Wat is het Model Context Protocol (MCP)?
Model Context Protocol (MCP) is een open standaard voor het verbinden van AI-modellen en -agents met externe tools, databronnen en services via een uniforme interface. Oorspronkelijk ontwikkeld door Anthropic, biedt MCP een gestandaardiseerde manier voor AI-systemen om tools te ontdekken, zich te authenticeren en aan te roepen zonder voor elke service aangepaste integratiecode te schrijven. In maart 2026 versnelde de adoptie met Google's WebMCP dat declaratieve toolregistratie rechtstreeks in website-HTML mogelijk maakt, het Agent Browser Protocol dat MCP-servers in Chromium integreert, en Gemini CLI dat met native MCP-ondersteuning wordt geleverd. Het protocol groeit uit tot de de facto standaard voor tool-interoperabiliteit tussen AI-aanbieders.
Waarom het ertoe doet
Vóór MCP was elke AI-toolintegratie maatwerk. Als je Claude toegang wilde geven tot je CRM, bouwde je een custom integratie. Als je GPT je database wilde laten bevragen, bouwde je er nog een. Elke AI-aanbieder had zijn eigen function-calling-formaat, authenticatievereisten en toolregistratiemechanisme. Deze fragmentatie betekende dat tool-auteurs N integraties moesten bouwen voor N AI-aanbieders, en bedrijven een groeiend web van custom connectors moesten onderhouden. MCP elimineert dit N×N-probleem door één protocol te bieden dat elk AI-model kan gebruiken om elke tool te ontdekken en aan te roepen. Eén MCP-serverimplementatie werkt met Claude, GPT, Gemini en elk ander MCP-compatibel model. Dit is hetzelfde patroon dat USB universeel maakte — een gedeelde interfacestandaard waar alle partijen van profiteren.
Hoe het werkt
MCP definieert drie kernprimitieven. Tools zijn uitvoerbare functies die een AI-model kan aanroepen — elke tool heeft een naam, beschrijving, invoerschema en uitvoertype, waardoor modellen begrijpen wat de tool doet en hoe ze hem kunnen gebruiken. Resources zijn alleen-lezen databronnen die context bieden aan het model, zoals bestanden, database-records of API-endpoints. Prompts zijn getemplatte instructies die de interactie van het model met tools en resources sturen. Een MCP-server stelt deze primitieven beschikbaar via een transportlaag (meestal stdio voor lokale servers of HTTP met Server-Sent Events voor remote servers). De AI-client ontdekt beschikbare tools, resources en prompts via een capability-negotiation handshake, en roept ze vervolgens aan met gestructureerde JSON-RPC-berichten. Authenticatie, foutafhandeling en capability-versioning maken allemaal deel uit van de protocolspecificatie.
Beperkingen: het per-source schaalprobleem
Hoewel MCP tool-ontdekking oplost, onthullen real-world benchmarks een structurele beperking wanneer agents gegevens uit meerdere bronnen moeten combineren. Elke MCP-server wrapt een enkele API, dus cross-source vragen ("welke opzeggende klanten hebben open supporttickets?") vereisen dat de agent sequentiële tool-aanroepen doet, door JSON-payloads pagineert en resultaten in zijn context window probeert te correleren. Dinobase-benchmarks over 11 LLM's toonden dat dit per-source MCP-patroon slechts 35% nauwkeurigheid bereikt bij cross-source queries, tegenover 91% wanneer data vooraf is verenigd in een enkele SQL-laag. Dit heeft de interesse in agent-first data-architecturen aangewakkerd die MCP aanvullen door een uniforme query-interface voor bedrijfsdata te bieden, terwijl MCP uitblinkt voor discrete single-service tool-operaties.
Voorbeeld
Een bedrijf bouwt een MCP-server voor hun projectmanagementsysteem. De server stelt tools beschikbaar zoals 'create_task', 'list_sprints' en 'assign_user', plus resources zoals het huidige sprintbord en de teamledenlijst. Eenmaal gedeployed kan elke MCP-compatibele AI-assistent deze tools ontdekken en in gesprekken gebruiken. Een ontwikkelaar die Claude gebruikt kan zeggen "maak een taak voor de login-bug en wijs hem toe aan Sara" en Claude ontdekt de create_task en assign_user tools via MCP, roept ze aan met de juiste parameters en bevestigt het resultaat. Dezelfde MCP-server werkt ongewijzigd wanneer het productteam Gemini gebruikt, of wanneer hun CI-pipeline een geautomatiseerde agent inzet — geen nieuwe integratiecode nodig.