Wat is MCP? Hoe een AI-assistent vragen stelt aan je ERP, en wanneer dat zinvol is
MCP is de open standaard waarmee Claude, Copilot of ChatGPT vragen stellen aan je ERP, planning of eigen software. Wat het wel en niet regelt, welke systemen al een server hebben en wanneer maatwerk zinvol is.
Steeds meer bedrijven gebruiken Claude, ChatGPT of Microsoft Copilot. Bijna altijd voor hetzelfde: mails herschrijven, teksten samenvatten, een formule in Excel. Zodra iemand vraagt "waar staat order 4521?" houdt het op, want de assistent kent je ERP niet.
MCP is de standaard die dat oplost. Dit artikel legt uit wat het is, wat het wel en niet regelt, welke systemen er al klaar voor zijn en wanneer het voor een KMO zinvol is om er tijd in te steken.
Wat MCP is
MCP staat voor Model Context Protocol. Het is een open standaard die beschrijft hoe een AI-assistent met een extern systeem praat. Anthropic bracht de standaard eind 2024 uit, en sinds december 2025 wordt ze beheerd door de Agentic AI Foundation onder de Linux Foundation, gesteund door onder meer OpenAI, Microsoft en Google. Dat laatste is belangrijker dan het klinkt: het betekent dat de standaard niet van één leverancier is.
Het werkt met drie onderdelen.
- Een MCP-server zit voor één systeem, bijvoorbeeld je ERP. Hij biedt een beperkte lijst "tools" aan: zoek een order op, geef de open werkbonnen, toon de stock van een artikel.
- Een MCP-client is de AI-tool van de gebruiker: Claude, ChatGPT, Copilot Studio, of een interne assistent die je zelf laat bouwen.
- Het protocol legt vast hoe die twee elkaar vinden, welke tools er zijn en hoe een aanroep eruitziet.
Heb je meerdere systemen, dan zet je meerdere servers achter één gateway. De assistent ziet dan één toegang met alle tools samen, en de gateway regelt op één plaats wie welke tool mag gebruiken en wat er gelogd wordt.
Een server bouw je één keer. Daarna werkt hij met elke client die de standaard ondersteunt. Dat is het verschil met de chatbot-integraties van een paar jaar geleden, die voor elke AI-tool apart gebouwd werden.
Wat er gebeurt als iemand een vraag stelt
Neem een productiebedrijf met een ERP en een aparte planningstool. Een medewerker typt in Copilot: "Welke werkbonnen van deze week staan nog open?"
- Copilot ziet dat er een MCP-server voor de planning gekoppeld is en dat die een tool heeft die open werkbonnen oplevert.
- Copilot roept die tool aan, met de identiteit van de medewerker.
- De server controleert of die medewerker werkbonnen mag zien, haalt ze op uit de planning en geeft een lijst terug.
- Copilot zet die lijst om in een antwoord: vier werkbonnen, met klant, type en geplande dag.
De medewerker heeft de planningstool niet geopend en geen export gemaakt. Het antwoord komt uit het systeem zelf, op het moment van de vraag, en niet uit wat het AI-model ooit geleerd heeft.
Wat naar de AI-leverancier gaat, is de vraag en het resultaat van die ene tool-aanroep. Niet je databank. Dat is een wezenlijk verschil met "we uploaden onze data naar een AI".
Wat MCP regelt, en wat niet
Hier gaat veel uitleg over MCP de mist in, dus we zetten het scherp.
MCP regelt de communicatie. Hoe een client een server vindt, hoe tools beschreven worden, hoe een aanroep en een antwoord eruitzien, en hoe een gebruiker zich aanmeldt bij een server. Voor dat laatste schrijft de standaard OAuth 2.1 voor, dezelfde manier waarop je vandaag met je Microsoft-account inlogt bij andere tools.
