Praktische MCP-Plugin-Empfehlungen: Sequential Thinking, Brave Search, Playwright – Installation & Anleitung

Letzten Freitagabend habe ich eine halbe Stunde auf die Cursor-Oberfläche gestarrt. Nicht, weil ich keinen Code hinbekommen habe – sondern weil mir plötzlich klar wurde: Warum schafft mein Kollege mit Cursor in 10 Minuten eine Anforderungsanalyse, während ich eine halbe Stunde brauche, um manuell Dokumentation zu suchen, zu kopieren und Informationen zu sortieren?

Die Antwort kam am Montag im Team-Meeting. Als er seinen Bildschirm teilte, sah ich unten rechts in Cursor ein kleines Hammer-Symbol. Dahinter eine Liste von MCP-Plugins: Sequential Thinking, Brave Search, Playwright … Mein Gesichtsausdruck war vermutlich so, als hätte jemand im Spiel Cheats aktiviert.

Ich nutze Cursor seit ungefähr einem halben Jahr, habe MCP-Plugins aber nie ernsthaft angeschaut. An dem Tag wurde mir klar: Cursor ist nur der Editor – die eigentliche „Superkraft” steckt in diesen MCP-Plugins. Mit den richtigen Plugins ist die KI nicht mehr nur ein „Chatbot”, sondern ein Mitarbeiter, der für Sie sucht, den Browser bedient und Code analysiert.

In diesem Artikel stelle ich fünf MCP-Plugins vor, die ich täglich nutze. Zu jedem Plugin gibt es vollständigen Konfigurationscode (zum Kopieren und Einfügen) und echte Anwendungsszenarien. Wenn Sie Cursor zehnmal produktiver machen wollen – nehmen Sie sich zehn Minuten für diesen Artikel. Es lohnt sich.

Was ist MCP? Warum brauchen Sie MCP-Plugins?

Zuerst kurz: Was ist MCP? MCP steht für Model Context Protocol – ein Open-Source-Standard, den Anthropic im November 2024 veröffentlicht hat. Einfach gesagt: MCP ist die „Schnittstelle” für KI, damit sie externe Tools und Datenquellen anbinden kann.

So können Sie es verstehen: Ohne MCP-Plugins ist eine KI wie jemand, der reden kann, aber nichts anfassen darf. Fragen Sie „Such mir die neueste React-Dokumentation”, antwortet sie nur: „Gehen Sie zu Google.” Mit dem Brave-Search-MCP-Plugin sucht sie selbst und liefert sortierte Ergebnisse.

Manche vergleichen MCP mit „Händen und Augen für die KI” – treffend. Mit Playwright bekommt die KI „Hände” für den Browser; mit Sequential Thinking einen Denkrahmen, um komplexe Probleme in Schritte zu zerlegen.

Warum MCP-Plugins? Damit die KI vom Chatten zum Arbeiten kommt. Beim Coden in Cursor lasse ich die KI typischerweise:

• die neueste Technik-Dokumentation suchen (Brave Search)
• komplexe Systemarchitekturen analysieren (Sequential Thinking)
• Web-Funktionen automatisiert testen (Playwright)
• Projektdateien und Konfiguration lesen (Filesystem)

Früher musste ich all das manuell erledigen. Heute? Während ich Kaffee trinke, erledigt die KI es.

Grundlagen: MCP-Plugins installieren

Bevor wir zu konkreten Empfehlungen kommen, die Installations-Grundlagen. Keine Sorge – hauptsächlich geht es um eine JSON-Konfigurationsdatei.

Wo liegt die Konfigurationsdatei?

Je nach Tool unterschiedlich:

• Cursor: .cursor/mcp.json im Projektroot (projektweit) oder ~/.cursor/mcp.json im Benutzerverzeichnis (global)
• Claude Desktop:
  • macOS: ~/Library/Application Support/Claude/claude_desktop_config.json
  • Windows: %APPDATA%\Claude\claude_desktop_config.json

Ich nutze meist die globale Konfiguration, damit alle Projekte profitieren. Für spezielle Projektanforderungen lege ich zusätzlich eine projektweite Datei an.

