Recentelijk is het Model Contextualization Protocol (MCP) naar voren gekomen als een centraal punt in de AI-industrie, dat aanzienlijke aandacht trekt van belangrijke spelers zoals OpenAI, Google en diverse ondernemingen, zowel binnen als buiten de Verenigde Staten. Charlie Graham, de oprichter en CEO van Second Coffee, deelde onlangs zijn inzichten over MCP’s en hun potentieel om het landschap te hervormen in een blogpost. Dit artikel duikt in de mogelijkheden en huidige beperkingen van MCP’s, gebaseerd op diepgaand onderzoek en praktische ervaring met het bouwen van experimentele MCP-servers.
MCP’s Begrijpen: De Kloof Overbruggen Tussen AI-Modellen en Externe Gegevens
MCP’s kunnen worden gezien als gestandaardiseerde API’s die dienen als een cruciale schakel tussen externe gegevensbronnen of applicaties en grote taalmodellen (LLM’s) zoals ChatGPT of Claude. Deze protocollen stellen AI-modellen in staat om real-time gegevens van reiswebsites te raadplegen, agenda’s te beheren en zelfs bestanden op een computer te manipuleren.
Hoewel sommige AI-tools zoals Claude, Cursor en OpenAI al gebruikmaken van aangepaste integratiefuncties, bieden MCP’s een universeel en gestandaardiseerd formaat voor al dergelijke interacties, wat hun veelzijdigheid aanzienlijk vergroot.
Een MCP bestaat voornamelijk uit twee componenten: een client (bijvoorbeeld ChatGPT) en een server (bijvoorbeeld een vluchtplanningswebsite). Wanneer ze samen worden gebruikt, geven ze AI-modellen de mogelijkheid om real-time gegevens te raadplegen, acties online uit te voeren en meer te functioneren als proactieve agenten dan als statische chatbots.
Momenteel winnen twee hoofdtypen MCP’s aan populariteit. Het eerste type is gericht op ontwikkelaars, bijvoorbeeld tools zoals Cursor of Claude Code, die op apparaten zoals laptops kunnen worden uitgevoerd om bestanden te beheren en scripts uit te voeren. Het tweede type is gericht op real-world toepassingen, met de nadruk op activiteiten zoals het zoeken naar producten, het registreren van domeinen, het boeken van evenementen of het verzenden van e-mails.
Om de praktische implicaties te onderzoeken, werden twee verschillende typen MCP’s ontwikkeld. De eerste, genaamd GPT Learner, is een ontwikkelaarsserver die is ontworpen om gebruikers te helpen Cursor te begeleiden bij het onthouden van fouten en het vermijden van herhaling. Als Claude of Cursor ten onrechte code overschrijft, stelt de tool gebruikers in staat om de fout vast te leggen en ervan te leren, waarbij de juiste aanpak wordt opgeslagen voor toekomstig gebruik.
Het tweede project is een voorspellingsmarkt-MCP die grote taalmodellen verbindt met een website, betsee.xyz, die real-time voorspellingsmarkten aggregeert. Wanneer een gebruiker Claude een vraag stelt als: ‘Wat zijn de secundaire effecten van Trump’s pauze op tarieven, en waar wedden mensen op?’ retourneert de MCP relevante markten en real-time noteringen van Polymarket of Kalshi.
Waarom MCP’s Nog Niet Helemaal Klaar Zijn Voor Primetime
Het bouwen van deze twee MCP’s onthulde verschillende belangrijke inzichten, voornamelijk dat MCP’s nog niet klaar zijn voor wijdverspreide adoptie.
De huidige gebruikerservaring met MCP’s is verre van ideaal. De meeste chatbots, zoals ChatGPT, ondersteunen nog geen MCP-servers. Van degenen die dat wel doen, vereist de installatie vaak handmatig het bewerken van JSON, een proces dat verre van gebruiksvriendelijk is. Chatbots zoals Cursor en Claude hebben de neiging om gebruikers te vragen om elke aanvraag en retourneren vaak onvolledige informatie of onbewerkte JSON-uitvoer, waardoor de ervaring onhandig en onbevredigend is.
