Den MCP-Katalog ist da: Auf Red Hat OpenShift AI entdecken, bereitstellen und verbinden

Sie haben es bereits versucht. Sie haben einen Model Context Protocol (MCP)-Server aus einem GitHub-Repository abgerufen, ihn in einen Container integriert, die Authentifizierung selbst durchgeführt und gehofft, dass er in der Produktion standhält. Das ist der aktuelle Stand der MCP-Einführung in Unternehmen: ein vielversprechendes Protokoll, aber eine mühsame Bereitstellung.

Red Hat OpenShift AI 3.4, Teil vom Red Hat AI Portfolio, verfolgt einen anderen Ansatz. Wir führen den MCP-Katalog (jetzt in der Entwicklungsvorschau) ein: einen kuratierten Katalog von MCP-Servern, die Sie direkt auf Red Hat OpenShift entdecken, bereitstellen und verwalten können. Er enthält bereits vorinstallierte MCP-Server von Red Hat, unseren Technologiepartnern und der Open Source Community, und wir fügen kontinuierlich weitere hinzu. Sie können auch Ihre eigenen MCP-Server verwenden – dieselbe Lifecycle Management- und Runtime-Konnektivität, die den Katalog unterstützt, gilt für jeden MCP-Server, den Sie auf Ihrem Cluster bereitstellen.

Testen Sie Red Hat OpenShift AI, um den MCP-Katalog selbst zu erkunden.

Dies ist keine statische Liste. Jeder MCP-Server im Katalog wird von der Entdeckungsphase bis zum Betrieb auf Ihrem Cluster geführt, wobei Lifecycle Management und Runtime-Konnektivität integriert sind. Von dort aus ist er in Gen AI Studio nutzbar, der Schnittstelle in OpenShift AI, in der Sie mit KI-Agenten und -Anwendungen experimentieren und diese testen. Dies ist der Beginn des MCP-Ökosystems für Unternehmen, das wir aufbauen.

Der MCP-Katalog: Von der Entdeckung bis zur Bereitstellung

Bisher konzentrierte sich AI Hub in OpenShift AI hauptsächlich auf Modelle. Mit OpenShift AI 3.4 werden MCP-Server als wesentliche Bestandteile in den Katalog aufgenommen. Dies ist zudem ein wichtiger Schritt in Richtung einer breiteren KI-Asset-Oberfläche, die in kommenden Releases erweitert wird.

Die meisten heute verfügbaren MCP-Kataloge – darunter Smithery, Docker MCP Catalog und die offizielle MCP-Registry – konzentrieren sich ausschließlich auf das Entdecken. Diese helfen Ihnen dabei, Server zu finden, aber Deployment, Sicherheit und Lifecycle Management liegen in Ihrer Verantwortung. Oft bedeutet das, ein Container Image unbekannter Herkunft herunterzuladen und zu hoffen, dass das nächste Update Ihre Workload nicht beeinträchtigt.

Der MCP-Katalog in OpenShift AI schließt diese Lücke. Wenn Sie den Katalog in AI Hub durchsuchen, finden Sie MCP-Server, die für den Einsatz in Unternehmen validiert sind und Folgendes bieten:

•  Produktionsreife Konnektivität: Streamfähiger HTTP-Transport
• Sicheres Hosting: Images, die auf Red Hat Universal Base Image basieren und auf Schwachstellen gescannt wurden.
• Automatisiertes Deployment: Wenn Sie einen Server auswählen, stellt der MCP Lifecycle Operator diesen auf Ihrem Cluster bereit, erstellt die Kubernetes-Ressourcen und macht den Service verfügbar. 

Nach dem Deployment übernimmt das MCP-Gateway die Runtime-Konnektivität. Es bietet identitätskonformes Routing und Metriken pro Tool, damit Ihr Plattformteam genau weiß, welche Agents welche Tools aufrufen.

Das Ergebnis ist ein kontrollierter Pfad von der Entdeckung über die Bereitstellung bis zur Nutzung. Auswählen, bereitstellen, verbinden, nutzen.

Beachten Sie, dass ab OpenShift AI 3.4 der MCP Lifecycle Operator als Entwicklungsvorschau und das MCP-Gateway als technische Vorschau verfügbar sind.

Abbildung 1: Flussdiagramm der 4 Phasen des Lifecycles des MCP-Servers in Red Hat OpenShift AI: Entdecken Sie Komponenten im MCP-Katalog, stellen Sie diese über den MCP Lifecycle Operator bereit, verbinden Sie sie über das MCP-Gateway und nutzen Sie diese im Gen AI Studio. Dies veranschaulicht den kontrollierten Weg vom Katalog zum Agenten.

Einsatzbereite MCP-Server

Der Katalog umfasst 3 Stufen von MCP-Servern, von denen jede für reale Unternehmens-Workflows geeignet ist. Die folgenden Optionen sind ab sofort verfügbar.

3 MCP-Server von Red Hat

Verbinden Sie Ihre KI-Agenten direkt mit den Plattformen, die Sie bereits nutzen.

