MCP (Model Context Protocol): wat het is en wanneer u het tegenkomt.
MCP (Model Context Protocol) is een open standaard, in november 2024 gepubliceerd door Anthropic, die vastlegt hoe AI-toepassingen verbinding maken met externe tools, databases en bestanden. Een MCP-server biedt functies aan; een AI-assistent of agent gebruikt die via één uniforme koppeling, zonder dat voor elke combinatie van model en systeem maatwerk nodig is.
Ook wel: Model Context Protocol, MCP-server, MCP server, Anthropic MCP.
Door Saif Waleed Ibrahim, oprichter NEXTRIQ · 6× Anthropic-gecertificeerd · Bijgewerkt 28 september 2026
Uitleg
MCP in de praktijk.
Hoe werkt MCP?
MCP beschrijft drie rollen. De host is de AI-toepassing, bijvoorbeeld Claude, ChatGPT, een programmeeromgeving of een eigen agent. De host bevat een MCP-client die verbinding maakt met één of meer MCP-servers. Een server stelt drie soorten dingen beschikbaar: tools (functies die het model mag aanroepen, zoals een order opzoeken of een ticket aanmaken), resources (gegevens die als context kunnen worden ingelezen) en prompts (kant-en-klare instructiesjablonen). De communicatie verloopt via JSON-RPC, lokaal via standaardinvoer en -uitvoer of over het netwerk via HTTP. Het model ziet bij het starten welke tools beschikbaar zijn, inclusief een beschrijving en de verwachte parameters, en beslist zelf wanneer het welke tool aanroept. Voor servers over het netwerk schrijft de specificatie autorisatie via OAuth voor, zodat een server weet namens welke gebruiker een verzoek binnenkomt.
Waarom is MCP in 2026 belangrijk?
Vóór MCP moest elke koppeling tussen een taalmodel en een systeem apart worden gebouwd, en werkte die koppeling meestal alleen met het model waarvoor hij was gemaakt. MCP draait dat om: een bedrijf bouwt één MCP-server voor zijn CRM, boekhouding of planningssysteem, en elke MCP-compatibele assistent kan die gebruiken. Na de publicatie door Anthropic namen OpenAI, Google en Microsoft de standaard in 2025 over in hun eigen producten en ontwikkeltools, en eind 2025 bracht Anthropic het protocol onder bij een onafhankelijke stichting onder de Linux Foundation. Voor het mkb betekent dit dat een investering in een koppeling niet verdampt zodra u van AI-leverancier wisselt. Er bestaan inmiddels veel openbare MCP-servers voor veelgebruikte software, van GitHub en Slack tot Postgres en Stripe, waardoor een agent vaak zonder maatwerk aan bestaande systemen kan worden gekoppeld.
Wat zijn de risico's van MCP-servers?
MCP maakt koppelen gemakkelijk, en juist daardoor ook riskant als er niet over rechten wordt nagedacht. Een MCP-server die met beheerdersrechten op uw database draait, geeft het taalmodel dezelfde macht. Bekende problemen zijn tool poisoning (een kwaadwillende server verstopt instructies in de beschrijving van een tool), prompt injection via opgehaalde inhoud en servers van onbekende herkomst die meer doen dan ze beloven. Verstandige uitgangspunten: gebruik alleen servers waarvan u de code of de leverancier kent, geef elke server een eigen account met minimale rechten, laat schrijfacties door een mens bevestigen en log elke aanroep. Voor eigen systemen is een zelfgebouwde, kleine MCP-server met een handvol goed beschreven tools meestal veiliger en betrouwbaarder dan een generieke server die de hele API blootlegt. Zo blijft de agent bruikbaar zonder dat u de controle over uw gegevens uit handen geeft.
Voorbeeld
Zo ziet het eruit in een mkb-bedrijf.
Uit de praktijk
Een transportbedrijf werkt met een planningspakket, een boekhoudsysteem en een portaal voor klanten. Voor elk van de drie wordt een kleine MCP-server gebouwd met alleen de tools die nodig zijn: ritten opzoeken, de status van een zending ophalen en een factuurregel voorbereiden. Een AI-assistent op kantoor kan daardoor een vraag als "welke ritten van morgen hebben nog geen bevestiging" beantwoorden zonder dat een medewerker drie systemen hoeft te openen. Als het bedrijf later overstapt op een andere AI-leverancier, blijven de servers werken, omdat ze de open standaard volgen. Wijzigingen, zoals het aanpassen van een rit, mag de assistent alleen voorstellen; uw planner keurt ze goed.
Wilt u dit toepassen? Kijk bij AI-agent laten maken of plan een gratis gesprek.
Verwante begrippen
Hier hangt het mee samen.
AI-agent
API-koppeling
Context engineering
Microsoft 365 Copilot
Veelgestelde vragen
Vragen over MCP.
Wat is een MCP-server?
Een MCP-server is een klein programma dat een systeem, zoals uw CRM of boekhouding, beschikbaar maakt voor AI-assistenten volgens het Model Context Protocol. De server beschrijft welke tools er zijn, welke gegevens hij kan leveren en welke parameters daarbij horen. Elke assistent die MCP ondersteunt kan daarmee direct werken. U bouwt de koppeling dus één keer en gebruikt hem met verschillende modellen en toepassingen.
Wat is het verschil tussen MCP en een gewone API-koppeling?
Een gewone API is bedoeld voor programmeurs: u schrijft code die precies weet welke aanroepen bestaan. MCP legt een laag daarbovenop die de mogelijkheden in begrijpelijke taal beschrijft, zodat een taalmodel zelf kan bepalen welke tool het nodig heeft. Een MCP-server gebruikt onder de motorkap meestal gewoon de bestaande API van uw software. MCP vervangt API's dus niet, maar maakt ze bruikbaar voor AI-agents.
Wanneer heeft mijn bedrijf een eigen MCP-server nodig?
Zodra u wilt dat een AI-assistent of agent met uw eigen systemen werkt en er geen betrouwbare kant-en-klare server bestaat, of de bestaande server te veel rechten vraagt. Een eigen server met een beperkt aantal goed beschreven tools geeft u controle over wat het model wel en niet mag. Werkt u alleen met standaardsoftware zoals Microsoft 365, dan zijn de ingebouwde koppelingen vaak toereikend.
Wat kost het bouwen van een MCP-server?
Dat hangt af van het aantal tools, de complexiteit van uw systeem en de eisen aan autorisatie en logging. Een server met enkele leesfuncties op een goed gedocumenteerde API is snel gebouwd; een server die schrijfacties uitvoert met goedkeuringsstappen vraagt meer ontwerp en testen. U ontvangt een vaste prijs na een gratis gesprek waarin de systemen en de gewenste tools worden doorgenomen.
Bronnen
Waar deze uitleg op steunt.
Alle begrippen op een rij: begrippen en de compacte AI-begrippenlijst.