Wat is MCP? De koppeling waarmee AI bij je eigen systemen kan

Korte versie: MCP (Model Context Protocol) is een open standaard waarmee AI-modellen zoals Claude en ChatGPT veilig kunnen praten met andere software: je agenda, je CRM, je documentatie, je webshop. Eind 2024 geïntroduceerd door Anthropic, inmiddels ook omarmd door onder meer OpenAI en Google. Wie vandaag AI aan zijn eigen systemen knoopt, doet dat daardoor vrijwel altijd via MCP.

Waarom zou je dat willen? Omdat een chatbot die niets van jouw bedrijf weet, blijft steken bij algemene antwoorden. Pas als AI bij je eigen gegevens kan, wordt het een collega in plaats van een encyclopedie. MCP regelt precies dat, op een manier waarbij jij bepaalt wat de AI mag zien en mag doen.

Software met elkaar laten praten doen we al jaren via API-koppelingen: afgesproken adressen waarop systemen gegevens uitwisselen. Dat werkt prima tussen twee systemen die elkaar kennen.

Met AI lag dat lastiger. Wilde je Claude toegang geven tot je projectplanning, dan moest iemand daar een eigen brug voor bouwen. Wilde ChatGPT hetzelfde, dan opnieuw. Tien systemen keer drie AI-modellen is dertig bruggen, allemaal nét anders, allemaal te onderhouden.

MCP lost dat op zoals een stekkerstandaard dat doet: één afspraak waar iedereen zich aan houdt. Een systeem dat één keer een MCP-server aanbiedt, is daarmee bereikbaar voor élk AI-model dat de standaard spreekt. Vandaar dat de adoptie zo hard ging: niemand wil dertig bruggen onderhouden als één stekker volstaat.

Een MCP-server is een klein programma dat vóór je systeem staat en aan de AI vertelt wat er mogelijk is. Drie dingen maken het praktisch:

De server bepaalt het menu. Hij biedt een lijst afgebakende acties aan: "zoek een klant op", "maak een conceptofferte", "lees deze documentatie". De AI kan alleen kiezen uit dat menu, niet vrij rondneuzen in je database.

Jij bepaalt de rechten. Per koppeling stel je in wat mag: alleen lezen, ook schrijven, of alleen na een menselijke bevestiging. Een AI die offertes mag voorbereiden, hoeft niet bij je personeelsdossiers te kunnen.

Het gesprek is te volgen. Elke actie loopt via de server, dus je kunt zien wat de AI heeft opgevraagd en gedaan, en je kunt de koppeling op elk moment uitzetten.

Vergelijk het met een portier: de bezoeker (AI) komt binnen, maar de portier bepaalt welke deuren opengaan.

Onze urenregistratie, onze hosting- en deploy-omgevingen, een Discord-bot, ons eigen WordPress: ze hangen inmiddels allemaal via een MCP-server aan onze AI-tooling. Wat begon als een experiment, is gewoon gereedschap geworden. En elke koppeling heeft zijn eigen rechten, want de bot die uren boekt hoeft niet te kunnen deployen.

Eerlijk is eerlijk: dat ging niet in één middag goed. Bij de WordPress-koppeling bijvoorbeeld liepen we tegen precies de dingen aan waar je bij een productiekoppeling op moet letten: authenticatie die met een beveiligingsplugin in de knoop raakte, sessies die anders werken dan de documentatie suggereert, en rechten die standaard ruimer staan dan je wilt. Oplosbaar allemaal, maar het verschil tussen "de demo werkt" en "dit mag aan je bedrijfsdata" zit precies in die details.

Die les nemen we mee naar elke klantkoppeling: eerst de rechten en de randgevallen dichtzetten, dan pas de AI erop.

Ben je developer, dan kun je met MCP prima zelf aan de slag: de standaard is open, de documentatie is goed en er zijn kant-en-klare servers voor honderden systemen. Begin met een leesrechten-koppeling op iets onschuldigs en bouw vandaaruit op.

Ben je ondernemer, dan is de relevantere vraag: welke systemen wil je AI-toegankelijk maken, en wat mag die AI daar? Dat is het punt waar wij instappen. We richten een eigen AI-omgeving in waar je data veilig staat, en bouwen daar MCP-koppelingen op naar de systemen waar je dagelijks mee werkt, met rechten die kloppen. Een eerste koppeling staat er vanaf €2.500, en omdat elke koppeling los staat, kun je klein beginnen.