Die Lücke schließen: Ausführung nativer Windows-MCP-Server in sandboxierten KI-Agenten (Claude & Gemini CLI)

TL;DR:

Problem: In einer Sandbox ausgeführte Linux-Container-Agenten in WSL2 (Claude Code, Gemini CLI) können Windows-MCP-Server (wie den Power BI Modeling MCP) aufgrund von Transportbeschränkungen über Betriebssystemgrenzen hinweg, Blockierungen durch die Hyper-V-Firewall am Port 3000 und Problemen beim JSON-RPC-Stream-Framing nicht nativ ausführen.

Lösung: Ein auf dem Windows-Host ausgeführtes Node.js-Proxy-Skript empfängt HTTP-Anfragen vom Container, wandelt diese in native stdio-Prozesskommunikation des Hosts um, aggregiert fragmentierte JSON-Nutzdaten und verarbeitet asynchrone Benachrichtigungen sicher.

Dieser Beitrag ist eine (teil-)automatisierte Übersetzung des englischen Originals.

Durch die Integration von MCP-Servern (Model Context Protocol) in Entwicklertools erhalten Sprachmodelle direkten, strukturierten Kontext aus lokalen Umgebungen. In Verbindung mit Tools wie dem „Power BI Modeling MCP“ von Microsoft können CLI-Agenten wie Claude Code (claude) und Gemini CLI (gemini) tabellarische Modelle auswerten, DAX-Abfragen ausführen und TMDL-Definitionen in Echtzeit in lokalen Power BI Desktop-Instanzen ändern.

Sicherheitsrichtlinien schreiben jedoch vor, dass KI-CLI-Agenten in Sandbox-Umgebungen (wie Podman- oder Docker-Linux-Containern) ausgeführt werden müssen. Dies führt zu einem gravierenden Konflikt, wenn versucht wird, Windows-native Binärdateien aus einer isolierten Linux-Laufzeitumgebung heraus auszuführen.

Dieser Artikel beschreibt die damit verbundenen architektonischen Hindernisse – einschließlich der Einschränkungen der Windows 11 Hyper-V-Firewall – und stellt ein leichtgewichtiges Node.js-Proxy-Skript bereit, das die Kommunikation zwischen CLI-Agenten in der Sandbox und nativen Windows-Ausführungsdateien überbrückt.

Technische Herausforderungen auf Windows-Hostsystemen

Bei der Ausführung von Agent-CLIs mit aktivierter Container-Sandbox-Funktion treten vier wesentliche Probleme auf:

Inkompatibilitäten zwischen Betriebssystem und DLLs
Die Power BI Modeling MCP-Server-Binärdatei (.exe) ist auf Windows-Systembibliotheken wie iphlpapi.dll (IP Helper API) angewiesen, um laufende Power BI Desktop-Instanzen zu erkennen. Innerhalb einer Linux-Container-Sandbox sind diese Windows-Bibliotheken nicht vorhanden, was dazu führt, dass Standardausführungsversuche unter Linux sofort fehlschlagen.
Trennung der Transportschicht (stdio vs. HTTP/SSE)
MCP-Server kommunizieren in der Regel über Standard-Ein- und -Ausgabe (stdio). Eine containerisierte Sandbox kann native stdio-Streams nicht direkt an eine auf dem Host-Betriebssystem ausgeführte ausführbare Datei anbinden. Die Kommunikation muss in Netzwerkprotokolle wie HTTP oder SSE umgewandelt werden.
Einschränkungen der Hyper-V-Firewall (Windows 11 22H2+)
Die Hyper-V-Firewall filtert den Datenverkehr, der über virtuelle Netzwerkadapter fließt, die für Container-Laufzeiten und WSL erstellt wurden. Selbst wenn die Standardports der Windows Defender-Firewall offen sind, wird eingehender Datenverkehr vom virtuellen Container-Switch zum Host standardmäßig verworfen, sofern er nicht ausdrücklich zugelassen wird.
Unterschiede beim Stream-Framing und beim JSON-RPC-Protokoll
MCP-Implementierungen unter Windows unterteilen JSON-Nutzdaten häufig in fragmentierte Datenblöcke oder fügen Längen-Header hinzu. Die rohe TCP-Weiterleitung führt zu Parsing-Fehlern wie „Unerwartetes Ende der JSON-Eingabe“. Zudem erwarten standardmäßige JSON-RPC-Benachrichtigungsmethoden (wie „notifications/initialized“) keine Antworten, was dazu führt, dass synchrone Listener eine Zeitüberschreitung verzeichnen.

