Wer schon einmal ein IoT-Produkt von Grund auf gebaut hat, weiß: Das Gerät selbst ist selten die eigentliche Arbeit. Das Gerät ist der einfache Teil. Schwierig wird alles, was drumherum existieren muss: Endpunkte für die Datenaufnahme, ein Zeitreihenspeicher, der ein Jahr lang Uplinks im Fünf-Sekunden-Takt übersteht, Payload-Parser für jede Firmware-Version, die Sie je ausgeliefert haben, Dashboards, die Ihre Kunden tatsächlich ansehen, Alarmregeln, die die richtige Person benachrichtigen, Benutzerkonten, rollenbasierte Zugriffe, White-Label-Portale, Audit-Trails, regionale Compliance und die zehn Cron-Jobs, die niemand dokumentiert hat.
Das alles selbst zu bauen ist möglich. Es fünf Jahre lang über hundert Gerätetypen hinweg zu warten, ist eine ganz andere Disziplin. Genau hier verdient sich eine Plattform wie TagoIO ihren Platz, und hier verändert ein neuer Baustein im Stack, wie schnell ein einzelner Entwickler vorankommt: der TagoIO MCP-Server, über den Claude direkt mit Ihrem IoT-Konto sprechen kann. Einen schnellen Überblick, was das in der Praxis ermöglicht, finden Sie unter IoT-Lösungen schneller bauen mit Claude und TagoIO MCP.
Die Falle “Das baue ich einfach selbst”
Jede IoT-Engineering-Leitung führt dieses Gespräch. Auf der Roadmap stehen fünfzig vernetzte SKUs. Jemand zeichnet eine Architektur: hier ein Kafka-Cluster, dort Postgres mit TimescaleDB, Grafana für Dashboards, Keycloak für die Authentifizierung, ein kleiner Node-Dienst zum Parsen der Payloads, ein Alarm-Microservice, eine Admin-Oberfläche obendrauf, alles mit Terraform zusammengeklebt.
Sechs Monate später streitet das Geräteteam immer noch mit dem Plattformteam darüber, warum die Datenaufnahme 0,4 % der Pakete verliert, wenn eine Region umschaltet. Der Dashboard-Dienst steckt in seiner dritten Neuauflage. Niemand kann “Wie hoch war die durchschnittliche Luftfeuchtigkeit im Lager letzten Dienstag zwischen 14 und 16 Uhr?” beantworten, ohne SQL zu schreiben. Kunden fragen nach einer gebrandeten Mobile-App. Das Compliance-Team will Nachweise für ISO 27001. Zwei Entwickler kündigen.
Die Plattform sollte ein Mittel zum Zweck sein. Sie wurde zum Produkt.
Eine speziell für IoT gebaute Plattform nimmt Ihnen diese Arbeit ab. Geräte-Provisionierung, veränderlicher und unveränderlicher Speicher, Payload-Parser, Dashboards, Actions, Analysis-Skripte, White-Label-Portale, Multi-Region, RBAC, Audit-Logs und die SDKs, um mit alldem zu sprechen, kommen als ein Produkt. Sie hören auf, Infrastruktur zu warten, und fangen an, Features auszuliefern.
Diesen Teil der Geschichte verstehen die meisten IoT-Teams längst. Neuer ist, was passiert, wenn man einen KI-Assistenten auf diese Plattform setzt.
Was MCP wirklich ist
Das Model Context Protocol (MCP) ist ein offener Standard von Anthropic, über den KI-Assistenten wie Claude mit externen Systemen über eine definierte Tool-Schnittstelle sprechen können. Statt Ihr IoT-Konto in einem langen Prompt zu beschreiben, ruft Claude echte Tools gegen das echte System auf: liste diese Geräte, hole diese Daten, erstelle diese Action, schreibe dieses Analysis-Skript.
Der TagoIO MCP-Server ist ein kleines Programm (oder ein gehosteter Endpunkt), das Ihr TagoIO-Konto Claude als Satz typisierter Tools zugänglich macht. Claude liest den Tool-Katalog, wählt das passende für Ihre Anfrage, füllt die Parameter aus und handelt. Sie sehen das Ergebnis im Chat, und die Änderung erscheint in Ihrer TagoIO-Admin-Konsole.
Der praktische Effekt: Den Großteil der operativen Arbeit, die Sie früher durch Klicken in der Admin-Oberfläche oder mit einmaligen Skripten erledigt haben, machen Sie jetzt in klarem Deutsch direkt aus Ihrer IDE.