Wie sieht die Konfiguration aus?

Typischer Aufbau von mcp.json:

{
  "mcpServers": {
    "Plugin-Name": {
      "command": "npx",
      "args": ["-y", "@xxx/package-name"],
      "env": {
        "API_KEY": "${YOUR_API_KEY}"
      }
    }
  }
}

Wichtige Felder:

• command: Startbefehl, meist npx (Node.js) oder python
• args: Argumente für den Befehl, -y bestätigt Installation automatisch
• env: Umgebungsvariablen für API Keys und andere sensible Daten

Wie verwalten Sie Umgebungsvariablen?

Schreiben Sie API Keys niemals direkt in die Konfigurationsdatei! Richtig ist:

1. System-Umgebungsvariablen setzen (Windows: Systemeinstellungen, macOS/Linux: .bashrc oder .zshrc)
2. In der Konfiguration mit ${Variablenname} referenzieren

Beispiel:

# macOS/Linux
export BRAVE_API_KEY="Ihr-API-Schlüssel"

# Windows PowerShell
$env:BRAVE_API_KEY="Ihr-API-Schlüssel"

In der Konfiguration:

"env": {
  "BRAVE_API_KEY": "${BRAVE_API_KEY}"
}

Hinweise für Windows-Nutzer

Bei MCP unter Windows habe ich ein paar Fallen kennengelernt:

KiloClaw - Managed OpenClaw für Unternehmen: AI-Agent-Orchestrierung und smartes Modell-Routing

Jetzt starten →Anzeige

1. Pfade: Backslashes \ als \\ escapen oder Schrägstriche / verwenden
2. npx nicht gefunden: Node.js installieren und zum System-PATH hinzufügen
3. Berechtigungen: Manchmal Cursor mit Administratorrechten starten

Node.js prüfen:

node --version
npm --version

Falls nicht installiert: von nodejs.org herunterladen.

Empfohlene MCP-Plugins im Überblick

Grundlagen erledigt – hier fünf Plugins, die ich täglich nutze.

1. Sequential Thinking – der KI „langsames Denken” beibringen

Warum empfehlenswert?

Kennen Sie das? Sie stellen der KI eine komplexe Frage, sie antwortet sofort – aber wirkt oberflächlich? Sequential Thinking löst genau das.

Mit diesem Plugin zerlegt die KI komplexe Fragen in Schritt-für-Schritt-Argumentation – wie Rechnungen auf dem Entwurfsblatt. Sie sehen den „Denkprozess”. Die KI korrigiert sich unterwegs und probiert alternative Denkwege.

Ich nutze es vor allem für: Systemarchitektur, Technologie-Evaluierung, komplexes Bug-Tracking. Einmal ließ ich eine Microservices-Performance analysieren – acht Schritte, zwei Korrekturen unterwegs, am Ende ein solideres Ergebnis als mein erster Entwurf.

Installation

{
  "mcpServers": {
    "sequential-thinking": {
      "command": "npx",
      "args": [
        "-y",
        "@modelcontextprotocol/server-sequential-thinking"
      ]
    }
  }
}

Tipps zur Nutzung

• Geeignet: komplexe Fragen mit mehrstufiger Argumentation
• Weniger geeignet: einfache Faktenabfragen (wirkt dann redundant)
• Prompt-Tipp: „Analysiere mit systematischem Denken” verbessert oft das Ergebnis

2. Brave Search – datenschutzfreundliche Suche

Warum empfehlenswert?

Dieses Plugin ermöglicht der KI direkte Websuche. Warum nicht Google Search? Zwei Gründe.

Erstens: Brave Search legt mehr Wert auf Datenschutz und trackt Ihre Suche nicht. Zweitens: kostenlose API mit 2.000 Anfragen pro Monat – für den Privatgebrauch ausreichend.

