Das Model Context Protocol (MCP) ist ein herstellerneutraler Standard, der KI-Agents über eine definierte Menge von Fähigkeiten mit externen Systemen verbindet. Wir haben einen MCP-Server für Crowdee gebaut, damit jeder MCP-kompatible Assistent oder jedes Agent-Framework mit der Plattform interagieren kann — ganz ohne eigene Integration.
Es gibt keinen separaten Dienst, den man aufsetzen muss, und keinen individuellen API-Client, den man bauen muss: Der MCP-Server nutzt dieselbe Authentifizierung und dieselben Berechtigungen wie der Rest der Plattform, sodass nichts zusätzlich konfiguriert werden muss. Er bleibt automatisch mit der regulären API synchron, da er direkt darauf aufbaut. Genaue Verbindungs- und Einrichtungsdetails finden sich unter docs.crowdee.ai.
Der MCP-Server deckt die gesamte Bandbreite der Crowdee-Plattform ab, gegliedert in einige konzeptionelle Bereiche.
Identität und Organisation: Ein Agent kann bestätigen, als wer er auftritt und in welcher Organisation er arbeitet — der Ausgangspunkt für jeden mandantenfähigen Workflow.
Projekte und Dateien: Agents können Projekte auflisten, einsehen, anlegen und aktualisieren sowie sehen, welche Dateien einem Projekt zugeordnet sind. Diese Dateien sind die primären Eingaben für Verifikations- und Sprachtechnologie-Läufe.
Datensätze: Agents können multimodale Datensatz-Kollektionen auflisten, einsehen, anlegen und entfernen. Datensätze sind versioniert, sodass ein Agent einen Datensatz anlegen und anschließend Pipelines gegen bestimmte Versionen ausführen kann.
Verifikations-Pipelines: Agents können den Katalog verfügbarer Verifikations-Pipelines durchsuchen, einen Lauf gegen die Dateien eines Projekts starten und laufende Läufe verfolgen — inklusive strukturierter Verdicts, Konfidenzwerte und stufenweiser Ergebnisse nach Abschluss.
Sprachtechnologie-Pipelines: Dasselbe Muster gilt für Sprachtechnologie-Pipelines — Transkription, Spracherkennung, Named-Entity-Recognition, Übersetzung und OCR.
Crowdsourcing: Agents erhalten vollen Lese- und Schreibzugriff auf die Crowdsourcing-Schicht — sie können Crowd-Jobs auflisten und anlegen, eingereichte Antworten prüfen und diese annehmen oder ablehnen.
Kurz gesagt: Was in der regulären Crowdee-API möglich ist, steht Agents auch über MCP zur Verfügung.
Über einzelne Aktionen hinaus stellt der MCP-Server auch schreibgeschützte Referenzdaten bereit, die Agents einmalig laden und während einer gesamten Session wiederverwenden können, statt sie wiederholt abzufragen. Dazu gehört der vollständige Katalog der Verifikations-Pipelines — mit ihren Stufen, Anforderungen und Einschränkungen — sowie der Katalog der Sprachtechnologie-Pipelines. Da beide Kataloge von vornherein verfügbar sind, kann ein Agent die komplette Pipeline-Landschaft verstehen, bevor er entscheidet, was er ausführen möchte.
Jede MCP-Anfrage durchläuft dieselbe Authentifizierung wie der Rest der API. Agents können sich mit einem API-Key, einem Bearer-Token oder einer aktiven Session authentifizieren — es sind keine zusätzlichen Zugangsdaten oder separaten Tokens erforderlich.
Auch der MCP-Zugriff respektiert dieselben Rollen und Berechtigungen wie der normale API-Zugriff. Ein Agent, der in Ihrem Namen handelt, kann nie mehr tun, als die verwendeten Zugangsdaten über die reguläre Plattform erlauben würden — es gibt also kein separates Berechtigungsmodell, über das man nachdenken oder das man konfigurieren müsste. Details zur Funktionsweise von API-Key-Scoping und Organisations-Kontext-Auflösung finden sich in unserem Beitrag zu API-Keys und Organisation-Switching.
Die Verbindung erfolgt über einfaches HTTP — ohne persistente Socket- oder langlebige Verbindung, wodurch sie problemlos hinter Standard-Proxys und Load-Balancern funktioniert. Vollständige Verbindungsdetails gibt es unter docs.crowdee.ai.
Ein typischer agentischer Workflow beginnt mit der Bestätigung der Identität und der aktiven Organisation, gefolgt von der Suche nach dem richtigen Projekt und der Prüfung, welche Pipelines auf die Dateitypen des Projekts passen. Danach startet der Agent einen Verifikationslauf, fragt wiederholt dessen Status ab, bis er abgeschlossen ist, und liest das endgültige Verdict.
Anspruchsvollere Agents kombinieren Verifikation mit Crowdsourcing: Wenn eine KI-Pipeline-Stufe Unsicherheit signalisiert, legt der Agent einen Crowd-Job an, um die Datei an menschliche Prüfer weiterzuleiten. Anschließend prüft er die eingereichten Antworten und nimmt sie gemäß seiner eigenen Logik an oder lehnt sie ab. Dieses Human-in-the-Loop-Muster lässt sich vollständig orchestrieren, ohne dass ein menschlicher Operator die Plattform-Oberfläche berührt.
Das durchgängige Designprinzip ist einfach: Die MCP-Oberfläche soll ein vollständiger Spiegel dessen sein, was ein menschlicher Operator über die Plattform tun kann. Was über Crowdee möglich ist, kann auch ein Agent tun.
Artikel teilen:
