Het Model Context Protocol

Wat is het Model Context Protocol?

In de kern is MCP een protocol dat standaardiseert hoe AI-modellen zoals Claude, GPT of andere LLMs toegang krijgen tot externe informatie en functionaliteiten. Denk hierbij aan databases, API’s, bestanden of tools (denk aan weerberichtservice). Traditioneel gezien waren AI-modellen beperkt tot de kennis waarmee ze getraind waren. Alles wat buiten hun trainingsdata lag was voor hen onbereikbaar, tenzij er maatwerkoplossingen werden gebouwd. Dit leidde tot een wirwar van op maat gemaakte integraties, wat tijdrovend, kostbaar en moeilijk schaalbaar was.

MCP lost dit probleem op door een universele manier te bieden om AI-modellen te verbinden met de buitenwereld. Het wordt vaak vergeleken met het Language Server Protocol (LSP), dat een standaard creëerde voor hoe programmeertalen integreren met code-editors zoals VS Code. Net zoals LSP het mogelijk maakt dat één taalserver werkt met meerdere editors, maakt MCP het mogelijk dat één protocol werkt met verschillende AI-modellen en databronnen. Het wordt zelfs wel eens het “USB-C voor AI-integraties” genoemd. Een plug-and-play oplossing die alles met elkaar verbindt. Lees hier ook meer over de invloed van AI search op SEO! 

Hoe werkt MCP?

MCP is gebaseerd op een client-server architectuur waarbij de communicatie plaatsvindt via JSON-RPC 2.0. Een lichtgewicht protocol voor het uitwisselen van gegevens. Laten we de belangrijkste componenten opsplitsen.

Component 1: Hosts
Hosts zijn de toepassingen waarin de AI draait, zoals een desktop-app (bijvoorbeeld Claude Desktop), een IDE (zoals IntelliJ), of een chatbot-interface. De host is waar de gebruiker interageert met het AI-model.

Component 2: Clients
De MCP-client is een onderdeel van de host dat de verbinding legt met externe servers. Het fungeert als een brug tussen het AI-model en de buitenwereld, en onderhoudt een één-op-één relatie met een server.

Component 3: Servers
Dit zijn de externe systemen die data of functionaliteit leveren. Een server kan bijvoorbeeld toegang bieden tot een Google Drive-map, een GitHub-repository, of een weer-API. Servers stellen drie soorten middelen beschikbaar:

• Resources: Statische gegevens, zoals bestanden, logboeken, of database-inhoud, die als context aan de AI kunnen worden geleverd.
• Tools: Uitvoerbare functies, zoals het ophalen van weerdata of het uitvoeren van een berekening, die de AI kan aanroepen.
• Prompts: Sjablonen of instructies die de AI helpen om betere antwoorden te genereren.

Component 4: Base Protocol
Dit is de onderliggende laag die definieert hoe clients en servers met elkaar praten. Het ondersteunt verschillende transportmechanismen en SSE (Server-Sent Events) voor externe servers.

Voorbeeld
Stel je voor dat je Claude vraagt: “Wat is het weer in Amsterdam?” Zonder MCP zou Claude geen toegang hebben tot actuele weergegevens. Met MCP stuurt de cliënt een verzoek naar een weer-server, die de data ophaalt en terugstuurt. Claude kan deze informatie vervolgens verwerken en een antwoord formuleren zoals: “Het is nu 12°C en zonnig in Amsterdam.” Lees hier ook meer informatie over copywriting met AI. 

Waarom is MCP belangrijk?

MCP pakt een probleem aan in de AI-wereld, namelijk contextarmoede. Zelfs de meest geavanceerde modellen zijn beperkt als ze geen toegang hebben tot real-time data of specifieke tools. Voorafgaand aan MCP moesten ontwikkelaars voor elke nieuwe databron een aparte integratie bouwen, wat leidde tot een gefragmenteerd ecosysteem.

