KI-Agenten wie Claude, GPT oder Gemini können über das Model Context Protocol (MCP) auf externe Tools und APIs zugreifen. In der Praxis scheitert das an drei Problemen: MCP-Server decken nie die vollständige API ab, Credentials landen im Klartext beim LLM, und es gibt keine Kontrolle darüber, was ein Agent tatsächlich tut.
Wir lösen das mit ToolMesh und DADL.
ToolMesh — MCP Middleware
ToolMesh ist die Execution-Schicht zwischen KI-Agenten und Ihrer Infrastruktur. Nicht noch ein Gateway — eine vollständige Middleware mit sechs Säulen, die kein anderes Produkt kombiniert:
MCP Code Mode
2 Tools statt 200 für effiziente Context-Window-Nutzung
Durable Execution
Retry, Timeout und Scheduling über Temporal
Fine-grained Authorization
OpenFGA steuert, wer welches Tool nutzen darf
Credential Injection
API-Keys werden zur Laufzeit injiziert, das LLM sieht sie nie
Output Gate
JS Policy Engine prüft jeden Output vor der Auslieferung (AI-DLP)
MCP Aggregation
Hunderte MCP-Server über einen einzigen Endpunkt
Self-hosted, Open Source, Go-Binary oder Docker. Kein SaaS, kein Vendor Lock-in.
DADL — Jede REST-API als MCP-Tool
MCP-Server sind strukturell immer ein Subset der API — Grundfunktionen fehlen regelmäßig. DADL (Dunkel API Description Language) löst das: Eine YAML-Datei beschreibt Ihre REST-API deklarativ, ToolMesh macht MCP-Tools daraus. Kein Server zu programmieren, keine Abhängigkeit von Drittanbietern.
Mehr über DADL-EntwicklungManaged Cloud Services
ToolMesh und DADL sind auf der Infrastruktur entstanden, die wir seit Jahren für Unternehmen betreiben. Diese Erfahrung steckt im Produkt — und steht auch Ihnen als Managed Service zur Verfügung:
AI-Beratung
Strategie und Umsetzung für KI-Integration in Geschäftsprozesse
Edge & Cloud Infrastruktur
XCP-ng, Linode IaaS, Nomad, Consul
E-Mail & Collaboration
Zimbra Hosting in der Cloud und On-Premise
Backup & Disaster Recovery
Offsite Backup, Linux-Server-DR
Migration
Workloads zwischen Cloud- und Edge-Standorten verschieben
Monitoring
Cloud- und Edge-basiert