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. →

TrueFoundry Accelerator Series: Nahtlose Abfrage strukturierter und unstrukturierter Daten mit MCP-Tools

von Rishiraj Dutta Gupta

Aktualisiert: November 3, 2026

Published: April 20, 2026

In modernen Unternehmen existieren Daten in Silos. CRM-Datensätze, Verkaufszahlen oder Logs sind strukturiert und befinden sich in Datenbanken; Forschungsberichte, Kundenfeedback und Außendienstnotizen sind unstrukturiert und liegen in Dokumentenspeichern. Um beide Welten zu verstehen, verbringen Teams oft Stunden damit, Konnektoren, Pipelines und Analyseskripte zu erstellen.

Aber was wäre, wenn Sie all das mit einer einzigen Schicht vereinen könnten – einer Model Control Plane (MCP) – und alles mit natürlicher Sprache abfragen könnten?

Willkommen zu einer neuen Art, mit Daten zu arbeiten: der Abfrage strukturierter und unstrukturierter Quellen über MCP-Tools.

Was ist eine MCP?

Eine Model Control Plane (MCP) fungiert als Brücke zwischen Ihrem AI Agent und den externen Tools oder Datensystemen, mit denen er interagiert. Sie können sich MCP als das „Betriebssystem“ für Ihre AI Tools vorstellen – es definiert, worauf die AI zugreifen kann, wie und unter welchem Kontext.

Jede MCP verbindet eine spezifische Funktionalität – das könnte ein Datenbank-Konnektor für strukturierte Daten sein, der Database Sharding nutzt, um wachsende Datensätze zu verwalten, ein Dokumenten-Retriever oder sogar ein Code-Executor.

Zum Beispiel: - 

  • Text-to-SQL Tool → Fragt strukturierte Datenbanken ab. 
  • RAG Tool → Ruft Informationen aus unstrukturierten Dokumenten-Repositories ab. 
  • Code Executor → Führt Analyselogik (wie Python) dynamisch aus.

Sobald diese miteinander verdrahtet sind, können Sie buchstäblich fragen: > „Listen Sie die 5 wichtigsten HCPs nach Prioritätsbewertung auf und fassen Sie deren Onkologie-Schwerpunkt aus unseren internen Berichten zusammen.“

Das System führt automatisch folgende Schritte aus: 

1. Generiert SQL, um die Datenbank nach den Top-HCPs abzufragen. 

2. Ruft onkologiebezogene Berichte über RAG ab. 

3. Kombiniert und fasst beides zusammen.

Aufbau einer MCP für strukturierte und unstrukturierte Daten

Gehen wir Schritt für Schritt durch, wie dies am Beispiel des Sales Rep-Co Accelerator-Setups funktioniert.

1. Wir verwenden einen bereits bereitgestellten Sales Rep-Co MCP Service

Sie beginnen damit, den Sales Rep-Co Service als MCP auf TrueFoundry bereitzustellen. 

Sie benötigen Zugriff auf den Demo-Tenant von TrueFoundry

- Stellen Sie sicher, dass der Service aktiv ist und der Pod läuft. 

- Setzen Sie den Betrieb fort, falls er pausiert ist, oder starten Sie ihn über Endpoint/Credentials neu, falls er sich im Auto-Shutdown befindet. 

- Falls er nicht bereitgestellt ist, können Sie ihn über die TrueFoundry UI oder lokal unter Verwendung der bereitgestellten Konfiguration starten.

Nach der Bereitstellung verfügen Sie über einen Endpunkt wie: https://tfy-eo.truefoundry.cloud/deployments/{deployment_id}?tab=pods

2. Verbinden Sie ihn mit dem AI Gateway

Gehen Sie im AI Gateway von TrueFoundry zu: > AI Gateway → MCP Servers → + (Add MCP)

Suchen oder fügen Sie Ihre sales-repco-accelerator MCP hinzu.
Sobald die Verbindung hergestellt ist: - Schalten Sie sie auf Ein (on) - Klicken Sie auf Enable All Tools.


Ihre MCP hat nun Zugriff auf strukturierte (SQL) und unstrukturierte (Dokumente) Tools.

