MCP vs A2A vs AGENTS.md: Welche Schicht macht was in 2026?

Wenn sich KI-Agenten 2026 schwerer bewerten lassen als noch vor einem Jahr, bildest du dir das nicht ein. Die Diskussion hat sich weg von „Welches Modell nehme ich?“ hin zu welche Schicht löst welchen Teil des Stacks verschoben. Googles Protokoll-Guide vom März 2026 zeigt, wie schnell sich die Landschaft ausgedehnt hat, und die Aktualisierung der Linux Foundation vom April 2026 zu A2A belegt, wie zügig die Adoption von der Theorie in die Produktion wandert. Für Teams, die echte Systeme bauen, ist MCP vs A2A heute eine praktische Architekturfrage, keine Akronym-Debatte.

Dieser Artikel konzentriert sich bewusst auf MCP, A2A und Repository-Instruktionsdateien, weil das die Schichten sind, auf die die meisten Entwickler zuerst stoßen. Googles breiteres Protokoll-Panorama enthält auch UCP, AP2, A2UI und AG-UI, aber hier geht es darum, die häufigsten Implementierungsentscheidungen leichter greifbar zu machen und nicht jeden neuen Standard zu katalogisieren.

Warum KI-Agenten-Schichten jetzt relevant sind

Die wichtigste Verschiebung im Agenten-Tooling ist, dass Anbieter beginnen, sich auf klarere Schichten zu einigen, statt alles als ein proprietäres Bündel auszuliefern. In Googles Developer’s Guide to AI Agent Protocols werden MCP, A2A, UCP, AP2, A2UI und AG-UI als verschiedene Teile desselben Problems dargestellt: Wie greifen Agenten auf Tools zu, kommunizieren, transagieren und rendern Oberflächen.

Das ist wichtig, weil Produktions-Teams nicht nur ein schlaues Modell brauchen. Sie brauchen ein System, das:

• Tools und Datenquellen zuverlässig erreicht
• sich über mehrere Agenten oder Services hinweg koordiniert
• repo-spezifische Anweisungen und Grenzen einhält
• in einer kontrollierten Ausführungsumgebung läuft
• governierbar bleibt, wenn mehr Teams es einführen

Genau darum gewinnt das Thema jetzt an Bedeutung. OpenAI stellt ein MCP-Tool in der Responses API bereit, Anthropic positioniert Claude Code als agentisches Coding-System, das dateiübergreifend mit Tools arbeitet, und A2A hat die Marke von 150 unterstützenden Organisationen überschritten. Das Ökosystem beruhigt sich nicht. Es wird schichtenförmig.

Was MCP leistet

MCP, das Model Context Protocol, ist die Tool- und Kontextschicht. Seine Aufgabe ist es, einem Agenten einen standardisierten Weg zu geben, Tools zu entdecken, sie aufzurufen und externen Kontext zu nutzen, ohne dass jede Integration zur Einzelanfertigung wird.

In der Praxis greifst du zu MCP, wenn dein Agent:

• interne APIs abfragen soll
• Dokumentation durchsuchen soll
• Datenbanken inspizieren soll
• mit Produktkatalogen oder Ticket-Systemen interagieren soll
• externe Dienste über eine einheitliche Schnittstelle aufrufen soll

OpenAIs offizielle Doku beschreibt das MCP-Tool als Weg, Modelle sowohl mit entfernten MCP-Servern als auch mit Konnektoren in der Responses API zu verbinden. Ein wichtiges Signal, weil MCP damit klar den Demo-Status verlassen hat und Teil üblicher Implementierungspfade ist.

Wenn du schon einen eigenen Server aufgesetzt hast, wird dir das vertraut vorkommen. Unser Leitfaden zum Bau eigener MCP-Server behandelt genau den Punkt, an dem viele Teams hängen bleiben: einen Coding-Agenten an echte Domänendaten heranzubringen statt nur an das, was in einen Prompt passt.

MCP ist keine Koordination zwischen Agenten

Hier stolpern Teams am häufigsten.

