Wat is MCP en waarom is het belangrijk
Begrijp wat het Model Context Protocol standaardiseert, hoe het verschilt van ad-hocintegraties voor function calling en waarom het de lingua franca voor AI-toolconnectiviteit wordt.
Wat is MCP en waarom is het belangrijk is een gratis AI Engineering Academy-les op CoddyKit. Dit is les 1 van 4. Je kunt de volledige les hieronder gratis lezen en daarna in de browser praktisch oefenen met een ingebouwde code-editor en een AI-begeleider die 24/7 beschikbaar is. Deze les maakt deel uit van het leertraject AI Engineering Academy. Je voortgang wordt gesynchroniseerd op het web en in de CoddyKit-app. De cursus AI Engineering Academy bevat in totaal 4 lessen.
Het probleem van toolintegratie
Elke AI-assistent lost tegenwoordig hetzelfde probleem op zijn eigen manier op: hoe verbind je een LLM met je databases, API's, bestanden en diensten? Zonder standaard is elke integratie een eenmalige maatwerkoplossing — function calling van OpenAI werkt anders dan het toolgebruik van Anthropic, dat weer anders werkt dan dat van Gemini. Ontwikkelaars bouwen steeds opnieuw dezelfde adapters.
Wat is het Model Context Protocol?
Model Context Protocol (MCP) is een open standaard van Anthropic die een gemeenschappelijke interface definieert om LLM's met externe gegevensbronnen en tools te verbinden. Zie het als USB voor AI-integraties — zodra een tool of gegevensbron de MCP-serverspecificatie implementeert, kan elke MCP-compatibele AI-client deze gebruiken zonder maatwerkcode. Het protocol werd in november 2024 aangekondigd en is snel breed geadopteerd in de sector.
De client-serverarchitectuur
MCP gebruikt een client-servermodel: een AI-toepassing (de client) maakt verbinding met een of meer MCP-servers. Elke server stelt mogelijkheden beschikbaar — tools die het model kan aanroepen, bronnen die het kan lezen en promptsjablonen die het kan gebruiken. De client (zoals Claude Desktop of een aangepaste app) beheert de verbindingen en stuurt tool calls naar de juiste server.
- Client: Claude Desktop, VS Code-extensie of je app
- Server: Een proces dat tools via MCP beschikbaar stelt — een databaseadapter, een bestandssysteem of een webzoekdienst
De drie primitieven van MCP
MCP-servers stellen drie soorten mogelijkheden beschikbaar:
- Tools: Functies die het model kan aanroepen om acties uit te voeren, vergelijkbaar met function calling. Voorbeeld:
execute_query(sql). - Resources: Statische of dynamische gegevens die het model kan lezen — zoals bestanden, databaseregels of API-antwoorden. Voorbeeld:
file:///config/settings.json. - Prompts: Herbruikbare promptsjablonen die de gebruiker met parameters kan aanroepen. Voorbeeld: een prompt voor codebeoordeling die een diff accepteert.
MCP versus directe function calling
Bij directe function calling definieer je tools in de code van je toepassing — sterk gekoppeld aan de API van je LLM-provider. Bij MCP worden tools gedefinieerd in een afzonderlijk serverproces waarmee elke client verbinding kan maken. Belangrijke verschillen:
- Overdraagbaarheid: Eén MCP-server werkt met Claude, aangepaste apps en toekomstige clients
- Herbruikbaarheid: Deel MCP-servers tussen teams en projecten
- Scheiding van verantwoordelijkheden: Toolservers kunnen onafhankelijk van de AI-toepassing worden onderhouden
MCP-transport: stdio en HTTP/SSE
MCP-servers communiceren met clients via twee transportmechanismen. stdio wordt gebruikt voor lokale tools — de client start de server als een onderliggend proces en communiceert via stdin/stdout. Dit is eenvoudig en veilig voor ontwikkelaarstools. HTTP + Server-Sent Events (SSE) wordt gebruikt voor externe servers die via een netwerk bereikbaar zijn, geschikt voor gedeelde teamtools of implementaties in productie.
# Claude Desktop config (~/Library/Application Support/Claude/claude_desktop_config.json)
# Connecting to a local MCP server via stdio:
# {
# "mcpServers": {
# "my-database": {
# "command": "python",
# "args": ["/path/to/my_mcp_server.py"],
# "env": {
# "DATABASE_URL": "postgresql://localhost/mydb"
# }
# }
# }
# }Het MCP-ecosysteem
Sinds de release van MCP is een groeiend ecosysteem van vooraf gebouwde servers ontstaan. Anthropic onderhoudt officiële servers voor veelgebruikte integraties en communityservers ondersteunen honderden diensten. In plaats van aangepaste toolintegraties vanaf nul te bouwen, kun je een bestaande MCP-server toevoegen.
- Officieel: GitHub, Google Drive, Slack, PostgreSQL, bestandssysteem, webzoeken
- Community: Jira, Notion, Stripe, Snowflake, MongoDB en nog veel meer
- Aangepast: Bouw je eigen server voor bedrijfseigen interne tools
MCP in workflows voor AI-ontwikkeling
MCP verandert AI-codeerassistenten. Met een MCP-server die met je codebase is verbonden, kan Claude Desktop bestanden lezen, tests uitvoeren, de git-geschiedenis controleren, databases bevragen en documentatie doorzoeken — allemaal vanuit één chatvenster. Dit maakt echte agentische ontwikkeling mogelijk, waarbij de AI je volledige ontwikkelomgeving begrijpt en ermee kan werken.
