MCP — Model Context Protocol — is een open standaard waarmee AI-assistenten verbinding kunnen maken met externe tools, data en services via één universele interface. Stel je het voor als USB-C voor AI: in plaats dat elke AI-app een aangepaste connector nodig heeft voor elke tool, biedt MCP één protocol dat overal werkt.
Als je Claude's desktop-app hebt gebruikt en deze hebt verbonden met je Google Drive, heb je MCP al gebruikt. Als je AI-codingtools zoals Cursor of Claude Code hebt gezien die live data ophalen van GitHub — dat is MCP ook. Het protocol werd gelanceerd in november 2024 en tegen medio 2026 is het de standaardmanier geworden waarop AI verbinding maakt met de echte wereld.
Deze gids legt uit wat MCP is, waarom het belangrijk is zelfs als je geen ontwikkelaar bent, en hoe het de tools verandert die je al gebruikt.
Waarom bestaat MCP?
Voor MCP was elke AI-integratie een custom build. Wil je dat ChatGPT je Slack-berichten leest? Iemand moest een Slack-specifieke plugin bouwen. Wil je dat Claude je database queryt? Iemand moest een custom connector schrijven. Wil je dat Gemini toegang krijgt tot je Google Drive? Google moest die integratie vanaf nul bouwen.
Dit creëerde wat ingenieurs het "N×M-probleem" noemen. Als je 10 AI-apps en 50 tools hebt, heb je 500 custom integraties nodig. Elk nieuw AI-model betekent 50 extra integraties. Elke nieuwe tool betekent 10 extra. Het schaalt niet.
MCP reduceert dit tot "N+M". Bouw één MCP-server voor je tool, en het werkt met elke AI-app die MCP spreekt. Bouw één MCP-client in je AI-app, en het verbindt met elke MCP-compatibele tool. Tien AI-apps plus 50 tools vereist slechts 60 implementaties, niet 500.
De analogie die voor de meeste mensen klikt: voor USB-C had elke telefoon een andere lader. Elke camera had een andere kabel. USB-C maakte één kabel die voor alles werkt. MCP doet hetzelfde voor AI-naar-toolverbindingen.
Hoe werkt MCP?
MCP heeft drie rollen die samenwerken:
De Host is je AI-applicatie — Claude Desktop, ChatGPT, Cursor, of elke app met een AI-assistent. De host is waarmee je interageert. Het runt een MCP-client die de communicatie met servers afhandelt.
De Server is een klein programma dat verbinding maakt met een specifieke tool of databron. Er is een MCP-server voor GitHub, één voor Slack, één voor Google Drive, één voor PostgreSQL, en honderden meer. Elke server biedt de mogelijkheden van zijn tool op een gestandaardiseerde manier aan.
Het Protocol is de taal die ze spreken. Het is gebaseerd op JSON-RPC 2.0 (een eenvoudig, gevestigd berichtenformaat). De host vraagt "wat kun je doen?" en de server reageert met zijn beschikbare tools, resources en prompt-templates.
Als je Claude vraagt "toon me de 10 recentste Slack-berichten in #engineering", gebeurt het volgende: Claude's MCP-client contacteert de Slack MCP-server, ontdekt dat het een "berichten lezen"-tool heeft, roept die tool aan met je parameters, ontvangt de berichten en presenteert ze aan je in natuurlijke taal. Jij ziet het protocol nooit — je krijgt gewoon het antwoord.
Wat zijn Tools, Resources en Prompts in MCP?
Elke MCP-server kan drie typen mogelijkheden blootleggen:
Tools zijn acties die de AI kan uitvoeren — een bericht versturen, een bestand aanmaken, een databasequery draaien, een pull request openen. Tools zijn de "handen" van de AI. Elke tool heeft een naam, een beschrijving en gedefinieerde inputs/outputs zodat de AI weet hoe hij het correct gebruikt.
Resources zijn data die de AI kan lezen — een document, een databaserij, de huidige status van een Jira-ticket, een logbestand. Resources bieden context. De AI kan relevante informatie ophalen voordat hij een antwoord genereert, waardoor antwoorden gebaseerd zijn op echte data in plaats van alleen trainingskennis.