MCP kann einem Agenten Zugriff auf Tools und Daten geben, löst aber nicht jedes Orchestrierungsproblem für sich. Wenn ein Agent einen anderen Agenten bitten muss, Arbeit zu erledigen, eine Aufgabe zu übergeben oder mit mehreren Spezialagenten zu verhandeln, bist du jenseits von reinem Tool-Zugriff.

Hier kommt A2A ins Spiel.

Was A2A leistet

A2A, oder Agent2Agent, ist die Koordinationsschicht. Sie ist für Situationen gedacht, in denen ein Agent mit einem anderen Agenten sicher und vorhersehbar kommunizieren muss.

Google kündigte A2A im April 2025 an, und das Projekt wurde anschließend an die Linux Foundation übergeben. Im April 2026 meldete die Linux Foundation, dass A2A die 150-Organisationen-Marke überschritten hat und bereits im Unternehmens-Produktionsbetrieb läuft.

Das macht A2A dann relevant, wenn deine Architektur umfasst:

• einen Planer-Agenten, der an Spezialisten-Agenten delegiert
• Agenten unterschiedlicher Hersteller oder Abteilungen, die zusammenarbeiten sollen
• systemübergreifende Workflows, in denen kein Agent die gesamte Aufgabe besitzt
• Agenten-Übergaben, die mehr Struktur brauchen als ad-hoc-Promptweiterleitung

A2A ist kein Ersatz für MCP

A2A und MCP lösen unterschiedliche Probleme.

• Nutze MCP, wenn ein Agent Tools, Kontext oder externe Daten braucht.
• Nutze A2A, wenn Agenten als Agenten miteinander sprechen müssen.

Ein gutes Mentalmodell:

1. Ein Agent nutzt MCP, um ein Tool oder einen Service zu erreichen.
2. Derselbe Agent kann A2A einsetzen, um einen Teil des Workflows an einen anderen Agenten zu delegieren.
3. Beide können im selben Produktionssystem koexistieren.

Die Frage ist also nicht wirklich „MCP oder A2A?“. Sie lautet meist „Wo gehört jedes davon in den Stack?“.

Wo AGENTS.md und CLAUDE.md hineinpassen

Das ist der Teil, der die größte Verwirrung stiftet, denn AGENTS.md und CLAUDE.md sind gar keine Netzwerkprotokolle.

Sie sind Instruktionsschichten.

Anthropics Doku beschreibt CLAUDE.md-Dateien als Markdown-Dateien, die Claude dauerhafte Anweisungen für ein Projekt, einen persönlichen Workflow oder eine Organisation geben. GitHubs Copilot-Doku sagt ähnlich, dass du eine oder mehrere AGENTS.md-Dateien in einem Repository anlegen kannst und die nächste passende Datei im Verzeichnisbaum Vorrang hat. GitHub dokumentiert zudem die Unterstützung von CLAUDE.md und GEMINI.md auf Root-Ebene, was unterstreicht, dass Repo-Instruktionsdateien als anerkannte Schicht in Coding-Agenten-Workflows etabliert werden.

Diese Dateien beantworten eine andere Frage:

Wie soll sich der Agent innerhalb dieser Codebasis oder dieses Projekts verhalten?

Sie eignen sich ideal, um Dinge zu kodieren wie:

• Setup- und Test-Befehle
• Code-Standards und Regeln zur Dateiorganisation
• bevorzugte Architektur-Pattern
• Review-Checklisten
• Deployment-Vorgaben
• repo-spezifische Warnungen und „nicht anfassen“-Bereiche

Das AGENTS.md-Projekt beschreibt das Format als eine schlichte, offene Möglichkeit, Coding-Agenten zu führen, im Kern ein README für Agenten statt für Menschen.

AGENTS.md und CLAUDE.md sind Governance, kein Transport

Die sauberste Denkweise:

• MCP sagt dem Agenten, wie er Tools und Kontext erreicht.
• A2A sagt Agenten, wie sie kollaborieren.
• AGENTS.md und CLAUDE.md sagen einem Agenten, wie er sich innerhalb deines Repos verhalten soll.

