Convex MCP Server

Der Convex MCP Server verbindet KI-Assistenten wie Claude Code oder Cursor mit Ihrem Convex-Deployment. Convex ist eine Backend-Plattform, die eine reaktive Datenbank, serverlose Funktionen in TypeScript und Echtzeit-Synchronisation zwischen Backend und Oberfläche in einem System anbietet. Der MCP-Server macht dieses Deployment für einen Assistenten greifbar: Statt Tabellen im Dashboard zu öffnen oder Funktionen von Hand aufzurufen, bitten Sie den Assistenten, Daten einzusehen, eine Funktion mit Testargumenten auszuführen oder nachzusehen, warum ein Aufruf fehlschlug. Der Server gehört zum npm-Paket convex, das laut Registry unter der Apache-2.0-Lizenz steht (aktuell Version 1.48.0). Das zugehörige Backend-Repository liegt in der GitHub-Organisation convex, hat rund 12.700 Sterne, ist nicht archiviert und wurde zuletzt am 24. Oktober 2026 aktualisiert; für das Backend selbst nennt GitHub keine Standardlizenz, wir behaupten hier daher nur die Lizenz des npm-Pakets.

Was kann der Convex MCP Server?

Laut Dokumentation stellt der Server mehrere Werkzeuggruppen bereit. Mit status wählen Sie das Deployment aus, auf dem der Assistent arbeitet. tables, data und runOneoffQuery zeigen Tabellenstruktur und Inhalte und erlauben einmalige Abfragen. Mit functionSpec, run und logs sieht der Assistent die vorhandenen Funktionen, führt eine aus und liest die Protokolle. insights liefert Hinweise zum Zustand des Deployments. Über envList, envGet, envSet und envRemove lassen sich Umgebungsvariablen lesen und ändern. Praktisch ist das vor allem im Entwicklungsalltag: Der Assistent versteht dadurch nicht nur Ihren Code, sondern auch die tatsächlichen Daten und Fehlermeldungen des laufenden Deployments.

Installation und Anmeldung

Der Server läuft lokal und wird mit npx -y convex@latest mcp start gestartet; diesen Befehl tragen Sie in die MCP-Konfiguration Ihres Clients ein. Die Dokumentation empfiehlt außerdem das Convex-Plugin für Claude Code oder Cursor, das den Server automatisch startet. Die Anmeldung nutzt Ihre globalen Zugangsdaten aus npx convex login; alternativ setzen Sie die Umgebungsvariable CONVEX_DEPLOY_KEY für ein bestimmtes Deployment. Es gibt also keinen eigenen Cloud-Endpunkt, der Server arbeitet über Ihr bestehendes Convex-Konto.

Produktion bewusst absichern

Besonders hervorzuheben ist das abgestufte Sicherheitsmodell. Standardmäßig ist der Zugriff auf Produktions-Deployments auf lesende Werkzeuge ohne personenbezogene Daten beschränkt, nämlich insights, tables und functionSpec. Mit dem Schalter --cautiously-allow-production-pii kommen lesende Werkzeuge hinzu, die Nutzerdaten sichtbar machen können (data, logs, runOneoffQuery). Erst --dangerously-enable-production-deployments erlaubt das Lesen von Umgebungsvariablen und schreibende Aktionen wie run, envSet und envRemove. Der Schalter --prod setzt diese Freigabe ebenfalls voraus. Diese Aufteilung unterscheidet den Server von einfachen Datenbank-Anbindungen, bei denen ein Zugang meist alles oder nichts bedeutet.

Wofür ist er besonders nützlich?

Der größte Nutzen liegt beim Entwickeln und Debuggen. Sie lassen den Assistenten ein Schema gegen echte Testdaten prüfen, eine neue Funktion mit Beispielwerten ausprobieren oder anhand der Logs eine Fehlerursache eingrenzen. Gegenüber einem allgemeinen Datenbank-Server kennt dieser Server Convex-Konzepte wie Funktionsspezifikationen und Insights, sodass der Assistent passendere Vorschläge macht.

Sicherheit: was Sie beachten sollten

Ein Assistent mit Schreibzugriff kann Funktionen ausführen und Umgebungsvariablen ändern oder löschen. Arbeiten Sie deshalb zunächst mit einem Entwicklungs-Deployment und aktivieren Sie die Produktions-Schalter nur bewusst und zeitlich begrenzt. Abgerufene Daten, Logs und Umgebungsvariablen gelangen in den Kontext des KI-Clients und damit zum Modellanbieter; das gilt besonders für Nutzerdaten und Geheimnisse. Die Dokumentation nennt weder Lizenz des Servers noch Preise; die Angaben dazu haben wir an Registry und Preisseite geprüft.