Prompts zijn herbruikbare templates die de server aanbiedt — "samenvat deze PR", "stel een standup-update op uit deze commits", "analyseer dit error log". Deze coderen best practices voor specifieke taken, zodat je de prompt niet telkens vanaf nul hoeft te schrijven.
Niet elke server biedt alle drie. Een alleen-lezen server zoals een documentzoekopdracht biedt misschien alleen resources. Een GitHub-server biedt tools (issue aanmaken, PR mergen), resources (bestandsinhoud lezen) en prompts (wijzigingen in PR samenvatten).
--- 📬 Waarde uit dit halen? We publiceren elke week één diepgaande duik in AI-tools en workflows. Sluit je aan bij lezers die het in hun inbox krijgen → ---Wie gebruikt MCP vandaag?
Vanaf medio 2026 is MCP geadopteerd door elk groot AI-platform:
Anthropic creëerde MCP en gebruikt het native in Claude Desktop en Claude Code. Wanneer je Claude Desktop verbindt met je bestandssysteem, Google Drive of GitHub, draait dat MCP onder de motorkap.
OpenAI voegde MCP-ondersteuning toe aan ChatGPT begin 2026. ChatGPT's app-integraties — verbinding maken met third-party services vanuit een gesprek — gebruiken MCP als communicatielaag.
Google volgde met MCP-ondersteuning voor Gemini. Ontwikkeltools zoals Cursor, Windsurf en Sourcegraph Cody spreken allemaal MCP voor hun tool-integraties.
Aan de serverkant zijn er meer dan 1.000 community-gebouwde MCP-servers voor GitHub, Slack, PostgreSQL, Stripe, Figma, Docker, Kubernetes, Notion, Linear, Jira, en vrijwel elke ontwikkel- en businesstool die je kunt bedenken. De officiële registry op GitHub houdt ze allemaal bij.
In december 2025 schonk Anthropic MCP aan de Agentic AI Foundation onder de Linux Foundation, mede opgericht met Block en OpenAI. Dit maakte het een echte open standaard, geen project van één bedrijf.
Waarom verschilt MCP van ChatGPT Plugins?
Als je je het plugin-systeem van ChatGPT uit 2023 herinnert, vraag je je misschien af hoe MCP verschilt. Het belangrijkste verschil is dat plugins proprietary waren voor OpenAI. Een ChatGPT-plugin werkte alleen in ChatGPT. Wilde je dezelfde integratie in Claude, dan moest je het vanaf nul opnieuw bouwen.
MCP is model-agnostisch. Een MCP-server gebouwd voor GitHub werkt met Claude, ChatGPT, Gemini, Cursor en elke andere MCP-compatibele host. Bouw eens, verbind overal.
MCP is ook capabeler. Plugins konden alleen tekst versturen en ontvangen. MCP ondersteunt tools (acties), resources (data) en prompts (templates), plus streaming, authenticatie en error handling — allemaal gestandaardiseerd.
Wat betekent MCP voor jou?
Als je geen ontwikkelaar bent, beïnvloedt MCP nog steeds je dagelijkse AI-ervaring op drie manieren:
Je AI-apps verbinden sneller met meer tools. Omdat MCP gestandaardiseerd is, verschijnen nieuwe integraties snel. Wanneer een tool een MCP-server uitbrengt, werkt het meteen met elke AI-app die MCP ondersteunt. Je hoeft niet maanden te wachten tot je AI je favoriete tools ondersteunt.
Je kunt AI-modellen wisselen zonder integraties te verliezen. Als je 10 tools via MCP aan Claude koppelt en later overstapt op ChatGPT, werken diezelfde MCP-servers daar ook. Je zit niet meer vast aan één AI-platform vanwege de integraties.
AI-agents worden praktisch. Een AI-agent die kan plannen, redeneren en multi-step acties uitvoeren, heeft betrouwbare toegang nodig tot echte tools. MCP biedt die betrouwbaarheid. Zonder een standaard zoals MCP is elke agent een fragiele custom build. Met MCP kunnen agents aansluiten op elke tool die het protocol spreekt. Daarom worden AI-codingagents zoals Claude Code en Codex praktisch — ze gebruiken MCP om te interacteren met je code, terminal en externe services.
Hoe begin je met MCP?
