Blank white background with no objects or features visible.

Hallo EMEA! TrueFoundry baut seine Präsenz in Europa, dem Nahen Osten und Afrika weiter aus. Mehr erfahren. →

MCP-Sicherheitsrisiken & Best Practices in 2026

von Ashish Dubey

Aktualisiert: November 20, 2026

Published: Mai 4, 2026

TrueFoundry effectively handles MCP security risks

Als Anthropic Ende 2024 das Model Context Protocol verlinkte, löste dies ein reales Problem. Anstatt für jedes Tool, das ein AI-Agent nutzen musste, benutzerdefinierten Integrationscode zu schreiben, konnten Teams Agenten über eine standardisierte Schnittstelle mit Datenbanken, APIs und internen Systemen verbinden. Die Einführungsrate war hoch. Bis 2025 wurden Zehntausende von MCP-Servern in Unternehmensumgebungen bereitgestellt.

Doch die Geschwindigkeit der Einführungsrate offenbarte eine Lücke, auf die die meisten Unternehmen nicht vorbereitet waren: MCP wurde entwickelt, um AI-Agenten leistungsfähiger zu machen. Es wurde nicht mit Enterprise-Sicherheit als Grundprinzip konzipiert. Die ursprüngliche Spezifikation wurde ohne ein obligatorisches Authentifizierungs-Framework ausgeliefert. Das implizite Vertrauensmodell ging davon aus, dass MCP-Server harmlos seien. Und die Tools, die diese Server bereitstellten, wurden als Ergebnisse gutmütiger Systeme behandelt, nicht als neue Angriffsfläche.

Sicherheitsforscher dokumentierten die Konsequenzen schnell. CVE-2025-49596 mit einem CVSS-Score von 9,4 zeigte, dass nicht authentifizierte MCP Inspector-Instanzen ausgenutzt werden konnten, um beliebige Befehle auszuführen. Invariant Labs demonstrierte, dass ein bösartiger MCP-Server lautlos einen gesamten WhatsApp-Nachrichtenverlauf exfiltrieren konnte. Der Supabase Cursor-Agenten-Vorfall im Juni 2025 zeigte, wie ein privilegierter Agent, der von Benutzern bereitgestellte Support-Tickets verarbeitete, durch Prompt Injection dazu verleitet werden konnte, Integrations-Tokens leckzuschlagen.

Dies sind keine Einzelfälle aus schlecht gebauten Experimenten. Sie geschahen in realen Produktionssystemen, weil die Architektur von MCP Angriffsflächen schafft, für deren Erkennung traditionelle Sicherheits-Tools nicht gebaut wurden. 

Dieser Artikel behandelt die spezifischen MCP-Sicherheitsrisiken, mit denen Unternehmen konfrontiert sind, die Sicherheitskontrollen, die diese Risiken adressieren, und warum der Ansatz, den Sie zur Durchsetzung dieser Kontrollen nutzen, genauso wichtig ist wie die Kontrollen selbst.

Ihre AI-Agenten haben Zugriff auf alles – gilt das auch für Ihre Sicherheit?

TrueFoundry setzt identitätsbezogene Ausführung und granulares RBAC innerhalb Ihrer privaten Cloud-Umgebung durch.

Die Top 5 MCP-Sicherheitsrisiken für Unternehmen

Dies sind die fünf MCP-Sicherheitsrisiken, die bei MCP-Deployments am häufigsten auftreten.

Überprivilegierter Agentenzugriff

Wenn ein Entwickler einen AI-Agenten erstmals mit Unternehmenssystemen verbindet, greift er typischerweise auf Zugangsdaten zurück, auf die er bereits Zugriff hat – oft API-Keys auf Admin-Ebene oder Service-Accounts mit umfassenden Berechtigungen. Der Grund dafür ist, dass der Agent funktionieren soll, ohne dass während der Entwicklung Autorisierungsfehler auftreten. Das Problem ist, dass diese umfassenden Berechtigungen selten eingeschränkt werden, bevor der Agent in die Produktion geht.

