Jörg Köster präsentierte seinen selbst entwickelten MCP-Server für FileMaker, der über die oData-Schnittstelle einen strukturierten Zugriff auf FileMaker-Datenbanken für AI-Agenten bereitstellt. Das Projekt entstand aus einem konkreten Bedürfnis: Wenn die AI bereits Skripte generiert, sollte sie diese auch gleich selbst testen können – und dafür braucht sie Zugriff auf die Daten.

Hintergrund – warum MCP?

Das Model Context Protocol (MCP) ist ein offener Standard, den man sich am besten wie ein “USB-Kabel zwischen AI und Datenbank” vorstellen kann. Der MCP-Server stellt der AI eine definierte Menge an Tools zur Verfügung – Lesen, Schreiben, Skripte ausführen, Schema abfragen – und die AI entscheidet selbst, welches Werkzeug sie wann einsetzt.

Claris bietet mittlerweile selbst einen MCP-Server an, doch dieser setzt eine Claris-ID voraus, die Server stehen in den USA, und DSGVO-Fragen bleiben offen. Jörgs Ansatz ist eine lokal laufende Alternative, deren MCP-Server vollständig unter eigener Kontrolle bleibt – auch wenn die Anfragen am Ende natürlich über die AI-API (in Jörgs Fall von Anthropic) laufen.

Warum oData statt Data API?

Die Wahl fiel bewusst auf die oData-Schnittstelle statt auf die klassische FileMaker Data API. Die Vorteile:

  • Schema-Zugriff direkt auf Tabellenebene – ohne Umweg über Layouts, wie es die Data API verlangt
  • Offener Standard – oData ist außerhalb der FileMaker-Welt etabliert und der AI bekannt
  • Kein Token-Handling – Basic Authentication reicht aus, das macht den Code deutlich schlanker
  • Bemerkenswerte Geschwindigkeit – Anfragen laufen so flink durch, dass man sie in der Konsole kaum mitverfolgen kann
  • Volle Schema-Manipulation – über oData lassen sich sogar Tabellen und Felder anlegen oder löschen

Als Einschränkung nannte Jörg, dass oData keine globalen Werte liest. Für solche Fälle ist ergänzend die Data API in den MCP-Server integriert.

Der MCP-Server im Detail

Jörg hat den MCP-Server nicht selbst programmiert – er hatte die Idee und ließ Claude Code die Umsetzung übernehmen. Herausgekommen ist ein MCP-Server mit rund 20 Tools, die nahezu alles abbilden, was oData auf dem FileMaker Server bereitstellt.

Als Sicherheitsmaßnahme sind im aktuellen Release destruktive Operationen wie das Anlegen oder Löschen von Tabellen und Feldern per Default deaktiviert. Wer das volle Spektrum nutzen möchte, kann es gezielt freischalten.

Praktische Anwendungsfälle

Jörg zeigte live, wie er den MCP-Server in seiner Arbeit einsetzt:

Onboarding-Dokumentation erzeugen – Für jedes neue Release seiner CAOS-Software legt er Einträge an, die neue Funktionen mit Screenshots und Erklärungstexten beschreiben. Ein selbst geschriebener Claude-Skill liest die Struktur, erfasst Screenshots und legt die Datensätze automatisiert an – inklusive Markdown- und HTML-Formatierung.

Testdaten generieren – Besonders eindrucksvoll war die Demo für eine Reiseplanung: Mit dem Prompt “Leg mir 15 realistische Aufgaben im Kontext einer klassischen Tournee-Agentur an” lieferte die AI in unter einer Minute vollständig plausible Datensätze – inklusive existierender Hotelnamen, realer Konzertorte und sinnvoller Vertragsentwürfe. “Testdatensätze anlegen ist eine echte Qual”, merkte Jörg an – mit dem MCP-Server fällt diese Last weg.

Plausibilitätstests – In komplexen Datenmodellen mit verknüpften Tabellen prüft die AI über den MCP-Server direkt, ob Skripte korrekt funktionieren. Bei einer umfangreichen Umsetzung eines Kanban-Tools in FileMaker entstand so ein interaktiver Dialog mit dem Agenten: Die AI bat Jörg, einen Button zu klicken, prüfte dann selbst über den MCP-Server, ob die erwarteten Datensätze entstanden – und korrigierte gegebenenfalls den Code.

Verfeinerungen

Auf Grundlage des MCP-Servers lässt sich Claude Code nun gezielt in eigene Projekte einarbeiten. Für den Aufbau eigener Skills und Agents hat Jörg einen effizienten Workflow entwickelt: Planung und Konzeption finden zunächst in ChatGPT statt, die eigentliche Skill-Datei lässt er dann von Claude schreiben. Zur Qualitätssicherung hat er zusätzlich einen Review-Orchestrator aufgebaut, der über vier Sub-Agenten Codequalität, Dokumentation, Konsistenz und Architektur prüft.

Fazit

Der MCP-Server öffnet einen neuen Qualitätssprung im AI-gestützten FileMaker-Entwickeln: Die AI muss nicht mehr bei jeder Anfrage den vollen Kontext übertragen bekommen, sondern kann gezielt die Informationen abfragen, die sie gerade benötigt. Das spart nicht nur Tokens, sondern macht echte Agentenprozesse erst möglich – mit Feedback-Loop und selbstständiger Fehlerkorrektur. Darüber hinaus unterstützt die AI den Entwickler bei der Dokumentation und der Erzeugung von Beispiel-Einträgen.

Der MCP-Server ist als Open-Source auf GitHub verfügbar:
https://github.com/JoergKoester/mcp-server-filemaker