März in der Produktion für nutzerseitige Ausdauersport-Analysen und -Planung, die direkt in den MCP-Host integriert ist, in diesem Fall die Chat-Oberflächen von ChatGPT, Claude, Grok, Perplexity.ai, Mistral, und so weiter. Alle diese erlauben es den Nutzern, entweder benutzerdefinierte MCP-Server hinzuzufügen, was die Nutzer mit einer einfachen Erklärung tun können. Um zum Beispiel Claude zu verbinden: https://www.tredict.com/faq/connect-claude-web-with-tredict/

    Auf diese Weise können Nutzer Claude verwenden, um Workouts zu erstellen und auf ihre Garmin-Geräte zu übertragen, basierend auf einer vorherigen Analyse.

    Wir haben auch eine ChatGPT-App, die MCP im Hintergrund nutzt: https://chatgpt.com/plugins/plugin_asdk_app_69aef5b699a08191...

    Der Punkt hier ist, dass MCP das Rückgrat hinter dem Produkt ist und es normalen Nutzern ermöglicht, Dinge zu tun, ohne etwas darüber zu wissen.

    Die ganze Diskussion "Ist MCP nutzlos?" ist aus der Perspektive eines normalen Verbrauchers völlig sinnlos, die wissen manchmal nicht einmal, was MCP ist. Die Tredict ChatGPT-App verbindet sich mit einem Klick und einem einfachen OAuth-Flow. Das ist alles.

  3. 5ersi

    MCPs verlieren etwas an Wert, weil KI-Agenten immer besser darin werden, APIs/CLIs zu nutzen. Zum Beispiel verwende ich gh cli über Claude anstelle ihres MCP, weil ich das CLI bereits eingerichtet hatte, also keine Notwendigkeit für MCP.

    MCPs können potenziell großen Wert haben, wenn sie mehrere Quellen durchqueren und Ergebnisse kombinieren. Zum Beispiel verwenden wir bei der Arbeit ein internes MCP für die Log-/Metrik-Suche über fünf verschiedene (Legacy-)Systeme. Es findet Korrelationen zwischen Ereignissen in verschiedenen Systemen innerhalb von Minuten.

  4. konart

    Mein Unternehmen (ich bin nicht Teil des Teams, das für irgendetwas KI-bezogenes verantwortlich ist) hat MCPs für Jira, Confluence, einen Mattermost-Fork und ein paar andere Integrationen.

    Ich habe keine Ahnung von der MCP-vs-API-Frage, aber ich habe immer angenommen, dass der ganze Sinn von MCP eine Abstraktion zwischen dem Modell und dem Werkzeug/Dienst ist.

    Das Modell muss also nicht unbedingt eine bestimmte API kennen (geschweige denn eine bestimmte Version davon), um mit einem Dienst zu arbeiten.

  5. throwup238

    Ich verwende MCP für zwei Arten von Dingen: solche, bei denen ich Zugriff auf den Speicher des Prozesses geben muss, wie einen MCP-Server, um eine Qt-GUI zu inspizieren, und solche, bei denen ich authentifizierten Zugriff auf meine Daten für ChatGPT/Claude-Web-/Mobile-Apps geben muss. Für diese Verwendungen wären CLIs in der Nutzung oder bei der Authentifizierung zu umständlich.

    Für Letzteres bedeutet Cloudflare Tunnels + Zero Trust + Github SSO, dass die Absicherung ziemlich einfach ist, und mit dem kürzlich erschienenen cf cli erledigt der Agent die ganze Arbeit. Ihre native Unterstützung für base64-codierte Bilder ist auch hilfreich, um das LLM zu "ermutigen", Dinge anzusehen, ohne ständiges Nachhaken.

  6. navigate8310

    Ich habe meine chinesischen Lehrbücher per OCR erfasst und einen zustandslosen MCP erstellt, der es mir ermöglicht, mein Chinesisch-Studium nur auf das Lehrbuch zu stützen. Damit kann ich ein Quiz starten, Unterschiede zwischen Wörtern mit ähnlicher Bedeutung verstehen, in dem Wissen, dass beim Wiederholen keine zusätzliche Grammatik einfließt. Ich verwende es speziell mit glm 5.3, da es das sprachspezifischste LLM ist, das Nuancen versteht.