Das OWASP MCP Top 10-Projekt, das speziell zur Verfolgung von MCP-Schwachstellen ins Leben gerufen wurde, identifiziert überprivilegierten Zugriff als fundamentales Risiko. Wenn ein Kundensupport-Agent dieselben Zugangsdaten wie ein Datenbankadministrator besitzt, legt ein einzelner erfolgreicher Angriff auf diesen Agenten nicht nur eine Support-Warteschlange offen. Er legt die Datenbank offen. Der Schadensradius einer Kompromittierung skaliert direkt damit, wie viel Zugriff dem Agenten gewährt wurde.

Dies ist keine theoretische Sorge. Der Supabase-Vorfall betraf einen Agenten, der mit privilegiertem Service-Role-Zugriff lief und Eingaben verarbeitete, die vom Angreifer kontrollierte Inhalte enthielten. Das Privilegien-Level hat den Angriff erst möglich gemacht. Ein Agent, der auf Lesezugriff für Support-Daten beschränkt gewesen wäre, hätte nicht über die Zugangsdaten verfügt, um Integrations-Tokens zu exfiltrieren.

Prompt Injection durch externe Inhalte

Prompt Injection ist die Nummer eins der Schwachstellen in den OWASP Top 10 für LLM-Anwendungen 2025, und sie nimmt in MCP-Umgebungen einen anderen Charakter an als bei einfachen Chatbot-Deployments. Wenn ein Agent die Möglichkeit hat, Aktionen auszuführen, erzeugt eine erfolgreiche Injection nicht nur eine schlechte Ausgabe. Sie kann reale Operationen auslösen: E-Mails senden, APIs aufrufen, Datensätze ändern oder Daten an externe Adressen weiterleiten.

Das Angriffsmuster ist indirekt. Der Angreifer benötigt keinen Zugriff auf Ihre Systeme. Er bettet bösartige Anweisungen in Inhalte ein, die der Agent im Rahmen seiner normalen Arbeit verarbeitet: ein PDF, das er zusammenfassen soll, eine Kunden-E-Mail, die er weiterleitet, eine Webseite, die er zur Recherche liest. Der Agent liest den Inhalt, stößt auf die eingebetteten Anweisungen, und da es bei der Verarbeitung von Kontext durch Sprachmodelle keine harte Grenze zwischen Daten und Anweisungen gibt, interpretiert er diese Anweisungen als legitim und führt sie aus.

Der Sicherheitsforscher Simon Willison, der dieses Problem seit 2022 verfolgt, schrieb: „Der Fluch der Prompt Injection ist weiterhin, dass wir das Problem seit mehr als zweieinhalb Jahren kennen und immer noch keine überzeugenden Abhilfemaßnahmen haben.“

Die MCP-Spezifikation selbst räumt das Risiko ein und weist darauf hin, dass immer ein Mensch in der Schleife (Human-in-the-Loop) sein sollte.

Tool Poisoning und der Rug-Pull-Angriff

MCP-Agenten vertrauen Tool-Metadaten. Wenn sich ein Agent mit einem MCP-Server verbindet und die Liste der verfügbaren Tools anfordert, antwortet der Server mit Tool-Namen, Beschreibungen und Parameterschemata. Der Agent nutzt diese Metadaten, um zu entscheiden, welche Tools aufgerufen werden sollen und wie sie aufgerufen werden. Tool Poisoning nutzt dieses Vertrauensverhältnis aus.

Bei einem Tool-Poisoning-Angriff manipuliert oder kompromittiert ein Angreifer die Metadaten eines Tools, sodass diese versteckte Anweisungen enthalten. Die Tool-Beschreibung sieht bei einer visuellen Prüfung normal aus, enthält jedoch eingebettete Direktiven, die den Agenten veranlassen, schädliche Aktionen auszuführen, Daten zu exfiltrieren oder seine eigenen Berechtigungen zu erweitern. Da sich der bösartige Inhalt innerhalb der Tool-Definition und nicht in der Benutzereingabe befindet, umgeht er Input-Validierungsschichten, die nur benutzerbezogene Inhalte prüfen.

