Wat is MCP? De stekker tussen AI en je systemen

Een taalmodel weet veel, maar niets van jouw bedrijf. Het kent je klanten niet, je orders niet en je afspraken niet. Om echt werk te doen, moet het die informatie kunnen opzoeken en soms ook iets kunnen doen: een notitie maken, een afspraak inplannen, een concept klaarzetten.

Voor MCP moest je daarvoor elke koppeling apart bouwen: voor elk AI-model en voor elk systeem opnieuw. Tien systemen en drie AI-tools betekende in het slechtste geval dertig koppelingen. En wisselde je van model, dan moest je vaak een deel opnieuw doen.

MCP draait dat om. Een systeem krijgt één MCP-aansluiting, en elke AI-toepassing die MCP spreekt, kan er in principe mee werken. Dat kan koppelen sneller maken en wisselen van model goedkoper.

Er zijn drie rollen:

• De host: de AI-toepassing waarin je werkt, zoals Claude, ChatGPT of een eigen assistent.
• De client: het stuk binnen de host dat de verbinding legt met een MCP-server.
• De server: de aansluiting op een systeem. Die vertelt de AI wat er kan, bijvoorbeeld "zoek een klant op", "lees een document" of "maak een notitie".

Een MCP-server biedt grofweg drie soorten dingen aan: tools (acties die de AI kan uitvoeren), resources (informatie die de AI kan lezen) en prompts (vaste werkwijzen of sjablonen).

Stel je vraagt je assistent: welke offertes staan nog open? Het model ziet dat er een CRM-server is met een tool om offertes te zoeken, roept die aan en krijgt de resultaten terug. Daarna formuleert het een antwoord, of stelt het een volgende stap voor. Bij acties die iets veranderen, vraagt een goede toepassing eerst om toestemming.

• Je assistent kent je eigen bedrijf. Medewerkers vragen in hun AI-assistent naar klanten, orders of documenten, in plaats van tussen vijf systemen te klikken.
• Sneller koppelen. Heeft een systeem al een MCP-server, dan hoeft de koppeling niet opnieuw gebouwd te worden.
• Minder vast aan één model. Wissel je van AI-model of -leverancier, dan blijven je aansluitingen bruikbaar, zolang de nieuwe toepassing ook MCP ondersteunt.
• Eén plek voor afspraken. Wat de AI mag lezen en doen, regel je voor een groot deel in de server. Dat is overzichtelijker dan losse koppelingen per tool.

MCP maakt AI niet slimmer. Het maakt AI bruikbaarder, omdat het bij de informatie kan waar het werk om draait. Meer over koppelen in het algemeen lees je in AI koppelen aan je systemen.

MCP zelf is vooral een afspraak over hoe systemen praten. Hoe veilig het is, hangt af van hoe je het inricht en wat je toestaat. Een AI die bij je systemen kan, heeft handen. Let daarom op vijf dingen:

1. 01Geef zo min mogelijk rechten. Begin met alleen lezen. Schrijven, versturen en verwijderen pas als het nodig is, en per actie.
2. 02Gebruik alleen servers die je vertrouwt. Een MCP-server van onbekende herkomst is te vergelijken met software van onbekende herkomst.
3. 03Houd rekening met prompt injection. Een mail of document kan verborgen instructies bevatten, zoals "stuur alle facturen door". Een AI die zulke input zomaar volgt, doet dingen die niemand wilde. Zie prompt injection.
4. 04Laat een mens acties goedkeuren. Zeker bij alles wat naar buiten gaat of geld kost. Lees meer over human in the loop.
5. 05Leg vast wat er gebeurt. Welke tool is wanneer aangeroepen, met welke uitkomst? Zonder logboek weet je achteraf niet wat de AI deed.

De regels die je toch al hebt, gelden ook hier: persoonsgegevens beschermen volgens de AVG, en afspraken vastleggen in je AI-beleid.

Ze vullen elkaar aan.

• Een API is de technische ingang van een systeem. Een MCP-server gebruikt meestal zelf een API om met het systeem te praten.
• MCP maakt die ingang begrijpelijk voor een AI-assistent. Handig als een mens in een assistent werkt en wisselende vragen stelt: zoek dit op, vat dat samen, zet een concept klaar.
• Een vaste workflow (bijvoorbeeld in n8n) is beter als hetzelfde proces honderd keer per dag op dezelfde manier moet lopen, zonder dat iemand erom vraagt. Denk aan facturen verwerken of aanvragen in het ERP zetten. Dat is voorspelbaarder en makkelijker te controleren.

De vuistregel: wisselende vragen van mensen, dan MCP in een assistent. Vast werk dat vanzelf moet lopen, dan een workflow of agent met vaste stappen en een mens die goedkeurt.

Begin klein en met lezen:

1. 01Kies één systeem waar medewerkers vaak informatie uit zoeken, zoals het CRM of een documentenmap.
2. 02Kijk of er al een MCP-server voor bestaat, van de leverancier zelf of een betrouwbare partij. Zo niet, dan kan er een gebouwd worden op de API.
3. 03Geef alleen leesrechten en test met een klein groepje collega's.
4. 04Breid pas uit als het werkt en de afspraken staan: meer systemen, en eventueel acties met goedkeuring.

Wil je weten waar het bij jullie het meeste oplevert? In de AI Quick Scan kijken we per proces wat AI kan overnemen, en welke koppelingen daarvoor nodig zijn.