3. Abfrage beider Welten mit einem einzigen Prompt

Mit einer aktiven und verbundenen MCP können Sie strukturierte und unstrukturierte Daten zusammen abfragen – alles über natürliche Sprache.
Hier sind einige Beispiele:

Abfrage

Was im Hintergrund passiert

Welches sind die 5 wichtigsten HCPs nach Prioritätsbewertung?

Text-to-SQL fragt die strukturierte HCP-Datenbank ab.

Listen Sie die Ärzte mit Schwerpunkt Onkologie auf und erstellen Sie eine kurze Zusammenfassung unter Bezugnahme auf den Bericht zu metastatischem Organotropismus.

SQL ruft Arztdetails ab → RAG ruft Berichtstext ab und fasst ihn zusammen → Erstellt einen E-Mail-Entwurf.

Analysieren Sie die Verteilung der HCP-Prioritätsbewertungen in der Onkologieabteilung.

SQL + Python Code Executor generiert und visualisiert Erkenntnisse.

Sie können dieses Setup sogar erweitern, indem Sie weitere MCP-Tools für Analysen, Visualisierungen oder benutzerdefinierte APIs hinzufügen.

Warum das wichtig ist

Traditionelle Workflows für den Datenzugriff in Unternehmen erfordern: - ETL-Pipelines, - BI-Dashboards, - Manuelle Abstimmung zwischen Analysten und Fachanwendern. Mit der MCP-basierten Abfrage: - Reduzieren Sie den Wechsel zwischen Tools. - Fragen Sie alles über eine einzige Schnittstelle ab. - Verbinden Sie strukturierte und unstrukturierte Daten von Grund auf nativ. Das ist mehr als nur Bequemlichkeit – so sollte datengestützte Entscheidungsfindung funktionieren.

Ein Blick in die Zukunft

Da Teams immer mehr MCPs aufbauen – für Analysen, RAG, CRM und sogar externe SaaS-Tools – entsteht schrittweise ein Multi-Agenten-Ökosystem. Jeder Agent spezialisiert sich auf seinen Bereich (z. B. SQL-Experte, Zusammenfasser, E-Mail-Verfasser), und das AI Gateway orchestriert sie über MCPs. Wir bewegen uns auf eine Welt zu, in der Unternehmensdatensysteme keine statischen Dashboards mehr sind, sondern lebendige, abfragende und logisch kombinierende Einheiten.

Fazit

Durch die Kombination von strukturierten Abfragen (SQL), unstrukturierter Informationsbeschaffung (RAG) und Ausführungslogik (Python) innerhalb einer MCP ermöglichen Sie einem Agenten, komplexe, domänenübergreifende Fragen sofort zu beantworten. Egal, ob Sie Data Scientist, Vertriebsleiter oder Enterprise Architect sind – der Aufbau einer MCP-Schicht auf Ihren Datensystemen ist der erste Schritt zu einem wirklich intelligenten Datenzugriff.

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

October 5, 2023
|
Lesedauer: 5 Minuten

<Webinar>GenAi Showcase for Companies

Best Fine Tuning Tools for Model Training
May 3, 2024
|
Lesedauer: 5 Minuten

Die 6 besten Fine-Tuning-Tools für das Modelltraining im Jahr 2026

May 25, 2023
|
Lesedauer: 5 Minuten

Open-Source-LLMs: Nutzen oder untergehen

August 27, 2025
|
Lesedauer: 5 Minuten

Kartierung des On-Prem-AI-Marktes: Von Chips bis zu Control Planes

November 16, 2026
|
Lesedauer: 5 Minuten

Die 5 besten LiteLLM-Alternativen im Jahr 2026

Keine Artikel gefunden.
November 16, 2026
|
Lesedauer: 5 Minuten

Beste MCP-Server für Claude Code

Keine Artikel gefunden.
 What is an LLM Gateway
November 16, 2026
|
Lesedauer: 5 Minuten

Was ist ein LLM Gateway? Ein kompletter Leitfaden

Technik und Produkt
November 16, 2026
|
Lesedauer: 5 Minuten

Graph Engineering für Multi-Agenten-Systeme: Architektur, Governance und Observability

Keine Artikel gefunden.
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