    Hier ist das Repository: https://github.com/iodize6399/xuexi-keben

    Und hier ist der Server selbst: https://keben.555420.xyz

  7. MitziMoto

    Wir verwenden MCP in der Produktion für unsere kundenorientierten Sprachagenten. Unser benutzerdefinierter MCP-Server definiert Werkzeuge und Ressourcen, auf die die Sprachagenten zugreifen müssen, um mit unseren Kunden zu interagieren. (Z. B. Terminvereinbarung, Bestellstatusabfrage usw.)

    Jetzt können wir jede Sprachagenten-Plattform, die wir wählen -- eleven labs, vapi, pipecat, was auch immer -- auf unseren benutzerdefinierten MCP-Server richten, und sie versteht sofort die verfügbaren Werkzeuge, ihre Eingaben und wie man sie verwendet.

    Im Vergleich zu den Alternativen, die alle auf HN befürworten, wie CLIs und APIs, ist das eine einfache Entscheidung. Ich bin ehrlich gesagt nicht einmal sicher, was die realistische Alternative überhaupt wäre.

    Soll ich ein CLI an ElevenLabs paketieren und verteilen und sie bitten, es zu verwenden? Ihnen eine vollständige API-Spezifikation geben, die sie für mich implementieren?

    Ich gebe ihnen einen Endpunkt und Anmeldeinformationen, und ihre Plattform weiß sofort, wie sie mit meiner spricht. Niemand bei ElevenLabs kennt oder kümmert sich um unsere Implementierungsdetails.

    HN hat Schwierigkeiten, über den Anwendungsfall "Entwickler im Terminal, der mit Claude Code codiert" für die Nutzung von KI hinauszusehen. Echte Produktionsagenten haben sehr unterschiedliche Anwendungsfälle!

    Wenn man nicht jedes Stück einer Integration mit einem anderen System besitzt, braucht es einen klar definierten Standard. Das bietet MCP.

  8. cagz

    Ja, einige Verwendungen in der Produktion, Hauptanwendungsfall ist die Abstraktion des API-Zugriffs für Agenten. In unserem Fall sind dies meist interne MCP-Server, die speziell für den jeweiligen Agenten gebaut wurden.

    Warum MCP statt CLI oder Agent, der direkt auf die API zugreift?

    Direkter Zugriff (Curl/eigene kleine Funktion): Dies erfordert, dass der Agent ein vollständiges Verständnis der API-Spezifikation hat. Ja, der Kontext kann durch progressive Offenlegung geschützt werden, aber das bedeutet im Wesentlichen, dass der Agent die API immer wieder verstehen muss, vor jeder Verwendung in diesem Kontext. Außerdem kann eine typische API-Spezifikation agentenfreundlich sein oder auch nicht. Wenn es Nuancen beim Aufrufen eines Endpunkts gibt, wo bringen wir diese unter? In die OAS-Beschreibung? Funktioniert, ist aber umständlich.

    CLI: Es funktioniert wunderbar, besonders wenn bereits ein CLI eines Drittanbieters für ein komplexes Backend existiert. Setzt ein gut dokumentiertes, agentenfreundliches CLI voraus; die meisten CLIs sind für den menschlichen oder CI/CD-Konsum ausgelegt. Wenn man darüber spricht, dass MCP zu viel Kontext beansprucht, denke man an einen Agenten, der mit my_cli --help beginnt und sich durch die Schalter und Parameter einzeln durcharbeitet, um herauszufinden, wie das CLI aufgerufen werden sollte. Weniger ein Problem, wenn man ein bekanntes CLI aufruft (z. B. aws), aber alles Nischenhaftere (oder Benutzerdefinierte) erfordert mehrere Runden, um den endgültigen CLI-Befehl zusammenzustellen.

    MCP: Hat seine Probleme, bietet aber eine agenten-native Lösung. Alles, was der Agent über ein Werkzeug wissen muss, wird auf einmal verfügbar. In einer Unternehmensumgebung können MCPs über ein MCP-Gateway bereitgestellt werden, das Governance und Berechtigungsverwaltung bietet, das ist ziemlich konträr [...]

Mehr von diesem Tag

2026-09-04