Typische Szenarien: aktuelle Technik-Dokumentation, neueste Library-Versionen, Lösungen für Fehlermeldungen. Einmal trat bei einem neuen Framework ein seltsamer Fehler auf – die KI fand per Brave Search die Lösung in einem GitHub-Issue. Unter einer Minute.

Installation

Schritt 1: API Key besorgen

1. Bei Brave Search API registrieren
2. Unter „Subscriptions” den kostenlosen „AI Data”-Plan wählen
3. Unter „API Keys” einen neuen Schlüssel erstellen

Schritt 2: Umgebungsvariable setzen

# macOS/Linux
export BRAVE_API_KEY="Ihr-API-Schlüssel"

# Windows PowerShell
$env:BRAVE_API_KEY="Ihr-API-Schlüssel"

Schritt 3: Konfigurationsdatei

{
  "mcpServers": {
    "brave-search": {
      "command": "npx",
      "args": [
        "-y",
        "@modelcontextprotocol/server-brave-search"
      ],
      "env": {
        "BRAVE_API_KEY": "${BRAVE_API_KEY}"
      }
    }
  }
}

Tipps zur Nutzung

• Cursor oder Claude Desktop neu starten, damit die Konfiguration greift
• Hammer-Symbol unten rechts = erfolgreiche Konfiguration
• In Prompts „such mal” oder „check die neuesten Infos” – die KI ruft die Suche automatisch auf

3. Playwright – Schweizer Taschenmesser für Browser-Automatisierung

Warum empfehlenswert?

Playwright ist Microsofts Open-Source-Tool für Browser-Automatisierung. Mit diesem MCP-Plugin bedient die KI den Browser: Seiten öffnen, klicken, Formulare ausfüllen, Screenshots, PDF-Export – praktisch alles, was Sie im Browser tun können.

Entscheidend: Es arbeitet nicht primär über Screenshots, sondern liest die Seitenstruktur (Accessibility Tree) – sehr präzise. Mehrstufige Formulare klappten bei mir in 99 % der Fälle beim ersten Versuch.

Typische Einsätze:

• Automatisierte Tests von Web-Funktionen
• Daten aus dynamisch geladenen Seiten extrahieren
• Screenshots zur Überwachung

Ein mehrstufiger Registrierungsflow (Formular → E-Mail-Verifizierung → Passwort → Abschluss) dauerte manuell fünf Minuten. Mit Playwright zehn Sekunden – und beliebig oft wiederholbar.

Installation

{
  "mcpServers": {
    "playwright": {
      "command": "npx",
      "args": [
        "-y",
        "@executeautomation/playwright-mcp-server"
      ]
    }
  }
}

Praxisbeispiel

Letzte Woche testete ich eine Suchfunktion so:

Alibaba Cloud - Top-Wahl für Entwickler, exklusiv 15 % Rabatt auf Lighthouse-Server

15 % Rabatt sichern →Anzeige

„Öffne mit Playwright example.com, gib ‚React’ in die Suchbox ein, klicke auf Suchen und mach einen Screenshot.”

Die KI führte alles aus – nach 20 Sekunden der Screenshot. Manuell: Browser öffnen, URL, Suchen, Screenshot, hochladen … mindestens zwei Minuten.

Tipps zur Nutzung

• Geeignet: repetitive Browser-Aktionen, UI-Tests, Scraping
• Schwierig: Captcha-Login (nicht zuverlässig lösbar)
• Prompt-Tipp: Schritte klar beschreiben – „zuerst … dann … zum Schluss …“

4. GitHub – Assistent für Code-Repositories

Warum empfehlenswert?

Wenn Sie GitHub nutzen, kann die KI mit diesem Plugin direkt auf Repository-Daten zugreifen: Code, Issues, Pull Requests, Commits.

