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.
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