MCP uitgelegd voor mkb: Model Context Protocol

Als je recent iets over AI-automation hebt gelezen, is de kans groot dat je “MCP” bent tegengekomen. Het is de standaard waar Anthropic, OpenAI, Google en tientallen andere bedrijven zich sinds eind 2024 rond verzamelen. Voor mkb-eigenaren klinkt het vaak als de zoveelste technische term. Is het dat?

Niet helemaal. MCP is wel echt iets — maar het doet ertoe op een andere manier dan de hype suggereert.

Wat is MCP?

Model Context Protocol (MCP) is een open standaard waarmee AI-modellen op een uniforme manier kunnen praten met externe tools, databases en services.

Vergelijk het met USB. Vóór USB had elke muis zijn eigen poort, elke toetsenbord een andere, elk apparaat zijn eigen driver. Met USB: één protocol, plug-and-play.

MCP doet hetzelfde voor AI-modellen en tools:

Vóór MCP: elk model (GPT, Claude, Gemini) had zijn eigen manier om tools aan te roepen. Bouwde je een integratie voor ChatGPT, kon je dat niet zonder veel werk hergebruiken voor Claude.
Met MCP: een tool die MCP-compatible is, werkt direct met elk model dat MCP ondersteunt.

Wie gebruikt het?

Anthropic heeft MCP in november 2024 geïntroduceerd. Sindsdien hebben aangesloten:

OpenAI — ChatGPT Desktop en Apps ondersteunen MCP servers
Google — Gemini integreert MCP in 2026
Microsoft — Copilot ondersteunt MCP-servers
Honderden tools en platforms — Slack, Notion, GitHub, Linear, Salesforce, etc.

Kortom: het is niet een Anthropic-only ding, het is een industrie-standaard geworden in razendsnel tempo.

Waarom is dit relevant voor mkb?

Drie concrete gevolgen:

1. Eerder en meer integratie, lagere kosten. Een custom agent bouwen voor je mkb was voorheen enkele weken integratiewerk per tool. Met MCP zijn veel integraties al kant-en-klaar. Bouwen van weken naar dagen.

2. Minder vendor lock-in. Koos je Claude en wil je later over naar GPT? Je tool-integraties blijven werken. Dat verkleint de drempel om te experimenteren of veranderen.

3. Je eigen data eerder beschikbaar. Een MCP-server voor je eigen database (Postgres, Airtable, custom API) is een paar uur werk. Daarna is je data direct beschikbaar voor élk AI-model dat MCP ondersteunt.

Wanneer is het NIET relevant voor jouw mkb?

Eerlijkheid gebiedt:

Als je nog geen AI-automation hebt. MCP is infrastructuur. Zonder “iets” dat van die infrastructuur gebruik maakt, is het er gewoon. Eerst een use-case, dan MCP.
Als je alles via no-code platforms doet. Zapier en Make hebben hun eigen integraties en bieden eigen AI-modules. MCP is meer voor wie custom bouwt.
Als je met één specifiek model werkt. De anti-lock-in voordelen gelden niet als je sowieso bij één vendor blijft.

Voorbeeld: je Notion-data via MCP beschikbaar maken

Stel: je bedrijfs-wiki staat in Notion. Je wilt dat je interne team Claude of ChatGPT kunt gebruiken om daarin te zoeken en antwoorden te genereren.

Vóór MCP: je zou een custom integratie moeten bouwen voor elk AI-tool dat je team gebruikt. 2-3 weken werk per tool.

Met MCP: installeer de bestaande Notion MCP-server (open source), configureer met je workspace-credentials. Daarna werkt het met Claude Desktop, ChatGPT, Cursor en alle andere MCP-ondersteunende clients. Tijd: een paar uur.

Dat is het kernidee. Niet glamorous, wel praktisch.

De drie componenten

MCP kent drie delen:

1. MCP Client Het AI-tool dat je gebruikt (Claude Desktop, ChatGPT, Cursor, etc.). Het spreekt het protocol.

2. MCP Server De tool of dataset waaraan je het model wil koppelen (Notion, GitHub, eigen database). Het biedt functionaliteit via het protocol.

3. Het protocol zelf De “taal” tussen client en server. Gestandaardiseerd, open source, meestal via JSON-RPC over stdio of HTTP.

Als mkb-eigenaar hoef je alleen met de eerste twee te maken. Meestal gebruik je bestaande servers (open source, op GitHub); soms laat je er een custom bouwen voor je eigen systeem.

Wat zit er al op GitHub?

Per eind 2025 zijn er honderden open-source MCP-servers, onder andere voor:

Slack, Discord, Teams
GitHub, GitLab, Linear, Jira
Notion, Obsidian, Google Docs, Office 365
Postgres, MySQL, MongoDB, Supabase
Google Drive, Dropbox, OneDrive
CRMs: Hubspot, Pipedrive, Salesforce
Monitoring: Sentry, Datadog

De kans is groot dat de tools die jouw bedrijf gebruikt al een MCP-server hebben. Snelle check: zoek op “[toolnaam] MCP server” in Google.

Should-you-care checklist

MCP is voor jouw mkb nu relevant als:

✅ Je bouwt of laat custom AI-automation bouwen
✅ Je team gebruikt Claude Desktop, ChatGPT, of vergelijkbare tools
✅ Je hebt eigen databronnen (CRM, eigen database, intranet) die je wil ontsluiten
✅ Je wil niet vastzitten aan één vendor voor AI

MCP kan nog wachten als:

❌ Je hebt nog geen AI-automation use-case
❌ Je gebruikt alleen no-code tools
❌ Je bent tevreden met één vendor

Wat wij ermee doen

Bij Agensea bouwen we MCP-integraties als onderdeel van custom AI-projects. Voor klanten met eigen databases is een MCP-server bovenop die database de snelste weg om AI-toegang voor het team te geven — zonder vendor lock-in en met controle over wat wel en niet mag.

Verder

MCP-integratie voor jouw systeem nodig? Bel 06 81 38 36 01 of plan een gesprek.

MCP (Model Context Protocol) uitgelegd voor mkb-eigenaren [2026]