MCP: hoe je AI koppelt aan je bestaande software

Je gebruikt ChatGPT of Claude al een tijdje. Voor een mail herschrijven of een tekst samenvatten werkt het prima. Maar zodra je vraagt "welke offertes staan er nog open bij die klant uit Breda?", loopt het vast. De AI kan niet in je CRM kijken. Dus kopieer je gegevens heen en weer, plak je een export in het chatvenster en hoop je dat je niets vergeet. Kan dat niet anders?

Ja, dat kan. Steeds vaker via MCP. In dit stuk leggen we uit wat het is, wat een MCP-integratie voor jouw bedrijf kan betekenen, en hoe zo'n koppeling er in de praktijk uitziet. Ook waar je beter voorzichtig mee bent.

Wat is MCP eigenlijk?

MCP staat voor Model Context Protocol. Het is een open standaard die Anthropic eind 2024 introduceerde en die sindsdien door verschillende AI-tools wordt ondersteund. Het idee is simpel: een vaste manier waarop een AI-assistent met andere software praat.

Denk aan een stekker. Vroeger had elk apparaat zijn eigen lader. Nu heb je USB-C en past bijna alles op hetzelfde snoer. MCP probeert hetzelfde te doen voor AI en software. In plaats van voor elke AI-tool een aparte koppeling te bouwen, bouw je één MCP-server bovenop je software. Elke AI-assistent die MCP spreekt, kan daar dan mee werken.

Zo'n MCP-server bepaalt wat de AI mag. Hij biedt een paar duidelijke acties aan, in MCP-taal heten die tools. Bijvoorbeeld "zoek een klant op" of "toon openstaande offertes". De AI ziet welke tools er zijn, kiest er een als dat past bij jouw vraag, en krijgt het resultaat terug. Wat niet als tool is aangeboden, kan de AI ook niet.

Dat laatste is belangrijk. De AI krijgt geen vrije toegang tot je database. Hij krijgt een paar deuren, en jij bepaalt welke.

Waarom dit voor het mkb interessant is

De meeste mkb-bedrijven werken niet in één systeem. Er is een CRM, een planningstool, een boekhoudpakket, vaak nog een eigen klantportaal of webapplicatie, en ergens een gedeelde map met documenten. Alles werkt, maar de informatie zit verspreid.

AI wordt pas echt nuttig als hij bij die informatie kan. Een assistent die alleen algemene kennis heeft, schrijft nette teksten. Een assistent die jouw klanten, jouw planning en jouw offertes kent, kan echt werk uit handen nemen. Hoe dat er per proces uitziet, zetten we op een rij in AI-automatisering voor het mkb.

Tot voor kort betekende dat: voor elke combinatie van AI-tool en software een losse koppeling bouwen. Duur, en je zat vast aan die ene AI-leverancier. Met MCP bouw je de koppeling één keer, aan de kant van jouw software. Wil je volgend jaar een andere AI-assistent gebruiken, dan hoeft die koppeling niet opnieuw.

Er zit nog een voordeel in. Veel pakketten die je al gebruikt, bieden zelf een MCP-server aan of zijn daarmee bezig. Voor die tools hoef je soms helemaal niets te bouwen. Het werk zit dan vooral bij de software die alleen jij hebt: je eigen webapplicatie, een oud maatwerksysteem, of een database waar al jaren je klantgegevens in staan.

Een MCP-integratie in de praktijk: een voorbeeld

Laten we het concreet maken. Stel, je hebt een webapplicatie waarin je team klanten, planning en offertes beheert. Die is ooit op maat gebouwd en draait prima. Je wilt dat je accountmanagers er via een AI-assistent vragen aan kunnen stellen, zonder steeds door vijf schermen te klikken.

We bouwen dan een MCP-server bovenop die webapplicatie. Die praat met dezelfde API die je applicatie al gebruikt, en biedt een handvol tools aan:

• Klant opzoeken. Op naam, plaats of klantnummer. Geeft contactgegevens en de laatste contactmomenten terug.
• Openstaande offertes tonen. Per klant of voor het hele team, met bedrag en datum.
• Planning bekijken. Wie is wanneer ingepland bij welke klant.
• Conceptofferte klaarzetten. Op basis van een eerdere offerte en wat de accountmanager vraagt.

Een accountmanager typt nu in de assistent: "Welke offertes staan nog open bij klanten in Breda, en wanneer zijn we daar voor het laatst geweest?" De assistent roept de juiste tools aan, combineert de antwoorden en geeft een overzicht. Geen export, geen knippen en plakken.

Begin met alleen lezen

De eerste drie tools in dat lijstje lezen alleen. Ze veranderen niets. Daar beginnen we bijna altijd mee. Je ziet snel of de assistent de juiste dingen ophaalt, en als het misgaat is er niets kapot.

De vierde tool schrijft wel iets weg. Daar zetten we een rem op: de assistent maakt een concept, maar een mens bevestigt voordat het in het systeem komt. Pas als het lezen een tijd goed loopt, breiden we schrijfacties voorzichtig uit.