Invariant Labs demonstrierte 2025 eine Variante davon und zeigte, wie ein bösartiger MCP-Server im selben Agentenkontext wie ein legitimer WhatsApp-MCP-Server Tool Poisoning nutzen konnte, um den gesamten Nachrichtenverlauf eines Benutzers lautlos zu lesen und zu exportieren. Der Angriff erforderte keinen Benutzerfehler und keinen Exploit auf Netzwerkebene.

Ein verwandter Angriff ist der Rug Pull, bei dem sich ein Tool bei der Installation legitim verhält und dann sein Verhalten stillschweigend ändert, nachdem der Benutzer ihm Berechtigungen erteilt hat. MCP-Server können Tool-Definitionen aktualisieren, ohne den Client zu benachrichtigen, und die meisten Clients kennzeichnen oder erkennen diese Änderungen nicht. 

Credential Sprawl über unregulierte MCP-Server

In Umgebungen ohne zentrales Credential-Management verwaltet jeder MCP-Server seine eigene Authentifizierungskonfiguration. Entwickler speichern API-Keys in Umgebungsvariablen, hardcodieren OAuth-Tokens in Konfigurationsdateien und nutzen langlebige Service-Account-Zugangsdaten, weil diese einfacher zu verwalten sind als kurzlebige, berechtigungseingeschränkte Tokens. Untersuchungen zur Verfolgung von MCP-Deployments ergaben 492 öffentlich zugängliche MCP-Server, denen grundlegende Authentifizierung oder Verschlüsselung fehlte.

CVE-2025-6514, eine kritische OS-Command-Injection-Schwachstelle in mcp-remote – einem OAuth-Proxy mit über 437.000 Downloads, der in Integrationen von Cloudflare, Hugging Face und Auth0 verwendet wird –, zeigte die Lieferketten-Dimension dieses Risikos. 

Ein bösartiger MCP-Endpunkt konnte eine präparierte Autorisierungs-URL senden, die mcp-remote direkt an die System-Shell weiterleitete. Dadurch wurde eine Remote-Code-Ausführung auf dem Client-Rechner erreicht und Zugriff auf API-Keys, Cloud-Zugangsdaten, lokale Dateien und SSH-Schlüssel gewährt, die auf diesem Rechner gespeichert waren.

Tote Winkel bei der Auditierung, die die Compliance gefährden

Standard-MCP-Server protokollieren den Ausführungskontext nicht in einem strukturierten, compliance-gerechten Format. Sie protokollieren möglicherweise, dass ein Tool aufgerufen wurde. Typischerweise protokollieren sie jedoch nicht, von welchem menschlichen Benutzer die Anfrage stammte, wie die Argumentation des Agenten zum Zeitpunkt des Aufrufs war, welche Daten zurückgegeben wurden oder ob eine Zugriffsrichtlinie konsultiert wurde, bevor die Operation gestattet wurde.

Für Unternehmen, die unter SOC 2, HIPAA oder DSGVO arbeiten, ist dies keine geringfügige Lücke. SOC 2 erfordert Nachweise über Datenmanagement- und Verarbeitungs-Kontrollen. HIPAA erfordert Audit-Trails für jeden Systemzugriff, der geschützte Gesundheitsdaten berührt, zugeordnet zu einem identifizierbaren Benutzer oder Dienst. Die DSGVO erfordert die Möglichkeit nachzuweisen, welche Daten wann und von wem verarbeitet wurden. Ein MCP-Deployment ohne strukturierte Audit-Protokollierung verfehlt all diese Anforderungen gleichzeitig.

Eine Umfrage zur Nutzung von AI-Systemen in Unternehmensumgebungen aus dem Jahr 2025 ergab, dass weniger als 30 % der AI-Systeme über strukturierte Audit-Trails für den Agenten-Tool-Zugriff verfügten. Weniger als 15 % konnten den gesamten Entscheidungspfad für eine Agentenaktion rekonstruieren.

Wenn in einer solchen Umgebung ein Sicherheitsvorfall auftritt, stützt sich die Untersuchung auf die forensische Rekonstruktion anhand unvollständiger Protokolle. Dies verlängert die Reaktionszeit auf Vorfälle um Wochen und macht es nahezu unmöglich, auditorgerechte Nachweise zu erbringen.

