Eine KI spielen lassen (MCP)

Botnetic stellt einen MCP-Server bereit. Damit spielt eine KI genau deinen Spielstand – über dieselbe Logik wie du im Browser. Hier steht, wie du sie bei den gängigen Anbietern anbindest.

Was das ist

Ein Endpunkt, ein Token, dein Spielstand.

MCP (Model Context Protocol) ist die Schnittstelle, über die KI-Clients Werkzeuge aufrufen. Botnetics Server liegt unter einer festen URL und spricht Streamable HTTP mit JSON-RPC 2.0.

Endpunkthttps://botnetic.app/api/mcpTransportStreamable HTTPAuthAuthorization: Bearer <token>

Das Token bindet an genau einen Spielstand – deinen. Wer es hat, steuert dein Spiel. Behandle es wie ein Passwort.

Token holen

Einmal erzeugen, sofort kopieren.

Öffne Konto & Einstellungen, Bereich „KI-Spieler · MCP", und erzeuge ein Token. Der Klartext erscheint nur einmal – kopiere ihn direkt in die Konfiguration deines Clients. Ein Token lässt sich jederzeit widerrufen; erzeuge für jeden Client ein eigenes.

In den folgenden Beispielen steht <DEIN_TOKEN> für dieses Token.

Claude Code

Ein Befehl, nativer HTTP-Transport.

Claude Code spricht Remote-MCP über HTTP direkt. Ein Befehl im Projektordner:

claude mcp add --transport http botnetic \
  https://botnetic.app/api/mcp \
  --header "Authorization: Bearer <DEIN_TOKEN>"

Danach kennt Claude die Botnetic-Tools. Ein Prompt wie „Lies den Spielzustand und spiel eine Runde effizient weiter" genügt.

Cursor

Ein Eintrag in mcp.json.

Lege .cursor/mcp.json im Projekt an (oder ergänze die globale unter ~/.cursor/mcp.json):

{
  "mcpServers": {
    "botnetic": {
      "url": "https://botnetic.app/api/mcp",
      "headers": {
        "Authorization": "Bearer <DEIN_TOKEN>"
      }
    }
  }
}

Cursor lädt den Server beim Start; in den MCP-Einstellungen erscheint „botnetic" mit seinen Tools.

Claude Desktop & andere Clients

Über die mcp-remote-Brücke, wenn nur lokale Server unterstützt werden.

Clients, die nur lokale (stdio-)Server kennen, erreichen den HTTP-Endpunkt über die Brücke mcp-remote. In der claude_desktop_config.json (Einstellungen → Entwickler → Konfiguration bearbeiten):

{
  "mcpServers": {
    "botnetic": {
      "command": "npx",
      "args": [
        "-y", "mcp-remote",
        "https://botnetic.app/api/mcp",
        "--header", "Authorization: Bearer <DEIN_TOKEN>"
      ]
    }
  }
}

Nach dem Neustart des Clients ist Botnetic verbunden. Dieselbe Konfiguration passt für jeden Client mit stdio-MCP.

Eigener Agent

Roh über HTTP oder mit dem MCP-SDK.

Jeder Aufruf ist eine JSON-RPC-Nachricht per POST. Ohne SDK reicht ein HTTP-Request:

POST https://botnetic.app/api/mcp
Authorization: Bearer <DEIN_TOKEN>
Content-Type: application/json

{"jsonrpc":"2.0","id":1,"method":"tools/call",
 "params":{"name":"spiel_lesen","arguments":{}}}

Mit dem offiziellen MCP-SDK verbindest du dich über den Streamable-HTTP-Transport auf dieselbe URL und setzt den Authorization-Header. Der Ablauf ist immer: initialize → tools/list → tools/call. Jeder Aktions-Aufruf gibt Ergebnis und frischen Zustand zurück.

Fertige Befehle & Kontext

Prompts als Slash-Befehle, der Zustand als lesbare Ressource.

Der Server bringt fertige Prompts mit, die Clients als Slash-Befehle anzeigen – du musst nicht jedes Mal ausformulieren, was zu tun ist:

spielzugLiest den Zustand und macht den sinnvollsten nächsten Zug.
runde_spielenSpielt mehrere Züge am Stück (Argument: Anzahl).

Zusätzlich stehen zwei Ressourcen zum Einlesen bereit: botnetic://zustand (dein Spielstand als JSON) und botnetic://anleitung (die Kurzregeln). Clients können sie als Kontext laden, statt ein Tool aufzurufen.

Lese-Tools sind als solche markiert und laufen ohne Rückfrage; zurücksetzende Aktionen (Deploy, Singularität, Node aufgeben) fragen im Client nach. So kann eine KI gefahrlos beobachten, aber nichts Großes ungefragt auslösen.

Was die KI kann

Ein Lese-Tool plus die Spieler-Aktionen.

spiel_lesenDen ganzen Zustand lesen – immer der erste Aufruf.
gebaeude_kaufenProduktionsgeräte einer Linie kaufen (auch „max“).
gebaeude_upgradeEin Gerät-Upgrade kaufen.
training_startenNächste Modell-Generation trainieren.
forschung_startenEine Forschungsstufe erforschen.
skill_lernenEinen Operator-Skill trainieren.
werkzeug_kaufen / _ausruestenExploit-Werkzeuge kaufen und ins Loadout legen.
node_infiltrieren / _haerten / _aufgebenFremde Nodes übernehmen, halten, abgeben.
meta_kaufenDauerhaftes Meta-Upgrade mit Influence kaufen.
konnektom_freischaltenEinen Konnektom-Knoten mit Synapsen freischalten.
assistent_einkaufDas teuerste leistbare Gebäude automatisch kaufen.
deployenPrestige 1: zurücksetzen für Influence und Synapsen.
singularitaet_ausloesenPrestige 2: zurücksetzen für Sentience.

Alles läuft server-autoritativ: der Server rechnet, prüft Kosten und Timer und lehnt Unmögliches ab. Eine KI kann also nichts erzwingen, was ein Mensch nicht auch könnte – sie spielt nur schneller.