Engineering/1. März 2026/13 Min. Lesezeit

Wie wir KI nutzen, um unseren eigenen Blog zu schreiben — Better i18n MCP Content in der Praxis

Eray Gündoğmuş

Dieser Blogbeitrag wurde geschrieben, übersetzt und veröffentlicht, ohne jemals einen Browser zu öffnen. Kein CMS-Dashboard. Kein WYSIWYG-Editor. Kein Kopieren und Einfügen zwischen Übersetzungsdateien.

Jedes Wort, das Sie hier lesen, wurde durch @better-i18n/mcp-content erstellt — unser MCP-Server (Model Context Protocol), der KI-Coding-Assistenten in vollständige Content-Management-Systeme verwandelt. Wir nutzen ihn für unseren eigenen Blog, und dieser Artikel erklärt genau wie.

Was ist MCP Content?

MCP ist ein offenes Protokoll, das KI-Assistenten (Claude, Cursor, Windsurf und andere) ermöglicht, über standardisierte Tool-Aufrufe mit externen Diensten zu interagieren. Man kann es sich wie APIs für KI vorstellen — aber anstelle von REST-Endpunkten gibt es Tools, die KI-Agenten eigenständig entdecken, verstehen und nutzen können.

@better-i18n/mcp-content ist unser MCP-Server für das Content-Management. Er stellt Tools bereit für:

Content-Modelle — Definition strukturierter Content-Typen (Blogbeiträge, Changelog-Einträge, Dokumentationsseiten)
Einträge — Erstellen, Aktualisieren, Übersetzen und Veröffentlichen von Content-Einträgen
Felder — Benutzerdefinierte Felder mit Typen (Text, Zahl, Boolean, Datum, Relation, Medien)
Übersetzung — Mehrsprachige Inhalte mit feldspezifischer Lokalisierung
Veröffentlichung — Entwurf/Veröffentlicht-Workflow mit Versionsverlauf

Wenn Sie diesen Server mit Ihrem KI-Assistenten verbinden, erhält der Assistent die Fähigkeit, Ihre gesamte Content-Pipeline durch natürliche Sprache zu verwalten. Für Teams, die neu in der Welt der Lokalisierung und Internationalisierung sind, bietet unser Leitfaden zu Grundlagen der Software-Lokalisierung nützliche Hintergrundinformationen zu den Konzepten, die diesen Workflows zugrunde liegen.

Das Setup

So haben wir MCP Content für unseren Landing-Site-Blog konfiguriert:

1. Den MCP-Server installieren

// .claude/mcp.json (oder die MCP-Konfiguration Ihres KI-Assistenten)
{
  "mcpServers": {
    "better-i18n-content": {
      "command": "npx",
      "args": ["-y", "@anthropic-ai/better-i18n-content-mcp@latest"],
      "env": {
        "BETTER_I18N_API_KEY": "your-api-key"
      }
    }
  }
}

Das ist das gesamte Setup. Keine Datenbank zu konfigurieren, keine Schema-Dateien zu schreiben, keine Deployment-Pipeline einzurichten.

2. Das Content-Modell definieren

Wir haben Claude gebeten, unser Blogbeitrags-Modell zu erstellen:

„Erstelle ein blog-posts-Content-Modell mit den Feldern author (Relation zu users), category (Relation zu blog-categories), featured (Boolean) und read_time (Zahl)."

Im Hintergrund hat Claude die Tools createContentModel und addField aufgerufen, um das Schema zu erstellen. Das Modell war innerhalb von Sekunden fertig.

3. Inhalte schreiben

Hier wird es interessant. Anstatt ein CMS-Dashboard zu öffnen und Formularfelder auszufüllen, beschreiben wir einfach, was wir wollen:

„Schreibe einen Blogbeitrag, der Better i18n mit Crowdin und Lokalise vergleicht. Sei ehrlich — anerkenne, wo die Konkurrenz stärker ist. Zielgruppe sind Entwickler, die Lokalisierungsplattformen evaluieren."

Claude schreibt den vollständigen Markdown-Inhalt, setzt die Metadaten (author, category, tags, read_time) und ruft createContentEntry auf, um ihn zu speichern. Wir überprüfen die Ausgabe in unserem Terminal, fordern bei Bedarf Änderungen an und geben sie frei.

4. Übersetzen

„Übersetze den Vergleichs-Blogbeitrag ins Türkische, Deutsche und Französische."

Claude liest den Quellinhalt, übersetzt jedes Feld (title, body, excerpt) und ruft updateContentEntry mit den Übersetzungen auf. Glossarbegriffe werden automatisch berücksichtigt — Markennamen bleiben unübersetzt, technische Begriffe verwenden die genehmigten Übersetzungen.

5. Veröffentlichen

„Veröffentliche alle Entwurfs-Blogbeiträge."

