GitHub MCP ist ein Connector, mit dem Claude direkt mit deinen Repositories arbeiten kann: Code lesen, Issues öffnen und kommentieren, Pull Requests prüfen und Workflow-Läufe kontrollieren, ohne dass du etwas einfügen musst. Es basiert auf dem Model Context Protocol, dem offenen Standard, den Anthropic veröffentlicht hat, damit Assistenten über eine einheitliche Schnittstelle externe Tools aufrufen können. GitHub pflegt einen offiziellen Server, daneben gibt es auch Community-Implementierungen. Die Einrichtung gehört in der MCP-Welt zu den einfacheren: Erstelle ein Token mit eingeschränkten Berechtigungen, füge den Server in der Konfiguration deines AI-Clients hinzu, starte ihn neu, und schon bist du verbunden - normalerweise in fünfzehn Minuten. Deine Aufmerksamkeit sollte weniger der Einrichtung gelten als der Frage, welche Repositories und welche Berechtigungen du freigibst.
Was ist GitHub MCP und wie unterscheidet es sich vom bloßen Einfügen von Code?
MCP ist ein Standard dafür, wie ein Assistent ein externes System nach Informationen fragt und strukturierte Antworten erhält. Ein Server ist der Adapter, der dieses Protokoll spricht. GitHub MCP ist der Adapter für deine Repositories.
Der Unterschied zum Einfügen liegt in Umfang und Zustand. Eingefügter Code ist eine Momentaufnahme ohne Historie: Claude sieht die Datei, aber nicht die drei Commits, durch die sie so geworden ist, nicht das Issue, das den Grund dafür erklärt, und nicht den fehlgeschlagenen Check, der letzte Nacht ausgeführt wurde. Mit der Verbindung arbeitet Claude mit dem Repository als einem lebendigen System statt mit einem Textausschnitt.
Außerdem entfällt der Schritt, bei dem du entscheidest, was relevant ist, bevor Claude überhaupt etwas gesehen hat. Genau dort beginnen die meisten schlechten AI-Code-Reviews, denn der ausgelassene Kontext ist normalerweise der entscheidende Kontext.
Was ermöglicht GitHub MCP tatsächlich?
Konkrete Aufgaben statt vager Produktivitätsversprechen.
- Pull-Request-Reviews, die Diff und Diskussion einbeziehen. Claude liest die Änderungen, die Beschreibung, die Review-Kommentare und das verknüpfte Issue gemeinsam und sagt dir dann, was an dieser konkreten Änderung riskant ist - nicht an Code im Allgemeinen.
- Issue-Triage in großem Umfang. Erkennen von Duplikaten, Auffinden fehlender Reproduktionsschritte, Kennzeichnung nach Bereich und eine Auswahlliste der Issues, die diese Woche tatsächlich menschliche Aufmerksamkeit benötigen.
- Archäologie im Repository. Wann wurde diese Funktion geändert, welcher Pull Request hat das Flag eingeführt, auf welches Issue verweist dieses TODO? Antworten mit verknüpften Commits statt Vermutungen.
- Versionshinweise, die der Realität entsprechen. Aus zusammengeführten Pull Requests in einem bestimmten Zeitraum generiert, nicht aus der Erinnerung an den Sprint.
- Untersuchung von CI-Fehlern. Einen fehlgeschlagenen Workflow-Lauf lesen, den Fehler mit der verursachenden Änderung verknüpfen und die Lösung als Diff vorschlagen.
- Fragen über mehrere Repositories hinweg. Wo wird dieser veraltete Helper noch verwendet, welche Services rufen den alten Endpunkt noch auf?
Beachte, was in dieser Liste fehlt: Nichts davon lautet „Implementiere mein Feature“. Die Verbindung mit einem Repository erweitert Claudes Wissensgrundlage. Sie verbessert jedoch nicht, wie Claude Code beurteilt - das ist ein separates Problem mit einer separaten Lösung.
Wie richtest du GitHub MCP ein?
Konkrete Befehle und Endpunkte ändern sich häufig genug, dass es unzuverlässig ist, sie aus einem Artikel zu kopieren. Die grundlegende Struktur bleibt gleich.
- Wähle deinen Server aus. GitHub stellt einen offiziellen MCP-Server bereit, der die naheliegende Standardwahl ist. Er kann in der Regel als gehosteter Endpunkt erreicht oder lokal ausgeführt werden. Die lokale Variante solltest du wählen, wenn deine Organisation streng darauf achtet, wohin Codekontext übertragen wird. Es gibt auch Community-Server, die in den öffentlichen MCP-Verzeichnissen aufgeführt sind.