 MCP security issues risks

Essenziell MCP Security Best Practices

Die oben genannten MCP-Sicherheitsrisiken haben eine gemeinsame Ursache: Sie stammen alle vom Fehlen einer kontrollierten Grenze zwischen AI-Agenten und den Systemen, auf die sie zugreifen. Jede der folgenden Best Practices ist darauf ausgelegt, diese Grenze auf der Schicht zu etablieren und durchzusetzen, auf der der Angriff stattfindet – nicht erst im Nachhinein.

Setzen Sie identitätsbezogene Ausführung durch

Die einzeln wichtigste architekturelle Entscheidung bei jedem MCP-Deployment ist die Verwaltung der AI-Agenten-Identität. Gemeinsam genutzte Service-Accounts schaffen Rechenschaftslücken, die keine noch so umfassende Protokollierung schließen kann. Wenn sich fünf Agenten ein Set von Zugangsdaten teilen, gibt es keine Möglichkeit, eine spezifische Aktion einem bestimmten Agenten zuzuordnen – geschweige denn dem menschlichen Benutzer, der sie ausgelöst hat.

Der richtige Ansatz ist die On-Behalf-Of (OBO) Authentifizierung, bei der jede Anfrage eines AI-Agenten genau die Berechtigungen des menschlichen Benutzers trägt und ausübt, der sie initiiert hat. Wenn ein Entwickler Datenquellen über einen mit MCP verbundenen Agenten abfragt, erfolgt die Operation mit der Zugriffsebene des Entwicklers und nicht mit Admin-Zugangsdaten, die zufällig auf dem Server konfiguriert sind. Der Zugriff ist auf das beschränkt, wozu diese Person überall sonst im Unternehmen autorisiert ist.

Dies erfordert die Integration mit Ihrem Enterprise Identity Provider, sei es Okta, Azure AD oder ein benutzerdefiniertes SSO-Setup. Es bedeutet dynamische Client-Registrierung und Autorisierungscode-Flows, bei denen Tokens benutzerbezogen, kurzlebig und automatisch aktualisiert werden – anstelle von langlebigen statischen Keys, die bestehen bleiben, bis sie jemand manuell widerruft.

Wenden Sie granulares Role-Based Access Control auf Tool-Ebene an

Zugriffskontrolle auf Serverebene ist für MCP-Deployments in der Produktion zu grob. Zu steuern, ob ein Benutzer oder Agent einen MCP-Server erreichen kann, ist nur der Ausgangspunkt. Was Sie tatsächlich benötigen, ist die Möglichkeit zu steuern, welche spezifischen Tools innerhalb dieses Servers jede Rolle aufrufen kann.

Die praktische Anforderung lautet wie folgt: Ein Kundensupport-Agent sollte in der Lage sein, Leseoperationen auf einem CRM-Server aufzurufen, jedoch keine Löschoperationen. Ein Finanz-Agent sollte in der Lage sein, Zahlungsdatensätze abzufragen, jedoch keine ausgehenden Überweisungen auszulösen. Diese Unterschiede können nicht durch Zugriffsrichtlinien auf Serverebene ausgedrückt werden. Sie erfordern RBAC auf Tool-Ebene, bei dem jedes Tool innerhalb eines Servers seine eigenen Autorisierungsanforderungen trägt und diese Anforderungen bei jedem Aufruf ausgewertet werden.

Das Update der MCP-Spezifikation für 2026 führte die inkrementelle Scope-Zustimmung (Incremental Scope Consent) ein. Diese ermöglicht es Clients, nur den für jede Operation minimal erforderlichen Zugriff anzufordern, anstatt alle Berechtigungen im Voraus anzufragen. Die Implementierung erfordert eine Autorisierungsschicht, die die Semantik auf Tool-Ebene versteht und nicht nur das Routing auf Netzwerkebene.

Fordern Sie menschliche Genehmigungen für irreversible Aktionen

Agenten sollten nicht in der Lage sein, destruktive oder hochriskante Operationen ohne einen menschlichen Kontrollpunkt auszuführen. Datenbanklöschungen, externe Datenübertragungen, Finanztransaktionen, Massenänderungen von Datensätzen und ausgehende Kommunikationen sind allesamt Operationen, bei denen eine fehlerhafte oder per Injection eingeschleuste Anweisung Schäden verursachen kann, die nur schwer oder gar nicht rückgängig zu machen sind.

