# Working Notes

## Lern-Präferenzen (Sebastian)
- Sprache: Deutsch, Fachbegriffe Englisch.
- Zielgruppe doppelt: er selbst lernt + er muss es danach **lehren** → jede Lektion
  sollte einen "so erklärst du es im Workshop"-Winkel haben.
- Solide KI-Coding-Erfahrung. Agents, Tool-Calls, LLM-Basics sind klar. Nicht
  unterfordern mit Grundlagen — der Knackpunkt ist das *Protokoll*.
- Mag konkrete, lauffähige Artefakte (baut echte Workshops/Repos).

## Goldener Anker
- In Sebastians Claude-Code-Sessions läuft bereits ein **forgejo-MCP-Server**
  (STDIO, ~150 Tools). Das ist das perfekte lebende Beispiel — immer wieder darauf
  zurückgreifen statt abstrakt zu bleiben.

## Lernpfad — kompletter Bogen auf Wunsch erstellt (2026-06-24)
Alle Lektionen liegen vor (lessons/0001–0007) + reference/mcp-cheatsheet.html.
Noch nicht durchgearbeitet → keine Learning Records, bis Evidenz vorliegt.
1. ✅ Architektur-Mentalmodell: host/client/server + 3 Primitive (0001)
2. ✅ Der Wire: JSON-RPC, initialize-Handshake, Capability Negotiation (0002)
3. ✅ Die 3 Primitive im Detail: Tool/Resource/Prompt (0003)
4. ✅ Transports: STDIO vs Streamable HTTP (0004)
5. ✅ Bauen: Python-Server mit FastMCP + MCP Inspector (0005)
6. ✅ Anbinden an einen Agent (Claude Code, .mcp.json, Scopes) (0006)
7. ✅ Capstone: echter Server (alle 3 Primitive) + Workshop-Dramaturgie (0007)

## Offene nächste Schritte (nach Durcharbeiten)
- Learning Records schreiben, sobald Sebastian Verständnis zeigt (Quiz/Übung/Erklärung).
- Glossar (reference) erst befüllen, wenn Begriffe sitzen.
- Auf Wunsch: echten produktiven Server gemeinsam bauen; Probe-Workshop; Vertiefung
  Sampling/Auth/Deploy. GitLab-Duo-Anbindung gegen docs.gitlab.com live prüfen (Gap).