Wat is MCP? Het Model Context Protocol is een open standaard, op 25 november 2024 aangekondigd door Anthropic, waarmee AI-toepassingen op één vaste manier verbinding maken met je databronnen en tools [S-001]. Je bouwt één MCP-server per systeem in plaats van een aparte integratie per AI-tool. Voor een mkb-bedrijf wordt het relevant zodra een AI-assistent in je eigen data moet kunnen kijken of handelen.
De officiële documentatie vergelijkt het met een USB-C-poort: één standaardaansluiting waar elke compatibele AI-toepassing op past, in plaats van een eigen kabel per apparaat [S-002]. Dit artikel legt uit hoe dat werkt, wat je ermee doet, en wanneer je het níet nodig hebt.
Hoe werkt MCP: servers en clients
MCP kent twee rollen [S-001]:
- De MCP-server staat aan de kant van je data of je tool. Hij ontsluit wat er is: bestanden in een map, tabellen in een database, een CRM, een agenda. Anthropic publiceerde bij de lancering kant-en-klare servers voor onder meer Google Drive, Slack, GitHub en Postgres [S-001].
- De MCP-client zit in de AI-toepassing. Claude, maar ook ChatGPT, Visual Studio Code en Cursor ondersteunen MCP [S-002]; OpenAI’s API doet dat via de Responses API [S-003]. De client vraagt de server wat hij kan, en gebruikt dat vervolgens in het gesprek.
Het gevolg: wie één MCP-server voor zijn CRM bouwt, kan die server met elke AI-toepassing gebruiken die het protocol spreekt. Wisselen van AI-leverancier betekent niet dat de koppeling opnieuw gebouwd hoeft te worden. Dat is het probleem dat Anthropic met de standaard wilde oplossen: elke nieuwe databron vroeg een eigen implementatie, en dat schaalde niet [S-001].
Wat kun je ermee in een bedrijf?
Een AI-assistent die niet alleen praat, maar kijkt en doet. Drie voorbeelden die in een mkb-bedrijf direct herkenbaar zijn:
- Vragen stellen aan je eigen data. “Welke klanten hebben dit kwartaal nog niet besteld?” De assistent leest via een MCP-server je CRM of database en geeft het antwoord, in plaats van dat iemand een export maakt en filtert.
- Documenten gebruiken die je al hebt. Een assistent die je offertes, procesbeschrijvingen of productinformatie kan openen, geeft antwoorden op basis van jouw materiaal in plaats van algemene kennis.
- Acties uitvoeren binnen grenzen. Een taak aanmaken, een afspraak inplannen, een conceptmail klaarzetten. De documentatie noemt agenda’s en Notion als voorbeelden van wat een agent via MCP kan bereiken [S-002].
Het verschil met een chatbot die alleen antwoordt, is precies dit: toegang tot systemen. Wat een AI-agent daarmee doet en waar de grens ligt, staat in Wat is een AI-agent en wat kan die voor een marketingteam doen?
MCP of een gewone koppeling? De beslistabel
Hier gaat het in de meeste uitleg over MCP mis: de standaard is niet de vervanger van je bestaande automatiseringen. Een workflow in n8n of Make en een MCP-server lossen verschillende problemen op. De vraag is wie het initiatief neemt.
| Vraag | Gewone koppeling (n8n, Make, Zapier) | MCP-server |
|---|---|---|
| Wie start het | een gebeurtenis of een schema: nieuw formulier, elke maandag | een mens (of agent) die tijdens een gesprek iets vraagt |
| Wat gebeurt er | een vaste reeks stappen, elke keer hetzelfde | de AI kiest per vraag welke data of actie nodig is |
| Voorspelbaarheid | hoog: je weet vooraf wat er gebeurt | lager: het antwoord hangt af van de vraag |
| Typisch gebruik | leads doorzetten, rapportages, facturen | ”zoek dit op”, “maak dit aan”, “vat dit samen” |
| Beheer | workflow in de tool, door het team | server plus rechten, door wie de systemen beheert |
| Nodig zodra | werk elke keer hetzelfde is | iemand ad hoc met je data wil werken via een assistent |
Vuistregel: is het werk elke keer hetzelfde, bouw een workflow. Wil iemand tijdens het werk vragen stellen aan je systemen of er iets in laten doen, dan is MCP de laag die dat mogelijk maakt. Vaak heb je beide: de workflow doet het vaste werk, de assistent met MCP beantwoordt de uitzonderingen. Welke tool je voor het vaste werk kiest, lees je in n8n vs Zapier.
