Das Model Context Protocol (MCP) ist eine universelle Schnittstelle für die Anbindung von KI-Modellen an externe Datenquellen. Mit dem moinAI MCP-Server wird die moinAI Knowledge Base nahtlos mit externen KI-Anwendungen verknüpft. Dies ermöglicht die Nutzung und Verwaltung der Knowledge Base direkt in anderen KI-Umgebungen, wodurch eine individuelle Programmierung von Schnittstellen entfällt.
1. Funktionsweise
Der moinAI MCP-Server fungiert als Brücke zwischen der moinAI-Plattform und externen KI-Infrastrukturen. Durch diese Integration lassen sich Wissensinhalte automatisiert abrufen und verwalten. So lässt sich Unternehmenswissen dynamisch in externe Arbeitsabläufe einbinden und die Pflege von Inhalten effizient automatisieren.
Der Ablauf im Überblick: In der eigenen KI-Umgebung, etwa Claude oder Cursor, wird eine Anfrage gestellt, zum Beispiel „Haben wir Wissen zum Thema Retouren hinterlegt?“. Der MCP-Client der KI-Umgebung leitet sie an den moinAI MCP-Server weiter. Dieser führt den passenden Befehl in der Knowledge Base aus: Inhalte abfragen (query), aktualisieren (update) oder löschen (delete). Das Ergebnis geht auf demselben Weg zurück.
Vorteile des MCP-Servers
-
Zentrales Wissensmanagement: Externe KI-Anwendungen greifen immer auf den aktuellen Stand der moinAI Knowledge Base zu, was die Konsistenz der Informationen sichert.
-
Effiziente Steuerung: Inhalte können direkt aus der externen Arbeitsumgebung heraus erstellt, aktualisiert oder gelöscht werden, ohne zwischen verschiedenen Tools wechseln zu müssen.
-
Automatisierung von Workflows: Durch den standardisierten Zugriff lassen sich Wissensabfragen direkt in automatisierte Prozesse integrieren.
Inhalt des Videos: In einer internen Unternehmens-KI wird gefragt: „Haben wir Wissen zum Thema Retouren hinterlegt?“ Der moinAI MCP-Server sendet daraufhin eine Abfrage (query) an die Knowledge Base und findet die Retourenbestimmungen. Die KI antwortet mit den hinterlegten Regeln. Anschließend zeigt das Video Beispiele für die drei Befehlsarten: abfragen (query), löschen (delete) und aktualisieren (update).
2. Anwendungsszenarien
Die Nutzung der Werkzeuge ermöglicht eine effiziente Verwaltung und Nutzung von Wissen über Systemgrenzen hinweg:
-
Zentrales Wissensmanagement (
queryKnowledgebase): Bei der Bearbeitung komplexer Aufgaben in einer externen KI-Umgebung dient dieses Werkzeug dazu, die moinAI Knowledge Base als verifizierte Datenquelle („Single Source of Truth“) einzubeziehen. -
Automatisierte Wissenserweiterung (
createArticle): Neue Erkenntnisse oder generierte Texte können ohne manuellen Aufwand direkt als Entwurf in der moinAI Knowledge Base gespeichert werden, was den Redaktionsprozess beschleunigt. -
Effiziente Qualitätssicherung (
retrieveArticles&updateArticle): Durch den Abruf von Artikelgruppen lassen sich Inhalte systematisch prüfen. Korrekturen oder die Anpassung von Begrifflichkeiten erfolgen direkt über die Schnittstelle für mehrere Artikel gleichzeitig. -
Lifecycle-Management (
deleteArticle): Veraltete Informationen oder zeitlich begrenzte Kampagneninhalte lassen sich automatisiert entfernen, um die Knowledge Base aktuell zu halten.
Löschvorgänge über das Werkzeug deleteArticle sind permanent. Es erfolgt keine zusätzliche Sicherheitsabfrage innerhalb des Hubs, da der Befehl direkt über die Schnittstelle autorisiert wird. Die Arbeit mit Schnittstellen erfordert daher besondere Sorgfalt im Umgang mit Zugangsdaten und Datenintegrität.
3. Befehle und Werkzeuge
Über die Schnittstelle können verschiedene Aktionen direkt per Prompt oder über automatisierte Befehle ausgeführt werden.
| Werkzeug | Beschreibung |
queryKnowledgebase |
Durchsucht die moinAI Knowledge Base nach relevanten Inhalten. |
createArticle |
Erstellt einen neuen Artikel direkt in der moinAI Knowledge Base. |
retrieveArticles |
Ruft bestehende Artikel basierend auf Filterkriterien ab. |
updateArticle |
Aktualisiert bestehende Inhalte innerhalb der Knowledge Base. |
deleteArticle |
Entfernt Artikel dauerhaft aus der moinAI-Umgebung. |
4. Einrichtung des moinAI MCP-Servers
Voraussetzungen
-
Eine installierte Version von Node.js auf dem lokalen System
-
Ein kompatibler MCP-Host (z. B. Claude Desktop, Cursor oder eine eigene LLM-Umgebung)
Die Anbindung erfolgt über den moinAI Hub sowie die Konfiguration des entsprechenden MCP-Hosts.
-
Den API-Key im Hub unter Bot Einstellungen > API-Einstellungen aufrufen. Über den Button API-Key generieren wird ein neuer Key erstellt, der anschließend kopiert wird. Bei Bedarf oder Verdacht auf Missbrauch kann über den Button API-Key neu generieren ein neuer erstellt werden. Über das Mülleimer-Symbol werden API-Keys unwiderruflich gelöscht.
-
Innerhalb der Einstellungen der externen KI-Anwendung wird der moinAI MCP-Server über den Befehl
npxhinzugefügt. Der zuvor kopierte API-Key muss dabei zwingend als Umgebungsvariable (MOIN_AI_API_KEY) hinterlegt werden. -
Nach dem Speichern der Konfiguration ist der Zugriff auf die Knowledge Base innerhalb der externen Anwendung aktiv.
Detaillierte technische Spezifikationen sowie Beispiele für die Integration in verschiedene Umgebungen sind in der offiziellen Dokumentation auf GitHub hinterlegt.
Der API-Key gewährt weitreichenden Zugriff auf die Knowledge Base. Dieser darf niemals öffentlich (z. B. in öffentlichen Repositories) geteilt werden. Bei Verdacht auf Missbrauch sollte der Key umgehend im Hub unter Bot Einstellungen > API-Einstellungen unwiderruflich gelöscht und neu generiert werden. Mit dem Löschen verlieren alle Dienste, die diesen Schlüssel verwenden, sofort ihre Funktionsfähigkeit.
5. Best Practices
Um die bestmögliche Qualität und Sicherheit bei der Nutzung des moinAI MCP-Servers zu gewährleisten, empfiehlt sich die Einhaltung folgender Punkte.
-
Eindeutige Artikelbenennung: Bei der automatisierten Erstellung von Artikeln über
createArticlesollte auf prägnante und eindeutige Titel geachtet werden. Dies erleichtert die spätere Auffindbarkeit sowohl für menschliche Redakteur:innen als auch für die KI. -
Regelmäßige Audits: Die Nutzung von
retrieveArticlesin Kombination mit externen Skripten ermöglicht regelmäßige Überprüfungen der Knowledge Base auf veraltete Begriffe oder abgelaufene Angebote. -
Testumgebungen nutzen: Bevor automatisierte Lösch- oder Aktualisierungsprozesse auf die gesamte Knowledge Base angewendet werden, sollte die Funktionsweise mit einzelnen Testartikeln verifiziert werden.