Definitie
MCP staat voor Model Context Protocol: een open standaard die regelt hoe AI-assistenten en taalmodellen praten met externe tools, databases en bedrijfssystemen. In plaats van voor elke koppeling een aparte integratie te bouwen, koppelt een MCP-server een bron (bijvoorbeeld een CRM of een filesystem) en kan elk MCP-compatibel AI-systeem daar gebruik van maken.
Het verschil met klassieke API’s: een API legt vast hoe twee specifieke systemen praten. MCP legt vast hoe een AI-assistent in het algemeen praat met een tool, inclusief hoe het ontdekt welke acties beschikbaar zijn. Daardoor wordt het inwisselen van AI-model of het uitbreiden van tools veel goedkoper.
Waarom het ertoe doet voor MKB
Voor MKB-bedrijven die AI in werkprocessen willen brengen is integratie historisch het grootste struikelblok geweest: elke koppeling met een AI-tool was maatwerk. MCP verlaagt die drempel doordat één MCP-server voor jouw CRM, ERP of fileserver direct bruikbaar wordt voor verschillende AI-assistenten (Claude, ChatGPT en wat er daarna komt).
Concreet betekent dat: minder vendor lock-in, snellere proof-of-concepts en de mogelijkheid om interne data veilig beschikbaar te maken voor AI-assistenten zonder die data naar de cloud van een AI-leverancier te kopieren. MCP-servers draaien standaard lokaal of in je eigen infrastructuur.
Concreet voorbeeld
Een ingenieursbureau (60 medewerkers, projectarchief van 25 jaar op een file server) wilde dat consultants tijdens projectvoorstellen snel relevante oudere rapporten konden vinden en samenvatten met AI. Een eerste poging via uploaden naar ChatGPT viel af om vertrouwelijkheidsredenen.
Met een MCP-server op de fileserver kreeg de AI-assistent (Claude Desktop) leesrechten op een specifieke projectarchief-map zonder dat de bestanden de bedrijfsomgeving verlieten. Een consultant vraagt nu “vind drie eerdere projecten over ondergrondse infrastructuur en vat de aanpak en lessons learned samen”. Drie effecten: voorbereidingstijd voor offertes zakte gemiddeld van 4 uur naar 45 minuten, kennis uit oudere projecten wordt weer benut (eerder bleef die liggen door onvindbaarheid) en doordat de data lokaal blijft viel het AVG-traject mee. MCP-server kostte 3 dagen ontwikkeltijd plus configuratie.
Misverstanden en valkuilen
- “MCP vervangt onze API’s.” MCP is een laag bovenop bestaande systemen, niet een vervanging. Je API’s en databases blijven gewoon bestaan; MCP regelt alleen hoe AI-assistenten daarmee praten. Voor systeem-naar-systeem koppelingen gebruik je gewoon REST of vergelijkbaar.
- “Met MCP is integreren ineens gratis.” Een MCP-server bouwen vraagt nog steeds om data-mapping, autorisatie, foutafhandeling en monitoring. Wat goedkoper wordt is hergebruik: één MCP-server bediening voor meerdere AI-cliënten.
- “De AI mag dan alles wat de MCP-server aanbiedt.” Permission management is jouw verantwoordelijkheid. Een verkeerd geconfigureerde MCP-server kan een AI-assistent rechten geven op data of acties waar die niet bij hoorde te kunnen. Begin altijd met read-only en strakke scoping.
- “Het is een hype, wachten op de stof neerdwarrelt.” MCP is in 2024 door Anthropic geintroduceerd en in 2025 breed geadopteerd door grote leveranciers. Het is een werkelijke standaard, geen marketing-term. Vroege adoptie levert simpel een voorsprong in flexibiliteit op.
Wanneer moet je hiervan wakker liggen, wanneer niet
Wakker liggen: als je AI gaat inzetten op interne data en je verwacht meerdere AI-tools naast elkaar te gebruiken of in de toekomst van model te wisselen. MCP voorkomt dat elke wissel een herbouw-traject wordt. Daarnaast als datavertrouwelijkheid een rol speelt: MCP houdt data binnen jouw omgeving terwijl AI er toch op kan opereren.
Niet wakker liggen: als je AI-gebruik beperkt blijft tot generieke taken zonder koppeling met interne systemen. Voor losse ChatGPT-gebruik in een browser speelt MCP geen rol. Het wordt pas relevant zodra je AI binnen je eigen processen wilt brengen.
Gerelateerde termen
- API: de klassieke manier om systemen te koppelen, waarop MCP voortbouwt.
- LLM: de modellen die via MCP toegang krijgen tot externe data.
- RAG: aanpalende techniek die ook AI van externe context voorziet.
- OAuth: vaak gebruikt voor autorisatie van MCP-servers richting bedrijfssystemen.
- Generative AI: de categorie AI waarvoor MCP het meest relevant is.
- Vendor lock-in: MCP verlaagt dit risico door koppelingen tussen modellen onderling uitwisselbaar te maken.