Ich hätte es nie erwartet. Vor fast zwei Jahren habe ich mit Vibecoding angefangen – Code schreiben, indem ich mit einer KI spreche. Damals dachte ich: Das ist ein cooles Experiment. Heute habe ich einen voll funktionsfähigen MCP Server für Boniforce gebaut, der es jedem ermöglicht, echte Bonitätsprüfungen direkt in ChatGPT durchzuführen. Kein Tab-Wechsel, kein Copy-Paste, kein separates Login. Einfach fragen: „Wie ist der Boniscore der Müller GmbH?“ und die Antwort kommt live aus dem System.
Das ist der Moment, in dem mir klar wurde: Vibecoding ist nicht nur Spielerei. Es ist eine echte Produktivkraft.
Was ist ein MCP Server – und warum ist das wichtig?
Kurz gesagt: MCP steht für Model Context Protocol – ein offener Standard von Anthropic, der es KI-Modellen wie ChatGPT oder Claude ermöglicht, direkt mit externen Datenquellen und Tools zu kommunizieren. Stell es dir wie einen USB-C-Anschluss für KI vor. Einmal angeschlossen, kann das Modell auf Live-Daten zugreifen, APIs aufrufen und Aktionen ausführen – ohne dass du die Schnittstelle jedes Mal neu definieren musst.
Bisher brauchte man dafür tiefes Backend-Wissen: OAuth 2.1, Token-Management, Datenbanken, Docker-Deployment. Ich bin kein ausgebildeter Entwickler. Ich bin jemand, der vor zwei Jahren angefangen hat, mit KI zu coden – und der sich Stück für Stück hochgearbeitet hat. Dass ich heute einen eigenen MCP Server betreibe, der von echten Nutzern verwendet wird, fühlt sich immer noch surreal an.
Meine Vibecoding-Reise: Vom ersten Prompt zum eigenen Server
Als ich anfing, wusste ich kaum, was ein API-Endpunkt ist. Ich habe mit einfachen Tools experimentiert, dann kamen komplexere Projekte. Vibecoding wurde schnell meine Leidenschaft – nicht weil ich Code liebte, sondern weil ich plötzlich Dinge bauen konnte, die vorher undenkbar waren.
Der Wendepunkt kam, als ich realisierte: Ich kann nicht nur kleine Web-Apps bauen. Ich kann Infrastruktur bauen. Systeme, die andere Menschen nutzen. Das war der Moment, in dem aus „Ich probiere mal was“ ein echtes Produkt wurde.
Ich habe mit Claude und ChatGPT die Architektur diskutiert, mir Dinge erklären lassen, die ich nicht verstand, und Schritt für Schritt einen Python-basierten FastMCP-Server aufgebaut. Mit OAuth-Authentifizierung, verschlüsselter Datenspeicherung, REST-API-Mirror und Docker-Deployment. Alles per Vibecoding.
Was der Boniforce MCP Server konkret kann
Der Server verbindet ChatGPT oder Claude mit der Boniforce-API und mit Sectorbench. Das Ergebnis ist ein mächtiges Werkzeug für alle, die mit deutschen Unternehmen arbeiten:
- Boniscore auf Knopfdruck: Frag einfach nach dem Score eines Unternehmens – das Modell findet die Firma, erstellt den Bericht und liefert das Ergebnis mit Kreditlimit-Empfehlung.
- Bilanzanalyse in Echtzeit: Eigenkapital, Verbindlichkeiten, Bilanzsumme – die letzten Jahre im Vergleich, direkt aus den Bundesanzeiger-Daten.
- Branchen-Intelligenz: Gesundheits-Scores für 10 deutsche Branchen (Automotive, Bau, Gesundheitswesen, Erneuerbare Energien, Logistik, FinTech, IT-Services, Einzelhandel, Gastgewerbe, Produktion). Aktuelle Scores, 12-Monats-Trends und monatliche Nachrichten-Briefings.
- Plain-Language-Abfragen: Du musst keine Tool-Namen kennen. Sag einfach was du willst – das Modell wählt automatisch die richtigen API-Calls.
Das Besondere: Jeder Nutzer verwendet seinen eigenen Boniforce-API-Key. Die Daten bleiben isoliert. Kein geteilter Zugang, kein Sicherheitsrisiko. Die Keys werden verschlüsselt in einer SQLite-Datenbank gespeichert.
Wie ich einen Custom GPT mit dem MCP Server verbunden habe
Der nächste logische Schritt nach dem MCP Server war: einen öffentlichen GPT im ChatGPT-Verzeichnis erstellen, der auf den Server zugreift. Jeder kann diesen GPT nutzen – mit seinem eigenen Boniforce-API-Key.
Der Server stellt dafür einen REST-API-Mirror plus eine OpenAPI-Spezifikation bereit. ChatGPTs Custom-GPT-Aktionen sprechen OpenAPI 3.1 – und genau das liefert der Server unter /api/openapi.json. Der OAuth-Flow läuft automatisch: Nutzer öffnet den GPT, wird zur Autorisierung weitergeleitet, gibt seinen API-Key ein – fertig. Danach kann er direkt Fragen stellen.
Das klingt technisch, aber der gesamte Flow – inklusive OAuth 2.1 mit PKCE, Dynamic Client Registration und JWT-Management – wurde per Vibecoding gebaut. Ich habe die Konzepte verstanden, weil die KI sie mir erklärt hat, während sie den Code schrieb. Das ist für mich der entscheidende Unterschied zum klassischen Entwickeln: Du lernst während du baust.