Claude ruft bulkPublishEntries auf und jeder freigegebene Eintrag geht live. Der Inhalt ist sofort über unsere API verfügbar.

Warum dieser Workflow funktioniert

Geschwindigkeit

Das Schreiben eines 2.000-Wörter-Blogbeitrags über ein herkömmliches CMS umfasst:

Das CMS-Dashboard öffnen (5 Sekunden)
Zum Content-Typ navigieren (3 Sekunden)
„Neuer Eintrag" klicken (2 Sekunden)
Metadatenfelder einzeln ausfüllen (30 Sekunden)
Inhalt in einem WYSIWYG-Editor schreiben oder einfügen (variabel)
Überschriften, Code-Blöcke, Tabellen formatieren (2–5 Minuten)
Entwurf speichern (2 Sekunden)
Vorschau (5 Sekunden)
Veröffentlichen (3 Sekunden)

Mit MCP Content ist derselbe Prozess:

Beschreiben, was Sie wollen (10 Sekunden)
Die Ausgabe überprüfen (30 Sekunden)
„Veröffentlichen" sagen (2 Sekunden)

Die KI kümmert sich um Metadaten, Formatierung und API-Aufrufe. Sie konzentrieren sich auf die inhaltliche Ausrichtung und die Qualitätskontrolle.

Konsistenz

Wenn Menschen CMS-Formulare ausfüllen, schleichen sich Inkonsistenzen ein. Tags werden über Beiträge hinweg unterschiedlich geschrieben. Lesezeiten werden inkonsistent geschätzt. Zusammenfassungen variieren in Länge und Ton.

Wenn eine KI Einträge über eine strukturierte API erstellt, folgt jedes Feld demselben Muster. Die KI berechnet die Lesezeit aus der Wortzahl. Sie generiert Zusammenfassungen, die der Ziellänge entsprechen. Sie wendet ein einheitliches Tag-Format an.

Übersetzungsqualität

Herkömmliche Content-Übersetzungs-Workflows beinhalten:

Quellinhalt exportieren
An Übersetzer senden (oder ein Übersetzungstool verwenden)
Übersetzten Inhalt importieren
Auf Formatierungsprobleme prüfen
Beschädigtes Markdown, fehlende Links, falsche Metadaten korrigieren

MCP Content handhabt Übersetzungen direkt. Die KI liest das Quell-Markdown, versteht die Struktur (Überschriften, Code-Blöcke, Tabellen, Links) und übersetzt den Text unter Beibehaltung der Formatierung. Kein Export/Import-Zyklus. Kein beschädigtes Markdown. Für Teams, die die Qualitätsfaktoren verstehen möchten, die KI-Übersetzungen zuverlässig machen, beschreibt unser Beitrag zu Kontext bei Übersetzungen, wie Glossar-Enforcement und strukturierter Kontext zu präziser Ausgabe beitragen.

Versionskontrolle

Jede Änderung durch MCP Content wird versioniert. Sie können sehen, wer was wann und warum geändert hat. Der Versionsverlauf zeigt das vollständige Diff zwischen Versionen — einschließlich Übersetzungsänderungen.

Dies entspricht dem Prüfpfad, den Sie von einem Git-basierten Workflow erwarten würden, aber für Inhalte. Keine Commits zu verwalten, keine Merge-Konflikte zu lösen.

Die technische Architektur

Für technisch Interessierte: So funktioniert MCP Content unter der Haube:

KI-Assistent (Claude/Cursor)
    ↓ MCP-Protokoll (stdio/SSE)
MCP Content Server (@better-i18n/mcp-content)
    ↓ REST API
Better i18n Platform API
    ↓ Datenbank
PostgreSQL (Inhalte, Übersetzungen, Versionen)
    ↓ CDN
Cloudflare R2 + Workers (Auslieferung)

Content-Speicherung

Inhalte werden in PostgreSQL mit einem flexiblen Schema gespeichert:

Content-Modelle definieren die Struktur (Felder, Typen, Anforderungen)
Content-Einträge enthalten den tatsächlichen Inhalt mit sprachspezifischen Übersetzungen
Benutzerdefinierte Feldwerte werden als JSONB gespeichert und unterstützen jeden Feldtyp
Versionen verfolgen jede Änderung mit Diff-Metadaten

Auslieferung

Veröffentlichte Inhalte werden über Cloudflare Workers mit Edge-Caching bereitgestellt. Das SDK bietet typsicheren Zugriff auf Content-Einträge mit automatischer Locale-Auflösung.