Bij het gebruik van de desktopversie van Claude om de voorspellingsmarkt-MCP te bevragen, lukte het vaak niet om links of prijzen te verstrekken, tenzij er expliciet om werd gevraagd, en in sommige gevallen werd de server helemaal niet aangeroepen. De constante pop-up prompts van Claude bij het gebruik van MCP’s verminderden de interesse van de gebruiker verder. Hoewel naadloze verwerking en zinvolle reacties van MCP’s in de toekomst worden verwacht, heeft de technologie dat stadium nog niet bereikt.
Beveiliging is een ander belangrijk punt van zorg. Gezien hun vermogen om externe bewerkingen uit te voeren en real-time systemen te raadplegen, worden MCP’s geconfronteerd met tal van beveiligingsuitdagingen. Promptinjectie, kwaadaardige toolinstallatie, ongeautoriseerde toegang en Trojaanse paardaanvallen zijn zeer reële bedreigingen. Momenteel is er een gebrek aan sandboxing, verificatielagen en een volwassen ecosysteem om deze edge cases te behandelen.
Deze problemen maken duidelijk dat MCP nog steeds een experimentele technologie is.
De Beslissende Rol van de Cliënt
Een belangrijke les die is geleerd tijdens het bouwen van deze servers, is dat de client, niet de server, uiteindelijk de toekomst van MCP’s bepaalt.
Degenen die de interactie met grote modellen controleren, bepalen ook welke tools gebruikers zien, welke worden geactiveerd en welke reacties worden weergegeven. Men zou de meest nuttige MCP-server ter wereld kunnen maken, maar de client zou deze mogelijk niet aanroepen, slechts de helft van de uitvoer tonen of de installatie zelfs niet toestaan.
MCP’s en de Opkomst van Gatekeepers
De kritieke kracht van de client betekent dat MCP’s uiteindelijk zullen worden beheerd als zoekmachines en app stores. De toonaangevende leveranciers van applicaties voor grote modellen, zoals OpenAI en Anthropic, worden de nieuwe ‘gatekeepers’ en bepalen welke MCP’s kunnen worden vermeld en cureren hun vindbaarheid via aanbevelingsalgoritmen.
Sinds de oprichting in de late jaren negentig heeft Google bepaald welke inhoud aan gebruikers wordt gepresenteerd, wat hen heeft geholpen een uiterst winstgevend bedrijf op te bouwen. Chatbots krijgen nu dit vermogen en vervangen de traditionele “10 blauwe links” van de zoekmachine door directe antwoorden. Ze kunnen beslissen welke inhoud ze tonen, welke ze uitsluiten en hoe ze deze formatteren.
Het MCP-installatieproces zal waarschijnlijk lijken op het app store-model. Net zoals Apple en Google het mobiele ecosysteem hebben gevormd door te bepalen welke apps worden aanbevolen, vooraf geïnstalleerd of goedgekeurd, bepalen clients met grote modellen welke MCP-servers worden gepresenteerd, gepromoot en zelfs toegestaan op het platform. Deze dynamiek zal waarschijnlijk leiden tot concurrentie tussen bedrijven, mogelijk met betalingen aan modelfabrikanten voor aanbevelingen en exposure in het nieuwe ecosysteem, waardoor de creatie van zeer winstgevende MCP-distributieplatforms wordt bevorderd.
Gebruikers installeren MCP’s of ‘AI chat applicaties’ vanuit zorgvuldig samengestelde ‘MCP stores’. Tools zoals Gmail, HubSpot, Uber en Kayak voegen MCP-endpoints toe en integreren rechtstreeks in chat-gebaseerde workflows. Hoewel gebruikers theoretisch elke gewenste MCP kunnen installeren, zullen de meesten waarschijnlijk vertrouwen op door de client verstrekte aanbevelingen, zoals die van ChatGPT. Deze aanbevelingen zijn niet willekeurig, maar zijn het resultaat van lucratieve partnerschappen, waarbij grote bedrijven betalen om de standaardoptie te worden in categorieën voor winkelen, reizen, domein zoeken of service zoeken. Dit niveau van zichtbaarheid zou zich vertalen in miljoenen gebruikers, wat een enorme exposure, data en commerciële waarde oplevert.
Sommige client-side MCP app stores (MAS) bieden een meer flexibele en open selectie van MCP’s, waardoor een breder scala aan experimenten en door de community ontwikkelde MCP’s mogelijk is. Anderen hebben strenge goedkeuringsprocessen, waarbij prioriteit wordt gegeven aan kwaliteit, beveiliging en monetisatie. In beide gevallen stelt de client de voorwaarden voor deelname vast - en de regels voor succes.