MCP regelt niet wie wat mag zien. Of een magazijnier de marges op een order te zien krijgt, beslist de server. Dat is werk van wie de server bouwt: welke tools je aanbiedt, welke velden je teruggeeft, welke rechten je overneemt uit het onderliggende systeem. Een server die "voer eender welke query uit op de databank" als tool aanbiedt, is technisch geldig en in de praktijk een slecht idee.
MCP regelt ook geen logging. Wil je achteraf weten wie wat gevraagd heeft, dan bouw je dat in de server in. Voor een bedrijf is dat geen optie maar een vereiste.
En MCP maakt een AI-assistent niet vanzelf veilig. Een AI-model volgt instructies, ook instructies die in data verstopt zitten. Een server die vrije tekst uit mails of documenten teruggeeft, kan de assistent dus ongewild aansturen. Koppel daarom enkel servers die je vertrouwt, en laat een server liever gestructureerde data teruggeven dan ruwe tekst.
Kort: de standaard is goed. Of een koppeling goed is, hangt af van de server.
Welke systemen al een MCP-server hebben
De leveranciers zijn niet blijven stilzitten, en dat verandert wat je zelf nog moet laten bouwen.
- Microsoft Dynamics 365, waaronder Business Central, heeft officiële MCP-servers. Die van Business Central is standaard alleen-lezen, werkt met de rechten die de gebruiker al heeft in Business Central, en koppelt zonder extra configuratie aan Copilot Studio. Andere clients, zoals Claude, vragen een app-registratie in Entra.
- SAP heeft officiële, open source servers uitgebracht, onder meer voor HANA.
- Exact Online, Odoo en Teamleader hebben op het moment van schrijven geen officiële server. Er zijn servers van derden en open source projecten van wisselende kwaliteit. Bekijk voor je die inzet wie ze onderhoudt, waar ze draaien en of ze de rechten van je gebruikers overnemen.
- Je eigen maatwerksoftware, planning in Excel, een oude SQL-databank of machinedata hebben geen server en krijgen er geen, tenzij jij ze laat maken.
Die laatste categorie is in de praktijk de interessantste. Precies de informatie die nergens anders zit, is waar mensen de meeste tijd mee verliezen om ze op te zoeken.
Wanneer het voor een KMO zinvol is
Niet voor elk bedrijf, en zeker niet als eerste stap. Dit zijn de voorwaarden die we hanteren.
Je mensen gebruiken al een AI-assistent. Als niemand in het bedrijf Claude of Copilot open heeft staan, lost een koppeling niets op. De koppeling maakt een tool nuttiger die er al is, ze introduceert hem niet.
Je data zit in systemen met een API, en ze klopt. Een assistent die uit een verouderde stocklijst leest, geeft verouderde antwoorden, alleen sneller en met meer overtuiging. Slechte data wordt door AI niet beter.
Er zijn herkenbare, terugkerende vragen. Waar staat de order, welke bonnen zijn open, hoeveel uren zaten er op een werf, wat komt er deze week binnen. Tel per persoon hoeveel van die vragen er per dag zijn en hoeveel schermen of telefoontjes elk ervan kost. Dat is de rekensom.
Je ERP heeft nog geen eigen server, of de vragen gaan over systemen daarnaast. Draai je op Business Central en gaan de vragen alleen over wat daarin zit, dan kom je ver met wat Microsoft zelf levert. Maatwerk is dan niet nodig.
Als één van die vier ontbreekt, is een MCP-koppeling niet de juiste volgende stap. Dan is het meestal zinvoller om eerst de data op orde te brengen of de planning uit Excel te halen.
Wat er komt kijken bij een eigen server
Voor wie wel in die situatie zit: een server bouwen is geen project van maanden, maar het is ook niet "even een script". Dit zijn de onderdelen.
- Tools ontwerpen. Welke vijf tot tien vragen moet de server kunnen beantwoorden, en welke velden geeft hij terug. Dit is het meeste werk en het bepaalt de kwaliteit.
- Rechten. De server neemt over wie wat mag zien, bij voorkeur door de gebruiker zich te laten aanmelden met zijn bestaande account.