Wat heb je nodig om te beginnen?
Minder dan het lijkt, mits je klein begint.
- Eén systeem, één doel. Bijvoorbeeld: de assistent mag klantgegevens uit het CRM lezen. Niet schrijven, niet de boekhouding, niet alles tegelijk.
- Een MCP-server voor dat systeem. Voor veel gangbare tools bestaan die al; anders is het bouwwerk voor een developer of een bureau, geen project van maanden.
- Een AI-toepassing met MCP-ondersteuning. Claude en ChatGPT hebben die [S-002]; op de werkvloer is dat meestal de desktop-app of een intern chatvenster.
- Rechten. Een apart account voor de assistent met alleen de toegang die het doel vraagt.
Wie al met Claude werkt voor tekst, kent de stap: Claude AI voor copywriting beschrijft wat het model wel en niet goed doet. MCP voegt daar de eigen data aan toe.
Welke risico’s moet je afdekken?
Twee, en ze zijn allebei organisatorisch, niet technisch.
Toegang. Een MCP-server geeft een AI-toepassing toegang tot een systeem. Die toegang hoort even beperkt te zijn als de toegang van een nieuwe medewerker: alleen lezen waar lezen genoeg is, alleen de tabellen die nodig zijn, en een eigen account dat je kunt intrekken. Anthropic noemt “veilige, tweerichtingsverbindingen” als doel van de standaard [S-001]; veilig wordt het pas door hoe je de rechten instelt.
Handelingen. Een assistent die kan schrijven, kan ook verkeerd schrijven. Begin met lezen. Laat schrijfacties (een taak aanmaken, een record wijzigen) pas toe als je hebt gezien hoe de assistent met leesvragen omgaat, en dan met een bevestigingsstap. Dat is dezelfde regel als bij elke automatisering: het systeem doet de uitvoering, mensen houden de beslissingen. Meer over die grens in automatisering versus AI-automatisering.
Veelgestelde vragen
Is MCP alleen voor developers? Bouwen van een server is developerwerk. Gebruiken niet: wie een AI-toepassing met MCP-ondersteuning gebruikt, merkt alleen dat de assistent ineens in de eigen systemen kan kijken.
Werkt MCP alleen met Claude? Nee. De standaard is open; de officiële documentatie noemt naast Claude ook ChatGPT, Visual Studio Code en Cursor als ondersteunende toepassingen [S-002], en OpenAI’s API ondersteunt MCP via de Responses API [S-003].
Vervangt MCP mijn n8n- of Make-workflows? Nee. Workflows doen vast, herhalend werk op een trigger; MCP geeft een assistent toegang tijdens een gesprek. Ze bestaan naast elkaar, zie de beslistabel hierboven.
Hoe begin ik zonder alles open te zetten? Eén systeem, alleen lezen, een eigen account. Uitbreiden pas als dat een paar weken goed werkt.
Bronnen
- Anthropic, aankondiging Model Context Protocol, 25 november 2024 [S-001]
- Model Context Protocol, officiële documentatie, introductie [S-002]
- OpenAI, API-documentatie MCP [S-003]
Een assistent die zelf stappen zet en terugschrijft in je eigen tools is een AI-agent. Gaat het puur om data die van A naar B moet, dan volstaat workflow automatisering.
Wil je weten of een assistent met toegang tot je eigen data iets oplost in jouw bedrijf, of dat een workflow volstaat? Plan een gesprek. Dertig minuten, geen voorbereiding nodig.