MCP protocol AI automatisering: zo wordt AI eindelijk bruikbaar
Je kent het wel: je wil eindelijk wat slimme AI inzetten in je bedrijf. Niet om sciencefiction mee te bedrijven, maar gewoon om tijd te besparen. Iets dat je helpt met rapportages, klantenservice, planningen. Maar wat blijkt? Elke tool praat z’n eigen taal, je data zit overal, en integraties bouwen is een nachtmerrie.
Bij Divtag zien we dit elke week gebeuren. Dus toen wij het Model Context Protocol (MCP) ontdekten, wisten we meteen: dit gaat het verschil maken.
Wat is MCP nou eigenlijk?
Stel je voor dat AI je collega is. Alleen… die collega weet niks. Geen toegang tot je documenten, CRM, agenda, projecten. Dus hij vraagt alles drie keer, maakt fouten, en doet vaak niks uit zichzelf. Super irritant.
MCP is alsof je die collega een keycard geeft. Hij kan écht naar binnen. Hij weet waar je bestanden staan, welke klantvragen openstaan en wat je vorige projectrapport eruit zag.
MCP is de USB-C voor AI. Eén universele manier waarop je AI-tools laat praten met de systemen die je al gebruikt. Google Drive, Slack-integratie via Zapier, je database, je mail. Alles. Zonder dat je 100 aparte integraties hoeft te bouwen. Lekker overzichtelijk.
De techniek? MCP gebruikt JSON-RPC om AI veilig toegang te geven tot zogeheten “servers” (denk: databronnen of tools). En het is open-source. Dus je kunt het gratis gebruiken en aanpassen zoals jij wil. Meer weten? Bekijk Anthropic, de organisatie achter MCP.
Waarom wij fan zijn van MCP (en waarom jij dat ook zou moeten zijn)
We gooien het meteen op tafel. Dit is waarom wij als Divtag MCP inmiddels standaard gebruiken:
1. Van integratiehel naar rust in de tent
Je kent het wel: je wil AI iets laten doen met je CRM. Maar dan moet je developer een aparte API integratie bouwen. Dan wil je er ook je bestanden bij betrekken? Nieuwe integratie. Agenda? Weer eentje.
Voor elke AI-app die met elke tool moet praten, bouw je een aparte brug. Dat wordt een spaghetti van integraties.
MCP verandert dit in iets simpels:
- 3 AI apps + 4 databronnen = 7 connecties (in plaats van 12 of meer)
- Eén standaard. Alles werkt op dezelfde manier
Rusten je developers ook eens uit.
2. AI met context = AI die eindelijk klopt
We hebben letterlijk AI-tools getest zonder context. Ze geven halve antwoorden, stellen vragen die al lang beantwoord zijn in je projectdocument, of schieten totaal naast de plank.
Toen we MCP toevoegden en AI toegang gaven tot bestanden, klantinfo, je agenda en je notities? Hele andere koek.
De AI begint zelf te refereren aan eerdere klantgesprekken. Stuurt mails met correcte bijlagen. Stelt zinnige vervolgvragen. En ja: dat voelt bijna eng goed.
3. Werkt met elke AI
Vandaag wil je Claude gebruiken. Volgende maand misschien ChatGPT. Of DeepSeek. Of wat nieuws waar iedereen ineens over praat.
MCP laat je wisselen zonder je hele automatisering om te gooien. Je context zit in de servers, niet vast aan één AI-aanbieder.
Check ook onze vergelijking van Copilot, Gemini en ChatGPT als je twijfelt.
4. Jij blijft de baas over je data
MCP werkt met expliciete toestemming. Dus als AI iets wil uitvoeren (een bestand lezen, een tool gebruiken), moet jij daar toestemming voor geven. Of je stelt de regels in: dit mag wel, dat niet.
Data blijft waar het hoort. Lokale servers? Geen probleem. Cloud? Ook goed. Jij bepaalt.
Hoe ziet dat eruit in het echt?
We bouwen vaak oplossingen voor consultants, bureaus en MKB’ers. Hier een concreet voorbeeld.
Een klant moest elke maand rapporten maken:
- Urenregistratie in Toggl
- Budgetten in Moneybird
- Klantcontact in Gmail
- Aantekeningen in Notion
Elke maand: alles verzamelen, trends zoeken, rapport tikken, PDF maken, opsturen. Duurde uren.
We bouwden met MCP een simpele flow:
- AI haalt data op uit alle bronnen via MCP-servers
- Maakt automatisch een rapport
- Stelt e-mail voor aan klant
- Vraagt goedkeuring voordat het verzendt
Van halve dag werk naar 10 minuten klikken. En het mooiste: ze gebruiken nog steeds hun bestaande tools. Geen vervanging nodig.
Wat heb je nodig om te beginnen?
Niet veel. Hier is de simpele route:
- Bedenk één frustrerend proces waar AI je bij zou kunnen helpen (bv. klantenmails beantwoorden)
- Kijk waar de data staat (Gmail, Google Docs, je CRM?)
- Installeer een MCP-server voor die bron (bijvoorbeeld
@modelcontextprotocol/server-google-drive) - Verbind een AI-assistent zoals Claude of ChatGPT via Claude Desktop
- Test een simpele prompt: “Geef een conceptantwoord op deze klantmail, gebruik eerdere communicatie als context”
En ja, je kunt meerdere bronnen tegelijk verbinden. Denk aan:
- Google Drive via BlockMCP
- Slack en andere tools via Zapier
- GitHub API via Apollo GraphQL
- Azure OpenAI Services
- CRM-integraties via Zapier
Even praktisch: hoe zit het met veiligheid?
Data blijft bij jou. MCP werkt desnoods volledig lokaal. Toegang is beperkt, logs zijn in te zien, en er is altijd menselijke goedkeuring mogelijk.
Je kunt instellen dat AI nooit iets mag versturen zonder bevestiging. En tools mogen alleen binnen vastgestelde grenzen opereren. Denk aan: dit mapje mag wél gelezen worden, die database niet.
Wij zeggen: Zero trust by design.
Waarom je hier niet op moet wachten
We snappen het: het is verleidelijk om AI “even te parkeren”. Want ja, je hebt het druk. Maar geloof ons: wie nu met MCP begint, bouwt iets dat blijft werken.
Je voorkomt technische schuld. Je maakt je systemen slimmer. En je loopt straks voor op je concurrent die nog zit te puzzelen met ChatGPT-prompts en copy-pasten.
Wil je inspiratie? Lees ook:
- Wat is MCP nou eigenlijk?
- Onze vergelijking: Copilot vs Gemini vs ChatGPT
- Waarom we enthousiast zijn over DeepSeek
- Hoe we Zapier en MCP combineren
- Alle blogs van Divtag over AI en automatisering
Klaar om aan de slag te gaan? Laat het ons weten. Wij helpen je het eerste proces kiezen, je tools koppelen en zorgen dat AI eindelijk echt werkt voor jouw bedrijf.