Ein Schweizer ICT-Unternehmen betreibt für seine operativen Abläufe ein zentrales Managementtool, welches über REST-APIs an verschiedene Drittsysteme angebunden ist. Regelmässige Schemaänderungen an diesen Schnittstellen beeinträchtigen jedoch die Systemfunktionalität. Bisher mussten die Validierungsschemas im Code manuell an die aktualisierten API-Spezifikationen angepasst werden. Dieser manuelle Abgleich von umfangreichen Dokumentationen war äusserst zeitintensiv sowie fehleranfällig. Falls das notwendige domänenspezifische Fachwissen fehlte, konnte dies sogar Ausfälle des Tools verursachen.

Zur Automatisierung wurde ein TypeScript-basierter MCP-Server implementiert und an einen KI-Agenten gekoppelt. Gesteuert durch Steering Files greift der Agent über das MCP auf die API-Spezifikationen des Drittsystems zu. Dabei führt der Agent über den Server selbstständig und iterativ Validierungstests direkt gegen Echtzeitdaten des Quellsystems durch. Der Code wird angepasst, bis alle Objektschemas fehlerfrei validiert sind. Ein Human-in-the-Loop-Ansatz sichert den Prozess ab, indem jede Code-Modifikation manuell durch eine Person freigegeben werden muss.

Die Praxistests belegen eine Reduktion des Zeitaufwands um rund 50 %. In einem Härtetest in der Produktionsumgebung wurde die Skalierbarkeit durch die fehlerfreie Validierung von mehreren hundert Live-Objekten erfolgreich nachgewiesen. Der MCP-Ansatz steigert die Qualität der Codebasis signifikant: Da der Server die jeweils aktuelle API-Spezifikation direkt vom Quellsystem bezieht, werden veraltete oder inkonsistente Dokumentationen als Fehlerquelle eliminiert. Zudem erzwingt das System ein standardisiertes, konsistentes Vorgehen und führt zu präzisen, minimalen Schema-Korrekturen. Dies verhindert, dass unpräzise Workarounds implementiert werden, die lediglich Fehlermeldungen temporär unterdrücken, ohne den tatsächlichen Spezifikationen der Schnittstelle zu entsprechen. Da die Anbindung des Quellsystems durch den MCP-Server das fehlende domänenspezifische Spezialwissen kompensiert, können auch projektfremde DevOps-Ingenieure Anpassungen autonom und ohne tiefe Kenntnisse der Codebasis durchführen. Wirtschaftlich amortisieren sich das System und die KI-Kosten bereits ab wenigen Minuten Einsparung manueller Arbeitszeit.