- Erstelle ein Zugriffstoken mit begrenztem Umfang. Erzeuge in deinen GitHub-Kontoeinstellungen ein Token, das auf die gewünschten Repositories beschränkt ist und nur die benötigten Berechtigungen besitzt. Genau dafür gibt es fein abgestufte Tokens. Einige Clients unterstützen stattdessen einen OAuth-Ablauf, der sauberer ist, sofern er verfügbar ist.
- Entscheide zuerst, ob du Lese- oder Schreibzugriff möchtest. Im Nur-Lese-Modus kann Claude prüfen, suchen und erklären. Mit Schreibzugriff kann Claude Issues öffnen, kommentieren und Branches pushen. Beginne mit Nur-Lese-Zugriff.
- Füge den Server zur MCP-Konfiguration deines AI-Clients hinzu. Claude Desktop, Claude Code und die meisten AI-fähigen Editoren lesen eine Konfigurationsdatei, in der Server, Startbefehle und Zugangsdaten aufgeführt sind. Ein Eintrag genügt.
- Starte den Client neu und überprüfe die Verbindung. Der Client zeigt verbundene Server und die von ihnen bereitgestellten Tools an. Wenn die GitHub-Tools aufgelistet sind, bist du fertig.
- Teste mit etwas Unwichtigem. Verknüpfe ein Repository damit, bitte um eine Zusammenfassung eines offenen Pull Requests und bestätige, dass die Antwort mit dem übereinstimmt, was du selbst sehen kannst.
Wenn du bereits mit Claude Code arbeitest, verändert diese Kombination deinen Alltag am stärksten, denn der Assistent, der deine Arbeitskopie bearbeitet, kann auch den Pull Request sehen, auf den diese Kopie zusteuert.
Worauf solltest du achten?
Ehrliche Einschränkungen, die du lesen solltest, bevor das Token existiert.
- Ein Token ist ein Schlüssel zu allem, worauf es zugreifen kann. Ein weitreichendes persönliches Token für ein Organisationskonto gewährt Zugriff auf sehr viel. Beschränke es immer auf bestimmte Repositories.
- Schreibzugriff verwandelt Fehler in öffentliche Artefakte. Ein unerwünschter Kommentar zu einem für Kunden sichtbaren Issue ist eine andere Klasse von Problem als ein unerwünschter Absatz in deinem Chatfenster.
- Code verlässt deinen Rechner. Alles, was der Assistent liest, wird Teil einer Anfrage an einen AI-Anbieter. Wenn dein Arbeitgeber Regeln für proprietären Quellcode hat, gelten sie auch hier, und der Connector macht es sehr einfach, deutlich mehr zu senden, als du beabsichtigt hast.
- Große Repositorys überschreiten den Kontext. Claude kann dein Monorepo nicht vollständig aufnehmen. Gezielte Fragen funktionieren. „Überprüfe die gesamte Codebasis“ funktioniert nicht.
- Du brauchst einen technischen Client. Eine Desktop-App, einen Editor oder ein Terminal, keine Browser-Chat-Registerkarte.
- Wartung ist Realität. APIs ändern sich, Server werden neu geschrieben, Konfigurationsformate ändern sich. Das ist Infrastruktur, und Infrastruktur braucht gelegentlich Aufmerksamkeit.
Was, wenn du das Review und nicht die Einrichtung möchtest?
Hier ist die entscheidende Trennung. GitHub MCP bestimmt, worauf Claude zugreifen kann. Es sagt nichts über den Standard aus, den Claude dort anwendet. Verbinde ein Repository mit einem generischen Assistenten, und du erhältst generisches Feedback, schneller und in größerer Menge: kleinliche Stilhinweise, den Vorschlag, Kommentare hinzuzufügen, oder einen Hinweis zur Benennung.
Was die Qualität des Reviews verändert, ist eine Methode: Was zuerst geprüft wird, welche Risiken wichtiger sind als andere, was ein blockierender Kommentar im Gegensatz zu einem Vorschlag bedeutet und wie die Ergebnisse formuliert werden, damit die Autorin oder der Autor damit arbeiten kann. Genau das ist eine Skill-Datei. Ein kurzes Markdown-Dokument, das du einmalig in Claude hochlädst und ihm eine Rolle sowie einen Standard gibst. In drei Minuten installiert, mit jedem Tarif nutzbar und mit oder ohne verbundenes MCP funktionsfähig.