Die MCP-Spezifikation erkennt dies explizit an: Es sollte immer ein Mensch in der Schleife sein, der die Möglichkeit hat, Tool-Aufrufe abzulehnen. Dies in der Praxis umzusetzen bedeutet, MCP-Tools mit Risikoklassifizierungen zu versehen und Genehmigungs-Flows für Operationen durchzusetzen, die als destruktiv oder irreversibel gekennzeichnet sind. Der Agent präsentiert die beabsichtigte Aktion mit ihren Argumenten vor der Ausführung und wartet auf die explizite menschliche Autorisierung.

Dies ist nicht nur ein Sicherheitsmechanismus. Es ist auch eine Maßnahme gegen Prompt Injection. Eine per Injection eingeschleuste Anweisung, die ohne menschliche Genehmigung nicht ausgeführt werden kann, kann Daten nicht stillschweigend exfiltrieren. Der Genehmigungsschritt unterbricht die Angriffskette auf der Ausführungsschicht, selbst wenn die Erkennung auf der Eingabeschicht fehlschlägt.

Konsolidieren Sie Tool-Verbindungen in einem zentralen, regulierten Registry

Punkt-zu-Punkt-Verbindungen zwischen einzelnen Agenten und einzelnen MCP-Servern führen zu den Sichtbarkeitslücken und Governance-Fehlern, die im Abschnitt über Risiken beschrieben wurden. Wenn jedes Team seine eigenen Serververbindungen verwaltet, gibt es keinen zentralen Ort, um zu sehen, welche Tools existieren, wer Zugriff darauf hat oder was aktuell in der Produktion aufgerufen wird.

Ein reguliertes zentrales Registry ändert dies. Tools werden einmal registriert. Zugriffsrichtlinien werden einmal definiert und konsistent angewendet. Wenn ein Tool aktualisiert oder außer Betrieb genommen wird, spiegelt sich diese Änderung an einem einzigen Ort wider. Agenten übernehmen sie automatisch, anstatt weiterhin veraltete Endpunkte aufzurufen oder auszufallen, weil sie nicht über die Änderung informiert wurden. Sicherheitsteams erhalten ein einzelnes Inventar anstelle einer Tabellenkalkulation, der sie immer hinterherlaufen.

Das Registry mildert auch das Rug-Pull-Risiko. Wenn Tool-Definitionen zentral verwaltet werden, sind Änderungen an Tool-Metadaten versioniert und auditierbar. Ein Tool, das seine eigene Beschreibung nach der Installation stillschweigend verändert, ist erkennbar, da das Registry eine Historie darüber führt, wie jedes Tool bei der Registrierung im Vergleich zu seinem aktuellen Zustand aussah.

Point-to-point connection vs centralized MCP Gateway

Führen Sie umfassende, strukturierte Audit-Protokolle

Jedes Authentifizierungsereignis, jede Token-Ausgabe, jeder Tool-Aufruf und jede Richtlinienentscheidung sollte mit strukturierten Metadaten protokolliert werden. Diese umfassen, wer die Anfrage gestellt hat, welcher Agent sie ausgeführt hat, welches Tool aufgerufen wurde, welche Argumente übergeben wurden, was zurückgegeben wurde und ob eine Richtlinie angewendet oder außer Kraft gesetzt wurde.

Der Unterschied zwischen einfachen Protokollen und compliance-gerechten Protokollen ist erheblich. Audit-Protokolle, die lediglich Tool-Namen und Zeitstempel aufzeichnen, erfüllen zwar eine enge technische Anforderung. Protokolle, die jedoch Benutzeridentität, Agentenidentität, den vollständigen Anfragekontext, angewendete Richtlinien und Ausgabeinhalte in einem strukturierten Format aufzeichnen, das bei Bedarf abgefragt und exportiert werden kann, erfüllen die Anforderungen von SOC 2, HIPAA und DSGVO. Dies sind zwei verschiedene Dinge, und in der Lücke dazwischen entstehen die meisten Audit-Fehler.

