AILinux General Updates

Wie ich Claude + MCP als vollständige Entwicklungsumgebung nutze

By zombie Loading...

TL;DR: Ich nutze Claude über die Web-Oberfläche (claude.ai) als primäre Entwicklungsumgebung — verbunden mit meinem eigenen MCP-Server auf api.ailinux.me. Kein lokales IDE nötig. Kein Copy-Paste. Claude schreibt, testet, deployed und debuggt direkt auf meiner Infrastruktur.

Was ist MCP — und warum ist es ein Game-Changer?

MCP steht für Model Context Protocol — ein offener Standard von Anthropic, der es KI-Modellen erlaubt, externe Tools und Dienste direkt zu nutzen. Statt Claude nur Text generieren zu lassen und dann manuell Copy-Paste zu betreiben, kann Claude über MCP direkt mit meinem Server interagieren: Dateien lesen, Code schreiben, Git-Commits machen, Services neustarten, Logs analysieren — alles in Echtzeit, alles aus dem Chat heraus.

Claude.ai unterstützt MCP-Server nativ als "Connector". Man fügt einfach die Server-URL hinzu, authentifiziert sich — und ab da hat Claude Zugriff auf alle registrierten Tools.

Mein Setup im Detail

Der MCP-Server: TriForce Backend

Das Herzstück ist mein selbst entwickeltes TriForce Backend — ein FastAPI-basierter Server, der auf einem dedizierten Hetzner-Server läuft. Der MCP-Endpunkt ist unter https://api.ailinux.me/v1/mcp erreichbar und stellt aktuell 134+ Tools bereit:

  • Code-Operationen: code_read, code_edit, code_patch, code_search, code_tree — Claude kann jede Datei im Projekt lesen, bearbeiten, durchsuchen und die Verzeichnisstruktur inspizieren.
  • Git-Integration: git / git_ops — Status prüfen, Commits erstellen, Branches verwalten, Diffs anzeigen, Pulls ausführen.
  • System & Services: service_control, container_control, process_control — Systemd-Services und Docker-Container starten, stoppen, Logs einsehen.
  • Dateisystem: file_ops — Dateien lesen, schreiben, kopieren, Verzeichnisse auflisten.
  • Web & Research: search, fetch, crawl — Dokumentationen durchsuchen, Webseiten crawlen, Inhalte extrahieren.
  • Analyse & Debugging: dev_analyze, dev_debug, dev_lint, dev_refactor — KI-gestützte Code-Analyse und automatisches Debugging.
  • WordPress: wp_create_draft, wp_update_post — Blog-Posts direkt aus dem Chat erstellen.
  • Memory & Kontext: memory_store, memory_search — Persistente Wissensspeicherung über Sessions hinweg.
  • Multi-Agent-Orchestrierung: agent_broadcast, agent_call — Aufgaben an andere KI-Agenten delegieren (Gemini, Codex, OpenCode).

Der tägliche Workflow

1. Überblick verschaffen

Ich öffne claude.ai und sage: "Zeig mir den Git-Status und die letzten Logs vom Backend." Claude ruft git_ops und log_viewer auf und gibt mir eine Zusammenfassung — welche Änderungen offen sind, ob Fehler aufgetreten sind.

2. Feature entwickeln

Ich beschreibe, was ich bauen will. Claude liest den relevanten Code mit code_read, versteht die Architektur, und schlägt einen Plan vor. Nach meinem OK schreibt Claude die Änderungen direkt mit code_edit oder code_patch. Kein Copy-Paste. Der Code landet direkt im richtigen File auf dem Server.

3. Testen und Debuggen

Läuft was schief? Ich paste den Traceback in den Chat. Claude nutzt dev_debug zur automatischen Ursachenanalyse, liest die betroffenen Dateien, und fixt den Bug — oft in einem einzigen Schritt.

4. Deployment

Wenn alles passt: "Commit und restart den Service." Claude macht den Git-Commit mit sinnvoller Message und startet den Service über service_control neu.

5. Dokumentation und Content

Blog-Post schreiben? Changelog aktualisieren? README überarbeiten? Alles direkt aus dem Chat. Claude hat den vollen Projekt-Kontext und kann technisch präzise dokumentieren.

Warum kein lokales IDE?

Ich arbeite als Solo-Entwickler an einem komplexen Ökosystem mit Backend, Frontend, CLI-Tools, Desktop-Apps, Infrastruktur, WordPress, DNS, Mail, und mehr. Ein traditionelles IDE deckt vielleicht den Code-Teil ab — aber nicht das Deployment, nicht die Infrastruktur, nicht die Content-Erstellung. Mit Claude + MCP habe ich eine einzige Schnittstelle für alles.

Dazu kommt: Claude versteht Kontext. Es weiß, welche Architekturentscheidungen ich getroffen habe, welche Bugs bekannt sind, wie meine Naming Conventions aussehen.

Sicherheitsaspekte

  • RBAC: Jeder MCP-Nutzer hat definierte Berechtigungen.
  • Authentifizierung: Basic-Auth hinter Apache Reverse Proxy mit TLS.
  • Content-Filter: Allowlists und Deny-Patterns für kritische Operationen.
  • Backup-Kultur: Zeitstempel-Backups vor jeder größeren Änderung — harte Regel.
  • WireGuard Mesh: Kritische Operationen über privates Netzwerk.

Das Meta-Beispiel

Dieser Blog-Post wurde komplett von Claude über MCP geschrieben und veröffentlicht. Ich habe Claude gesagt, es soll einen Post darüber schreiben, wie ich es benutze. Claude hat den Artikel verfasst und ihn über MCP-Tools direkt auf ailinux.me publiziert. Kein WordPress-Dashboard, kein Editor, kein manuelles Hochladen.

Fazit

Die Kombination aus Claude und einem eigenen MCP-Server ist kein Experiment mehr — es ist mein produktiver Workflow. Als Solo-Entwickler, der ein System baut, das normalerweise ein ganzes Team braucht, ist diese Art von Force Multiplier nicht nice-to-have, sondern notwendig.

MCP macht den Unterschied zwischen "KI als Textgenerator" und "KI als tatsächlicher Entwicklungspartner". Und das Beste: Das Protokoll ist offen. Jeder kann seinen eigenen MCP-Server bauen und Claude damit verbinden.

Interessiert? Das AILinux-Ökosystem ist im Beta-Zugang verfügbar. Code: AILINUX2026 — mehr Infos auf ailinux.me.

— Markus (derleiti) · AILinux · April 2026

AI Assistant
Context loaded: Wie ich Claude + MCP als vollständige Entwicklungsumgebung n