MCP staat voor Model Context Protocol. Het is een open standaard, oorspronkelijk van Anthropic, die één probleem oplost: hoe laat je een AI-model op een veilige, voorspelbare manier gebruikmaken van jouw tools, bestanden en gegevens? In dit artikel leggen we uit wat het is en waarom het ertoe doet.
Eerst het probleem dat MCP oplost
Een taalmodel kan uit zichzelf alleen tekst genereren. Het kan niet in je agenda kijken, geen bestand openen, geen database bevragen. Wil je dat wel, dan moet je het model "tools" geven: acties die het mag uitvoeren.
Het probleem: elke tool en elk model deed dat op zijn eigen manier. Wilde je vijf AI-apps koppelen aan vijf systemen, dan bouwde je in het slechtste geval vijfentwintig aparte koppelingen. Dat is veel werk en breekt zodra er iets verandert.
Wat MCP precies doet
MCP is een afspraak (een protocol) over hoe een AI-model en een tool met elkaar praten. Bouw je een tool volgens die afspraak, dan kan elk model dat MCP begrijpt hem meteen gebruiken. En andersom: een model dat MCP spreekt, kan elke MCP-tool gebruiken zonder maatwerk.
Er zijn twee rollen:
- MCP-server — de kant die iets aanbiedt: toegang tot bestanden, een database, een API, een zoekfunctie. Je maakt of installeert een server voor elk systeem dat je wilt ontsluiten.
- MCP-client — de kant die het gebruikt: de AI-applicatie (bijvoorbeeld een chatassistent of code-editor) die via de server acties uitvoert.
Wat is een MCP-server?
Een MCP-server is het stukje software dat één systeem ontsluit voor AI. Het vertaalt de acties van dat systeem naar het MCP-protocol, zodat elke AI-client die MCP spreekt ermee kan werken zonder maatwerk.
Een concreet MKB-voorbeeld: je draait een MCP-server voor Moneybird of HubSpot. Je AI-assistent kan dan via die server je facturen of klantgegevens lezen. Vraag je "welke facturen staan er nog open?", dan haalt het model via de MCP-server de echte cijfers op in plaats van iets te verzinnen. Welke bedrijfssoftware je zo kunt koppelen, lees je in Handige software voor AI.
Wat een MCP-server kan aanbieden
Een server biedt meestal drie soorten dingen aan:
- Tools — acties die het model mag uitvoeren, zoals "zoek in de database" of "verstuur een e-mail".
- Resources — gegevens die het model mag lezen, zoals bestanden of records.
- Prompts — kant-en-klare instructies die een gebruiker kan kiezen.
Een concreet voorbeeld
Stel, je gebruikt een AI-assistent en wilt dat die vragen kan beantwoorden over je klanten in een database.
Zonder MCP: je schrijft maatwerkcode die specifiek deze AI aan specifiek deze database koppelt. Wissel je van AI-tool, dan begin je opnieuw.
Met MCP: je zet één keer een MCP-server op voor je database. Elke MCP-client (welke AI-app dan ook) kan die server voortaan gebruiken. Vraag je "hoeveel klanten kwamen er vorige maand bij?", dan roept het model via de server de juiste actie aan, krijgt het echte cijfer terug en formuleert het antwoord.
Waarom dit belangrijk wordt
MCP is snel een de-facto standaard geworden. Grote AI-tools (chatassistenten, code-editors, automatiseringsplatforms) ondersteunen het inmiddels. Dat betekent:
- Herbruikbaarheid. Een tool die je één keer bouwt, werkt met alle MCP-clients.
- Minder maatwerk. Geen aparte koppeling per model-en-tool-combinatie.
- Flexibiliteit. Wissel van AI-model zonder je integraties opnieuw te bouwen.
Wat je hieruit meeneemt
- MCP (Model Context Protocol) is een open standaard waarmee AI-modellen op een uniforme manier tools en gegevens gebruiken.
- Een MCP-server biedt tools, gegevens of prompts aan; een MCP-client (de AI-app) gebruikt ze.
- Het bespaart maatwerk: bouw een tool één keer, gebruik hem met elk model dat MCP spreekt.
- Geef servers alleen de rechten die ze nodig hebben, en installeer alleen wat je vertrouwt.
Benieuwd wat je met dit soort koppelingen in de praktijk kunt bereiken? Bekijk de voorbeelden per afdeling in Wat kun je met AI automatiseren?
In het volgende artikel duiken we in een heel ander stukje van de AI-wereld: CUDA, en waarom AI zo hongert naar grafische kaarten.