Einrichtung in zwei Minuten
Den TagoIO MCP-Server gibt es in zwei Varianten. Der entfernte Server unter https://mcp.ai.tago.io braucht keine Installation. Die lokale Option läuft über npx, wenn Sie ihn auf Ihrem Rechner haben wollen. Beide authentifizieren sich mit einem Profile Token aus Ihrem TagoIO-Konto unter admin.tago.io/profile.
Für Claude Code reicht ein Befehl:
claude mcp add-json @tago-io/mcp '{"type":"http","url":"https://mcp.ai.tago.io","headers":{"Authorization":"Bearer YOUR-TAGOIO-TOKEN"}}'Für Claude Desktop fügen Sie dies in claude_desktop_config.json ein:
{
"mcpServers": {
"@tago-io/mcp": {
"command": "npx",
"args": [
"-y",
"mcp-remote",
"https://mcp.ai.tago.io",
"--header",
"Authorization: Bearer YOUR-TAGOIO-TOKEN"
]
}
}
}Neu starten, und Claude erreicht jetzt Ihr Konto. Wenn Sie EU West oder eine dedizierte TagoIO-Instanz nutzen, fügen Sie einen x-tagoio-region-Header mit eu-w1 oder Ihrer vollständigen API-URL hinzu.
Ein Hinweis zu Tokens: Der Profile Token gewährt vollen Kontozugriff und ist die richtige Wahl, solange Sie ausprobieren. Für die Produktion wechseln Sie zu einem Analysis Token, der an eine Analysis mit eingeschränktem Geltungsbereich gebunden ist. Derselbe MCP-Server, kleinerer Wirkungsradius.
Was der MCP-Server tatsächlich kann
Der aktuelle Server (v3) gruppiert die Tools in eine Handvoll Dienste. Die Abdeckung ist breit genug, dass der meiste Alltag hineinpasst.
Geräte. device-operations übernimmt Lookup, Anlegen, Aktualisieren, Löschen und Konfigurieren. Sie können nach Namen suchen (Wildcard-Abgleich ist eingebaut), nach Tag, nach Connector, nach Network, nach aktivem Status. device-data-operations führt Abfragen mit Aggregationen aus: avg, sum, min, max, count und bedingt. Die zeitliche Gruppierung reicht von Minute bis Jahr. device-delete-data entfernt Daten von einem Gerät, wenn Sie das brauchen.
Actions. action-operations deckt das vollständige CRUD für TagoIO Actions ab, also die Regeln, die auslösen, wenn ein Gerät Daten sendet, die einer Bedingung entsprechen. E-Mail-Alarme, Webhooks, Analysis-Trigger, alles.
Analysis. analysis-operations liest, schreibt und aktualisiert Analysis-Skripte (den Node.js-Code, den TagoIO serverseitig für Sie ausführt). Zusammen mit tagoio-code-search kann Claude Analysis-Code mit den richtigen TagoIO-SDK-Aufrufen erzeugen, statt eine API-Form zu halluzinieren. tagoio-documentation-search schlägt die TagoIO-Dokumentation bei Bedarf nach.
Entities. entity-operations und entity-data arbeiten mit TagoIO Entities, der relationalen Schicht für Daten ohne Zeitreihe: Kundendatensätze, Asset-Hierarchien, Konfigurationstabellen.
Integration, Profile, RUN-Benutzer. integration-lookup findet Connectors und Networks. profile-lookup und profile-metrics liefern Kontostatus und Nutzung. user-lookup arbeitet gegen TagoRUN-Benutzer für White-Label-Deployments.
Das ist genug Fläche, um eine Flotte zu verwalten, ein Gerät zu debuggen, einen Alarm zu bauen, ein serverseitiges Skript zu schreiben und die Gesundheit Ihres Kontos zu prüfen, alles aus demselben Chat.
Wie das in der Praxis aussieht
Ein paar Beispiele dafür, was ein IoT-Ingenieur jetzt tun kann, ohne seine IDE zu verlassen.
Ein auffälliges Gerät finden.
“Zeig mir alle Geräte im Connector warehouse-east, die in den letzten 24 Stunden keine Daten gesendet haben und trotzdem als aktiv markiert sind.”
Claude ruft device-operations mit operation: lookup auf, filtert nach Connector und prüft dann bei jedem Gerät last_input gegen. Sie bekommen die Liste als Tabelle zurück.
Historische Daten ohne SQL ziehen.
“Wie hoch war die durchschnittliche und maximale Temperatur für das Gerät Cold Storage 04 zwischen dem 1. und dem 15. November, nach Tag gruppiert?”