MCP-Tools

Der Server stellt 15+ Tools bereit, geordnet nach Domänen:

Modelle: listContentModels, getContentModel, createContentModel, addField, updateField

Einträge: listContentEntries, getContentEntry, createContentEntry, updateContentEntry, deleteContentEntry

Veröffentlichung: publishContentEntry, bulkPublishEntries, duplicateContentEntry

Jedes Tool verfügt über eine JSON-Schema-Definition, die dem KI-Assistenten genau mitteilt, welche Parameter verfügbar sind, welche Typen sie erwarten und wie die Antwort aussieht. Die KI kann diese Tools ohne benutzerdefinierte Prompts entdecken und verwenden.

Dogfooding in der Praxis

Wir nutzen MCP Content für unseren eigenen Blog seit Februar 2026. Hier sind die tatsächlichen Zahlen:

6 Blogbeiträge erstellt und veröffentlicht (einschließlich dieses hier)
14 Sprachen werden in den Inhalten unterstützt
Null Zeit im CMS-Dashboard verbracht
Durchschnittliche Erstellungszeit: 3 Minuten pro Beitrag (einschließlich Metadaten und Überprüfung)
Durchschnittliche Übersetzungszeit: 45 Sekunden pro Sprache und Beitrag

Der Workflow hat grundlegend verändert, wie wir über Inhalte denken. Statt dass „Ich muss einen Blogbeitrag schreiben" eine 2-stündige Aufgabe ist (schreiben, formatieren, hochladen, übersetzen, veröffentlichen), ist es ein 15-minütiges Gespräch mit einem KI-Assistenten. Wenn Sie sehen möchten, wie dies in ein umfassenderes Framework-Setup passt, zeigt unser vollständiger Next.js i18n-Leitfaden für 2026, wie man CDN-ausgelieferte Übersetzungen neben Ihrer Content-Pipeline einrichtet.

Einschränkungen und ehrliche Kompromisse

MCP Content ist nicht für jeden geeignet. Hier sind die Fälle, in denen ein herkömmliches CMS noch besser ist:

Visuelles Content-Editing

Wenn Ihre Inhalte stark auf visuellem Layout basieren — benutzerdefinierte Blöcke, eingebettete Widgets, Drag-and-Drop-Positionierung — ist ein herkömmliches CMS mit einem visuellen Editor besser. MCP Content arbeitet mit Markdown, was für textlastige Inhalte hervorragend ist, aber für visuell orientierte Workflows begrenzt ist.

Nicht-technische Content-Teams

MCP Content erfordert einen KI-Coding-Assistenten (Claude Code, Cursor usw.). Wenn Ihr Content-Team diese Tools nicht nutzt, ist ein herkömmliches CMS mit einem webbasierten Editor zugänglicher.

Medienlastige Inhalte

Bild-Uploads, Video-Einbettungen und Asset-Management sind in einem visuellen CMS einfacher. MCP Content unterstützt Medienfelder, setzt jedoch auf URLs statt auf direkte Upload-Workflows.

Komplexe Freigabe-Workflows

Wenn Sie mehrstufige Freigaben benötigen (Autor → Redakteur → Prüfer → Herausgeber) mit rollenbasiertem Zugriff, haben herkömmliche CMS-Plattformen ausgefeiltere Workflow-Engines. MCP Content verfügt über Entwurf/Veröffentlicht-Zustände, aber keine mehrstufige Freigabe.

Was als Nächstes kommt

Wir entwickeln MCP Content aktiv weiter, basierend auf unserer eigenen Nutzung und dem Feedback früher Anwender:

Geplante Veröffentlichung — Legen Sie ein Veröffentlichungsdatum fest, und der Eintrag geht automatisch live
Content-Beziehungen — Einträge modellübergreifend verknüpfen (z. B. Blogbeitrag → Autor → Team)
Webhook-Benachrichtigungen — Rebuilds oder Benachrichtigungen auslösen, wenn sich Inhalte ändern
Bildoptimierung — Automatische Größenanpassung und Formatkonvertierung für Medienfelder
Content-Vorschau — Vorschau-URLs für Entwurfsinhalte generieren

Bevor Sie eine Content-Pipeline in Produktion nehmen, lohnt es sich, einen gründlichen i18n-Test-Durchlauf durchzuführen, um fehlende Keys, fehlerhafte Pluralisierungsregeln und Formatierungsgrenzfälle in allen Zielsprachen zu finden.

Probieren Sie es selbst aus

MCP Content ist heute als Teil von Better i18n verfügbar. Wenn Sie Better i18n bereits für Übersetzungen nutzen, ist Content-Management ohne zusätzliche Kosten enthalten.

# Zur MCP-Konfiguration Ihres KI-Assistenten hinzufügen
npx @anthropic-ai/better-i18n-content-mcp@latest

Beginnen Sie mit einem einfachen Content-Modell — einem Changelog, einem Blog oder einer Dokumentationsseite. Lassen Sie die KI Ihre Inhalte erstellen, übersetzen und veröffentlichen. Vielleicht öffnen Sie nie wieder ein CMS-Dashboard.

Comments

Loading comments...