Typische Szenarien:

• Codebase-Struktur und Abhängigkeiten analysieren
• Issues verwalten und nach Priorität sortieren
• Code Review: PR-Änderungen bewerten und Verbesserungen vorschlagen

Einmal übernahm ich ein Legacy-Projekt – über 30.000 Zeilen Code, kaum Dokumentation. Die KI analysierte per GitHub MCP und lieferte:

• Architekturdiagramm
• Kernmodule erklärt
• Tech-Stack-Liste
• Liste potenzieller Probleme

Manuell hätte das zwei Tage gedauert. Die KI: unter zehn Minuten.

Installation

Schritt 1: GitHub Personal Access Token erstellen

1. GitHub Settings → Developer settings → Personal access tokens
2. „Tokens (classic)” wählen, neuen Token anlegen
3. repo (Repository-Zugriff) und read:user aktivieren

Schritt 2: Umgebungsvariable

# macOS/Linux
export GITHUB_TOKEN="Ihr-Token"

# Windows PowerShell
$env:GITHUB_TOKEN="Ihr-Token"

Schritt 3: Konfigurationsdatei

{
  "mcpServers": {
    "github": {
      "command": "npx",
      "args": [
        "-y",
        "@modelcontextprotocol/server-github"
      ],
      "env": {
        "GITHUB_PERSONAL_ACCESS_TOKEN": "${GITHUB_TOKEN}"
      }
    }
  }
}

Tipps zur Nutzung

• Token-Berechtigungen minimal halten (Sicherheit zuerst)
• Die KI kann Änderungshistorie einzelner Dateien analysieren
• Prompt-Beispiel: „Analysiere die Codequalität dieses Repos und gib Verbesserungsvorschläge”

5. Filesystem – lokaler Datei-Manager

Warum empfehlenswert?

Das Filesystem-Plugin erlaubt der KI, lokale Dateien zu lesen und zu bearbeiten. Klingt basic – ist aber extrem nützlich.

Typische Szenarien:

• Batch-Operationen: Umbenennen, Verschieben, Löschen
• Log-Analyse: Fehler aus Log-Dateien extrahieren
• Konfigurationsverwaltung: Projekt- und Umgebungsvariablen anpassen

Beispiel: Über 50 Komponenten von snake_case auf camelCase umstellen. Manuell: jede Datei öffnen, suchen, ersetzen, speichern – ein halber Tag.

Mit Filesystem: drei Minuten. Die KI durchläuft alle Dateien, ersetzt konsistent und liefert einen Änderungsbericht.

Installation

{
  "mcpServers": {
    "filesystem": {
      "command": "npx",
      "args": [
        "-y",
        "@modelcontextprotocol/server-filesystem",
        "/path/to/your/project"
      ]
    }
  }
}

Sicherheit

• Der Pfad in args bestimmt, welche Dateien die KI sehen darf
• Nur Projektverzeichnis freigeben, nicht die gesamte Festplatte
• Keine sensiblen Dateien in den Scope legen (z. B. .env, Schlüsseldateien)

Tipps zur Nutzung

• Geeignet: Batch-Dateioperationen, Logs, Konfiguration
• Nicht geeignet: sensible Daten (Sicherheitsrisiko)
• Prompt-Beispiel: „Lies alle .js-Dateien unter src und finde ungenutzte Variablen”

Fortgeschrittene Tipps & Best Practices

Nach der Installation habe ich weitere Fallen kennengelernt – und ein paar Tricks.

Mehrere Plugins kombinieren

Einzeln stark – kombiniert noch stärker.

Kombination 1: Sequential Thinking + Brave Search

Szenario: systematische Recherche zu einer neuen Technologie.

Railway - Moderne Deployment-Plattform, ohne DevOps-Aufwand, in Minuten live

Jetzt starten →Anzeige

„Analysiere Edge Computing mit systematischem Denken und suche aktuelle Trends und Anwendungsfälle.”

Die KI zerlegte die Aufgabe in sechs Schritte (Definition → Prinzip → Anwendungen → Lösungen → Vor-/Nachteile → Trends) und nutzte Brave Search pro Schritt. Nach 20 Minuten ein 3.000-Wörter-Bericht – mindestens zehnmal schneller als manuelle Recherche.

Kombination 2: Playwright + GitHub

Szenario: Tests automatisieren und Ergebnisse dokumentieren.

Nach Web-Tests lasse ich die KI per Playwright Screenshots machen und per GitHub MCP automatisch ein Issue mit Screenshot und Testergebnis anlegen.

Performance optimieren

Mehr Plugins sind nicht automatisch besser. Anfangs hatte ich über zehn installiert:

1. Langsamer Start: Cursor lud alle Plugins – von 3 auf 15 Sekunden
2. Mehr Token-Verbrauch: Die KI „überlegt” bei jeder Antwort, welches der zehn Plugins passt
3. Langsamere Antworten: Bei einfachen Fragen unnötige Plugin-Prüfung

Meine Strategie heute:

• Dauerhaft aktiv: Sequential Thinking, Brave Search (hohe Frequenz)
• Bei Bedarf: Playwright, GitHub für spezielle Szenarien
• Deaktivieren statt löschen: "disabled": true in der Konfiguration

{
  "mcpServers": {
    "playwright": {
      "disabled": true,
      "command": "npx",
      "args": ["-y", "@executeautomation/playwright-mcp-server"]
    }
  }
}

Sicherheits-Best Practices

Wichtige Punkte – aus eigener Erfahrung:

1. API Keys niemals hardcoden

   • ❌ Falsch: "env": {"API_KEY": "sk-abc123"}
   • ✅ Richtig: "env": {"API_KEY": "${API_KEY}"}

2. Schlüssel regelmäßig rotieren

   • GitHub Token und Brave API Key etwa alle drei Monate erneuern
   • Falls die Konfiguration versehentlich ins öffentliche Repo gelangt, ist der Schaden begrenzt

3. Minimale Berechtigungen

   • GitHub Token nur mit nötigen Rechten, kein admin aus Bequemlichkeit
   • Filesystem nur auf Projektordner beschränken

4. Konfiguration in .gitignore

   • Bei projektweiter Config: .cursor/mcp.json in .gitignore
   • Sensible Daten nicht in die Versionskontrolle

Fehlerbehebung

Probleme? In dieser Reihenfolge prüfen:

Problem 1: Plugin konfiguriert, aber kein Hammer-Symbol

Lösung:

1. JSON-Syntax prüfen (JSONLint)
2. Cursor oder Claude Desktop neu starten
3. Developer Tools öffnen (Cursor → Help → Toggle Developer Tools)

Problem 2: Plugin schlägt fehl mit „API Key invalid”

Lösung:

1. Umgebungsvariable prüfen (echo $API_KEY)
2. Referenzformat in der Config: ${VAR_NAME}
3. Terminal neu starten, damit Variablen greifen

Problem 3: npx-Befehl nicht gefunden

Lösung:

1. Node.js: node --version
2. npm im PATH: which npm (macOS/Linux) oder where npm (Windows)
3. Node.js neu installieren mit „Add to PATH”

Fazit

Kernbotschaft: MCP-Plugins verwandeln die KI vom Chat-Assistenten zum Arbeitspartner.

Meine fünf Daily-Driver:

• Sequential Thinking: tiefes Denken bei komplexen Fragen
• Brave Search: aktuelle Informationen in Echtzeit
• Playwright: Browser-Automatisierung
• GitHub: Code-Repositories analysieren
• Filesystem: lokale Dateien verwalten

Mein Workflow: Bei repetitiven Aufgaben zuerst prüfen, ob ein MCP-Plugin helfen kann. In acht von zehn Fällen klappt es – gesparte Zeit für Kaffee.

Noch keine MCP-Plugins probiert? Starten Sie mit Sequential Thinking und Brave Search – beide ohne API Key, einfachste Konfiguration. Probieren Sie es aus – Sie werden den Unterschied merken.

Welche MCP-Plugins nutzen Sie? Schreiben Sie gern in die Kommentare – ich bin immer auf der Suche nach Neuentdeckungen.