Ueber

Ueber FlowMCP

FlowMCP ist ein Schema-Format zur Standardisierung des Datenquellen-Zugangs — den Anschluss an eine API einmal schreiben, und jeder KI-Agent nutzt ihn über ein einheitliches Interface wieder.

FlowMCP begann als Versuch, mehrere Datenquellen an einen einzigen MCP-Server anzubinden. Heute ist es ein Format: eine Art, die Tools zu beschreiben, zu normalisieren und zu vereinheitlichen, mit denen ein KI-Agent eine Datenquelle erreicht. Ein Schema wird einmal geschrieben und überall wiederverwendet, sodass das Modell nie neu herausfinden muss, wie eine API sich anschließt. Der Request kann vor und nach dem Aufruf umgeformt werden, sodass Tools sehr unterschiedlicher Quellen für das Modell gleich aussehen — und das Schema bleibt getrennt von seinem Grading und seinem Security-Test, sodass du ein Schema laden und den Security-Check separat fahren kannst. KI-Agenten rufen FlowMCP, nie die zugrundeliegenden APIs direkt, und deine API-Keys bleiben in deiner Kontrolle.

Was FlowMCP ist — und nicht ist

Was es ist

Aspekt	Beschreibung
Primitive Idee	Ein Fluss von Daten — aus heterogenen Quellen, durch normalisierte Schemas, in AI-Pipelines
Schema-Format	Eine Deklarations-Form für jede Datenquelle; dasselbe Format treibt die CLI, den MCP-Server-Modus und die Add-on-Toolkits
Primaerer Use	CLI-Tool — kein MCP-Client haelt 1608 Tools im Kontext, die CLI laedt sie dynamisch
Sekundaerer Use	MCP-Server-Modus weiter unterstuetzt, aber nicht der Default
Key-Isolation	Keys leben in FlowMCP, nie im AI-Kontext — die AI sieht Calls und Antworten, nie Credentials
Rueckwaertssuche	Schemas tragen sich in Shared Lists ein wie “Ethereum Mainnet” oder “Berlin”, sodass eine AI fragen kann, welche Schemas ein Thema abdecken
v4	Skills, Prefill, Selections, Output-Schema, Pipes
v4.1+ Add-ons	Vier externe Toolkit-Add-ons erweitern FlowMCP — geo-gtfs-toolkit (Transit/GTFS), geo-geojson-toolkit und geo-csv-tsv-toolkit (URL → In-Memory-Geodaten) und geo-overpass-toolkit (Live-OpenStreetMap-Abfragen)
Datenklassen	Crypto (EVM, Solana, DeFi, Identity, NFT), Open Data (DE/EU), Wetter/Geo, Web3 Social, News, Dev-Tools

Was es nicht (mehr) ist

Missverstaendnis	Realitaet
”Ein MCP-Server”	Nein — ein Format. Der MCP-Server-Modus ist ein optionaler Konsument davon; die CLI ist der Default.
”Eine Swagger-/OpenAPI-Spec”	Mehr als das. Swagger beschreibt eine einzelne API; FlowMCP vereinheitlicht den Zugang über Quellen hinweg — formt den Request vor und nach dem Aufruf um und haelt Schema, Grading und Security getrennt.
”Eine Krypto-Library”	Begann dort, ist seit Oktober 2025 mit Open Data deutlich breiter.
”Eine API-Wrapper-Sammlung”	Nein — Engine ist zentral, Schemas sind duenne Deklarationen. Ein Audit der Engine deckt Tausende Endpunkte ab.
”Ein API-Key-Manager”	Nicht primaer. Key-Management ist Nebenprodukt der Trennung AI ↔ Key.

Warum wir es gebaut haben

Das Problem

Open Data existiert in grosser Menge — Fahrplaene, Wetter, Behoerdendaten, Geodaten, Umweltdaten. Sie ist verstreut ueber hunderte Portale, in unterschiedlichen Formaten, hinter verschiedenen Zugriffsmethoden. Fuer Menschen muehsam. Fuer AI-Agenten — ohne Vorbereitung — praktisch unmoeglich.

Was FlowMCP tut

FlowMCP macht diese Vorbereitung einmal, fuer alle:

• Offene Protokolle statt geschlossene Plattformen. Eine fehlgeschlagene Implementierung kann ersetzt werden, ohne dass Schemas oder Clients aendern.
• Eine Quelle = eine Antwort. Viele Quellen = eine nuetzliche Antwort. Echte Fragen brauchen Kombinationen.
• Energieeffizienz. Ohne Schema liest jede AI die API-Doku pro Anfrage neu — tausende Tokens, inkonsistente Ergebnisse. Ein Schema ist eine einmalige Investition: jede AI nutzt es danach effizient. Ueber tausende Anfragen ~10x Energieersparnis.
• Sicherheit durch Transparenz. Schemas sind Open Source, auditierbar, verifizierbar.

Wie es aussieht

Anwendungsfaelle

Zwei Szenarien, die FlowMCP + AI im Einsatz zeigen — nicht wie man einen Agent baut, sondern wie FlowMCP aus verstreuten Daten eine Antwort macht.

• Deep Research — Eine Recherche- oder Planungssoftware bindet einen Agent an. Der Agent fragt FlowMCP nach passenden Datenquellen ueber Open-Data-Portale, Behoerden-APIs und Krypto-Kataloge — in Sekunden.
• Mobility — Anschluss erreichen — Ein Live-Reiseplaner kombiniert statische GTFS-Daten (ueber das geo-gtfs-toolkit v4.1 Add-on) mit Echtzeit-Verspaetungen. Ein CLI-Call, eine Antwort.

Production-Posture

Signal	Status
Lizenz	MIT — nutzen, forken, verbreiten
Quelle	github.com/FlowMCP
Test-Coverage	Pro Repo, via Codecov
Spec-Version	v4 aktiv, v4.1 Add-on-Layer, v3 im Archiv
Schema-Lifecycle	Definiert pro Provider
Maintainer-Status	Sichtbar — Kontakt ueber Team

Trust-Signale

• Open Source von Tag eins. Schemas, Core, CLI — alle MIT, alle auf GitHub.
• Eine Engine auditieren, tausende Endpunkte abdecken. Engine zentral, Schemas duenn.
• API-Keys bleiben bei dir. FlowMCP haelt Keys zur Laufzeit; AI sieht Calls + Antworten, nie Credentials.
• Spec-Evolution dokumentiert. v3 → v4 → v4.1 im CHANGELOG.

Community

FlowMCP ist von Tag eins offen — jedes Schema, jedes CLI-Feature, jede Spec-Regel liegt auf GitHub. Die Schema-Bibliothek waechst durch Beitraege.

• Schema beitragen — PR oeffnen in FlowMCP/flowmcp-schemas-public, nach der v4-Spec. Die CLI validiert lokal vor der Einreichung.
• Issue oder Schema-Wunsch — github.com/FlowMCP — im passenden Repo melden (Core, CLI, Schemas, Docs).
• Roadmap — Now / Next / Later. Zeigt, was wir gerade liefern, was als naechstes kommt, und was wir bewusst nicht bauen. Die Roadmap ist der Vertrag — alles darauf ist zugesagt, alles nicht-darauf ist nicht heimlich in Arbeit.