Protokolle sollten in Ihrer eigenen Umgebung aufbewahrt werden. Protokolle, die in einem SaaS-System eines Drittanbieters liegen, befinden sich nicht vollständig unter Ihrer Kontrolle, können nicht mit absoluter Sicherheit auf Anfrage bereitgestellt werden und unterliegen möglicherweise selbst Handhabungsbeschränkungen, die mit den Anforderungen Ihres Compliance-Frameworks kollidieren.

Die Mängel aktueller Marktgewächse

Es mangelt nicht an Tools, die als MCP-Sicherheitslösungen vermarktet werden. Die Frage ist, ob sie die MCP-Sicherheitsprobleme auf der Schicht adressieren, auf der diese Sicherheitslücken tatsächlich auftreten, oder ob sie allgemeine Kontrollen auf ein Problem anwenden, das spezifischere Maßnahmen erfordert.

  • Traditionelle API-Gateways können die Intention von Agenten nicht lesen. Traditionelle API-Gateways wurden für den HTTP-Datenverkehr zwischen Diensten entwickelt. Sie prüfen Header, setzen Rate Limiting durch und wenden die MCP-Authentifizierung auf der Transportebene an. Eine AI-Agenten-Aufgabe, die Tool-Aufrufe an 20 verschiedene MCP-Tools auslöst, erzeugt Datenverkehr, der auf Netzwerkebene als eine Sequenz legitimer, authentifizierter Anfragen erscheint. Der HTTP-Envelope enthält keinerlei Hinweise darauf, ob diese Anfragen durch eine Benutzeraktion oder durch eine bösartige Anweisung ausgelöst wurden, die in einem Dokument verborgen war, das der Agent drei Schritte zuvor gelesen hat. Gateways, die die Semantik des MCP-Protokolls nicht parsen können, können Angriffsvektoren auf semantischer Ebene gegen AI-Anwendungen weder erkennen noch stoppen.
  • Managed SaaS-Plattformen leiten Ihre Daten durch Infrastruktur, die Sie nicht kontrollieren. Cloud-gehostete AI-Plattformen lösen das Deployment-Problem, schaffen jedoch ein Datenresidenz-Problem. Wenn Tool-Discovery-Anfragen von AI-Agenten und MCP-Interaktionen über eine Drittanbieter-Cloud geroutet werden, verlassen sensible Informationen bei jeder Interaktion Ihre Netzwerkgrenze. Für Unternehmen mit Pflichten zur Datenresidenz nach HIPAA, DSGVO oder im Finanzdienstleistungssektor erzeugt dies ein AI-Compliance-Risiko, das unabhängig davon besteht, ob die Sicherheitsausrichtung des SaaS-Anbieters angemessen ist. Sie können eine Anforderung zur Datenresidenz nicht erfüllen, indem Sie der Infrastruktur eines Dritten vertrauen. Dies ist ein akutes Sicherheitsrisiko für Teams, die Remote-MCP-Server mit Zugriff auf Benutzerdaten betreiben.
  • Eigenbau-Open-Source-Konfigurationen stoßen bei Skalierung an ihre Grenzen. Der Aufbau eines benutzerdefinierten Proxys aus Open-Source-Komponenten vermeidet Anbietergebühren und gibt Engineering-Teams maximale Kontrolle, erzeugt jedoch Wartungspflichten, die schneller wachsen als die Teams, die sie verwalten. Tool-Registrierung über statische YAML- oder JSON-Dateien bedeutet, dass jede neue Integration eine manuelle Bearbeitung, ein Code-Review und ein Deployment erfordert. RBAC-Richtlinien, die in Konfigurationsdateien geschrieben sind, können nicht in Echtzeit geändert werden. Audit-Protokollierung erfordert eine benutzerdefinierte Instrumentierung für jeden Server. Wenn Sie eine Handvoll Agenten verwalten, ist dies machbar. Wenn Sie Dutzende verwalten, wird es zu einem vollzeitbeschäftigenden Platform-Engineering-Problem.

Traditionelle Gateways können die Intention von Agenten nicht lesen – Ihre MCP-Sicherheitsschicht muss es können

Erhalten Sie semantikbewusste Governance, Credential-Vaulting und SOC 2-Audit-Trails – direkt integriert mit TrueFoundry.

Sicherung von Agenten-Workflows mit TrueFoundry

Das MCP Gateway von TrueFoundry basiert auf der Prämisse, dass die Kontrollen, die Unternehmen für den sicheren Betrieb von MCP in der Produktion benötigen, nicht nachträglich auf eine bestehende Infrastruktur aufgesetzt werden können. Sie müssen Teil der Infrastruktur sein.

Das Gateway wird vollständig in der AWS-, GCP- oder Azure-Umgebung des Kunden bereitgestellt. Jede Tool-Anfrage, jeder Discovery-Aufruf und jedes Prompt-Antwort-Paar verbleibt innerhalb der Netzwerkgrenze der Organisation. Es gibt keine SaaS-Routing-Schicht oder Drittanbieter-Infrastruktur im Datenpfad. Keine externe Abhängigkeit, die ein Datenexfiltrationsrisiko erzeugt. Dies ist nicht nur für die Compliance wichtig, sondern auch für das Bedrohungsmodell: Daten, die Ihre Umgebung nie verlassen, können nicht im Transit abgefangen werden.

  • OAuth 2.0 Identity Injection mit On-Behalf-Of Flows: Agenten agieren unter den exakten Berechtigungen des anfordernden Benutzers, geerbt über den bestehenden Identity Provider der Organisation. Okta, Azure AD und benutzerdefinierte SSO-Setups werden direkt unterstützt. Es gibt keine gemeinsam genutzten Service-Accounts. Jeder Tool-Aufruf wird einer spezifischen menschlichen Identität zugeordnet, wodurch eine Rechenschaftskette entsteht, die jeder Compliance-Prüfung standhält.
  • Auf der Gateway-Schicht durchgesetztes RBAC auf Tool-Ebene: Zugriffsrichtlinien werden angewendet, bevor Anfragen ein Modell oder Tool erreichen. Das Registry legt nur die Tools offen, für deren Nutzung die jeweilige Rolle oder das jeweilige Team autorisiert ist, nicht die gesamte Angriffsfläche jedes verbundenen Servers. Ein Support-Agent sieht CRM-Abfrage-Tools. Er sieht keine Datenbank-Administrationsbefehle. Der Unterschied wird auf Plattformebene durchgesetzt, nicht durch Entwicklerkonventionen.
  • Virtuelle MCP-Server-Abstraktion für Lieferkettenschutz: Backend-Tool-Implementierungen befinden sich hinter einer virtuellen Abstraktionsschicht im Registry. Wenn sich die zugrundeliegende Implementierung eines Tools ändert oder wenn ein kompromittiertes Tool ersetzt werden muss, erfolgt die Änderung im Registry, ohne dass Agenten angepasst werden müssen, die davon abhängen. Dies schützt Agenten auch vor Rug-Pull-Angriffen: Tool-Definitionen werden über das Registry versioniert, und Änderungen an Tool-Metadaten sind nachverfolgbar und auditierbar.
  • Human-in-the-Loop Approval-Flows für hochriskante Operationen: Tools können mit Risikoklassifizierungen versehen werden. Operationen, die als destruktiv oder irreversibel gekennzeichnet sind, erfordern vor der Ausführung eine explizite menschliche Autorisierung. Dies ist pro Tool und pro Rolle konfigurierbar, sodass Teams eine Genehmigung für Datenbanklöschungen verlangen können, während Lesezugriffe ohne Unterbrechung fortgesetzt werden können.
  • Strukturierte Audit-Protokolle, die in Ihrer eigenen Umgebung gespeichert werden: Jede Anfrage wird mit vollständigen Metadaten protokolliert: Benutzeridentität, Agentenidentität, Modell, Tool, Argumente, Antwort, angewendete Richtlinien, Latenz und Kosten. Die Protokolle verbleiben in der eigenen Infrastruktur des Kunden und können im strukturierten JSON-Format für die Integration mit Grafana, Splunk, Datadog oder einer bestehenden Observability-Pipeline exportiert werden. Innovaccer, das monatlich etwa 17 Millionen AI-Inferenz-Anfragen unter HIPAA in AWS GovCloud verarbeitet, nutzt die strukturierte Telemetrie von TrueFoundry über OpenTelemetry und visualisiert sie in Grafana, ohne dass sensible Daten jemals ihre Cloud-Grenze verlassen.