Die grobe Übersicht für Claude und für Gemini ist unten dargestellt:

Implementierungsanleitung

Schritt 1: Konfigurieren der Windows Hyper-V-Firewall-Regeln

Da der Container-Datenverkehr über einen virtuellen Hyper-V-Switch geleitet wird, führen Sie den folgenden Befehl in PowerShell als Administrator aus, um eingehenden Datenverkehr auf Port 3000 vom Container-Switch zuzulassen:

New-NetFirewallHyperVRule -Name "AllowMCPBridgeInbound" `
    -DisplayName "Allow Inbound MCP Proxy Bridge from Sandbox" `
    -Direction Inbound `
    -VMCreatorId '{40E0AC32-46A5-438A-A0B2-2B479E8F2E90}' `
    -Protocol TCP `
    -LocalPorts 3000 `
    -Action Allow

New-NetFirewallHyperVRule -Name "AllowMCPBridgeInbound" `

-DisplayName "Allow Inbound MCP Proxy Bridge from Sandbox" `

-Direction Inbound `

-VMCreatorId '{40E0AC32-46A5-438A-A0B2-2B479E8F2E90}' `

-Protocol TCP `

-LocalPorts 3000 `

-Action Allow

Schritt 2: Bereitstellung des Node.js-Bridge-Skripts (bridge.js)

Speichern Sie dieses Proxy-Skript auf Ihrem Windows-Host. Es verarbeitet nicht blockierende Benachrichtigungen, aggregiert fragmentierte stdout-Puffer und stellt die ausführbare Datei über HTTP bereit.

const { spawn } = require('child_process');
const http = require('http');

const args = process.argv.slice(2);
const help = args.includes('--help') || args.includes('-h');
const verbose = args.includes('--verbose') || args.includes('-v');
const exePath = args.find(arg =&gt; !arg.startsWith('-'));

if (help || !exePath) {
    console.log(`
Power BI MCP Bridge
Usage: node bridge.js [path-to-exe] [options]

Arguments:
  path-to-exe      Full path to the native Windows MCP executable.

Options:
  -v, --verbose    Log raw JSON-RPC payloads and chunk buffering status.
  -h, --help       Display this help message.
    `);
    process.exit(0);
}

const getTimestamp = () =&gt; `[${new Date().toLocaleTimeString()}]`;
const mcpProcess = spawn(exePath, ['--start']);

let currentResponse = null;
let responseBuffer = "";

mcpProcess.stderr.on('data', (data) =&gt; {
    console.error(`${getTimestamp()} [EXE LOG/ERROR]: ${data.toString().trim()}`);
});

mcpProcess.stdout.on('data', (data) =&gt; {
    if (!currentResponse) return;

    responseBuffer += data.toString();
    const jsonStartIndex = responseBuffer.indexOf('{');

    if (jsonStartIndex !== -1) {
        const payloadCandidate = responseBuffer.substring(jsonStartIndex);
        try {
            JSON.parse(payloadCandidate);

            if (verbose) console.log(`${getTimestamp()} [RESPONSE] Valid JSON assembled. Returning to agent.`);
            currentResponse.writeHead(200, { 'Content-Type': 'application/json' });
            currentResponse.end(payloadCandidate.trim());

            currentResponse = null;
            responseBuffer = "";
        } catch (e) {
            if (verbose) console.log(`${getTimestamp()} [BUFFER] Partial JSON received. Awaiting chunks...`);
        }
    }
});

const server = http.createServer((req, res) =&gt; {
    if (req.method === 'POST') {
        let requestBody = '';
        req.on('data', chunk =&gt; { requestBody += chunk; });
        req.on('end', () =&gt; {
            try {
                const parsedPayload = JSON.parse(requestBody);
                if (verbose) console.log(`${getTimestamp()} [REQUEST] Method: ${parsedPayload.method}`);