MCP-clients zoals OpenAI en Claude worden de nieuwe iOS- en Android-platforms, waarbij MCP-servers de rol van apps spelen. In plaats van pictogrammen worden deze applicaties opgeroepen via gebruikersopdrachten en bieden ze rijke, gestructureerde en interactieve antwoorden op gebruikersbehoeften via taalinteractie.
Na verloop van tijd kunnen we gespecialiseerde clients zien ontstaan, afgestemd op specifieke industrieën of domeinen. Stel je een AI-chatassistent voor die zich richt op reisplanning en naadloos services integreert van luchtvaartmaatschappijen, hotelketens en reisbureaus om gebruikers een uitgebreide reisplanningservaring te bieden. Of een MCP-client die zich richt op human resources en uniforme toegang biedt tot juridische gegevens, personeelsdossiers en organisatorische tools, waardoor de manier waarop bedrijven worden beheerd, wordt getransformeerd.
Hoewel de meeste gebruikers vasthouden aan mainstream clients, zullen er enkele open-source AI-chatbots ontstaan. Deze chatbots zijn aantrekkelijk voor professionals die volledige controle willen over de MCP’s die ze installeren, vrij van de beperkingen die door gatekeepers worden opgelegd. Net als Linux-desktopsystemen zullen deze open-source producten echter waarschijnlijk nichemarkten blijven.
Nieuwe Mogelijkheden in het Opkomende Ecosysteem
Verschillende soorten bedrijven en tools zullen naar verwachting ontstaan om het evoluerende MCP-landschap te bedienen, waaronder:
MCP Wrappers en Server Packs: Deze bundelen meerdere gerelateerde MCP’s in een enkel installatiepakket, waardoor de installatie wordt gestroomlijnd. Stel je een enkel pakket voor dat een agenda, e-mail, customer relationship management en file storage MCP biedt die klaar is voor gebruik zonder enige configuratie. Dergelijke pakketten vereenvoudigen personeelsprocessen en zijn vooral handig in verticale markten. Ze kunnen ook verpakkingstools bevatten (‘Agenda instellen en e-mail verzenden’).
MCP Shopping Engines: Sommige MCP-servers fungeren als AI-aangedreven vergelijkingsengines en bieden real-time prijzen en productvermeldingen van verschillende leveranciers. Ze verdienen geld via affiliate links en verdienen verwijzingskosten. Deze aanpak weerspiegelt vroege zoekmachineoptimalisatie en affiliate marketing.
MCP-First Content Apps: Deze services optimaliseren contentlevering voor grote taalmodellen via MCP-servers, in plaats van websites te ontwerpen voor menselijke kijkers. Stel je rijke, gestructureerde data en semantische tags voor die worden geretourneerd via MCP-aanroepen. De inkomsten zijn afkomstig van abonnementen of ingebedde sponsoring en productplaatsingen, in plaats van pageviews.
API-naar-MCP Providers: Veel bestaande API-providers willen deelnemen aan dit nieuwe ecosysteem, maar missen de middelen om dit te doen. Dit zal leiden tot de opkomst van middleware tools die traditionele REST API’s automatisch converteren naar conforme en vindbare MCP-servers, waardoor het voor SaaS-platforms gemakkelijk wordt om mee te doen.
Cloudflare voor MCP’s: Beveiliging is een belangrijk punt van zorg. Deze tools bevinden zich tussen de client en de server, ontsmetten inputs, loggen requests, blokkeren aanvallen en monitoren anomalieën. Net zoals Cloudflare het moderne web veiliger heeft gemaakt, zal dit type service een vergelijkbare rol spelen in het MCP-ecosysteem.
Enterprise “Private” MCP Solutions: Grote bedrijven beginnen hun interne services te verbinden met private MCP-servers en gebruiken open-source AI-producten. Deze interne opstellingen worden onderdeel van AI-workflows achter de firewall, waardoor bedrijven controle krijgen.
Vertically Focused MCP Clients: Hoewel veel chatbots kunnen voldoen aan algemene gebruikersbehoeften, vereisen bepaalde scenario’s, zoals industriële inkoop en compliance werk, specifieke gebruikersinterfaces en bedrijfslogica. Vertically focused MCP clients zullen ontstaan, met aangepaste bewerkingen, taal en lay-outs om aan deze unieke behoeften te voldoen.