Schemas und Tools

Was ist ein Schema?

Ein Schema ist der vollstaendige Bauplan fuer den Zugang zu einer Datenquelle. Es beschreibt einen einzelnen Datenanbieter — zum Beispiel den Deutschen Wetterdienst, die Deutsche Bahn oder ein Fahrradsystem wie nextbike.

Pro Datenanbieter gibt es ein Schema. Pro Schema gibt es mehrere Tools.

Das Schema selbst veraendert die Datenquelle nicht. Es uebersetzt zwischen der API des Anbieters und der KI — damit die KI die Daten strukturiert abfragen kann, ohne die API-Dokumentation selbst lesen und interpretieren zu muessen.

Was steckt in einem Schema?

Ein Schema enthaelt vier Bereiche. Nur Tools sind Pflicht — die anderen drei sind optional und kommen bei komplexeren Datenquellen zum Einsatz.

Tools (Pflicht)

Tools sind die Kernbausteine. Jedes Tool ist eine einzelne Abfrage an die API des Datenanbieters. Ein Schema kann mehrere Tools enthalten — typischerweise zwischen 2 und 8.

Jedes Tool definiert:

Bestandteil	Was es tut
method	HTTP-Methode (GET, POST)
path	Der Endpunkt der API (z.B. /weather/:city)
parameters	Was reingeht — mit Validierung (Typ, Pflichtfeld, Grenzen)
modifiers	Vor- und Nachverarbeitung der Daten
tests	Mindestens 3 Testfaelle pro Tool — damit sichergestellt ist, dass es funktioniert
output	Was zurueckkommt — als strukturiertes Schema, damit die KI die Antwort versteht

Resources (Optional)

Lokale Daten, die nicht ueber eine API kommen sondern direkt im Schema mitgeliefert werden. Zum Beispiel eine SQLite-Datenbank mit Referenzdaten oder eine Markdown-Datei mit Erklaerungen.

Prompts (Optional)

Hinweise fuer die KI, wie sie die Tools dieses Anbieters am besten nutzt. Model-neutral formuliert — sie helfen jeder KI, nicht nur einer bestimmten.

Skills (Optional)

Schritt-fuer-Schritt-Anleitungen fuer komplexe Ablaeufe, die mehrere Tools kombinieren. Zum Beispiel: “Erst die Station finden, dann die Verbindungen abfragen, dann die Preise vergleichen.”

Beispiel: Bright Sky (Deutscher Wetterdienst)

Das Bright Sky Schema macht die Wetterdaten des DWD zugaenglich. Es enthaelt zwei Tools:

• getWeather — Aktuelles Wetter fuer einen Ort (Parameter: Breitengrad, Laengengrad, Datum → Ergebnis: Temperatur, Niederschlag, Wind, Bewoelkung)
• getForecast — 7-Tage-Vorhersage fuer einen Ort (Parameter: Breitengrad, Laengengrad → Ergebnis: Vorhersage pro Tag)

Datenquelle:  https://api.brightsky.dev
Tool:         getWeather
Aufruf:       GET /weather?lat=52.52&lon=13.41&date=2026-03-28
Ergebnis:     { temperature: 14.2, precipitation: 0, wind_speed: 12.5 }

Die KI sieht dieses Tool und weiss: “Damit kann ich das Wetter abfragen.” Sie muss die API-Dokumentation des DWD nicht kennen — das Schema hat die Arbeit bereits erledigt.

Wie wird ein Schema nutzbar?

Ein Schema ist zunaechst eine .mjs-Datei — eine Beschreibung in Code. Damit die darin enthaltenen Tools fuer KI-Clients verfuegbar werden, braucht es einen Server, der sie bereitstellt.

Das uebernimmt FlowMCP — ein Open-Source-Framework, das Schemas laedt, die Struktur validiert, die Tests ausfuehrt und die Tools ueber das Model Context Protocol (MCP) bereitstellt. Ueber 100 KI-Clients unterstuetzen MCP bereits — von Claude ueber ChatGPT bis Cursor.

Das Ergebnis: Ein Tool, das in einem Schema definiert wurde, kann von jeder MCP-kompatiblen KI aufgerufen werden. Einmal beschrieben, ueberall nutzbar.

Wie entstehen Schemas?

Schemas werden von der Community und dem FlowMCP-Team erstellt und gepflegt — basierend auf oeffentlich zugaenglichen API-Dokumentationen und in Zusammenarbeit mit Datenpartnern. Jedes Schema wird getestet (mindestens 3 Tests pro Tool), validiert und dokumentiert, bevor es verfuegbar wird.

Die Community kann Schemas ueber eine 5-Stufen-Pipeline mit automatischer Validierung, KI-Pruefung und menschlicher Freigabe beitragen. Das Prinzip dahinter: “Validated once, for all.” Was einmal sorgfaeltig geprueft wurde, steht danach allen zur Verfuegung.

Eigene Schemas erstellen

Schemas folgen der FlowMCP Spezifikation v3.0.0:

• Dokumentation: Schema Uebersicht
• Spezifikation: FlowMCP Spec v3.0.0
• Wie du beitragen kannst: Community Hub →
• Schema-Repository: github.com/flowmcp/flowmcp-schemas-public