MCP biedt verschillende voordelen:

• Standaardisatie: Het elimineert de noodzaak voor maatwerk door een uniforme manier te bieden om AI met tools en data te verbinden.
• Schaalbaarheid: Ontwikkelaars kunnen één MCP-server bouwen die werkt met meerdere AI-modellen en clients, in plaats van steeds opnieuw te beginnen.
• Flexibiliteit: Het maakt het eenvoudig om te wisselen tussen verschillende AI-modellen of leveranciers, omdat de connecties gestandaardiseerd zijn.
• Beveiliging: MCP biedt mechanismen zoals toegangscontroles en scopes (bijvoorbeeld lees- versus schrijfrechten), wat het veiliger maakt om AI toegang te geven tot gevoelige systemen.
• Community-gedreven innovatie: Omdat MCP open-source is, kan iedereen bijdragen aan de ontwikkeling van nieuwe servers en tools, wat leidt tot een snel groeiend ecosysteem.

Wil je meer weten over de AI zoekmachines? Dan moet je het artikel over Generative Engine Optimization ook even lezen. Het is een nieuwe ontwikkeling omtrent AI en zoekmachines. 

Toepassingen van MCP

MCP opent de deur naar een breed scala aan toepassingen.

Enkele voorbeelden:

Kennisbeheer
Een MCP-server kan een kennisgrafiek of bedrijfsdatabase ontsluiten, zodat een AI-assistent vragen kan beantwoorden op basis van interne documenten.

Code-analyse
In een IDE zoals IntelliJ kan MCP een AI toegang geven tot projectstructuren en codecontext, wat helpt bij het schrijven of beoordelen van code.

Creatieve workflows
Met MCP kan een AI tools zoals Blender aansturen om 3D-modellen te genereren op basis van tekstprompts.

Automatisering
AI-agenten kunnen met MCP real-time data ophalen en zelfstandig beslissingen nemen, bijvoorbeeld in financiële handel of klantenservice.

Voorbeeld
De integratie van MCP met Claude Desktop laat gebruikers hun AI verbinden met tools zoals GitHub of Notion. Stel je voor dat een programmeur Claude vraagt om een pull request te analyseren en een samenvatting in Notion te zetten. MCP maakt dit mogelijk door de GitHub-data op te halen en de uitvoer naar Notion te sturen, allemaal via één gestandaardiseerd protocol.

Huidige stand van zaken en uitdagingen

Hoewel MCP veelbelovend is, staat het nog in de kinderschoenen. In april 2025 is de adoptie in volle gang, met grote namen zoals IntelliJ, Cursor en bedrijven als Block en Apollo die het al implementeren.

Uitdagingen:

• Lokale beperkingen: Momenteel ondersteunt MCP vooral lokale servers, wat betekent dat client en server op dezelfde machine moeten draaien. Ondersteuning voor remote servers via HTTP of WebSockets is in ontwikkeling.
• Gebruikerservaring: Het instellen van MCP-servers kan technisch zijn, vooral als het gaat om authenticatie.
• Documentatie: Hoewel de specificatie gedetailleerd is, kan deze voor nieuwkomers nog wat vaag of intimiderend zijn.

De toekomst van MCP

MCP heeft het potentieel om de manier waarop we AI gebruiken fundamenteel te veranderen. Experts voorspellen dat het zal leiden tot:

• Slimmere AI-agenten: Door toegang tot context en tools kunnen agenten proactiever en autonomer worden.
• Een ecosysteem: Bedrijven kunnen MCP-compatibele connectors publiceren, vergelijkbaar met hoe API’s vandaag werken, wat integraties vereenvoudigt.
• Creatieve doorbraken: AI die direct gekoppeld is aan ontwerp- of productietools kan hele industrieën transformeren, van gaming tot architectuur.

Tegen het einde van 2025 wordt verwacht dat MCP een standaard wordt in de AI-wereld, net zoals HTTP dat werd voor het internet. Het succes zal echter afhangen van de mate waarin ontwikkelaars en bedrijven het omarmen en bijdragen aan het ecosysteem.

Technische innovatie

Het Model Context Protocol is meer dan een technische innovatie. Het is een stap richting een toekomst waarin AI niet langer geïsoleerd is, maar naadloos samenwerkt met de systemen en data die onze wereld draaiende houden. Door standaardisatie, schaalbaarheid en beveiliging te combineren, biedt MCP een fundament voor de volgende generatie AI-toepassingen. Of je nu een ontwikkelaar bent die een nieuwe server wil bouwen of een bedrijf dat AI wil integreren in bestaande workflows. MCP is een ontwikkeling om in de gaten te houden. Het is nog vroeg, maar de buzz rond MCP is terecht. Dit zou wel eens de sleutel kunnen zijn tot het ontsluiten van het volledige potentieel van kunstmatige intelligentie.