Zwei Ansätze für dasselbe Problem
Sowohl Function Calling als auch MCP existieren, weil KI-Modelle eine Möglichkeit benötigen, jenseits der Texterzeugung mit der Welt zu interagieren. Beide ermöglichen es Modellen, externe Operationen auszulösen, Ergebnisse zu erhalten und in Antworten zu nutzen. Sie nähern sich dem Problem aber aus unterschiedlichen Richtungen, und diese Richtungen zu kennen hilft Ihnen, die richtige für Ihre Lage zu wählen.
Wie Function Calling arbeitet
Function Calling ist eine API-seitige Funktion der Modellanbieter. Beim Senden einer Anfrage an Claude oder GPT-4 können Sie eine Liste von Werkzeugdefinitionen mitgeben. Jede Definition hat einen Namen, eine Beschreibung und ein Parameter-Schema. Das Modell entscheidet, ob es eines der definierten Werkzeuge aufruft, erzeugt die passenden Parameter, und Ihr Anwendungscode übernimmt die tatsächliche Ausführung.
Das Schlüsselmerkmal von Function Calling ist anwendungsgesteuert. Sie definieren pro Anfrage, welche Werkzeuge verfügbar sind. Sie führen sie aus. Sie reichen Ergebnisse zurück ans Modell. Der gesamte Ablauf ist von Ihrer Anwendungslogik gesteuert.
Das gibt Ihnen präzise Kontrolle. Sie wissen genau, welche Werkzeuge in jedem Kontext verfügbar sind. Sie implementieren eigene Sicherheitsprüfungen, Rate Limiting und Fehlerbehandlung. Das Modell interagiert nie direkt mit externen Systemen; Ihr Code vermittelt jede Interaktion.
Wie MCP arbeitet
MCP ist ein Standard auf Protokollebene. Statt Werkzeuge in jeder API-Anfrage zu definieren, werden sie von eigenständigen MCP-Servern bereitgestellt, mit denen sich kompatible Clients verbinden. Der Client entdeckt verfügbare Werkzeuge per Abfrage, und die Werkzeugausführung erfolgt über das Protokoll, nicht über Anwendungscode.
Das Schlüsselmerkmal von MCP ist serverseitig gesteuert. Der MCP-Server definiert, welche Werkzeuge verfügbar sind. Der Client (meist ein KI-Assistent wie Claude Desktop oder Cursor) verwaltet die Verbindung und legt Werkzeugaufrufe dem Nutzer zur Bestätigung vor.
Das gibt Ihnen Portabilität. Bauen Sie ein Werkzeug einmal als MCP-Server, läuft es mit jedem protokollkonformen Client. Nutzer können Server unterschiedlicher Anbieter mischen, ohne dass Sie eigenen Integrationscode schreiben müssen.
Wann Function Calling sinnvoll ist
Function Calling ist die richtige Wahl, wenn Sie eine bestimmte Anwendung mit klar umrissenen Werkzeugbedarfen bauen. Wenn Sie einen Kundenservice-Chatbot entwickeln, der Bestellstatus abfragen und Retouren bearbeiten soll, kennen Sie genau die nötigen Werkzeuge. Sie als Function Calls zu definieren gibt Ihnen volle Kontrolle.
Es ist auch sinnvoll, wenn Sie Werkzeugnutzung eng mit Ihrer Anwendungslogik verzahnen müssen. Vielleicht löst das Ergebnis eines Werkzeugaufrufs einen Seiteneffekt aus, oder Sie wollen Geschäftsregeln vor der Ausführung anwenden. Function Calling hält all das in Ihrem Anwendungscode, wo es leicht nachvollziehbar bleibt.
Auch hochfrequente Szenarien sprechen für Function Calling. Wenn Sie tausende Anfragen pro Minute mit denselben Werkzeugen verarbeiten, lohnt der Overhead von MCP-Verbindungen nicht. Function Calling lässt Sie Werkzeuge einmal definieren und über Anfragen hinweg wiederverwenden.
Wann MCP sinnvoll ist
MCP ist die richtige Wahl, wenn Endnutzer eigene Werkzeuge anbinden und konfigurieren sollen. Wenn Sie einen KI-Assistenten bauen, den verschiedene Nutzer mit verschiedenen Integrationen anpassen, lässt MCP jeden die Server verbinden, die er braucht, ohne dass Sie jedes mögliche Werkzeug vorhersehen müssen.
Es ist auch die richtige Wahl für Werkzeug-Hersteller, die maximale Reichweite wollen. Wenn Sie ein nützliches Werkzeug gebaut haben und es in Claude Desktop, Cursor, Windsurf und weiteren KI-Clients nutzbar sein soll, gibt Ihnen die Veröffentlichung als MCP-Server Kompatibilität mit allen über eine einzige Implementierung.
Und MCP glänzt in explorativen, interaktiven Anwendungsfällen, in denen die Reihenfolge der Werkzeugaufrufe nicht vorhersehbar ist. Wenn ein Nutzer eine KI bei einer Recherche-Aufgabe einbindet, kann sich die Werkzeugkombination mit jeder Konversation ändern. Eine Sammlung verbundener MCP-Server, aus denen das Modell bei Bedarf schöpft, ist praktischer als für jedes Szenario vorgegebene Werkzeuglisten.
Beide Ansätze gemeinsam
Diese Ansätze schließen einander nicht aus. Eine Anwendung kann Function Calling für Kernfunktionen nutzen und zugleich MCP-Verbindungen für Erweiterbarkeit unterstützen. Eine Entwicklungsumgebung kann einige Werkzeuge direkt definieren und andere von Nutzern über MCP-Server hinzufügen lassen.
Der richtige Ansatz hängt von Ihren Rahmenbedingungen ab. Kontrolle versus Flexibilität. Spezifität versus Portabilität. Anwendungslogik versus Nutzeranpassung. Die meisten realen Systeme werden mit zunehmender Reife des Ökosystems eine Kombination beider nutzen.
Weiterführende Lektüre
- Was das Model Context Protocol tatsächlich tut
- Wie sich MCP-Server von klassischen APIs unterscheiden
- Warum Open-Source-MCP-Server das Ökosystem prägen
- Warum die Qualität von MCP-Servern so stark schwankt (und wie Sie bewerten)
Stöbern Sie in MCP-Servern auf Skillful.sh. Durchsuchen Sie über 137.000 KI-Werkzeuge auf Skillful.sh.