
De laatste jaren is het gebruik van AI ontzettend hard gestegen. Steeds meer mensen en bedrijven zien de waarde in van (Generatieve) AI modellen zoals ChatGPT, Gemini of Claude. Bij het gebruik van deze modellen, zul je waarschijnlijk zijn opgemerkt dat deze AI modellen of agents vaak leven in afgesloten omgevingen. Ze hebben bijvoorbeeld geen toegang tot jouw bestanden, applicaties of databases. Voorheen werd deze toegang verleend door het schrijven van specifieke koppelingen. Dit is dan ook waar het MCP protocol een verschil wilt maken.
MCP staat voor Model Context Protocol en is ontwikkeld door Anthropic, ook wel bekend van hun AI model Claude. Het is een open source standaard die op een gestandaardiseerde manier de mogelijkheid biedt voor AI-toepassingen om verbinding te maken met externe systemen. Het voorbeeld wat veel wordt benoemd is dat je het kan zien als een USB c adapter binnen de elektronische wereld, is een MCP de nieuwe standaard om je AI applicatie te verbinden met externe systemen.
Voor we wat dieper erin duiken, is het goed om het onderscheid te maken tussen de MCP onderdelen:
Een interessante invalshoek voor veel organisaties waar intern al gebruik wordt gemaakt van AI tools is je "bedrijfskennis" of specifieke systemen beschikbaar maken. De use case is dan als volgt: een collega kan met bijvoorbeeld een AI tool als ChatGPT, Gemini of Claude verbinding maken met jullie eigen MCP server en daardoor toegang krijgen tot bedrijfsinformatie of zelfs specifieke acties uitvoeren. Denk bijvoorbeeld aan:
Hierdoor maak je dus je AI tool niet alleen slimmer, maar geef je het ook de mogelijkheid om acties uit te voeren.
Oké, genoeg informatie. Hoe ga je hier nu mee aan de slag?
Als je je bedrijfsinformatie en systemen beschikbaar wilt stellen aan AI modellen, zul je aan de slag moeten gaan om je MCP server in te richten. De applicaties die hier mee kunnen verbinden functioneren als host en client (zit vaak ingebouwd). Er zijn onwijs veel MCP frameworks beschikbaar, twee erg populaire Python frameworks zijn MCP Python SDK (ontwikkelt en beheerd door Antrophic zelf) en FastMCP. De laatste is vanuit ons perspectief een goede keuze gezien de gebruikersvriendelijkheid, documentatie en sterke community.
Er zijn diverse architectuuraanpakken die je kunt overwegen. Anthropic adviseert zelf een modulaire opzet waarbij elke server zich richt op een specifieke scope (bijvoorbeeld één applicatie of businessdomein). Ons advies: maak het in het begin niet te complex. Een monolithische MCP-server is een uitstekend startpunt; opsplitsen kan later altijd nog.
Reserveer tot slot voldoende tijd voor het toegangsbeheer. Je wilt waarschijnlijk voorkomen dat iedereen onbeperkt toegang heeft tot alle data en tools. Werk binnen de MCP-server daarom met rechten, zodat de host bij communicatie met de server direct filtert op de juiste autorisaties.
Een MCP server biedt onwijs veel mogelijkheden, maar is niet in alle situaties van toegevoegde waarde. Vanuit onze opinie is een MCP server niet relevant als je:
Ben je nieuwsgierig hoe je een MCP kan inrichten? Of gewoon behoefte om eens te willen sparren? Neem contact op via de website of stuur ons een mailtje op info@quantile.nl voor een vrijblijvende sparringsessie over MCP mogelijkheden voor jouw organisatie.