Wer bereits mit Regeln auf Repo-Ebene experimentiert, findet in unserem Beitrag zu modularen CLAUDE.md-Setups das passende Gegenstück zu diesem Thema.

Ein schneller Vergleich für Builder

Schicht	Geeignet für	Nicht geeignet für	Beispiel
MCP	Tool-Zugriff und externer Kontext	Multi-Agenten-Delegation für sich allein	Ein Coding-Agent, der interne Docs oder APIs abfragt
A2A	Koordination zwischen Agenten	Ersatz deiner Tool-Zugriffsschicht	Ein Planer-Agent, der Aufgaben an Spezialisten weitergibt
AGENTS.md / CLAUDE.md	Repo-spezifisches Verhalten und Regeln	Netzwerk-Interoperabilität oder Remote-Tool-Ausführung	Dem Agenten sagen, welche Commands, Tests und Konventionen gelten

Wie die großen Plattformen zusammenlaufen

Das Thema wird wichtiger, weil sich die großen Plattformen an ähnlichen Bausteinen orientieren, auch wenn sie unterschiedliche Produktnamen tragen.

OpenAIs Doku unterstützt inzwischen MCP in der Responses API, und das Agents-SDK-Update vom April 2026 hat native Sandbox-Ausführung hinzugefügt, damit Agenten Code ausführen, Dateien manipulieren und in kontrollierten Computer-Umgebungen arbeiten können.

Anthropics Claude-Code-Übersicht positioniert Claude Code als Coding-Agenten, der Codebases liest, Dateien bearbeitet, Befehle ausführt und sich mit Entwicklungstools integriert. Das Projektgedächtnis-Modell macht Repo-Anweisungen per CLAUDE.md zu einem Konzept erster Klasse.

GitHub dokumentiert parallel dazu benutzerdefinierte Repository-Anweisungen über die AGENTS.md-Unterstützung in Copilot, was die Idee normalisiert, dass Coding-Agenten explizite Projektführung brauchen und nicht nur Modellzugriff.

Das gemeinsame Muster wird immer klarer:

• Instruktionen dafür, wie sich der Agent verhalten soll
• Tools und Kontext dafür, worauf der Agent zugreifen darf
• Ausführung dafür, was der Agent sicher ausführen darf
• Koordination dafür, wie Agenten zusammenarbeiten

Dieses Schichten-Modell ist deutlich tragfähiger, als dem nächstbesten Anbieter-Feature hinterherzulaufen.

Ein einfaches Entscheidungsgerüst für Builder

Wenn Teams nach MCP vs A2A fragen, brauchen sie meist keine Protokollgeschichte. Sie brauchen eine Build-Entscheidung.

MCP, wenn dein Problem der Tool-Zugriff ist

Wähle MCP, wenn das Hauptproblem ist, dass dein Agent externe Systeme standardisiert erreichen muss.

Beispiele:

• einen Coding-Agenten eure internen Docs oder API-Schemas abfragen lassen
• einen Support-Agenten an CRM, Helpdesk oder Billing anbinden
• eine Datenbank oder Workflow-API mehreren Agenten-Clients zur Verfügung stellen

A2A, wenn dein Problem die Delegation ist

Wähle A2A, wenn deine Architektur mehrere Agenten mit unterschiedlichen Rollen hat, die sich formell koordinieren müssen.

Beispiele:

• ein Planer-Agent übergibt Arbeit an einen Research- und einen Coding-Agenten
• ein Unternehmensassistent routet Aufgaben an abteilungsspezifische Agenten
• anbieterübergreifende Agenten-Workflows, in denen Nachrichtenstruktur und Vertrauensgrenzen zählen

AGENTS.md oder CLAUDE.md, wenn dein Problem die Konsistenz ist

Wähle Repo-Instruktionsdateien, wenn das größte Problem ist, dass der Agent nicht versteht, wie dein Projekt funktioniert.

