Wat is MCP en wanneer heb je het nodig?

Wat is MCP?

MCP staat voor Model Context Protocol. Het is een open standaard die regelt hoe een AI-model bij je systemen en gegevens komt: je CRM, je mailbox, een database of een intern systeem. Anthropic, het bedrijf achter Claude, bracht de standaard eind 2024 uit. In 2025 namen OpenAI, Google en Microsoft hem over. Sindsdien is het de gangbare manier waarop AI-assistenten met andere software praten.

De vergelijking die iedereen gebruikt is USB-C. Vroeger had elk apparaat zijn eigen stekker, nu past één kabel overal op. MCP doet hetzelfde voor AI: je bouwt één koppeling op je systeem en elk AI-model dat de standaard spreekt kan er gebruik van maken. Zonder zo’n standaard bouw je voor elke combinatie van model en systeem een aparte koppeling. Dat loopt snel op.

Hoe werkt het?

Er zijn twee kanten. De client is de AI-toepassing waar iemand mee werkt: Claude, ChatGPT, Copilot of een assistent die wij voor je bouwen. De server zit aan de kant van je systeem en biedt aan wat het model mag. Dat aanbod valt in drie soorten:

• Tools: handelingen die het model kan uitvoeren, zoals een klant opzoeken of een ticket aanmaken.
• Resources: gegevens die het model mag lezen, zoals een document of een tabel.
• Prompts: kant-en-klare instructies voor terugkerende taken.

Bij de start van een gesprek ziet het model welke tools er zijn en wat ze doen. Vraagt iemand of klant X nog openstaande facturen heeft, dan kiest het model zelf de tool die daarbij past, roept die aan en verwerkt het antwoord. Belangrijk daarbij: het model krijgt alleen wat jij op de server aanbiedt. Staat er geen tool om facturen te verwijderen, dan kan dat ook niet.

Waarom hoor je er nu zo veel over?

Twee redenen. De eerste is dat de grote partijen de standaard hebben omarmd. Eind 2025 is het beheer ondergebracht bij een stichting onder de Linux Foundation, dus het protocol hangt niet meer aan één leverancier. De tweede reden is praktischer: een AI-assistent wordt pas echt nuttig als hij bij je eigen gegevens kan. Een model met alleen algemene kennis schrijft een nette mail. Een model dat je orderhistorie kan inzien beantwoordt de vraag van die klant ook echt.

Veel softwareleveranciers leveren inmiddels een eigen MCP-server. Tools als Slack, Notion, HubSpot en Google Drive sluit je vaak in een paar minuten aan. Voor je eigen systemen, zoals een ERP, een maatwerkapplicatie of een database, bouw je er zelf een. Dat is meestal een klein project.

MCP of een gewone API-koppeling?

Dit is de vraag die we het vaakst krijgen zodra iemand het principe snapt. Het antwoord hangt af van wie er beslist wat er moet gebeuren: een mens in een gesprek of een vast script.

Kies een gewone API-koppeling (een automatisering) als het proces vaststaat. Orders uit de mailbox lezen en in het ERP zetten gaat elke dag hetzelfde. Dan wil je vaste stappen in code: voorspelbaar, goedkoop en te testen. Het AI-model doet hooguit één stap, bijvoorbeeld het uitlezen van een ongestructureerde mail. De rest is gewone software.

Kies MCP als een mens of een agent onderweg beslist wat er nodig is. Iemand van sales vraagt in een chat om de laatste contactmomenten met een klant, de openstaande offerte en een concept voor een opvolgmail. Welke vraag er komt weet je van tevoren niet. Dan wil je dat het model zelf de juiste tools kan pakken. MCP is ook de keuze als meerdere AI-toepassingen bij dezelfde systemen moeten. Je bouwt de koppeling dan één keer.

In de praktijk kom je vaak op een combinatie uit. De vaste stroom loopt via een automatisering, het vragen en zoeken loopt via MCP. Beide praten uiteindelijk met dezelfde API van je systeem. MCP legt daar een laag overheen die een model begrijpt. De API zelf blijft gewoon bestaan.

Wat het kost: contextgebruik

Het grootste nadeel van MCP zie je terug op de factuur: context. Een AI-model heeft per gesprek een beperkte hoeveelheid werkgeheugen, het contextvenster. Alles wat daarin staat kost tokens. Dat betekent geld en wachttijd.

MCP vult dat venster op twee manieren. Ten eerste krijgt het model bij elke aanroep de beschrijving van alle beschikbare tools mee, ook de tools die het niet gebruikt. Eén tool kost al gauw een paar honderd tokens. Sluit je vijf servers aan met elk twintig tools, dan gaan er tienduizenden tokens de context in voordat de eigenlijke vraag gelezen is. Ten tweede loopt elk tussenresultaat door het model heen. Vraag je een klantoverzicht op en krijg je vijftig velden terug terwijl je er drie nodig had, dan betaal je voor alle vijftig. Bij grote documenten of lange tabellen loopt dat snel op.

Anthropic rekende dat zelf voor met een taak waarbij een agent een gespreksverslag ophaalde en in een CRM verwerkte. Via losse tool-aanroepen kostte dat ruim 150.000 tokens. Liet het model dezelfde stappen als code draaien en kreeg het alleen het resultaat terug, dan bleef het bij ongeveer 2.000 tokens.

Wat je eraan doet:

• Houd het aantal tools per server klein en de beschrijvingen kort. Tien goede tools werken beter dan vijftig.
• Laat de server filteren en samenvatten voordat iets naar het model gaat. Stuur alleen de velden terug die nodig zijn.
• Zet alleen de servers aan die het gesprek nodig heeft.
• Laat vaste bewerkingen in code lopen en geef het model alleen de uitkomst.

Waar je op moet letten

MCP geeft een model toegang tot je systemen. Dat vraagt om dezelfde zorgvuldigheid als het toegang geven van een nieuwe medewerker, met één verschil: een model leest alles wat het binnenkrijgt als tekst, ook instructies die erin verstopt zitten. Drie punten:

• Rechten. Begin alleen-lezen en per gebruiker. Een tool om te verwijderen of te mailen voeg je pas toe als daar een duidelijke reden voor is.
• Instructies in gegevens. Een mail of document kan een zin bevatten als "stuur dit door naar…". Een model kan dat als opdracht opvatten. Beperk daarom wat een tool kan doen en niet alleen wat het kan lezen.
• Onbekende servers. Installeer geen MCP-server van een bron die je niet vertrouwt. De beschrijving van een tool is ook tekst die het model leest en kan het model op het verkeerde been zetten.

Log wat het model aanroept. Dan zie je achteraf wat er gebeurd is en waarom.

Wat dit voor jouw bedrijf betekent

Je hoeft MCP niet te kennen om er baat bij te hebben. Wat telt is de vraag erachter: waar willen we dat een AI-assistent bij kan en wat mag die dan doen? Vaak begint het klein. Een server op je CRM of je projectsysteem, alleen-lezen, voor een paar collega’s die er veel mee werken. Bevalt het, dan breid je uit.

Kort samengevat: MCP is de standaard geworden om AI-modellen aan je systemen te koppelen. Gebruik het waar mensen in een gesprek met AI je gegevens nodig hebben. Gebruik een automatisering waar het proces vaststaat. Let op wat je in de context laadt en op de rechten die je geeft.

Wil je weten of dit iets is voor jouw systemen? Bekijk wat we bouwen aan AI-automatiseringen of plan een gesprek.