Overzicht van de MCP SDK
Anthropic levert SDK's om MCP-servers te bouwen in Python en TypeScript. De Python-SDK is mcp (installeren met pip install mcp). Je definieert tools met decorators en resources met URI-patronen; de SDK regelt de protocolonderhandeling, het serialiseren van berichten en de transportdetails voor je.
# Install
# pip install mcp
# Minimal MCP server skeleton
from mcp.server import Server
from mcp.server.stdio import stdio_server
from mcp import types
app = Server('my-first-mcp-server')
@app.list_tools()
async def list_tools():
return [
types.Tool(
name='hello',
description='Returns a greeting message.',
inputSchema={
'type': 'object',
'properties': {
'name': {'type': 'string', 'description': 'Name to greet'}
},
'required': ['name']
}
)
]
@app.call_tool()
async def call_tool(name: str, arguments: dict):
if name == 'hello':
return [types.TextContent(type='text', text=f'Hello, {arguments["name"]}!')]
import asyncio
asyncio.run(stdio_server(app))Waarom MCP belangrijk is voor de sector
MCP betekent een verschuiving naar standaardisatie in AI-tools. Net zoals REST web-API's standaardiseerde en LSP taalfuncties in IDE's standaardiseerde, standaardiseert MCP de manier waarop AI-modellen verbinding maken met tools. Dit biedt voordelen voor ontwikkelaars (één keer bouwen, overal gebruiken), ondernemingen (één integratielaag controleren en auditen) en het ecosysteem (gedeelde, herbruikbare toolbibliotheken).
Adoptie en toekomstige richting van MCP
De adoptie van MCP is sinds de introductie snel gegroeid. Grote codeerassistenten (Cursor, Windsurf, VS Code Copilot), zakelijke AI-platforms en cloudproviders hebben ondersteuning voor MCP aangekondigd. Het protocol blijft zich ontwikkelen met voorstellen voor verbeteringen op het gebied van authenticatie, sampling en streaming. Als je MCP begrijpt, kun je interoperabele AI-integraties bouwen die werken in het groeiende ecosysteem.
Korte controle
Test je begrip van wat MCP is en waarom het belangrijk is.
Samenvatting van de les
In deze les heb je geleerd: MCP is een open standaard die een universele interface definieert om LLM's met externe tools en gegevensbronnen te verbinden, MCP-servers drie primitieven beschikbaar stellen: tools, resources en prompts en het MCP-ecosysteem vooraf gebouwde servers voor veelgebruikte diensten biedt, zodat je niet vanaf nul hoeft te beginnen. Hierna bouwen we onze eerste MCP-server in Python en verbinden we die met Claude Desktop.
Leer Python met een AI-tutor — gratis
Schrijf echte code en voer die uit in je browser, krijg direct hulp van een AI-tutor die 24/7 beschikbaar is en ga verder waar je gebleven bent op het web of in de app.
- Cursussen
- 30
- Lessen
- 120
Veelgestelde vragen
Is de les “Wat is MCP en waarom is het belangrijk” gratis?
Ja — de volledige tekst van “Wat is MCP en waarom is het belangrijk” kun je hier gratis op het web lezen. Als je interactief wilt oefenen met een ingebouwde code-editor en een AI-begeleider die 24/7 beschikbaar is, en de rest van de cursus AI Engineering Academy wilt ontgrendelen, kun je upgraden naar CoddyKit PRO. De cursus AI Engineering Academy bevat in totaal 4 lessen.
Wat leer ik in “Wat is MCP en waarom is het belangrijk”?
Begrijp wat het Model Context Protocol standaardiseert, hoe het verschilt van ad-hocintegraties voor function calling en waarom het de lingua franca voor AI-toolconnectiviteit wordt. Je oefent met AI Engineering Academy door code rechtstreeks in de browser uit te voeren. Een AI-begeleider die 24/7 beschikbaar is beantwoordt je vragen terwijl je de les doorwerkt.
Heb ik ervaring nodig om met AI Engineering Academy te beginnen?
Ervaring vooraf is niet nodig. AI Engineering Academy op CoddyKit is opgebouwd voor beginners tot gevorderden, zodat je hier of bij het begin kunt starten en in je eigen tempo kunt leren. Dit is les 1 van 4.
Hoe lang duurt de les “Wat is MCP en waarom is het belangrijk”?
De meeste lessen van CoddyKit duren ongeveer 5–10 minuten. Elke les is kort en interactief, zodat je gestaag vooruitgaat en op het web en in de app precies verdergaat waar je was gebleven.
Kan ik code schrijven en uitvoeren in deze les over AI Engineering Academy?
Ja. Elke les over AI Engineering Academy bevat een ingebouwde code-editor, zodat je rechtstreeks in je browser echte code kunt schrijven en uitvoeren en direct feedback van AI krijgt — lokale installatie is niet nodig.
Alle lessen in deze cursus
- Wat is MCP en waarom is het belangrijk
- Uw eerste MCP-server bouwen
- Databaseresources beschikbaar stellen via MCP
- MCP-beveiliging en authenticatie