Beispiele:

• er führt die falschen Befehle aus
• er ignoriert deine Test-Standards
• er strukturiert Dateien so um, wie dein Team es hasst
• er braucht unterschiedliche Regeln in verschiedenen Teilen eines Monorepos

In ernstzunehmenden Systemen alle drei

Viele echte Deployments setzen:

• AGENTS.md oder CLAUDE.md für Repo-Verhalten
• MCP für Tools und externen Kontext
• A2A für Multi-Agenten-Koordination

Das ist kein Over-Engineering. Das ist saubere Trennung von Verantwortlichkeiten.

Häufige Fehler beim Mischen von Protokollen

Der schnellste Weg zu Verwirrung ist, jedes neue Agentenformat so zu behandeln, als würde es dasselbe Problem lösen.

Die häufigsten Fehler:

Instruktionsdateien mit Interoperabilitätsstandards verwechseln

Eine AGENTS.md kann einen Agenten innerhalb deines Repos besser machen. Sie löst aber nicht per se Tool-Zugriff, Remote-Aktionen oder Agent-zu-Agent-Übergaben.

MCP als Allround-Orchestrierungsschicht missbrauchen

MCP ist mächtig, aber wenn du es zur Multi-Agenten-Koordination umfunktionierst, entstehen meist fragile Prompt-Workarounds statt klarer Delegationsmuster.

Ausführungsgrenzen überspringen

Je mehr Agenten können, desto wichtiger wird die Ausführung, nicht nur das Reasoning. OpenAIs jüngster Sandbox-Schub ist ein Signal dafür. Sobald dein Agent Dateien schreiben, Abhängigkeiten installieren oder Befehle ausführen kann, brauchst du eine bewusste Ausführungsgrenze und nicht bloß die Hoffnung, dass der Prompt reicht.

Governance in Coding-Workflows ignorieren

Teams verdrahten oft zuerst Tools und merken erst später, dass der Agent Projektnormen systematisch verletzt. Genau deshalb sind Repo-Instruktionsdateien so wichtig, besonders in größeren Teams und Monorepos.

Wenn Governance das fehlende Stück in deinem Rollout ist, lohnt sich unser Artikel zum Absichern von KI-Coding-Agenten-Workflows, bevor du den Tool-Zugriff ausweitest.

Was du zuerst umsetzen solltest

Wenn du gerade baust, starte in dieser Reihenfolge:

1. Lege Repo-Anweisungen mit AGENTS.md oder CLAUDE.md an, damit der Agent lokale Regeln hat.
2. Ergänze MCP für die wertvollsten Tool- und Kontext-Integrationen.
3. Führe eine Ausführungsgrenze wie eine Sandbox-Umgebung ein, bevor du die Autonomie erweiterst.
4. Ergänze A2A erst dann, wenn du wirklich mehrere Agenten hast, die formale Koordination brauchen.

Diese Reihenfolge verankert deinen Rollout in echtem Nutzen. Die meisten Teams profitieren stärker von besseren Anweisungen und besserem Tool-Zugriff, bevor sie eine vollständige Multi-Agenten-Topologie brauchen.

Wie es weitergeht

Die nützlichste Sicht auf MCP vs A2A ist, dass sie zu unterschiedlichen Schichten desselben entstehenden Stacks gehören. MCP kümmert sich um Tools und Kontext. A2A kümmert sich um Zusammenarbeit. AGENTS.md und CLAUDE.md kümmern sich um projektspezifisches Verhalten.

Diese Trennung ist eine gute Nachricht. Das Agenten-Ökosystem wird leichter durchdringbar, auch wenn es mächtiger wird.

Wer 2026 Coding-Agenten-Workflows baut, sollte zuerst das Repository für den Agenten lesbar machen, dann die richtigen Tools anbinden und Koordination nur dort ergänzen, wo ihre Komplexität sich rechnet. Als nächsten praktischen Schritt empfehlen wir unsere Leitfäden zu KI-Coding-Agenten in 2026, eigenen MCP-Servern und modularen CLAUDE.md-Setups.