GitHub MCP ist ein Konnektor, 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 Implementierungen aus der Community. Die Einrichtung gehört zu den einfacheren in der MCP-Welt: ein Zugriffstoken mit begrenztem Umfang erstellen, einen Servereintrag zur Konfiguration deines AI-Clients hinzufügen, neu starten, und schon bist du verbunden - normalerweise in fünfzehn Minuten. Deine Aufmerksamkeit verdient dabei nicht die Einrichtung, sondern die Frage, welche Repositories und welche Berechtigungen du übergibst.
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 Dingen fragt und strukturierte Antworten zurückerhält. Ein Server ist der Adapter, der diese Sprache spricht. GitHub MCP ist der Adapter für deine Repositories.
Der Unterschied zum Einfügen liegt in Umfang und Zustand. Eingefügter Code ist eine Momentaufnahme ohne Verlauf: Claude sieht die Datei, aber nicht die drei Commits, durch die sie so aussieht, nicht das Issue, das den Grund erklärt, und nicht den fehlgeschlagenen Check, der letzte Nacht ausgeführt wurde. Mit einer Verbindung arbeitet Claude mit dem Repository als Live-System statt mit einem Textauszug.
Außerdem entfällt der Schritt, in dem du entscheidest, was relevant ist, bevor Claude überhaupt etwas gesehen hat. Genau dort beginnen die meisten schlechten AI-Code-Reviews, denn der Kontext, den du weggelassen hast, war normalerweise der entscheidende.
Was ermöglicht GitHub MCP tatsächlich?
Konkrete Aufgaben statt vager Produktivitätsversprechen.
- Pull-Request-Review, das Diff und Diskussion einbezieht. 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, statt allgemein über Code zu sprechen.
- Issue-Triage in großem Umfang. Erkennung von Duplikaten, fehlende Schritte zur Reproduktion, Kennzeichnung nach Bereich und eine Auswahlliste der Issues, die diese Woche tatsächlich einen Menschen benötigen.
- Archäologie im Repository. Wann wurde diese Funktion geändert, welcher Pull Request hat das Flag eingeführt, auf welches Issue bezieht sich 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 einer Person an den Sprint.
- Untersuchung fehlgeschlagener CI-Läufe. Einen fehlgeschlagenen Workflow-Lauf lesen, den Fehler mit der Änderung verknüpfen, die ihn verursacht hat, und die Lösung als Diff vorschlagen.
- Repositoryübergreifende Fragen. Wo wird dieser veraltete Helfer noch verwendet, welche Dienste rufen den alten Endpunkt noch auf?
Beachte, was in dieser Liste fehlt: Nichts davon bedeutet „Implementiere mein Feature“. Das Verbinden eines Repositories verbessert, was Claude weiß. Es verbessert nicht, wie Claude Code beurteilt - das ist ein separates Problem mit einer separaten Lösung.
Wie richtest du GitHub MCP ein?
Bestimmte Befehle und Endpunkte ändern sich häufig genug, dass es unzuverlässig ist, sie aus einem Artikel zu kopieren. Die Struktur bleibt gleich.
- Wähle deinen Server. GitHub unterhält einen offiziellen MCP-Server, der die sinnvolle Standardwahl ist. Er ist in der Regel als gehosteter Endpunkt erreichbar oder kann lokal ausgeführt werden. Die lokale Variante solltest du wählen, wenn deine Organisation strenge Vorgaben dazu hat, wohin Codekontext übertragen wird. Es gibt auch Community-Server, die in den öffentlichen MCP-Verzeichnissen aufgeführt sind.
- Erstelle ein eingeschränktes Zugriffstoken. Erzeuge in deinen GitHub-Kontoeinstellungen ein Token, das auf die gewünschten Repositories beschränkt ist und nur die benötigten Berechtigungen besitzt. Genau dafür gibt es feingranulare Tokens. Einige Clients unterstützen stattdessen einen OAuth-Flow, der, sofern verfügbar, die sauberere Lösung ist.
- Entscheide dich für Lesen oder Schreiben, bevor du irgendetwas anderes entscheidest. Nur Lesen bedeutet, dass Claude prüfen, suchen und erklären kann. Schreiben bedeutet, dass Claude Issues öffnen, kommentieren und Branches pushen kann. Beginne mit Nur-Lesen-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.
- Starte den Client neu und überprüfe die Verbindung. Der Client zeigt verbundene Server und die von ihnen bereitgestellten Tools an. Wenn die GitHub-Tools aufgeführt sind, bist du fertig.
- Teste es an etwas Unwichtigem. Weise es einem Repository zu, bitte es, einen offenen Pull Request zusammenzufassen, und überprüfe, ob die Antwort mit dem übereinstimmt, was du selbst sehen kannst.
Wenn du bereits mit Claude Code arbeitest, verändert diese Kombination deinen Arbeitsalltag am stärksten, denn der Assistent, der deine Arbeitskopie bearbeitet, kann auch den Pull Request sehen, auf den diese Kopie hinausläuft.
Worauf solltest du achten?
Ehrliche Einschränkungen, die du lesen solltest, bevor das Token existiert.
- Ein Token ist ein Schlüssel zu allem, was es erreichen kann. Ein weitreichendes persönliches Token in einem Organisationskonto erreicht 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 Art 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 Konnektor macht es sehr einfach, weit mehr zu senden, als du beabsichtigt hast.