• Red Hat OpenShift: Agenten können den Cluster-Status abfragen, Workloads verwalten und Deployments in natürlicher Sprache beheben. Wenn ein Pod um 2.00 Uhr morgens ausfällt, kann ein Engineer einfach den Agenten nach den letzten 50 Protokollzeilen und dem Ressourcenstatus des betroffenen Deployments fragen. Kein Kontextwechsel zwischen Dashboards, keine Kubectl-Gymnastik.
• Red Hat Ansible Automation Platform: Verbinden Sie Agenten mit Ihren Automatisierungs-Workflows. Ein Agent kann Ansible Playbooks auslösen, den Status von Aufgaben überprüfen und Konfigurationsänderungen in der gesamten Infrastruktur orchestrieren. Für AgentOps-Teams bedeutet dies Workflows zur Reaktion auf Vorfälle, die die Erkennung, Diagnose und Problembehebung umfassen, ohne den Agentenkontext zu verlassen.
• Red Hat Lightspeed (vormals Red Hat Insights): Stellen Sie Plattformintelligenz und Empfehlungen durch Ihre KI-Agenten bereit. Anstatt dass Teams Hinweise zu Red Hat Lightspeed manuell prüfen, kann ein Agent die neuesten Empfehlungen abrufen, sie mit dem Cluster-Status korrelieren und Fehlerbehebungsmaßnahmen vorschlagen. So fließen operative Erkenntnisse direkt in agentische Workflows ein.

5 MCP-Server von Technologiepartnern

Erweitern Sie Ihre Agenten mit dem breiteren Unternehmens-Stack.

• Confluent Cloud: Ermöglichen Sie es der KI, Daten-Streaming-Vorgänge auf Kafka und Flink zu verwalten und zu debuggen.
• EDB Postgres AI: Verbinden Sie Agenten mit der Plattform EDB Postgres AI für Abfragen, Schema-Management und Datenbankoperationen, unterstützt durch den EDB pg-airman MCP-Server.
• IBM Terraform: Ermöglichen Sie Agenten die Bereitstellung und Verwaltung von Infrastructure as Code, um die Lücke zwischen KI-gestützten Entscheidungen und der Ausführung der Infrastruktur zu schließen.
• Microsoft Azure: Ermöglichen Sie Agenten das Verwalten von Azure-Ressourcen, das Bereitstellen von Services und das Automatisieren von Cloud-Operationen zusammen mit Ihren OpenShift-Workloads.
• Dynatrace: Integrieren Sie Echtzeit-Insights in Ihre agentenbasierten Workflows. Agenten können Performance-Daten abfragen und erhalten Einblicke auf Codeebene zur Fehlerbehebung, Optimierung und Behebung von Problemen in Ihrer Umgebung.

2 MCP-Server von der Community

Ergänzen Sie die Datenebene (im Katalog unter „Andere MCP-Server“ aufgeführt).

• MongoDB: Fragen Sie Document Collections über Ihre Agenten ab und verwalten Sie diese. Nützlich für RAG-Workflows (Retrieval-Augmented Generation) und Anwendungen, die auf unstrukturierten oder semi-strukturierten Daten basieren.
• MariaDB: Relationale Datenbankkonnektivität für Agenten, die strukturierte Datenspeicher abfragen und verwalten müssen.

Abbildung 2: Der MCP-Katalog in Red Hat OpenShift AI Hub zeigt MCP-Serverkarten an, die nach Stufen geordnet sind (Red Hat, Partner und andere), jeweils mit einer Deployment-Aktion, die den kontrollierten Weg von der Suche bis zum Deployment zeigt.

Vor dem MCP-Katalog bedeutete die Anbindung eines dieser Server an Ihre Agenten, dass Sie ihn erst auf GitHub finden, einen Container aus dem Quellcode erstellen, Transportprobleme beheben und die Authentifizierung konfigurieren mussten – und das alles, noch bevor Sie überhaupt einen einzigen Tool-Aufruf tätigen konnten. Jetzt wählen Sie ihn im Katalog aus, und der MCP Lifecycle Operator erledigt den Rest.

Erkunden Sie den MCP Lifecycle Operator auf GitHub, um zu erfahren, wie MCP-Server auf Kubernetes bereitgestellt und verwaltet werden.

Aufbau eines unternehmensfähigen MCP-Ökosystems

Die MCP-Server in Red Hat OpenShift AI 3.4 sind erst der Anfang. Wir entwickeln ein umfassendes Ökosystem, das auf die Anforderungen der Produktion zugeschnitten ist. 

• KI-Schnellstarts: Wir arbeiten mit Partnern zusammen, um einsatzbereite, branchenspezifische Use Cases bereitzustellen. Diese Playgrounds helfen Teams dabei, KI-Ideen auf einer Open Source-Infrastruktur vom Experiment in die Produktion zu bringen.
• Skalierung der Kuratierung: Unser Validierungsprozess – von der Zustimmung der Partner bis zum technischen Scannen – ist auf Skalierbarkeit ausgelegt. Mit der Weiterentwicklung der MCP-Server werden wir auch weiterhin neue Assets zur Pipeline hinzufügen.
• Unternehmensgerechte Governance: Wir fügen der bereits vom MCP-Gateway geschaffenen Basis eine Durchsetzungsschicht hinzu. Dazu gehören Kontrollen der Lieferkette zur Überprüfung der Herkunft, Vertrauensstufen für zertifizierte Ressourcen und eine vollständige Auditierbarkeit der Tool-Aufrufe eines Agenten.

Erste Schritte

Der MCP-Katalog bietet Plattformteams einen kontrollierten, produktionsbereiten Prozess von der Suche bis zum Deployment, mit kuratierten Servern, validierten Images und Lifecycle-Management auf Ihrem Cluster.

Red Hat OpenShift AI 3.4 stellt diese Funktion jetzt als Vorschau für Entwicklungsteams bereit. Testen Sie Red Hat OpenShift AI, um den MCP-Katalog zu erkunden und Ihren ersten MCP-Server auf OpenShift bereitzustellen. Nehmen Sie am Red Hat Summit 2026 in Atlanta teil (11. bis 14. Mai)? Erleben Sie den MCP-Katalog und den MCP Lifecycle Operator in Aktion.