                if (parsedPayload.method &amp;&amp; parsedPayload.method.startsWith('notifications/')) {
                    mcpProcess.stdin.write(requestBody + '\n');
                    res.writeHead(202);
                    res.end();
                    return;
                }

                currentResponse = res;
                responseBuffer = "";
                mcpProcess.stdin.write(requestBody + '\n');

                setTimeout(() =&gt; {
                    if (currentResponse === res) {
                        console.log(`${getTimestamp()} [TIMEOUT] Method timed out: ${parsedPayload.method}`);
                        res.writeHead(504);
                        res.end(JSON.stringify({ error: "Execution timeout" }));
                        currentResponse = null;
                    }
                }, 15000);

            } catch (err) {
                res.writeHead(400);
                res.end(JSON.stringify({ error: "Malformed JSON payload" }));
            }
        });
    }
});

server.listen(3000, '0.0.0.0', () =&gt; {
    console.log(`${getTimestamp()} Bridge listening on http://0.0.0.0:3000/mcp`);
    console.log(`${getTimestamp()} Target executable: ${exePath}`);
});

process.on('SIGINT', () =&gt; {
    mcpProcess.kill();
    process.exit();
});

100

101

102

const { spawn } = require('child_process');

const http = require('http');

const args = process.argv.slice(2);

const help = args.includes('--help') || args.includes('-h');

const verbose = args.includes('--verbose') || args.includes('-v');

const exePath = args.find(arg => !arg.startsWith('-'));

if (help || !exePath) {

console.log(`

Power BI MCP Bridge

Usage: node bridge.js [path-to-exe] [options]

Arguments:

path-to-exe Full path to the native Windows MCP executable.

Options:

-v, --verbose Log raw JSON-RPC payloads and chunk buffering status.

-h, --help Display this help message.

`);

process.exit(0);

}

const getTimestamp = () => `[${new Date().toLocaleTimeString()}]`;

const mcpProcess = spawn(exePath, ['--start']);

let currentResponse = null;

let responseBuffer = "";

mcpProcess.stderr.on('data', (data) => {

console.error(`${getTimestamp()} [EXE LOG/ERROR]: ${data.toString().trim()}`);

});

mcpProcess.stdout.on('data', (data) => {

if (!currentResponse) return;

responseBuffer += data.toString();

const jsonStartIndex = responseBuffer.indexOf('{');

if (jsonStartIndex !== -1) {

const payloadCandidate = responseBuffer.substring(jsonStartIndex);

try {

JSON.parse(payloadCandidate);

if (verbose) console.log(`${getTimestamp()} [RESPONSE] Valid JSON assembled. Returning to agent.`);

currentResponse.writeHead(200, { 'Content-Type': 'application/json' });

currentResponse.end(payloadCandidate.trim());

currentResponse = null;

responseBuffer = "";

} catch (e) {

if (verbose) console.log(`${getTimestamp()} [BUFFER] Partial JSON received. Awaiting chunks...`);

}

});

const server = http.createServer((req, res) => {

if (req.method === 'POST') {

let requestBody = '';

req.on('data', chunk => { requestBody += chunk; });

req.on('end', () => {

try {

const parsedPayload = JSON.parse(requestBody);

if (verbose) console.log(`${getTimestamp()} [REQUEST] Method: ${parsedPayload.method}`);

if (parsedPayload.method && parsedPayload.method.startsWith('notifications/')) {

mcpProcess.stdin.write(requestBody + '\n');

res.writeHead(202);

res.end();

return;

}

currentResponse = res;

responseBuffer = "";

mcpProcess.stdin.write(requestBody + '\n');

setTimeout(() => {

if (currentResponse === res) {

console.log(`${getTimestamp()} [TIMEOUT] Method timed out: ${parsedPayload.method}`);

res.writeHead(504);

res.end(JSON.stringify({ error: "Execution timeout" }));

currentResponse = null;

}

}, 15000);

