Sanity MCP Server

Der Sanity MCP Server verbindet KI-Assistenten und Coding-Agenten mit Ihrem Sanity-Workspace. Statt Inhalte von Hand zu kopieren oder Schema-Dateien erst im Terminal auszurollen, beschreiben Sie, was passieren soll: „Finde alle Blogartikel ohne Titelbild“, „Ergänze beim Produkt X eine Beschreibung“ oder „Lege einen neuen Dokumenttyp für Veranstaltungen an“. Der Agent führt dafür GROQ-Abfragen aus, ändert Dokumente und kennt dabei das hinterlegte Schema. Betrieben wird der Server von Sanity selbst, und zwar als Remote-Dienst unter mcp.sanity.io.

Was ist der Sanity MCP Server?

Er implementiert das Model Context Protocol (MCP) als gehosteten Endpunkt mit Streamable-HTTP-Transport. Eine lokale Installation ist nicht mehr nötig: Das frühere npm-Paket @sanity/mcp-server ist laut Anbieter veraltet, und das zugehörige Repository ist archiviert. Mit der allgemeinen Verfügbarkeit im Dezember 2025 wurde der Dienst um Schema-Deployment, Projekt-Anlage und Bildwerkzeuge erweitert. Laut Dokumentation lässt er sich mit Claude Code, Cursor, VS Code, OpenCode, Lovable, Replit und v0 nutzen, außerdem mit jedem Client, der Remote-MCP-Server unterstützt.

Funktionen und Werkzeuge

Der Funktionsumfang ist groß. Zur Dokumentenarbeit gehören Abfragen mit GROQ, das Lesen einzelner Dokumente, Anlegen, Patchen (bis zu 25 Dokumente pro Aufruf), Veröffentlichen, Zurücksetzen auf Entwurf und Verwerfen von Entwürfen. Dazu kommen Releases, Dataset- und Projektverwaltung, CORS-Einstellungen, der Upload von Assets aus URLs und die Verwaltung der Media Library. Für Entwickler besonders nützlich sind get_schema und deploy_schema: Der Agent liest das vorhandene Content-Modell, passt es an und rollt es direkt in die Cloud aus. Hinzu kommen semantische Suche über Embeddings-Indizes, eine Suche in der Sanity-Dokumentation sowie ein Satz an Best-Practice-Regeln, die der Agent beim Schreiben von Code abrufen kann.

Einrichtung

Am einfachsten gelingt die Einrichtung mit npx sanity@latest mcp configure: Der Befehl erkennt installierte Editoren wie Cursor, VS Code oder Claude Code und trägt den Server automatisch ein. In Claude Code genügt claude mcp add Sanity -t http https://mcp.sanity.io --scope user. Standardmäßig läuft die Anmeldung über OAuth im Browser, die Sitzung läuft laut Dokumentation nach etwa sieben Tagen ab. Alternativ hinterlegen Sie einen API-Token als Bearer-Header, den Sie unter sanity.io/manage oder per CLI erzeugen.

Kosten und Verfügbarkeit

Der MCP-Server selbst wird von Sanity bereitgestellt; auf der offiziellen Preisseite ist keine Beschränkung nach Tarif erkennbar. Sanity bietet einen kostenlosen Einstieg sowie kostenpflichtige Pläne und Enterprise-Tarife, aktuelle Konditionen stehen auf der Preisseite des Anbieters. Nur die beiden Bildwerkzeuge generate_image und transform_image verbrauchen laut Dokumentation KI-Guthaben und lassen sich im Client abschalten.

Für wen lohnt sich der Sanity MCP Server?

Er lohnt sich für Teams, die Sanity als Headless-CMS einsetzen und Redaktions- oder Entwicklungsaufgaben beschleunigen wollen: Entwickler lassen Schemas und Beispielinhalte erzeugen, Redakteure mit passender Rolle Massenänderungen vorbereiten. Gegenüber einem selbst geschriebenen Skript spart er die Einarbeitung in die API, gegenüber manueller Pflege viel Klickarbeit. Wer Sanity nicht verwendet, hat keinen Nutzen, denn der Server ist ausschließlich auf diese Plattform ausgelegt.

Sicherheit und Grenzen

Der Server respektiert die Rechte Ihres Kontos oder Tokens; verfügbare Werkzeuge hängen von der Rolle ab. Änderungen landen laut Dokumentation im Entwurf oder in einer Release-Version, nie direkt in veröffentlichten Inhalten. Das Terminieren, Veröffentlichen und Löschen von Releases bleibt der Studio oder der HTTP-API vorbehalten. Abfrageantworten sind auf 64 KiB begrenzt, und es gelten Ratenbegrenzungen. Prüfen Sie Schreibaktionen vor der Bestätigung, vor allem Schema-Deployments und Dataset-Änderungen, und nutzen Sie für Experimente ein eigenes Dataset.

Häufige Fragen

Muss ich etwas lokal installieren? Nein, der Server läuft gehostet unter mcp.sanity.io. Ein Node.js-Setup brauchen Sie nur für die optionale CLI-Einrichtung.