Rechten en logging

Een accountmanager mag niet ineens de cijfers van de hele organisatie zien omdat de AI daar toevallig bij kan. De MCP-server werkt daarom met dezelfde rechten als de gebruiker zelf. Wie in de webapplicatie alleen eigen klanten ziet, ziet via de assistent ook alleen eigen klanten.

Daarnaast loggen we elke aanroep: welke tool, door wie, met welke vraag. Gaat er iets raar, dan kun je terugzien wat er gebeurde. Dat is ook handig als je straks moet laten zien hoe je met AI omgaat.

Wil je dat de assistent ook in losse documenten zoekt, zoals handleidingen, contracten of leveringsvoorwaarden? Dan komt er een stuk bij dat je eigen teksten doorzoekbaar maakt. Hoe dat werkt, lees je in RAG uitgelegd.

Wat kost het en hoe lang duurt het?

Dat hangt vooral af van hoe je bestaande software eruitziet. Heeft je webapplicatie al een nette API, dan is een MCP-server erbovenop relatief snel gebouwd. Een eerste werkende versie met een paar leestools staat er vaak in 2 tot 4 weken. Moet er eerst een API komen, of praat de MCP-server met een oud systeem dat nooit voor koppelingen bedoeld was, dan duurt het langer.

Reken daarnaast op lopende kosten voor het AI-model dat je gebruikt. Bij normale mkb-volumes zit dat meestal ergens tussen €50 en €500 per maand, afhankelijk van hoeveel mensen het gebruiken en hoe zware vragen ze stellen. Wil je weten hoe de kosten van een groter AI-systeem zich opbouwen, kijk dan bij wat een AI-agent laten bouwen kost.

Waar je op moet letten

MCP is handig, maar geen toverstaf. Een paar dingen waar we in projecten steeds op letten:

Te veel tools tegelijk. Hoe meer acties je aanbiedt, hoe vaker de assistent de verkeerde kiest. Begin klein. Vijf goed omschreven tools werken beter dan dertig vage.

Gevoelige gegevens. Alles wat een tool teruggeeft, gaat naar het AI-model. Denk dus na over welke velden je meestuurt. Een klantnaam en een offertebedrag is iets anders dan een BSN of medische gegevens. Check ook bij je AI-leverancier waar die gegevens verwerkt worden en wat er mee mag.

De AI vertrouwen bij schrijfacties. Een assistent kan een vraag verkeerd begrijpen. Bij lezen is dat vervelend, bij schrijven kan het schade doen. Houd een mens tussen het concept en de definitieve actie, zeker in het begin.

Een standaard die nog beweegt. MCP is jong. De specificatie wordt nog aangepast en niet elke AI-tool ondersteunt alles even goed. Bouw het daarom zo dat je mee kunt bewegen, en ga niet je hele bedrijf in één keer eromheen inrichten.

Waar begin je?

Kies één vraag die je team nu vaak stelt en waarvoor ze door meerdere schermen moeten klikken. Bouw daar een paar leestools voor. Laat een kleine groep collega's er een paar weken mee werken en kijk wat er gebeurt. Wordt het gebruikt? Klopt wat de assistent ophaalt? Daarna weet je of uitbreiden zin heeft.

Heb je al een webapplicatie en wil je AI er stap voor stap in verwerken, dan helpt AI in je bestaande webapplicatie: waar begin je? je verder. En heb je nog geen eigen software maar loop je wel tegen losse systemen aan, kijk dan eens bij webapplicatie laten maken.

Even sparren over jouw systemen?

Twijfel je of een MCP-integratie iets oplevert voor jouw situatie? Leg het ons gerust voor. We kijken samen welke software je gebruikt, waar de tijd nu weglekt en of een koppeling het waard is. Soms is het antwoord dat een simpele export volstaat, en dan zeggen we dat ook. Plan een gesprek.

Veelgestelde vragen

Heb ik een eigen AI-model nodig voor MCP?

Nee. Je gebruikt een bestaande AI-assistent die MCP ondersteunt. Wat je bouwt is de MCP-server aan de kant van je eigen software. Die bepaalt wat de assistent kan opvragen of doen.

Kan de AI via MCP zomaar alles in mijn systeem aanpassen?

Alleen wat jij als tool aanbiedt. Wij beginnen meestal met tools die alleen lezen. Schrijfacties komen later, en dan met een bevestiging door een mens voordat er echt iets verandert.

Werkt MCP ook met software die ik niet zelf heb laten bouwen?

Vaak wel. Steeds meer pakketten bieden zelf een MCP-server aan. Doet jouw pakket dat niet maar heeft het wel een API, dan kan er een MCP-server omheen gebouwd worden.

Hoe lang duurt een eerste MCP-integratie?

Als je software al een nette API heeft, staat een eerste versie met een paar leestools er vaak in 2 tot 4 weken. Zonder bruikbare API duurt het langer, omdat die eerst moet komen.