De eenvoudigste manier om MCP te proberen is met Claude Desktop:
Stap 1: Download Claude Desktop van claude.ai/download. MCP werkt alleen in de desktop-app, niet in de browser.
Stap 2: Open Instellingen → MCP Servers. Je ziet opties om servers toe te voegen.
Stap 3: Voeg een ingebouwde server toe — toegang tot het bestandssysteem is het makkelijkste startpunt. Richt het op een projectmap. Nu kan Claude je bestanden lezen, door documenten zoeken en je helpen met taken die kennis van de inhoud van je mappen vereisen.
Stap 4: Probeer een community-server. De MCP GitHub-organization heeft referentieservers voor GitHub, Google Drive, Slack en meer. Elke heeft installatie-instructies in de README.
Als je een ontwikkelaar bent, kun je je eigen MCP-server bouwen met de officiële SDK's in TypeScript, Python, C#, Java, Kotlin, Go of Ruby. Een basis-server die één tool blootlegt kost ongeveer 50 regels code.
MCP vs Function Calling vs RAG
Drie termen die vaak verward worden:
Function calling is het API-mechanisme waarmee een AI-model een specifieke functie kan aanroepen — OpenAI's function calling, Anthropic's tool use, Google's function calling. Dit zijn vendor-specifieke implementaties. MCP zit erboven als protocollaag. MCP vertelt het model welke tools bestaan; function calling is hoe het model ze daadwerkelijk aanroept.
RAG (Retrieval-Augmented Generation) is een techniek om AI-antwoorden te verbeteren door relevante documenten op te halen voordat een antwoord wordt gegenereerd. MCP-resources kunnen RAG dienen — een server kan relevante documenten leveren voor de AI om te refereren. Maar MCP ondersteunt ook acties (tools) en templates (prompts), wat RAG niet dekt.
In de praktijk gebruiken de meeste moderne AI-systemen alle drie: MCP voor de integratielaag, function calling voor het aanroepmechanisme, en RAG voor kennisophaal. Ze zijn complementair, niet concurrerend.
Veelgestelde vragen
Werkt MCP alleen met Claude?
Nee. MCP is model-agnostisch. OpenAI, Google en veel open-source projecten ondersteunen het. Het is een universele standaard, geen Anthropic-only functie.
Moet ik coderen om MCP te gebruiken?
Nee. Als je Claude Desktop of een andere MCP-compatibele app gebruikt, kun je voorgebouwde MCP-servers toevoegen via de instellingen zonder code te schrijven. Coderen is alleen nodig als je je eigen server wilt bouwen.
Is MCP veilig?
MCP ondersteunt authenticatie en scoped permissions, maar beveiliging hangt af van hoe elke server is geïmplementeerd. Verbind alleen met vertrouwde MCP-servers, vooral voor servers die toegang hebben tot gevoelige data. Het protocol laat je controleren wat elke server kan bereiken.
Zal MCP APIs vervangen?
Nee. MCP wikkelt APIs in om ze toegankelijk te maken voor AI-modellen. Je bestaande REST- en GraphQL APIs bedienen nog steeds menselijke clients en traditionele applicaties. MCP voegt een AI-vriendelijke laag toe erbovenop.
---MCP wordt stilletjes de belangrijkste infrastructuur in AI. Als je dagelijks AI-tools gebruikt, profiteer je er waarschijnlijk al van zonder het te weten. Naarmate meer servers lanceren en meer apps de standaard adopteren, worden de AI-tools die je gebruikt dramatisch capabeler — niet omdat de modellen slimmer werden, maar omdat ze eindelijk verbinding kunnen maken met de echte wereld.
Wil je zien wat AI kan als het echte tools heeft? Probeer onze gratis Prompt Optimizer — het gebruikt gestructureerde prompting om elke ChatGPT-, Claude- of Gemini-prompt in seconden te verbeteren.
--- 📬 Wil je meer zoals dit? We publiceren elke week één praktische AI-gids — geen hype, alleen workflows en tools die werken. Meld je gratis aan → ---Disclosure: Sommige links in dit artikel zijn affiliate links. We raden alleen tools aan die we persoonlijk hebben getest en regelmatig gebruiken. Zie ons volledige disclosure-beleid.