Kann der Agent veröffentlichte Inhalte direkt überschreiben? Laut Anbieter landen Bearbeitungen im Entwurf oder in einer Release-Version. Das Veröffentlichen ist ein eigener, ausdrücklicher Schritt.

Funktioniert er auch in ChatGPT oder anderen Clients? Jeder Client mit Remote-MCP-Unterstützung kommt infrage; die Dokumentation nennt zusätzlich Werkzeuge für Uploads aus ChatGPT.

Sanity-Konto mit Zugriff auf ein Projekt und Dataset sowie ein MCP-Client mit Remote-Unterstützung (Claude Code, Cursor, VS Code, OpenCode, Lovable, Replit, v0 u. a.). Node.js nur für die optionale CLI-Einrichtung.

Sanity MCP verbindet einen KI-Client mit deinen Sanity-Projekten und Datasets. Der aktuelle Server läuft gehostet unter mcp.sanity.io. Nutze für erste Tests ein eigenes Dataset und beschränke die Kontorechte; der Server bietet neben Abfragen auch schreibende Werkzeuge.

Schritt 1: Konto und Client vorbereiten

Du brauchst ein Sanity-Konto mit Zugriff auf ein Testprojekt und einen MCP-Client mit HTTP-Unterstützung. Prüfe Claude Code im Terminal:

claude --version

Notiere Projekt-ID und Dataset-Namen, damit der Agent nicht versehentlich die falsche Umgebung auswählt. Eine lokale Installation des MCP-Servers ist für diesen Weg nicht nötig.

Schritt 2: Sanity in Claude Code registrieren

Führe im Terminal aus:

claude mcp add Sanity -t http https://mcp.sanity.io --scope user

Erwartet wird eine Verbindung namens Sanity im Benutzerprofil. --scope user macht diese Registrierung für deine Projekte verfügbar; das ist nicht automatisch eine Begrenzung der Sanity-Kontoberechtigungen.

Schritt 3: OAuth-Anmeldung durchführen

Starte Claude Code und öffne darin:

/mcp

Wähle Sanity und schließe den Browser-Login ab. Prüfe Konto und verfügbare Projekte. Wenn die Sitzung später abläuft, authentifiziere die Verbindung erneut. In Umgebungen ohne Browser ist ein API-Token als Authorization-Header möglich; dieser Weg verwendet statt OAuth die Rechte des Tokens. Lege Tokens nie in ein Repository.

Schritt 4: Eine Leseanfrage im Test-Dataset ausführen

Ersetze die Platzhalter mit deinem Testprojekt und Dataset und gib im Client ein:

Nutze Sanity für Projekt PROJECT_ID und Dataset DATASET_NAME. Beschreibe nur das vorhandene Schema. Ändere keine Dokumente, Schemas, Datasets oder Releases.

Vergleiche die Antwort mit Sanity Studio. Vergib Schreibrechte nur für konkrete Aufgaben und bestätige Änderungen einzeln. Prüfe Schema-Deployments, Dataset-Verwaltung und Veröffentlichungsaktionen besonders sorgfältig. Bearbeitungen können mit Entwürfen und Releases arbeiten; daraus folgt kein allgemeiner Schutz vor jeder Schreiboperation.

Schritt 5: Automatische Einrichtung als Alternative

Bei vorhandener Node.js-/npm-Umgebung kannst du stattdessen im Projektordner verwenden:

npx sanity@latest mcp configure

Die CLI kann installierte Editoren erkennen und den Server konfigurieren. Das ist eine Alternative zur manuellen Registrierung, kein erforderlicher Zusatzschritt. Prüfe Änderungen an den jeweiligen Client-Dateien und vermeide doppelte Einträge.

Alternative: Cursor konfigurieren

Ergänze in deiner MCP-Konfiguration diesen Eintrag und melde dich anschließend mit Sanity an:

{
  "mcpServers": {
    "Sanity": {
      "type": "http",
      "url": "https://mcp.sanity.io"
    }
  }
}

Bei Fehlern kontrolliere Anmeldestatus, Projekt-/Dataset-Rechte und den aktuellen Endpunkt. Ergebnisse können vertrauliche Inhalte enthalten und an den Modellanbieter gelangen. Offizielle Quelle: https://www.sanity.io/docs/ai/mcp-server. Kein authentifizierter Konto-Praxistest durchgeführt.

OAuth über das Sanity-Konto (Standard, Sitzung läuft nach etwa sieben Tagen ab) oder API-Token als Bearer-Header.

Rechte folgen der Rolle des angemeldeten Kontos bzw. des Tokens. Die Werkzeuge können Dokumente, Releases, Datasets, Projekte, Schemas und CORS-Einstellungen lesen und verändern.

Der Server läuft auf der Infrastruktur von Sanity. Abfrageergebnisse, Dokumentinhalte und Schemas gelangen in den Kontext des KI-Clients und damit zum jeweiligen Modellanbieter.

Schreibende Aktionen (Dokumente patchen, Schemas ausrollen, Datasets und CORS-Origins ändern, Projekte anlegen), ein im Klartext gespeicherter API-Token, Folgekosten durch KI-Bildwerkzeuge sowie vertrauliche Inhalte im Modellkontext.