WZ 2025 MCP-Server: Branchenklassifizierung für KI-Agenten

Was ist MCP und warum hilft es bei der WZ-Klassifizierung?

Das Model Context Protocol (MCP) ist ein offener Standard, über den KI-Anwendungen externe Werkzeuge aufrufen. Ein MCP-Server beschreibt seine Tools maschinenlesbar, der Agent entscheidet selbst, wann er sie nutzt. Für die Branchenklassifizierung löst das ein reales Problem: Sprachmodelle kennen die WZ 2025 aus ihrem Training bestenfalls lückenhaft und erfinden im Zweifel plausibel klingende, aber falsche Codes. Mit dem MCP-Server holt sich der Agent die Antwort aus der API, die jeden Code gegen das amtliche Verzeichnis prüft.

Der Endpoint und seine Tools

Der Server läuft unter https://www.wz2025.io/api/mcp (Streamable HTTP). Authentifiziert wird über den Header x-api-key. Den Key erhalten Sie mit dem Flat-300-Abo per E-Mail; er gilt für REST und MCP gemeinsam.

Beide Tools antworten mit demselben JSON wie die REST-API:

{
  "result": "62.20.1 - Erbringung von Beratungsleistungen auf dem Gebiet der Informationstechnologie",
  "code": "62.20.1",
  "text": "Erbringung von Beratungsleistungen auf dem Gebiet der Informationstechnologie",
  "usage": { "used": 4, "included": 300, "hardLimit": 330 }
}

Einbindung in Claude Code

Eine Zeile im Terminal genügt:

claude mcp add --transport http wz2025 https://www.wz2025.io/api/mcp \
  --header "x-api-key: wz_IHR_KEY"

Danach beantwortet Claude Fragen wie „Klassifiziere: Betrieb einer Kfz-Werkstatt mit Reifenhandel" direkt über das Tool. Dasselbe Muster funktioniert in jedem MCP-Client, der Streamable HTTP und eigene Header unterstützt.

KI-Agent in n8n: Chat mit WZ-Tools

In n8n wird daraus ein Chat-Assistent aus fünf Nodes: Chat Trigger, AI Agent, ein Sprachmodell, ein Memory-Node und der MCP-Client als Tool. So sieht der fertige Workflow aus:

Die drei entscheidenden Einstellungen:

1. MCP-Client-Node: Endpoint https://www.wz2025.io/api/mcp, Authentication „Header Auth" mit einem Credential aus Name x-api-key und Ihrem Key als Wert. Die Tools erkennt n8n automatisch.
2. System-Prompt des Agents: „Beantworte Anfragen zur WZ-Klassifizierung ausschließlich mit deinen MCP-Tools. Erfinde keine Codes!" Das zwingt das Modell zur API und verhindert geratene Klassifizierungen.
3. Modell und Memory nach Geschmack; für dieses Beispiel reichen ein Standard-Chat-Modell und ein kleines Fenster-Memory.

So sieht der Chat im Betrieb aus. Schon das Stichwort „fahrradkurier" reicht:

Im Execution-Log ist der Tool-Aufruf transparent nachvollziehbar: Der Agent übergibt die Beschreibung an classify_company und erhält Code, Bezeichnung und Kontingentstand zurück:

Zum Nachbauen: dieses JSON in n8n importieren (Credentials danach selbst auswählen):