} catch (err) {

res.writeHead(400);

res.end(JSON.stringify({ error: "Malformed JSON payload" }));

}

});

}

});

server.listen(3000, '0.0.0.0', () => {

console.log(`${getTimestamp()} Bridge listening on http://0.0.0.0:3000/mcp`);

console.log(`${getTimestamp()} Target executable: ${exePath}`);

});

process.on('SIGINT', () => {

mcpProcess.kill();

process.exit();

});

Schritt 3: Konfiguration der CLI-Clients

Option A: Konfiguration der Gemini CLI (gemini)

Fügen Sie den Bridge-Eintrag zu Ihrer Datei „settings.json“ hinzu:

{
  "mcpServers": {
    "powerbi-modeling-mcp": {
      "httpUrl": "http://host.containers.internal:3000/mcp",
      "timeout": 30000
    }
  }
}

{

"mcpServers": {

"powerbi-modeling-mcp": {

"httpUrl": "http://host.containers.internal:3000/mcp",

"timeout": 30000

}

Option B: Konfiguration von Claude CLI (claude / Claude Code)

Fügen Sie den Bridge-Eintrag in Ihre Datei .mcp.json oder ~/.claude.json ein:

{
  "mcpServers": {
    "powerbi-modeling-mcp": {
      "type": "http",
      "url": "http://host.containers.internal:3000/mcp"
    }
  }
}

{

"mcpServers": {

"powerbi-modeling-mcp": {

"type": "http",

"url": "http://host.containers.internal:3000/mcp"

}

Schritt 4: Überprüfung und Arbeitsablauf

Starten Sie die Bridge auf dem Windows-Host:

node bridge.js "C:\Path\To\powerbi-modeling-mcp.exe" --verbose

1

node bridge.js "C:\Path\To\powerbi-modeling-mcp.exe" --verbose
Rufen Sie die Tool-Erkennung in Ihrem bevorzugten CLI-Client auf:
- Für Gemini CLI: /mcp refresh
- Für Claude CLI: claude mcp list oder /mcp

Fazit

Durch die Kombination gezielter Hyper-V-Firewall-Regeln mit einer Node.js-Proxy-Brücke können in einer Sandbox ausgeführte CLI-Agenten wie Claude CLI und Gemini CLI nahtlos mit Windows-nativen MCP-Servern interagieren. Diese Konfiguration gewährleistet eine vollständige Containerisolierung und gewährt Ihren KI-Agenten gleichzeitig uneingeschränkten Zugriff auf lokale Power BI-Modelle.

Dataprocessing mit Spark (Batch & Stream) Training

Die Teilnehmenden lernen in diesem Hands-on-Kurs, wie moderne Lakehouse-Architekturen in der Databricks Cloud mittels Spark (Verarbeitung) und Delta Lake (Storage) aufgebaut werden können.

Zum Training

Name	Borlabs Cookie
Anbieter	Eigentümer dieser Website
Zweck	Speichert die Einstellungen der Besucher, die in der Cookie Box von Borlabs Cookie ausgewählt wurden.
Cookie Name	borlabs-cookie
Cookie Laufzeit	1 Jahr

Akzeptieren
Name	Google Analytics
Anbieter	Google LLC
Zweck	Cookie von Google für Website-Analysen. Erzeugt statistische Daten darüber, wie der Besucher die Website nutzt.
Datenschutzerklärung	https://policies.google.com/privacy?hl=de
Cookie Name	_ga,_gat,_gid
Cookie Laufzeit	2 Jahre

Akzeptieren
Name	Hotjar
Anbieter	Hotjar Ltd.
Zweck	Hotjar ist ein Analysewerkzeug für das Benutzerverhalten von Hotjar Ltd. Wir verwenden Hotjar, um zu verstehen, wie Benutzer mit unserer Website interagieren.
Datenschutzerklärung	https://www.hotjar.com/legal/policies/privacy/
Host(s)	*.hotjar.com
Cookie Name	_hjClosedSurveyInvites, _hjDonePolls, _hjMinimizedPolls, _hjDoneTestersWidgets, _hjIncludedInSample, _hjShownFeedbackMessage, _hjid, _hjRecordingLastActivity, hjTLDTest, _hjUserAttributesHash, _hjCachedUserAttributes, _hjLocalStorageTest, _hjptid
Cookie Laufzeit	Sitzung / 1 Jahr

