MCP-servers voor agents: wat ze zijn en wanneer je er een bouwt

Wat MCP is

Het Model Context Protocol (MCP) is een open standaard, in november 2024 geïntroduceerd door Anthropic en sindsdien overgenomen door veel AI-leveranciers en tools, om AI-applicaties te verbinden met externe systemen. Een MCP-server stelt mogelijkheden beschikbaar; een MCP-client — een chatapp, een assistent in de IDE of een agentframework — ontdekt en gebruikt ze.

Een server kan drie soorten dingen aanbieden: tools (acties die het model kan aanroepen, zoals “tickets zoeken” of “factuur aanmaken”), resources (data die de applicatie kan lezen, zoals bestanden of records) en prompts (herbruikbare sjablonen). Servers draaien lokaal via standaard input en output, of op afstand via HTTP.

Waarom het ertoe doet

Vóór MCP had elke AI-applicatie een eigen integratie nodig voor elk systeem. Met MCP beschrijf je je systeem één keer en kan elke compatibele client het gebruiken. Voor een productbedrijf betekent dat dat klanten je product kunnen koppelen aan de AI-tools die ze al gebruiken. Voor een intern team betekent het dat één integratie elke assistent en agent in het bedrijf bedient.

Wanneer je een MCP-server bouwt

• Je wilt dat klanten je product gebruiken vanuit AI-assistenten en agents die ze al hebben.
• Meerdere interne agents of assistenten hebben dezelfde tools en data nodig.
• Je wilt één goed beheerde toegangspoort tot interne systemen, met consistente authenticatie en logging.
• Je team onderhoudt al een API, en een MCP-laag erbovenop is een kleine toevoeging.

Wanneer niet

• Je bouwt één AI-functie binnen één applicatie met één model — directe function calling is eenvoudiger.
• De acties zijn risicovol (betalingen, data verwijderen) en er is geen plan voor rechten en menselijke goedkeuring.
• Je onderliggende API is nog niet stabiel; los dat eerst op.

Goede tools ontwerpen

Modellen kiezen tools op basis van hun namen, beschrijvingen en inputschema's, dus schrijf ze voor een lezer die niets van je systeem weet. Kies liever een paar gerichte tools (“find_customer_by_email”, “list_open_tickets”) dan één tool met veel modi. Geef compacte, gestructureerde resultaten terug met ID's die het model in de volgende aanroep kan gebruiken, en nuttige foutmeldingen als de input niet klopt.

Scheid lezen van schrijven. Tools die alleen lezen kunnen vaak vrij draaien; tools die data wijzigen moeten de juiste scope vereisen en, bij belangrijke acties, een bevestigingsstap in de client.

Beveiliging

Servers op afstand moeten goede autorisatie gebruiken — de MCP-specificatie bouwt voort op OAuth — en elk token mag alleen de rechten bevatten die de gebruiker echt heeft. Log elke toolaanroep met wie hem deed en wat er veranderde. Het allerbelangrijkste: onthoud dat toolresultaten in de context van het model terechtkomen. Een ticket, e-mail of webpagina die een tool teruggeeft, kan tekst bevatten die het model nieuwe instructies probeert te geven. Behandel tooloutput als data, beperk wat één sessie kan doen en houd mensen betrokken bij alles wat destructief is.

Aan de slag

Er zijn officiële SDK's voor TypeScript, Python en diverse andere talen, en communitypackages dekken PHP en Laravel. Begin met twee of drie tools die alleen lezen bovenop een bestaande API, test ze met de MCP Inspector en een echte client, kijk hoe het model ze gebruikt en verfijn daarna de beschrijvingen voordat je schrijfacties toevoegt. De kwaliteit van een MCP-server wordt minder bepaald door het protocol dan door heldere tools en zorgvuldige rechten.