Der Review-Standard, nicht die Verbindung
$14.99
dieser Skill
Reviews in der Reihenfolge, in der ein Senior Engineer prüft: zuerst Korrektheit, dann Sicherheit und Sonderfälle, anschließend Struktur und zuletzt Stil, wobei blockierende Probleme von Präferenzen getrennt werden. Verbinde es mit einem Repository, und die Kommentare im Pull Request werden nicht mehr zum Rauschen.
Yuri anzeigen →Wenn du etwas möchtest, das ein vollständiges Review von Anfang bis Ende durchführt, statt eine Frage nach der anderen zu beantworten, übernimmt die agent-Version die mehrstufige Variante derselben Aufgabe.
Die Version mit mehreren Schritten
$32
dieser agent
Nimmt eine Codebasis oder einen Änderungssatz vom ersten Durchgang bis zum schriftlichen Review: Einstufung nach Schweregrad, Hinweise zur Reproduktion, vorgeschlagene Diffs und eine Zusammenfassung, mit der eine leitende Person arbeiten kann. Entwickelt für den Fall, dass das gesamte Review das Ergebnis ist.
Albert anzeigen →Für die Pipeline-Seite des Repositorys
$14.99
dieser Skill
Workflows, Sicherheit bei Deployments, Rollback-Pläne und Fehlerfälle, die man nur auf die harte Tour kennenlernt. Nützlich, sobald dein MCP-Setup beginnt, CI-Läufe zu lesen, und du möchtest, dass die Fehlerbehebung richtig durchdacht wird.
Rami ansehen →Das größere Angebot findest du unter Tech- und Entwicklungs-Skills, die Aufschlüsselung nach Rollen im Leitfaden zu AI-Coding-Skills für Claude. Außerdem gibt es 32 kostenlose Dateien in der kostenlosen Sammlung, wenn du das Format zunächst kostenlos ausprobieren möchtest.
Zusammenfassung:
GitHub MCP verbindet Claude über einen Token mit festgelegtem Berechtigungsumfang und einem einzigen Konfigurationseintrag mit Repositories, Issues und Pull Requests. Das lohnt sich, wenn du regelmäßig Änderungen überprüfst. Begrenze den Umfang, beginne mit schreibgeschütztem Zugriff. Für die Qualität des Reviews selbst kannst du Yuri - Code Reviewer für 14,99 $ hinzufügen oder Albert - AI Code Review Agent für 32 $, wenn das vollständige Review das Ergebnis sein soll.
GitHub MCP: Häufige Fragen
Ist der GitHub-MCP-Server offiziell?
GitHub betreibt einen offiziellen MCP-Server, mit dem die meisten beginnen sollten, daneben gibt es Community-Alternativen für spezielle Anforderungen. Suche sie über die öffentlichen Verzeichnisse für MCP-Server, statt einem Link aus einem Blogbeitrag zu vertrauen - auch diesem hier -, da sich diese Projekte schnell verändern.
Kann Claude Pull Requests öffnen und Code pushen?
Nur wenn der von dir erstellte Token dies erlaubt. Viele Konfigurationen bleiben bewusst schreibgeschützt, sodass Claude Reviews durchführt und Erklärungen liefert, während ein Mensch alle Änderungen vornimmt. Das ist ein sinnvoller Standard, den du später erweitern kannst, sobald du weißt, wie der Workflow funktioniert.
Funktioniert GitHub MCP mit privaten Repositories?
Ja, abhängig vom Umfang der Berechtigungen des Tokens - genau deshalb sollte man diesen Umfang sorgfältig festlegen. Ein feingranularer Token, der auf die beiden Repositories beschränkt ist, an denen du tatsächlich arbeitest, ist eine deutlich bessere Konfiguration als ein Token, der auf eine gesamte Organisation zugreifen kann.
Brauche ich noch einen Code-Review-Skill, sobald GitHub MCP verbunden ist?
Zugriff und Standards sind unterschiedliche Dinge. MCP bringt den Diff vor Claude. Ein Skill entscheidet, was als Problem gilt, in welcher Reihenfolge vorgegangen wird und wie die Ergebnisse dokumentiert werden. Deshalb verwenden Teams in der Regel beides, wie in Claude Skills vs. MCP und ausführlicher im Leitfaden zum AI-Code-Review-agent beschrieben.