Terug naar Woordenboek
intermediateTechnisch
5 min leestijd

MCP Server

Model Context Protocol Server

Simpele Uitleg

Een MCP Server is een programma dat je bestaande systemen — databases, API's, bestanden, SaaS-tools — toegankelijk maakt voor AI. Het is de "stekker" waarmee een AI-agent verbinding maakt met jouw bedrijfsdata via het Model Context Protocol. Zonder MCP Server moet je alles handmatig kopiëren naar je AI-assistent. Met een MCP Server haalt de AI de informatie zelf op.

Technische Definitie

Een MCP Server is het server-component van het Model Context Protocol, Anthropic's open standaard voor AI-integratie. Het draait als een apart proces dat via JSON-RPC 2.0 communiceert met MCP Clients (binnen een AI-host als Claude Code of Cursor). Een server biedt drie typen mogelijkheden: tools (functies die het LLM kan aanroepen), resources (alleen-lezen databronnen), en prompts (voorgebouwde instructietemplates). Transport verloopt via stdio (lokaal) of Streamable HTTP (remote).

Waarom Dit Belangrijk Is

Zonder MCP Servers is elke AI-integratie maatwerk. Wil je dat Claude je Slack-berichten kan lezen? Bouw een connector. Je database doorzoeken? Weer een connector. Je Google Drive? Nóg een connector. Dat zijn N tools × M databronnen = honderden integraties.

MCP Servers lossen dit op. Je bouwt één server per systeem, en elke AI-tool die MCP ondersteunt kan ermee praten. OpenAI, Google en Anthropic ondersteunen de standaard — het wordt de universele connector voor AI.

Voor teams die AI structureel inzetten is dit de brug tussen "AI als chatvenster" en "AI die geïntegreerd is in onze werkprocessen." In de Claude Code Masterclass leer je hoe je MCP Servers configureert en gebruikt.

Hoe Het Werkt

Denk aan MCP als een USB-C-poort voor AI. De MCP Server is het apparaat dat je aansluit, de MCP Client is de poort in je AI-tool, en het protocol is de standaard die ervoor zorgt dat ze samenwerken.

Een MCP Server voor je PostgreSQL-database werkt bijvoorbeeld zo: de server verbindt met je database en biedt een tool "query" aan waarmee de AI SQL-queries kan uitvoeren. De AI vraagt via het protocol: "geef me de omzet van vorige maand." De server vertaalt dat naar SQL, voert het uit, en stuurt het resultaat terug.

Er zijn al duizenden MCP Servers beschikbaar — voor GitHub, Slack, Google Drive, PostgreSQL, bestandssystemen en meer. Je kunt ze kant-en-klaar gebruiken of je eigen servers bouwen voor interne systemen.

Het configureren gaat via een JSON-bestand in je AI-tool. In AI voor bedrijven leer je hoe je dit opzet.

Use Cases

Database-toegang voor AI

Een MCP Server voor PostgreSQL laat je AI-agent direct queries uitvoeren op je database. "Geef me de top-10 klanten van deze maand" — de AI haalt de data zelf op in plaats van dat jij het exporteert en inplakt.

GitHub-integratie

Een development team configureert een GitHub MCP Server. Claude Code kan nu direct pull requests maken, branches aanmaken, issues lezen en code reviewen — zonder de terminal te verlaten.

Interne kennisbank ontsluiten

Een bedrijf bouwt een MCP Server op hun Confluence-documentatie. Nu kan elke AI-assistent die MCP ondersteunt direct antwoorden geven op basis van interne documenten — vergelijkbaar met RAG, maar dan als standaard protocol.

Team-breed AI-tools verbinden

Als elk team zijn eigen MCP Servers heeft — support op Zendesk, marketing op HubSpot, development op GitHub — ontstaat een AI-ecosysteem. In AI als Teamsport leer je hoe je dit organisatie-breed opzet.

Voorbeelden

MCP Server vs. gewone API

Een gewone API is een generieke interface voor software. Een MCP Server is specifiek ontworpen voor AI-agents: het beschrijft niet alleen wat de tool doet, maar ook wanneer de AI hem moet gebruiken, welke parameters nodig zijn, en wat het resultaat betekent. De AI begrijpt de context, niet alleen de data.

Kant-en-klaar vs. zelf bouwen

Voor populaire tools bestaan kant-en-klare MCP Servers: GitHub, Slack, Google Drive, PostgreSQL, filesystem. Die configureer je in minuten. Voor interne systemen — je eigen CRM, je ERP — bouw je een custom server. Dat kost een developer een paar dagen, maar daarna kan elke AI-tool ermee werken.

De groeiende standaard

In 2025 lanceerden meer dan 13.000 MCP Servers op GitHub. Anthropic doneerde het protocol aan de Linux Foundation. OpenAI en Google ondersteunen het. MCP wordt de universele standaard voor AI-integratie — vergelijkbaar met hoe HTTP de standaard werd voor het web.

Veelgemaakte Fouten

"MCP Server en MCP zijn hetzelfde"

MCP is het protocol — de standaard. Een MCP Server is een specifieke implementatie die een systeem (database, API, bestandssysteem) toegankelijk maakt via dat protocol. Je hebt het protocol nodig plus een server per systeem dat je wilt ontsluiten.

"Ik geef de AI toegang tot alles via MCP"

MCP Servers moeten met zorg worden geconfigureerd. Geef alleen toegang tot wat de AI nodig heeft. Een database-server kan read-only zijn. Een bestandssysteem-server kan beperkt worden tot specifieke mappen. Beveiliging is cruciaal bij AI-agents.

"MCP Servers werken alleen met Claude"

MCP is een open standaard die door meerdere tools wordt ondersteund: Claude Code, Cursor, VS Code Copilot en meer. Eén MCP Server werkt met al deze tools — dat is juist het hele punt van de standaard.

Tools Die Dit Gebruiken

Claude CodeClaude DesktopCursorVS Code CopilotWindsurf

Veelgestelde Vragen

Hoe configureer ik een MCP Server?
In Claude Code en Cursor voeg je MCP Servers toe via een JSON-configuratiebestand. Je specificeert het pad naar de server, de verbindingsinstellingen, en eventuele environment variables. Voor populaire servers als GitHub of PostgreSQL zijn er kant-en-klare configuraties beschikbaar.
Zijn MCP Servers veilig?
Dat hangt af van de configuratie. Best practices: gebruik read-only toegang waar mogelijk, beperk servers tot specifieke data, draai ze lokaal (niet via internet), en controleer welke tools beschikbaar zijn. Behandel MCP Servers als elke andere systeemintegratie — met passende beveiligingsmaatregelen.
Moet ik een developer zijn om MCP Servers te gebruiken?
Voor kant-en-klare servers (GitHub, Slack, filesystem) heb je alleen basisconfiguratie nodig — kopieer de configuratie, vul je credentials in, klaar. Custom servers bouwen voor interne systemen vraagt wel developer-skills, maar de meeste bedrijven beginnen met bestaande servers.
Wat is het verschil tussen MCP en RAG?
RAG haalt relevante documenten op uit een vectordatabase en geeft ze mee als context. MCP geeft AI-agents directe toegang tot live systemen — databases, API's, tools. RAG is voor documentzoeking, MCP is voor systeemintegratie. Ze vullen elkaar aan.

Wil je deze term in de praktijk leren toepassen?