Kosten

Der MCP-Server ist Teil des kostenlosen npm-Pakets. Für die Nutzung brauchen Sie ein Convex-Deployment. Laut Preisseite gibt es einen Einstiegsplan für persönliche Projekte und Prototypen, der kostenlos genutzt oder bei Bedarf nutzungsbasiert erweitert werden kann, einen kostenpflichtigen Professional-Plan für den Weg in die Produktion sowie Business- und Enterprise-Tarife mit SSO, Service-Garantien und dedizierten Deployments. Aktuelle Konditionen finden Sie auf der offiziellen Preisseite von Convex.

Für wen lohnt sich der Convex MCP Server?

Er lohnt sich für Entwicklerinnen und Entwickler, die bereits mit Convex arbeiten oder eine reaktive Backend-Plattform für eine neue App ausprobieren und ihren Assistenten mit echten Daten und Logs arbeiten lassen wollen. Ohne Convex-Projekt bringt er nichts. Beginnen Sie mit einem Entwicklungs-Deployment, nutzen Sie zuerst lesende Werkzeuge, und lassen Sie die Produktions-Schalter aus, solange Sie den Ablauf nicht gut kennen.

Node.js mit npx, ein Convex-Konto und -Deployment (Anmeldung per npx convex login oder Deploy-Schlüssel) sowie ein MCP-Client mit stdio-Unterstützung.

Mit dem Convex MCP Server fragt ein KI-Assistent Tabellen, Funktionen und Logs Ihres Convex-Deployments ab. Dieser Ratgeber führt von der Anmeldung bis zur ersten Aufgabe.

Schritt 1: Voraussetzungen

Sie brauchen Node.js mit npx, ein Convex-Konto mit einem Deployment und einen MCP-Client mit stdio-Unterstützung, etwa Claude Code oder Cursor.

Schritt 2: Anmelden

Melden Sie sich einmal mit npx convex login an; der Server nutzt diese globalen Zugangsdaten. Für ein bestimmtes Deployment können Sie stattdessen die Umgebungsvariable CONVEX_DEPLOY_KEY setzen.

npx convex login

Schritt 3: Server eintragen

In Claude Code lautet der Befehl claude mcp add convex -- npx -y convex@latest mcp start. Alternativ nutzen Sie das Convex-Plugin für Claude Code oder Cursor, das den Server automatisch startet. Prüfen Sie danach mit /mcp, ob der Server verbunden ist.

claude mcp add convex -- npx -y convex@latest mcp start

Deployment auswählen

Lassen Sie den Assistenten zuerst das Werkzeug status aufrufen und das gewünschte Deployment wählen. Beginnen Sie mit einem Entwicklungs-Deployment.

Produktion absichern

Standardmäßig sind in Produktion nur insights, tables und functionSpec erlaubt. Der Schalter --cautiously-allow-production-pii ergänzt data, logs und runOneoffQuery; --dangerously-enable-production-deployments erlaubt zusätzlich Umgebungsvariablen und Schreibaktionen. Aktivieren Sie diese nur bewusst.

Schritt 4: Erste Aufgaben

Starten Sie lesend: „Zeige mir die Tabellen und ihr Schema“ oder „Was sagen die Insights zu meinem Deployment?“. Erst danach lassen Sie eine Funktion mit Testwerten ausführen.

Globale Zugangsdaten aus npx convex login; alternativ die Umgebungsvariable CONVEX_DEPLOY_KEY für ein bestimmtes Deployment.

Zugriff auf Deployments des angemeldeten Kontos: Tabellen, Daten, Funktionen, Logs, Insights und Umgebungsvariablen. Produktion ist standardmäßig auf lesende Werkzeuge ohne personenbezogene Daten beschränkt; weitere Rechte schalten Startoptionen frei.

Abgerufene Daten, Logs und Umgebungsvariablen gelangen in den Kontext des KI-Clients und damit zum Modellanbieter. Die Verarbeitung durch Convex richtet sich nach der Datenschutzerklärung des Anbieters.

Ausführen von Funktionen und Ändern oder Löschen von Umgebungsvariablen bei aktivierten Produktions-Schaltern, Offenlegung von Nutzerdaten und Geheimnissen gegenüber dem Modellanbieter, ein zu weit gefasster Deploy-Schlüssel sowie Prompt Injection über gespeicherte Inhalte.