MCP-Server bewerten: Eine praktische Sicherheits-Checkliste

Warum Bewertung wichtig ist

Einen MCP-Server mit Ihrem KI-Assistenten zu verbinden ist nicht wie das Installieren einer normalen App. Der Server erhält Zugriff auf den Kontext Ihrer KI und potenziell auf Ihre Dateien, Datenbanken oder APIs. Ein schlecht geschriebener Server könnte Daten preisgeben. Ein bösartiger könnte Schlimmeres anrichten. Ein paar Minuten Bewertung vor der Installation sind eine angemessene Vorsichtsmaßnahme.

Es geht nicht um Paranoia, sondern darum, dieselbe Sorgfalt walten zu lassen, die Sie jeder Software-Abhängigkeit angedeihen lassen würden. Der Prozess muss nicht erschöpfend sein. Eine schnelle Beurteilung weniger Schlüsselfaktoren sagt viel.

Quelle und Autor prüfen

Beginnen Sie damit, wer den Server gemacht hat. Ist die Autorin eine Einzelentwicklerin, eine Organisation oder anonym? Pflegt sie weitere Projekte? Ein kurzer Blick auf das GitHub-Profil verrät, ob jemand eine Spur von gepflegter Software hinterlässt oder ob das hier das einzige Repository ist.

Sehen Sie sich das Repository selbst an. Wann war der letzte Commit? Wird auf Issues reagiert? Ein Server, der seit sechs Monaten nicht aktualisiert wurde, mag noch funktionieren, erhält aber keine Sicherheits- oder Kompatibilitätsupdates. Aktive Pflege ist eines der stärksten verfügbaren Qualitätssignale.

Wenn der Server unter einer Organisation veröffentlicht wird (etwa einem Unternehmen oder einem bekannten Open-Source-Projekt), kommt Verantwortlichkeit hinzu, die einzelne Repositories oft nicht haben.

Berechtigungen lesen

Bevor Sie installieren, verstehen Sie, was der Server tun kann. Die meisten MCP-Server beschreiben ihre Werkzeuge in einer README oder im Server-Manifest. Lesen Sie die Werkzeugliste durch und fragen Sie sich: Braucht dieser Server all diese Fähigkeiten für meinen Anwendungsfall?

Ein Dateisystem-Server, der Lese- und Schreibzugriff bietet, kann passend sein, wenn Sie beides brauchen. Wenn Sie nur lesen wollen, suchen Sie nach einer Lese-Alternative. Das Prinzip der minimalen Berechtigung gilt: Verbinden Sie nur die Fähigkeiten, die Sie wirklich brauchen.

Achten Sie besonders auf Werkzeuge, die Daten nach außen senden (HTTP-Anfragen, E-Mail, Messaging) oder Systemzustände verändern (Schreiben in Dateien, Datenbankmutationen, Konfigurationsänderungen). Diese tragen mehr Risiko als reine Lese-Werkzeuge.

Abhängigkeiten prüfen

Wie jede Software hängen MCP-Server von Bibliotheken ab, die Schwachstellen enthalten können. Bei einem npm-Paket lassen Sie nach der Installation npm audit laufen. Bei Python-Paketen erfüllen pip-audit oder safety check denselben Zweck.

Eine große Zahl an Abhängigkeiten ist nicht automatisch schlecht, doch jede Abhängigkeit ist ein potenzieller Angriffsvektor. Server mit minimalen Abhängigkeiten haben eine kleinere Angriffsfläche und sind leichter zu auditieren. Wenn ein Server für eine eigentlich einfache Integration von hunderten Paketen abhängt, lohnt das eine Rückfrage.

Erst isoliert testen

Wenn Sie einen unbekannten Server bewerten, erwägen Sie einen Test in einer isolierten Umgebung, bevor Sie ihn an Ihren primären KI-Assistenten anbinden. Lassen Sie ihn lokal laufen, ohne ihn mit sensiblen Datenquellen zu verbinden. Prüfen Sie, ob er sich wie beschrieben verhält und seine Werkzeuge tun, was sie versprechen.

Viele MCP-Clients erlauben das Verbinden mehrerer Server mit unterschiedlichen Vertrauensstufen. Sie könnten einen neuen Server mit verpflichtender Bestätigung für jeden Werkzeugaufruf laufen lassen, bis Sie mit seinem Verhalten vertraut sind.

Aggregierte Qualitätssignale nutzen

All diese Faktoren manuell für jeden Server zu prüfen ist mühsam. Genau hier verdienen Aggregationsplattformen ihren Platz. Plattformen, die Daten aus mehreren Verzeichnissen zusammenführen, Sicherheitsbewertungen aus Abhängigkeitsanalyse und Wartungsaktivität berechnen und Vertrauenssignale aus der Community sichtbar machen, komprimieren Stunden Arbeit auf Sekunden.

Eine Sicherheitsbewertung, die Code-Qualität, Abhängigkeits-Gesundheit, Autoren-Reputation und Community-Adoption berücksichtigt, gibt Ihnen einen schnellen Ausgangspunkt. Sie ersetzt kein Urteil, hilft aber, Server zu priorisieren, die einen genaueren Blick verdienen, und solche zu identifizieren, die Sie aufgrund ihrer Bilanz beruhigt installieren können.

Laufende Beobachtung

Bewertung ist kein einmaliges Ereignis. Der Server, den Sie vor drei Monaten installiert haben, kann sich seitdem verändert haben. Die Autorin könnte neue Fähigkeiten ergänzt, neue Abhängigkeiten eingeführt oder die Pflege beendet haben.

Halten Sie Ihre MCP-Server aktuell und prüfen Sie regelmäßig, welche Sie verbunden haben. Entfernen Sie nicht mehr genutzte Server. Achten Sie auf Sicherheitshinweise. Und beachten Sie unerwartete Verhaltensänderungen. Gute Werkzeughygiene ist eine fortlaufende Praxis, kein einmal abgehakter Punkt.

Weiterführende Lektüre

Stöbern Sie in MCP-Servern auf Skillful.sh. Finden Sie sicherheitsbewertete KI-Werkzeuge. Durchsuchen Sie über 137.000 KI-Werkzeuge auf Skillful.sh.