Claude ruft device-data-operations mit der Geräte-ID auf, der Variable temperature, der Aggregation avg und max, dem Zeitbucket day und dem Datumsbereich. Die Antwort enthält die Zahlen. Wenn Sie ein Diagramm wollen, fragen Sie danach.
Ein neues Gerät mit Parser provisionieren.
“Erstelle ein neues veränderliches Gerät namens Boiler Sensor 12, tagge es mit region:north und type:boiler, hänge den LoRaWAN-Connector an, den wir für die Kesselreihe nutzen, und stelle den Payload-Parser so ein, dass er die ersten vier Bytes per base64 dekodiert als Temperatur in Zehntelgrad.”
Claude löst den Connector über integration-lookup auf, ruft device-operations mit operation: create auf und schreibt den Parser inline.
Ein Analysis-Skript schreiben, das sonst eine Stunde kostet.
“Schreibe ein Analysis-Skript, das jede Stunde läuft, sich jedes Gerät mit dem Tag type:boiler ansieht, und wenn der durchschnittliche Druck der letzten Stunde über 4,5 bar liegt, eine E-Mail an Ops sendet und eine TagoIO Action erstellt, die das Gerät als at-risk markiert.”
Claude holt sich die SDK-Form über tagoio-code-search, entwirft das Skript und erstellt es über analysis-operations. Sie prüfen den Code im Chat und liefern ihn aus.
Vor einer Kundendemo auditieren.
“Liste jede Action im Konto auf, gruppiere nach Trigger-Typ und sag mir, welche in den letzten 30 Tagen nicht ausgelöst haben.”
action-operations mit Lookup, dann profile-metrics, um die Aktivität abzugleichen. Fünf Sekunden Arbeit, die früher eine halbe Stunde manuelle Prüfung waren.
Nichts davon sind Demos. Es sind dieselben Vorgänge, die IoT-Teams ohnehin jede Woche durchführen, von Klicks-und-Tabs auf einen Satz verdichtet.
Warum die Plattform darunter weiterhin zählt
Der MCP-Server ist beeindruckend, aber er steht im Schatten eines wichtigeren Punktes: Er funktioniert, weil TagoIO bereits typisierte APIs für jedes Konzept hat, das in IoT zählt. Geräte, Daten, Actions, Analyses, Entities, Benutzer, Connectors, Networks. Der MCP-Server ist eine dünne Schicht, die diese APIs einer KI zugänglich macht. Hätten Sie Ihre eigene Plattform gebaut, würden Sie jetzt zusätzlich Ihren eigenen MCP-Server auf Ihren eigenen, undokumentierten internen Diensten bauen. Das ist ein weiteres Quartal Arbeit, bevor die KI Ihnen überhaupt bei irgendetwas hilft.
Diesen Teil sollten Sie ernst nehmen, wenn Sie ein IoT-Produkt planen. Die Plattformentscheidung setzt die Obergrenze dafür, wie schnell alles andere vorankommen kann, einschließlich der KI-Werkzeuge, die innerhalb von zwei Jahren Standard sein werden. Eine universelle Cloud-Datenbank plus ein Haufen Microservices gibt einem KI-Assistenten keinen sauberen Andockpunkt. Eine speziell für IoT gebaute Plattform schon.
Sie brauchen keine KI, um TagoIO zu rechtfertigen. Die Full-Stack-IoT-Plattform steht für sich: Dashboards, RBAC, Mobile, Multi-Region, das ganze Paket, einfach im Einstieg und bezahlbar bei Skalierung. Aber sobald Sie Claude über MCP obendrauf setzen, sieht die tägliche Arbeit beim Betrieb einer Flotte nicht mehr nach Ops aus, sondern nach Gespräch. Das ist die eigentliche Veränderung.
Probieren Sie es aus
Wenn Sie bereits ein TagoIO-Konto haben, dauert es etwa zwei Minuten, einen Token zu erzeugen und Claude zu verbinden. Wenn nicht, reicht der kostenlose Tarif, um die Schleife mit ein paar Testgeräten von Anfang bis Ende zu sehen.
Der TagoIO MCP-Server ist Open Source unter github.com/tago-io/mcp-server. Die Dokumentation deckt jede IDE und jedes KI-Tool ab, das MCP heute unterstützt: VS Code, Cursor, Windsurf, Claude Code, Claude Desktop, JetBrains, Gemini CLI, Amazon Q, OpenAI Agents, Warp, Kiro. Suchen Sie sich eines aus, fügen Sie die Konfiguration ein, richten Sie Claude auf Ihre Flotte und stellen Sie ihm eine Frage, die Sie sonst von Hand erledigt hätten.
Bauen Sie das Produkt, nicht die Plattform.