{
  "nodes": [
    {
      "parameters": { "availableInChat": true, "options": {} },
      "type": "@n8n/n8n-nodes-langchain.chatTrigger",
      "typeVersion": 1.4,
      "position": [0, 0],
      "name": "When chat message received"
    },
    {
      "parameters": {
        "options": {
          "systemMessage": "Du bist ein Assistent, der Anfragen zur WZ-Klassifizierung mit seinen MCP-Tools beantwortet. WICHTIG: Benutze nur die Tools, die dir zur Verfügung stehen. Erfinde keine Codes!"
        }
      },
      "type": "@n8n/n8n-nodes-langchain.agent",
      "typeVersion": 3.1,
      "position": [208, 0],
      "name": "AI Agent"
    },
    {
      "parameters": {
        "endpointUrl": "https://www.wz2025.io/api/mcp",
        "authentication": "headerAuth",
        "options": {}
      },
      "type": "@n8n/n8n-nodes-langchain.mcpClientTool",
      "typeVersion": 1.3,
      "position": [448, 320],
      "name": "wz2025.io MCP Client"
    },
    {
      "parameters": {
        "model": { "__rl": true, "value": "gpt-5.3-chat-latest", "mode": "list" },
        "options": {}
      },
      "type": "@n8n/n8n-nodes-langchain.lmChatOpenAi",
      "typeVersion": 1.3,
      "position": [80, 208],
      "name": "OpenAI Chat Model"
    },
    {
      "parameters": { "contextWindowLength": 15 },
      "type": "@n8n/n8n-nodes-langchain.memoryBufferWindow",
      "typeVersion": 1.4,
      "position": [224, 208],
      "name": "Simple Memory"
    }
  ],
  "connections": {
    "When chat message received": { "main": [[{ "node": "AI Agent", "type": "main", "index": 0 }]] },
    "wz2025.io MCP Client": { "ai_tool": [[{ "node": "AI Agent", "type": "ai_tool", "index": 0 }]] },
    "OpenAI Chat Model": { "ai_languageModel": [[{ "node": "AI Agent", "type": "ai_languageModel", "index": 0 }]] },
    "Simple Memory": { "ai_memory": [[{ "node": "AI Agent", "type": "ai_memory", "index": 0 }]] }
  }
}

MCP-Agent oder REST-Batch?

Der MCP-Server glänzt im Dialog und in Agenten-Workflows: einzelne Anfragen, Rückfragen, Kombination mit anderen Tools. Für die Massenverarbeitung ganzer Bestände, etwa in der KYC-Rezertifizierung, bleibt die REST-API mit einem deterministischen Batch-Lauf die bessere Wahl. Wie das in n8n ohne Agent funktioniert, zeigt der Artikel Mit n8n die WZ 2025 API abfragen. Beide Wege teilen sich denselben Key und dasselbe Kontingent der WZ 2025 API.

Häufige Fragen zum WZ 2025 MCP-Server

Welche MCP-Clients funktionieren mit dem WZ 2025 MCP-Server?

Jeder Client, der den Streamable-HTTP-Transport und eigene Header unterstützt. Getestet sind Claude Code und der MCP-Client-Node in n8n; auch Cursor und andere Agenten-Frameworks mit Header-Authentifizierung können den Endpoint nutzen.

Was kostet die Nutzung über MCP?

Es gilt derselbe API-Key und dasselbe Kontingent wie für die REST-API. Jeder Tool-Aufruf zählt als eine Abfrage; den aktuellen Stand liefert das usage-Feld in jeder Antwort.

Worin unterscheidet sich der MCP-Server von WebMCP?

Der MCP-Server ist ein HTTP-Endpoint, den beliebige Agenten und Tools von überall aufrufen. WebMCP ist ein Browser-Experiment: Dort registriert die Website ihre Tools direkt im Browser-Tab, damit agentische Browser sie aufrufen können. Für Integrationen ist der MCP-Server der richtige Weg.

Kann der Agent auch WZ-2008-Codes übersetzen?

Ja, über das Tool translate_wz2008. Eindeutige Codes beantwortet die API deterministisch über den amtlichen Umsteigeschlüssel, bei aufgeteilten Codes wählt sie den plausibelsten amtlichen Kandidaten.

Braucht der Agent einen System-Prompt?

Empfehlenswert ist eine Anweisung wie „Beantworte Fragen zur WZ-Klassifizierung ausschließlich mit deinen Tools, erfinde keine Codes". Damit nutzt das Modell verlässlich die API, statt Codes aus dem Training zu raten. Genau das verhindert falsche Klassifizierungen.