Wat is het Model Context Protocol (MCP)?

MCP is in november 2024 geïntroduceerd door Anthropic (het bedrijf achter Claude). Inmiddels wordt het protocol ondersteund door OpenAI, Google en Microsoft. In december 2025 is het beheer overgedragen aan de Agentic AI Foundation onder de Linux Foundation, waarmee MCP officieel een leverancier neutrale standaard is.

Het probleem dat MCP oplost.

AI-modellen weten veel over de wereld, maar niets over jouw organisatie. Ze hebben geen toegang tot je interne systemen, je documenten of je lopende projecten. Elke vraag die je stelt over je eigen situatie vereist dat je eerst handmatig context aanlevert: de juiste data opzoeken, kopiëren, plakken en de vraag herformuleren. Dat schaalt niet. En het alternatief (medewerkers die bedrijfsdata kopiëren naar externe AI-tools) is een privacyrisico.

MCP lost beide problemen op. Het geeft AI-modellen gecontroleerde, gestandaardiseerde toegang tot je systemen. Jij bepaalt welke data zichtbaar is, welke acties zijn toegestaan en wie er gebruik van mag maken.

Hoe MCP werkt.

MCP volgt een client-server architectuur met drie onderdelen:

MCP Host: De omgeving waarin het AI-model draait. Dat kan een AI-assistent zijn zoals Claude Desktop, maar ook een IDE zoals Cursor of een geautomatiseerde workflow in bijvoorbeeld n8n.

MCP Client: Het onderdeel binnen de host dat de verzoeken van het AI-model vertaalt naar het MCP-protocol en antwoorden van de server terugstuurt naar het model.

MCP Server: De laag die bovenop jouw systemen zit. Hier definieer je drie dingen:

• Tools: acties die het AI-model mag uitvoeren. Bijvoorbeeld: een factuur aanmaken, een ticket openen of een rapport genereren.

• Resources: data die het model mag raadplegen. Denk aan productlijsten, opdrachtgever gegevens of documentatie.

• Prompts: vooraf ingestelde sjablonen die het model helpen bij het uitvoeren van specifieke, terugkerende taken.

Het AI-model ontdekt bij elke sessie zelf welke tools en resources beschikbaar zijn en beslist wanneer het zinvol is om ze in te zetten. Dat is het fundamentele verschil met een traditionele API-koppeling: bij een API programmeer je vooraf wat er moet gebeuren, bij MCP bepaalt het model dat zelf op basis van de vraag.

Het verschil tussen MCP en een API-koppeling.

Een API-koppeling is statisch. Je programmeert vooraf: als input X binnenkomt, stuur output Y naar systeem Z. Dat werkt prima voor gestructureerde, voorspelbare datastromen. Een order die van je webshop naar je ERP gaat, bijvoorbeeld.

MCP is dynamisch. Het AI-model bepaalt zelf welke tools het nodig heeft op basis van de vraag die gesteld wordt. Het ontdekt wat er beschikbaar is, weegt af wat relevant is en handelt daarop. Dat gedrag is niet te vangen in een vaste API-definitie.

De twee sluiten elkaar niet uit. In de meeste organisaties werken ze naast elkaar: API-koppelingen voor gestructureerde datastromen, MCP als toegangslaag voor AI-modellen.

Wat is WebMCP?

Google en Microsoft hebben in 2025 een aanvullende standaard voorgesteld: WebMCP (Web Model Context Protocol). Waar MCP zich richt op server-side koppelingen met interne systemen, maakt WebMCP het mogelijk dat websites hun mogelijkheden declareren als gestructureerde tools voor AI-agents op het web.

WebMCP rust op drie pijlers: discovery (een AI-agent kan opvragen welke acties een pagina ondersteunt), JSON-schema's (exacte definities van verwachte invoer en uitvoer) en state awareness (tools worden dynamisch beschikbaar op basis van de status van de pagina).

WebMCP is nog in een vroege fase en zit in Chrome 146 achter een experimentele vlag. Bredere browserondersteuning wordt verwacht in de loop van 2026. Voor organisaties die nu met MCP beginnen, is het goed om te weten dat deze browser standaard eraan komt, maar het verandert niets aan de huidige implementatie van server-side MCP.

Beveiliging en compliance.

MCP is ontworpen met beveiliging als uitgangspunt. Het protocol ondersteunt:

• Authenticatie: via OAuth of API-keys. Elke verbinding is geverifieerd.

• Permissies per tool: je stelt per tool in welke data zichtbaar is en wie er toegang heeft. Een marketing-AI hoeft geen HR-data te zien, een supportbot hoeft geen financiële gegevens te verwerken.

• Rate limiting en input validatie: om misbruik of onbedoeld overmatig gebruik te voorkomen.

• Audit logging: elke interactie tussen het AI-model en je systemen is traceerbaar. Dat is relevant voor organisaties die onder de AVG vallen of werken met persoonsgegevens.

Belangrijk: een MCP-server draait op je eigen infrastructuur. Data verlaat je omgeving niet tenzij je dat expliciet toestaat.

MCP in combinatie met een Data Management Platform.

Een Data Management Platform (DMP) zorgt dat data uit verschillende systemen gecentraliseerd, gestructureerd en bruikbaar is. MCP is de laag die AI-modellen vervolgens toegang geeft tot die data. Ze vullen elkaar aan. Het DMP regelt de data fundamenten en de bedrijfslogica. MCP regelt de toegangslaag voor AI. Door MCP als module op een bestaande middleware-laag te plaatsen, werk je met één centraal punt in plaats van per applicatie opnieuw te integreren.

Heb je nog geen DMP? Dan kan een MCP-integratie ook rechtstreeks op losse systemen worden gebouwd.