Model Context Protocol (MCP): wat is het en waarom is het belangrijk? (Update Q4)

Model Context Protocol (MCP) in het kort

Het Model Context Protocol (MCP) is een open standaard die vastlegt hoe AI-toepassingen verbinding maken met externe tools en data, zoals bestanden, databases, bedrijfssoftware en API’s. Anthropic introduceerde MCP in november 2024. Inmiddels maakt het protocol deel uit van de Agentic AI Foundation, die onder de Linux Foundation valt. OpenAI, Google, Microsoft en AWS ondersteunen het allemaal.

• Een tool met een MCP-server werkt in elke AI-toepassing die MCP ondersteunt, waardoor losse maatwerkkoppelingen niet meer nodig zijn.
• De huidige specificatie, versie 2026-07-28, heeft van MCP een stateless protocol gemaakt, waardoor servers eenvoudiger te schalen zijn.
• MCP standaardiseert de verbinding, maar welke servers je vertrouwt, bepaal je zelf.

Wat is het Model Context Protocol (MCP)?

MCP geeft AI-toepassingen één standaardmanier om externe tools en data te vinden en te gebruiken. De officiële documentatie vergelijkt MCP met een USB-C-poort voor AI-toepassingen: je bouwt één keer een MCP-server voor een tool, en daarna werkt die tool in elke toepassing die MCP ondersteunt.

MCP is bij Anthropic bedacht door David Soria Parra en Justin Spahr-Summers en op 25 november 2024 als open source uitgebracht. In december 2025 droeg Anthropic MCP over aan de Agentic AI Foundation, die Anthropic samen met Block en OpenAI oprichtte, met steun van Google, Microsoft, AWS, Cloudflare en Bloomberg.

De naam zorgt soms voor verwarring. De MLOps-woordenlijst van Hopsworks gebruikt de term “model context protocol” bijvoorbeeld voor een concept dat de context van een model vastlegt, zoals verwijzingen naar de trainingsdata, hyperparameters en omgevingsinstellingen, zodat resultaten reproduceerbaar zijn. Het MCP van Anthropic is iets anders: een integratieprotocol dat geen datasets of trainingsinstellingen opslaat.

Belangrijkste voordelen van het Model Context Protocol

De voordelen komen voort uit één protocol tussen veel AI-toepassingen en veel tools.

• Standaardisatie: tien toepassingen en twintig tools hebben samen dertig MCP-implementaties nodig, één per toepassing en per tool, in plaats van tweehonderd maatwerkkoppelingen.
• Interoperabiliteit: Claude, ChatGPT, Microsoft Copilot Studio, de Gemini API, VS Code en Cursor ondersteunen allemaal MCP, dus een koppeling die je één keer bouwt, kun je hergebruiken als je van toepassing of model wisselt.
• Combineerbaarheid: één taak kan meerdere servers gebruiken, bijvoorbeeld om een ticket in Jira te lezen, de code op GitHub te controleren en een samenvatting in Slack te plaatsen.
• Actuele context: het model werkt met live data uit het bronsysteem in plaats van alleen met zijn trainingsdata, en dat is een kernonderdeel van context engineering.

MCP-architectuur: hoe het werkt

MCP gebruikt een client-host-serverarchitectuur waarin één AI-toepassing verbinding maakt met veel servers. De specificatie onderscheidt drie rollen.

Onderdeel	Wat het is	Wat het doet
Host	De AI-toepassing waarin de gebruiker werkt, zoals Claude, ChatGPT of VS Code	Beheert de clients, bepaalt welke servers verbonden zijn, is verantwoordelijk voor toestemming van de gebruiker voordat tools draaien en voegt de resultaten samen
Client	Een connector binnen de host, één per server	Communiceert met precies één server en voegt aan elk verzoek de protocolversie en capabilities toe
Server	Een programma dat een tool of databron beschikbaar maakt, zoals GitHub, een database of een CRM	Biedt tools, resources en prompts aan, meestal op basis van een bestaande API

Tools zijn functies die het model kan aanroepen, resources zijn data die de toepassing kan lezen, en prompts zijn sjablonen die de gebruiker kan kiezen. Berichten volgen JSON-RPC 2.0, via stdio voor lokale servers en via Streamable HTTP voor servers op afstand. Servers op afstand met autorisatie gebruiken OAuth 2.1. Sinds de specificatie van 2026-07-28 is het protocol stateless: de initialisatiehandshake en de sessies op protocolniveau zijn verdwenen, en elk verzoek vermeldt zelf de protocolversie en mogelijkheden. Daardoor kan elke serverinstantie achter een load balancer elk verzoek afhandelen.

Vergelijking van data-integratiemethoden

MCP vervangt geen API’s. Een MCP-server bouwt meestal voort op een bestaande API, dus het verschil zit in wie de koppeling bouwt en hoe vaak.