Warum das für Vibecoding als Bewegung wichtig ist
Seit ich über Vibecoding geschrieben habe, hat sich die Diskussion weiterentwickelt. Die Frage ist nicht mehr „Kann man damit was bauen?“, sondern „Was kann man NICHT damit bauen?“
Mein MCP Server ist ein Beispiel für die nächste Stufe: Es geht nicht mehr nur um Landingpages oder kleine Automatisierungen. Es geht um produktionsreife Infrastruktur. Um Open-Source-Projekte, die echte Nutzer haben. Um Systeme, die OAuth, Verschlüsselung, Docker-Deployment und API-Design beherrschen – alles aus der Konversation mit einer KI heraus entstanden.
Ich sage nicht, dass jeder das sofort kann. Ich sage: Ich konnte es vor zwei Jahren auch nicht. Der Unterschied zwischen damals und heute ist nicht ein Informatikstudium. Es sind hunderte Stunden Vibecoding – Experimentieren, Scheitern, Neu-Aufsetzen, Weiterbauen.
Und das Beste: Der komplette Code ist Open Source auf GitHub. Jeder kann ihn forken, deployen und anpassen. Das ist für mich der ganze Sinn von Vibecoding: Nicht nur selbst bauen können, sondern andere dazu befähigen.
Was ich in fast 2 Jahren Vibecoding gelernt habe
Drei Dinge, die ich gerne früher gewusst hätte:
- Architektur zuerst, Code später. Die größte Falle beim Vibecoding ist, direkt in den Code zu springen. Nimm dir Zeit, mit der KI über die Architektur zu sprechen: Welche Komponenten brauchst du? Wie kommunizieren sie? Was sind die Sicherheitsanforderungen? Die KI kann dir helfen, ein sauberes Design zu entwerfen – aber nur, wenn du danach fragst.
- Tests sind nicht optional. Bei einem MCP Server mit OAuth, API-Keys und verschlüsselten Daten musst du wissen, dass die Security-Flows funktionieren. Lass die KI Unit-Tests schreiben, während sie den Code baut. Es kostet 10% mehr Zeit und spart 90% Debugging.
- Open Source verändert die Motivation. Sobald der Code öffentlich ist, denkst du anders über Qualität nach. Dokumentation, Fehlerbehandlung, Deployment-Anleitung – all das wird plötzlich wichtig, weil andere es nutzen werden. Das pusht dich zu besserem Code.
Mein Fazit: Vibecoding hat mich zum Entwickler gemacht
Vor zwei Jahren hätte ich nie gedacht, dass ich einen MCP Server bauen würde. Dass ich OAuth 2.1 verstehen würde. Dass mein Code auf GitHub stehen und von anderen genutzt werden würde. Dass ich einen öffentlichen GPT mit eigener Backend-Infrastruktur betreiben würde.
Vibecoding hat das möglich gemacht. Nicht, weil es die Arbeit abnimmt – sondern weil es die Lernkurve radikal abflacht. Du lernst Konzepte nicht aus Lehrbüchern, sondern in dem Moment, in dem du sie brauchst. Und du baust dabei echte, nützliche Dinge.
Wenn du darüber nachdenkst, mit Vibecoding anzufangen: Tu es. Fang klein an. Bau etwas, das du selbst brauchst. Und hab keine Angst vor großen Projekten – die KI wird dir helfen, sie zu verstehen, während du sie baust.
Der Boniforce MCP Server ist live unter mcp.boniforce.de/mcp. Der Code liegt auf GitHub. Schau es dir an – und wenn du Fragen hast, schreib mir.
FAQ zum MCP Server mit Vibecoding bauen
Was ist Vibecoding genau?
Vibecoding bedeutet, Software durch natürliche Sprachkonversation mit einer KI zu entwickeln. Du beschreibst was du bauen willst, die KI generiert den Code, erklärt ihn und hilft dir bei Problemen. Du bist der Architekt und Produktmanager, die KI ist dein Entwickler-Team.
Brauche ich Programmierkenntnisse, um einen MCP Server mit Vibecoding zu bauen?
Grundverständnis hilft, ist aber keine Voraussetzung. Ich hatte vor zwei Jahren kaum Ahnung von Backend-Entwicklung. Was du brauchst: Geduld, die Bereitschaft zu lernen und die Fähigkeit, der KI präzise zu beschreiben, was du erreichen willst.
Was kostet der Boniforce MCP Server?
Der Server selbst ist Open Source und kostenlos. Du brauchst lediglich einen Boniforce-Account mit API-Key für die Bonitätsdaten. Die Branchen-Daten über Sectorbench sind über ein server-seitiges Operator-Token abgedeckt.
Funktioniert das auch mit der kostenlosen ChatGPT-Version?
Leider nein. Custom MCP Connectors und Custom GPTs sind Features der kostenpflichtigen Pläne (Plus, Pro, Team, Enterprise). Claude benötigt ebenfalls einen kostenpflichtigen Plan.
Kann ich den Server selbst hosten?
Ja. Das GitHub-Repo enthält eine vollständige Docker-Compose-Konfiguration inklusive Caddy-Reverse-Proxy. Du brauchst einen Linux-Server mit öffentlicher Domain – der Rest ist in 15 Minuten eingerichtet.
