10. Juli 2026
Bevor Sie einen KI-Agenten erstellen, entscheiden Sie sich für ein Protokoll, nicht für ein Framework
Einen KI-Agenten erstellen heißt zuerst, sich für MCP und A2A zu entscheiden, nicht für ein Low-Code-Tool. Die Protokollwahl bestimmt, wie viele Modelle Sie später wechseln können.
Die meisten Anleitungen zum Thema KI-Agent erstellen beginnen mit einer Werkzeugfrage: n8n, Copilot Studio oder ein Python-Framework. Das ist die falsche erste Entscheidung. Die Frage, die bestimmt, wie teuer eine spätere Änderung wird, ist nicht das Werkzeug, sondern das Protokoll, über das der Agent mit Werkzeugen und anderen Agenten spricht.
MCP entscheidet, welche Werkzeuge der Agent überhaupt sehen kann
Das Model Context Protocol, kurz MCP, standardisiert, wie ein Agent auf Daten und Werkzeuge zugreift. Ohne diesen Standard baut jedes Team seine eigene Integration zu jedem System, mit dem der Agent sprechen soll, und jede dieser Integrationen bricht separat, wenn sich das System ändert. Mit einem eigenen MCP-Server pro System, etwa für SAP-Stammdaten oder ein internes Ticketsystem, bauen Sie diese Integration einmal, und jeder Agent, der später entsteht, kann sie wiederverwenden. Diese Entscheidung trifft man am Anfang des Projekts, nicht nachträglich, weil die Werkzeug-Anbindung sonst zum Flickenteppich wird, den niemand mehr überblickt.
A2A entscheidet, ob Agenten tatsächlich zusammenarbeiten können
Ein einzelner Agent, der eine Aufgabe von Anfang bis Ende bearbeitet, stößt schnell an Grenzen. Sinnvoller ist oft eine Aufteilung: ein Agent prüft eine eingehende Bestellung, ein zweiter gleicht sie gegen SAP-Stammdaten ab, ein dritter eskaliert Abweichungen an einen Menschen. Das Agent2Agent-Protokoll, kurz A2A, regelt, wie diese Agenten Aufgaben übergeben, ohne dass jede Übergabe eine individuelle Schnittstelle braucht. Ohne A2A landet dieselbe Aufteilung meist als eng verdrahteter Code, der bei jeder Änderung der Ablauflogik neu geschrieben werden muss.
Warum die Modellwahl zweitrangig ist
Ein Agent, der direkt gegen die API eines einzelnen Modellanbieters gebaut wird, bindet das gesamte System an dessen Preis- und Verfügbarkeitsentscheidungen. Baut man stattdessen auf Microsofts Agent Framework mit MCP und A2A als Protokollschicht, lässt sich die Orchestrierung über mehrere Modelle hinweg führen, etwa Claude für Textverständnis, GPT für Codegenerierung und Gemini für ein spezifisches Multimodal-Szenario, ohne dass der Rest der Architektur davon betroffen ist. Welches Modell heute die beste Antwort liefert, ändert sich. Welches Protokoll Ihre Werkzeuge und Agenten verbindet, sollte es nicht.
Der Anschluss an die Governance-Frage
Ein Agent, der Aufgaben eigenständig übergibt und Entscheidungen trifft, bewegt sich in Richtung der Automatisierungsagenten, die in unserem Beitrag zur Agenten-Taxonomie beschrieben sind, und damit potenziell in Anhang-III-Territorium der KI-Verordnung. Diese Einordnung sollte feststehen, bevor der Agent in Produktion geht, nicht danach. Ein AI Discovery Sprint bewertet, welche Agenten-Idee das Aufwand-Nutzen-Verhältnis rechtfertigt und wie sie einzustufen ist. Der AI Use-Case Build setzt die Architektur mit MCP und A2A um, sobald die Entscheidung gefallen ist.