Möchten Sie das AI Gateway von TrueFoundry erleben? Buchen Sie noch heute eine Demo!

Fazit: MCP sicher für die Produktion machen

MCP hat das Integrationsproblem gelöst. Es hat nicht das Governance-Problem gelöst. Die Zehntausenden von MCP-Servern, die 2025 in Unternehmensumgebungen bereitgestellt wurden, schufen enorme neue Möglichkeiten – und eine ebenso erhebliche Erweiterung der Angriffsfläche, für deren Steuerung die meisten Unternehmen nicht gerüstet waren.

Die Vorfälle, die bereits aufgetreten sind – darunter Supabase, Asana, Atlassian und die mcp-remote CVE –, wurden nicht durch schlechtes Engineering verursacht. Sie wurden durch eine Architektur verursacht, die die Sicherheitsanforderungen von Unternehmensproduktionsumgebungen nicht berücksichtigte. Das Basisprotokoll wurde nicht mit diesen Anforderungen im Sinn entwickelt.

MCP-Sicherheitsrisiken auf eine Weise zu begegnen, die in der Produktion tatsächlich funktioniert, bedeutet, Kontrollen auf der Infrastrukturebene durchzusetzen: identitätsbezogene Ausführung, Zugriffskontrolle auf Tool-Ebene, zentrales Credential-Management, menschliche Genehmigungen für destruktive Operationen und strukturierte Audit-Protokolle, die in Ihrer eigenen Umgebung verbleiben. Dies sind keine optionalen Funktionen für regulierte Branchen. Sie sind die Grundvoraussetzung für den Betrieb von AI-Agenten, die geschäftskritische Systeme berühren.

TrueFoundry stellt all diese Kontrollen innerhalb Ihrer eigenen Cloud bereit. Ihre Daten bleiben dort, wo Ihre Governance gilt. Ihre Audit-Protokolle gehören Ihnen, um sie nach Ihrem Zeitplan zu erstellen, abzufragen und zu exportieren.

Try now.

One gateway for all your models, MCP servers, and agents. No credit card needed.

Melde dich an
Inhaltsverzeichniss

Steuern, implementieren und verfolgen Sie KI in Ihrer eigenen Infrastruktur

Buchen Sie eine 30-minütige Fahrt mit unserem KI-Experte

Eine Demo buchen

Der schnellste Weg, deine KI zu entwickeln, zu steuern und zu skalieren

Demo buchen
Summarize with
ChatGPT logo by OpenAI
Perplexity AI logo
Blurry red snowflake on white background, symmetrical frosty design with soft edges and abstract shape.

Entdecke mehr

Keine Artikel gefunden.
Comparing AI agents and agentic AI workloads in enterprise production
November 20, 2026
|
Lesedauer: 5 Minuten

KI-Agenten vs. Agentische KI: Was der Unterschied in der Produktion wirklich bedeutet

Keine Artikel gefunden.
November 20, 2026
|
Lesedauer: 5 Minuten

Bifrost-Alternativen: Die besten Tools, die Sie 2026 in Betracht ziehen können

Keine Artikel gefunden.
November 20, 2026
|
Lesedauer: 5 Minuten

GPT-6.1 Terra: API, Benchmarks, Preise & Nutzung

Keine Artikel gefunden.
November 20, 2026
|
Lesedauer: 5 Minuten

GPT-5.1 vs GPT-5: 9 wichtige Verbesserungen, die Sie kennen müssen

LLMs und GenAI
Keine Artikel gefunden.

Aktuelle Blogs

Black left pointing arrow symbol on white background, directional indicator.
Black left pointing arrow symbol on white background, directional indicator.
Machen Sie eine kurze Produkttour
Produkttour starten
Produkttour