Aspect	Maatwerkkoppeling per toepassing	Model Context Protocol (MCP)
Standaardisatie	Een aparte connector voor elke combinatie van toepassing en tool	Één open protocol, met een datum als versienummer
Hergebruik	Voor elke toepassing of modelleverancier opnieuw gebouwd	Één server werkt in elke host die MCP ondersteunt
Van model wisselen	Vaak gebonden aan de function calling van één leverancier	De server is niet aan een model gebonden, dus je hoeft niets opnieuw te bouwen als je van model wisselt
Beveiliging	Hangt af van elke implementatie	Hangt ook af van de implementatie, al voegt de specificatie OAuth 2.1 en beveiligingsrichtlijnen toe
Onderhoud	Elke API-wijziging raakt elke koppeling	De server wordt één keer bijgewerkt voor alle toepassingen

Voorbeeldworkflow: een vergadering plannen met MCP

In dit voorbeeld plant een AI-assistent een vergadering via een agenda-MCP-server:

1. De client vraagt de MCP-server welke tools die aanbiedt en krijgt bijvoorbeeld find_free_slots en create_event terug.
2. Je vraagt om volgende week een uur te vergaderen met drie collega’s, en het model roept find_free_slots aan.
3. De server bevraagt de agenda-API en geeft de beschikbare tijdslots terug.
4. Het model stelt een tijdstip voor, en de host vraagt om je bevestiging voordat create_event draait.
5. De server maakt de uitnodiging aan en de assistent meldt het resultaat.

Hetzelfde patroon geldt voor elke MCP-server: het model kiest de tool, de host bepaalt of die draait, en de server praat met het onderliggende systeem.

Is MCP veilig?

MCP kan veilig gebruikt worden, maar het protocol maakt een koppeling niet vanzelf veilig. De specificatie schrijft voor dat de host expliciete toestemming van de gebruiker vraagt voordat een tool wordt aangeroepen, maar stelt ook dat MCP zulke beveiligingsprincipes niet op protocolniveau kan afdwingen.

Twee incidenten laten zien waar het risico zit. In mei 2025 ontdekten onderzoekers dat een kwaadaardige GitHub-issue een agent kon overnemen die de GitHub-MCP-server gebruikt, waarna die agent data uit privérepositories kon lekken. In september 2025 waarschuwde Postmark dat het neppakket postmark-mcp ongemerkt kopieën van e-mails naar een externe server had doorgestuurd. Je beperkt dat risico door alleen servers te koppelen die je vertrouwt, elke server minimale rechten te geven, tools die data wijzigen eerst te laten goedkeuren en elke tool aanroep te loggen. Ons artikel over AI-guardrails behandelt de bredere waarborgen rond AI-toepassingen.

De rol van MCP in de evolutie van AI

In minder dan twee jaar is MCP van een project van Anthropic uitgegroeid tot gedeelde infrastructuur, met de tokenkosten als belangrijkste praktische nadeel.

• Adoptie: OpenAI heeft zijn Apps SDK voor ChatGPT op MCP gebouwd, en Microsoft ondersteunt MCP in Copilot Studio en VS Code. Google Cloud biedt meer dan 50 door Google beheerde MCP-servers aan, algemeen beschikbaar of als preview, en de eigen MCP-server van AWS is sinds mei 2026 voor iedereen beschikbaar. Volgens de maintainers van MCP kwamen de officiële Tier 1-SDK’s in juli 2026 samen op bijna een half miljard downloads per maand.
• Tokenkosten: elke gekoppelde server voegt toolbeschrijvingen toe aan de context van het model, en dat kost tokens. Anthropic liet zien dat het tokengebruik van een voorbeeldworkflow daalde van 150.000 naar 2.000 tokens toen het model code schreef om de MCP-tools aan te roepen.

Praktische toepassingen

MCP wordt overal gebruikt waar een AI-toepassing met bestaande systemen moet werken.

• Softwareontwikkeling: coding assistants zoals Claude Code, GitHub Copilot en Cursor gebruiken MCP-servers om issues te lezen, databases te bevragen en documentatie op te zoeken, vaak in combinatie met skills die beschrijven hoe de assistent de tools inzet.
• Zakelijke assistenten: apps in ChatGPT, agents in Copilot Studio en connectors in Claude krijgen via MCP toegang tot je CRM, e-mail, agenda’s en documenten.
• Interne systemen: organisaties bouwen MCP-servers voor hun eigen ERP of CRM, zodat één koppeling werkt in elke AI-toepassing die ze gebruiken en die MCP ondersteunt. Bevatten die systemen persoonsgegevens, dan geldt de AVG, net als bij elke andere koppeling.

Conclusie

Het Model Context Protocol is uitgegroeid tot een gedeelde standaard om AI-toepassingen met tools en data te verbinden. MCP bepaalt niet welke servers betrouwbaar zijn, dus behandel een MCP-server als elke andere koppeling: met een eigenaar, minimale rechten en logging.

Vraag je je af welke systemen je als eerste aan AI koppelt, en hoe je dat veilig doet? Onze AI-consultancy helpt je de juiste koppelingen te kiezen en te bouwen.

Veelgestelde vragen (FAQ)