Alisina NawabiJe kunt in eigen woorden uitleggen wat MCP is, waarom het van N keer M naar N plus M koppelingen gaat, en hoe host, client en server samenwerken.
MCP is geen AI-model. Het is geen product dat je bij Anthropic of OpenAI koopt. En het is ook niet, zoals je overal hoort, gewoon een nieuw woord voor function calling. Alle drie die beelden kloppen niet, en zolang je eraan vasthoudt snap je niet waarom half AI-land er in een jaar op is overgestapt.
Begin daarom bij iets wat je kunt zien gebeuren. Je zet op je laptop een filesystem-server aan, één klein programma. Vanaf dat moment kan Claude Desktop je mappen lezen en bestanden openen, terwijl Anthropic nooit een koppeling naar jouw schijf heeft gebouwd. Diezelfde server werkt net zo goed onder ChatGPT, Cursor of VS Code. Niemand bouwde per app een aparte brug.
Wat er bij die ene vraag onder de motorkap gebeurt, stap voor stap:
De host is hier Claude Desktop, de server is het filesystem-programma, de tool is je schijf. Let op wat er niet gebeurt: de app en de tool praten nergens rechtstreeks. Alles loopt langs één vaste afspraak, en precies die afspraak is MCP.
Nu de definitie, en die is kort. Het Model Context Protocol (MCP) is een open standaard, geintroduceerd door Anthropic op 25 november 2024, die op één vaste manier vastlegt hoe een AI-applicatie zich verbindt met externe tools, data en workflows. Het is geen model en geen product, maar een protocol: te zien als een USB-C-poort voor AI, waar elke app en elke tool die de standaard spreekt op elkaar passen. Niet het apparaat, niet de stroom, maar de poort.
Waarom dit van 20 koppelingen naar 9 gaat
Stel je vier AI-apps voor en vijf tools die ze allemaal willen bereiken: je CRM, je boekhouding, je agenda, je bestanden, je database. Zonder standaard bouwt elke app een eigen koppeling naar elke tool. Dat zijn 4 keer 5 is 20 aparte bruggen, die elk apart onderhouden moeten worden. Elke nieuwe tool erbij kost vier nieuwe koppelingen.
Met MCP biedt elke tool één server aan en krijgt elke app één client. Nu tel je op in plaats van te vermenigvuldigen: 4 plus 5 is 9 stukken. Een nieuwe tool erbij is één server, meteen klaar voor alle vier de apps tegelijk. Dat is het hele idee, en meteen de reden dat Anthropic MCP op 25 november 2024 als open source vrijgaf: bouw één keer, werk overal.
MCP is de USB-C-poort voor AI. Vroeger had elk apparaat zijn eigen kabel; nu past alles op dezelfde poort. Zet één server voor een tool neer, en elke AI-app die de standaard spreekt kan hem gebruiken, zonder dat iemand een aparte koppeling bouwt.
Die drie lagen zijn de kern, dus loop ze na in gewone taal.
Drie dingen die een server aanbiedt, en wie de knop indrukt
Een server biedt drie soorten dingen aan. Tools zijn acties die het model mág uitvoeren: een factuur aanmaken, een database bevragen, een bestand schrijven. Resources zijn data die het model mág lezen: de inhoud van een bestand, een klantrecord, het schema van je database. Prompts zijn kant-en-klare sjablonen, een vaste werkstap die je hergebruikt.
Het model kiest wat het nodig heeft, maar de host zit ertussen en vraagt jou om akkoord voor een echte actie. Die toestemmingsstap is geen detail. Een tool die alleen leest kan hooguit iets verkeerd samenvatten; een tool die mag schrijven kan een verkeerde factuur versturen. Dat vertrouwen kent een keerzijde, want een server beschrijft zélf wat zijn tools doen: vergiftigde toolomschrijvingen kunnen een AI-agent kapen en bedrijfsdata lekken. Wil je nagaan of je eigen software hierop aansluit, dan draait het om vijf concrete vragen aan je leverancier over MCP-servers en rechten, niet om code.
Maar is dit niet gewoon function calling?
Nee, en dit is precies waar het misgaat. Function calling is wat het model doet: het zegt "roep tool X aan met deze argumenten". Dat bestond al vóór MCP en zit in de meeste modellen. MCP is de laag eromheen: de standaard waarmee die tool wordt beschreven (tools/list geeft de naam, een omschrijving en een JSON-schema van de invoer) en aangeroepen (tools/call), over apps heen.
MCP leunt dus op function calling, maar maakt de tool herbruikbaar buiten die ene app. Function calling zonder MCP is een tool die je in één applicatie zelf inbouwt. Met MCP schrijf je de tool één keer en werkt hij in Claude, ChatGPT, Cursor en VS Code, zonder dat je iets opnieuw bouwt.
Nog een misverstand dat blijft hangen: host en client zijn niet hetzelfde. VS Code is de host. Verbind je het met een Sentry-server, dan maakt VS Code voor die verbinding één aparte MCP-client aan. Koppel je er ook een filesystem-server bij, dan komt er een tweede client bij. Eén host, één client per server, elk met een eigen lijntje. En dat het geen Anthropic-exclusiviteit is, zie je in het veld: Google's Gemini Spark leest lokale bestanden op de Mac via MCP en Gemini-agents koppelen rechtstreeks aan MCP-servers.
Ook het transport is een keuze die ertoe doet. Lokaal draait een server als los proces en praat via stdio, standaard in en standaard uit; op afstand loopt het over HTTP. Streamable HTTP verving daarbij de oudere HTTP+SSE-aanpak uit protocolversie 2024-11-05. Voor jou is de vraag simpel: draait de server op je eigen machine of ergens in de cloud, en dus: waar gaat je data heen.
Wat is MCP precies?
Zodra je MCP ziet als een poort en niet als een brein, lezen alle koppen anders. "Deze tool kan nu AI" betekent eigenlijk: er is een server bijgekomen. De vraag verschuift van "kan dit pakket AI aan?" naar "kan ik mijn AI hierop aansluiten, en wie drukt de knop in?". Dat is geen technische vraag meer, maar een die je zelf kunt stellen, aan elke tool die je in huis hebt.
Veelgestelde vragen
Van protocol naar jouw data
Ik denk mee, ontwerp en bouw je eigen API en MCP-server end-to-end, zodat je AI met de juiste rechten bij je eigen systemen kan zonder dat je data rondzwerft.
Dit artikel is geproduceerd samen met het Agent Team. Meer over de redactie.