Akzeptieren
Name	HubSpot
Anbieter	HubSpot Inc.
Zweck	HubSpot ist ein Verwaltungsdienst für Benutzerdatenbanken bereitgestellt von HubSpot, Inc. Wir nutzen HubSpot auf dieser Website für unsere Online Marketing-Aktivitäten.
Datenschutzerklärung	https://legal.hubspot.com/privacy-policy
Host(s)	*.hubspot.com, hubspot-avatars.s3.amazonaws.com, hubspot-realtime.ably.io, hubspot-rest.ably.io, js.hs-scripts.com
Cookie Name	__hs_opt_out, __hs_d_not_track, hs_ab_test, hs-messages-is-open, hs-messages-hide-welcome-message, __hstc, hubspotutk, __hssc, __hssrc, messagesUtk
Cookie Laufzeit	Sitzung / 30 Minuten / 1 Tag / 1 Jahr / 13 Monate

Akzeptieren
Name	Leadfeeder
Anbieter	Dealfront Group GmbH

Die Lücke schließen: Ausführung nativer Windows-MCP-Server in sandboxierten KI-Agenten (Claude & Gemini CLI)

Technische Herausforderungen auf Windows-Hostsystemen

Implementierungsanleitung

Schritt 1: Konfigurieren der Windows Hyper-V-Firewall-Regeln

Schritt 2: Bereitstellung des Node.js-Bridge-Skripts (bridge.js)

Schritt 3: Konfiguration der CLI-Clients

Option A: Konfiguration der Gemini CLI (gemini)

Option B: Konfiguration von Claude CLI (claude / Claude Code)

Schritt 4: Überprüfung und Arbeitsablauf

Fazit

Dataprocessing mit Spark (Batch & Stream) Training

Hat dir der Beitrag gefallen? Antwort abbrechen

Ähnliche Artikel

SnowForm: Effizientes Snowflake-Management mit Terraform

Lokales PySpark Testing mit Databricks Connect & Devcontainers

Lightweight Data Quality Frameworks: DQX for Apache Spark

Akzeptieren
Name	OpenStreetMap
Anbieter	OpenStreetMap Foundation
Zweck	Wird verwendet, um OpenStreetMap-Inhalte zu entsperren.
Datenschutzerklärung	https://wiki.osmfoundation.org/wiki/Privacy_Policy
Host(s)	.openstreetmap.org
Cookie Name	_osm_location, _osm_session, _osm_totp_token, _osm_welcome, _pk_id., _pk_ref., _pk_ses., qos_token
Cookie Laufzeit	1-10 Jahre

Akzeptieren
Name	Podigee
Anbieter	Podigee
Zweck	Wird verwendet, um Podigee-Inhalte automatisch zu entsperren.
Datenschutzerklärung	https://www.podigee.com/de/ueber-uns/datenschutz
Host(s)	podigee., podigee.com, podigee.io

Die Lücke schließen: Ausführung nativer Windows-MCP-Server in sandboxierten KI-Agenten (Claude & Gemini CLI)

Technische Herausforderungen auf Windows-Hostsystemen

Implementierungsanleitung

Schritt 1: Konfigurieren der Windows Hyper-V-Firewall-Regeln

Schritt 2: Bereitstellung des Node.js-Bridge-Skripts (bridge.js)

Schritt 3: Konfiguration der CLI-Clients

Option A: Konfiguration der Gemini CLI (gemini)

Option B: Konfiguration von Claude CLI (claude / Claude Code)

Schritt 4: Überprüfung und Arbeitsablauf

Fazit

Dataprocessing mit Spark (Batch & Stream) Training

Hat dir der Beitrag gefallen? Antwort abbrechen

Ähnliche Artikel

SnowForm: Effizientes Snowflake-Management mit Terraform

Lokales PySpark Testing mit Databricks Connect & Devcontainers

Lightweight Data Quality Frameworks: DQX for Apache Spark

inoNews