- Große Repositorys überschreiten den Kontext. Claude kann dein Monorepo nicht vollständig aufnehmen. Gezielte Fragen funktionieren. „Prüfe die gesamte Codebasis“ funktioniert nicht.
- Du brauchst einen technischen Client. Eine Desktop-App, einen Editor oder ein Terminal, keinen Browser-Chat-Tab.
- Wartung ist real. APIs ändern sich, Server werden neu geschrieben, Konfigurationsformate ändern sich. Das ist Infrastruktur, und Infrastruktur braucht gelegentlich Aufmerksamkeit.
Was, wenn du die Review und nicht die Einrichtung möchtest?
Hier ist die entscheidende Aufteilung. GitHub MCP entscheidet, worauf Claude zugreifen kann. Es sagt nichts über den Standard aus, den Claude anwendet, sobald es dort angekommen ist. Verbindest du ein Repository mit einem generischen Assistenten, erhältst du generisches Feedback, schneller und in größerem Umfang: Stil-Nitpicks, den Vorschlag, Kommentare hinzuzufügen, und einen Hinweis zur Benennung.
Was die Qualität der Review verändert, ist eine Methode: Was zuerst geprüft werden soll, welche Risiken wichtiger sind als andere, was ein blockierender Kommentar im Gegensatz zu einem Vorschlag bedeutet und wie die Ergebnisse formuliert werden, damit der Autor handeln kann. Genau das ist eine Skill-Datei. Ein kurzes Markdown-Dokument, das du einmalig in Claude hochlädst und ihm eine Rolle sowie einen Standard vorgibst. In drei Minuten installiert, mit jedem Tarif nutzbar und mit oder ohne verbundenes MCP einsetzbar.
Der Review-Standard, nicht die Verbindung
$29
dieser Skill
Führt Reviews in der Reihenfolge durch, in der ein Senior Engineer prüft: zuerst Korrektheit, dann Sicherheit und Grenzfälle, anschließend Struktur und zuletzt Stil, wobei blockierende Probleme von Präferenzen getrennt werden. Kombiniert mit einem verbundenen Repository werden die Kommentare im Pull Request nicht mehr zum Rauschen.
Yuri anzeigen →Wenn du möchtest, dass eine vollständige Review von Anfang bis Ende durchgeführt wird, 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 Durchlauf bis zur schriftlichen Review: Einstufung nach Schweregrad, Hinweise zur Reproduktion, vorgeschlagene Diffs und eine Zusammenfassung, mit der eine Führungskraft handeln kann. Entwickelt für den Fall, dass die vollständige Review das Ergebnis ist.
Albert anzeigen →Für die Pipeline-Seite des Repositorys
$29
dieser Skill
Workflows, Bereitstellungssicherheit, Rollback-Pläne und Fehlermodi, die man nur auf die harte Tour kennenlernt. Nützlich ab dem Moment, in dem dein MCP-Setup beginnt, CI-Läufe zu lesen, und du möchtest, dass die Fehlerbehebung richtig durchdacht wird.
Rami anzeigen →Die größere Auswahl findest du unter Tech- und Entwicklungs-Skills, mit der Aufschlüsselung nach Rollen in 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 ein Token mit eingeschränktem Umfang und einen Konfigurationseintrag mit Repositories, Issues und Pull Requests. Das lohnt sich, wenn du regelmäßig Änderungen überprüfst. Beschränke den Umfang, beginne schreibgeschützt. Für die Qualität des Reviews selbst füge Yuri - Code Reviewer für 29 $ hinzu oder Albert - AI Code Review Agent für 32 $, wenn das gesamte Review das Ergebnis sein soll.
GitHub MCP: Häufige Fragen
Ist der GitHub-MCP-Server offiziell?
GitHub stellt einen offiziellen MCP-Server bereit, mit dem die meisten Nutzer beginnen sollten, und für spezielle Anforderungen gibt es Community-Alternativen. Suche sie über die öffentlichen Verzeichnisse für MCP-Server, statt einem Link aus einem Blogbeitrag zu vertrauen - auch diesem hier, da sich diese Projekte weiterentwickeln.
Kann Claude Pull Requests öffnen und Code pushen?
Nur wenn das von dir erstellte Token dies erlaubt. Viele Konfigurationen bleiben bewusst schreibgeschützt, sodass Claude Reviews durchführt und erklärt, während ein Mensch alles übernimmt, was Änderungen schreibt. Das ist ein vernünftiger Standard, den du später erweitern kannst, sobald du weißt, wie der Workflow funktioniert.
Funktioniert GitHub MCP mit privaten Repositories?
Ja, abhängig vom Umfang des Tokens - genau deshalb sollte der Umfang sorgfältig bedacht werden. Ein fein abgestimmtes Token, das auf die beiden Repositories beschränkt ist, an denen du tatsächlich arbeitest, ist eine deutlich bessere Konfiguration als eines, das auf eine gesamte Organisation zugreifen kann.
Brauche ich noch einen Code-Review-Skill, sobald GitHub MCP verbunden ist?
Zugriff und Standards sind zwei verschiedene Dinge. MCP bringt die Unterschiede vor Claude. Ein Skill entscheidet, was als Problem gilt, in welcher Reihenfolge vorgegangen wird und wie es dokumentiert wird. Deshalb verwenden Teams in der Regel beides, wie in Claude Skills vs MCP behandelt und im Leitfaden zum AI-Code-Review-agent ausführlicher erläutert.
