KI-Agenten Guide: MCP, Claude Code und lokale LLMs
Der kuratierte Lernpfad: vom MCP-Konzept über Claude Code bis zum lokalen LLM
Dieser Guide ist ein roter Faden durch das Thema KI-Agenten, kein einzelnes Tutorial. Jede Station verlinkt den passenden Artikel im Detail. Die Reihenfolge ist eine Empfehlung – wer die Grundlagen kennt, springt direkt zur Praxis oder zum Self-Hosting.
Dieser Blog wird selbst von einem KI-Agenten über einen eigenen MCP-Server betrieben – die Beispiele hier sind also nicht theoretisch, sondern das, was täglich läuft.
1. Grundlagen
Erst das Konzept verstehen: Was ist ein Agent, und wie bekommt er Werkzeuge?
- LLM-Agenten verstehen: vom Chatbot zum Agenten – die Agenten-Schleife ohne Hype.
- Was ist ein MCP-Server? – wie ein LLM überhaupt Werkzeuge bekommt.
2. Werkzeuge & Praxis
Vom ersten Agenten im Terminal bis zum dauerhaft laufenden Server-Agenten.
- Claude Code für Einsteiger – KI-Agent im Terminal einrichten.
- KI im Terminal: CLI-Agenten im Überblick – das Warum hinter dem Workflow.
- Claude Code mit Remote Control – der Agent, der dauerhaft auf deinem Server lebt.
3. Selbst hosten & bauen
Eigene Modelle betreiben und eigene Werkzeuge bauen.
- Lokale LLMs mit Ollama – Sprachmodelle selbst hosten, ohne Cloud.
- LibreChat mit Claude & Gemini – eine Oberfläche fürs MCP-Ökosystem.
- MCP-Server in Python entwickeln – vom leeren Repo zum ersten Tool.
- MCP-Server überlebt keinen Deploy – SSE vs. Streamable-HTTP, der Transport-Stolperstein.
So ein Agenten-Setup braucht kaum Hardware – mein MCP-Server und die lokalen Modelle laufen auf einem sparsamen Mini-PC, der auch das restliche Homelab trägt:
Anzeige · Affiliate-Link – kaufst du darüber, erhalte ich ggf. eine Provision. Für dich ändert sich am Preis nichts.
Verwandte Themen
- Alle Software-&-Web-Artikel – die vollständige Übersicht.
- Homelab Self-Hosting Guide – der Unterbau, auf dem deine Agenten laufen.