- Logging. Wie vroeg wat, wanneer, en wat kwam terug.
- Eén toegang bij meerdere systemen. Zodra er meer dan één server is, komt er een gateway bij die ze bundelt, zodat rechten en logging niet per server geregeld worden.
- Hosting en onderhoud. De servers draaien ergens, en als een onderliggend systeem zijn API wijzigt, moet de server mee. Dat is doorlopend werk, geen eenmalig.
- Alleen lezen, eerst. Schrijfacties komen later, als de leesvragen betrouwbaar blijken, en altijd met een bevestiging door de gebruiker.
Een eerste versie met een handvol vragen is doorgaans een kwestie van weken, ook als daar meerdere systemen achter zitten. De ervaring is dat de vragen van de gebruikers daarna de rest van de scope bepalen, niet de wensenlijst vooraf.
Over je data
De vraag en het resultaat van een tool-aanroep gaan door het AI-model. Dat model draait bij Anthropic, OpenAI of Microsoft, in de regio die je bij je abonnement kiest. Zakelijke abonnementen van die leveranciers gebruiken je data standaard niet om modellen te trainen, maar dat is iets om zelf na te lezen in de verwerkersovereenkomst, niet om aan te nemen. Wil je dat er niets naar buiten gaat, dan kan een model lokaal draaien. Reken dan wel op merkbaar zwakkere antwoorden en meer beheer.
Samengevat
MCP is een open standaard die vastlegt hoe een AI-assistent met je systemen praat. Ze regelt de communicatie en de aanmelding, niet wie wat mag zien en niet wat gelogd wordt. Steeds meer ERP-leveranciers leveren een eigen server. Wat overblijft voor maatwerk, is alles wat specifiek is voor jouw bedrijf. En of het zinvol is, hangt af van vier vragen: gebruiken je mensen al een AI-assistent, klopt je data, zijn er terugkerende vragen, en dekt je ERP-leverancier het niet al zelf.
Meer over hoe wij AI inzetten in bedrijfssoftware lees je op onze pagina over AI-oplossingen.
Veelgestelde vragen
Werkt een MCP-server met Copilot én met Claude?
Ja. Dat is net het punt van een open standaard. Eén server werkt met elke AI-tool die MCP ondersteunt, waaronder Claude, ChatGPT, Microsoft Copilot Studio en de meeste AI-ontwikkeltools. Je bouwt dus niet opnieuw als je van leverancier wisselt.
Heeft mijn ERP al een MCP-server?
Dat hangt af van je pakket. Microsoft heeft officiële servers voor Dynamics 365, waaronder Business Central, en SAP heeft er ook. Voor Exact Online, Odoo en Teamleader bestaan vandaag vooral servers van derden en open source projecten. Voor software die speciaal voor jou gebouwd is, bestaat er niets tot iemand ze maakt.
Kan een AI-assistent via MCP ook dingen aanpassen in mijn ERP?
Technisch wel. Verstandig is om met alleen lezen te beginnen. Schrijfacties, zoals een order aanmaken, voeg je pas toe als de leesvragen betrouwbaar werken, en dan altijd met een bevestigingsstap voor de gebruiker.
Wat ziet de AI-leverancier van mijn data?
De vraag van de gebruiker en het resultaat dat de server teruggeeft. Niet je volledige databank. Welke leverancier dat is, in welke regio die draait en wat er in de verwerkersovereenkomst staat, bepaal je zelf bij de keuze van je AI-tool.
Is MCP alleen interessant voor grote bedrijven?
Nee, maar het is ook niet voor elke KMO de volgende stap. Het loont als je mensen al met een AI-assistent werken en je data in systemen zit met een degelijke API. Zonder die twee voorwaarden begin je beter ergens anders.
Lees ook
Planning naast je ERP: waarom Excel het overneemt en wat je eraan doet
Bijna elk productiebedrijf heeft een ERP, en toch draait de planning in Excel. Waarom dat gebeurt, wat het je kost en welke opties je hebt.
Werkbonnen digitaliseren: van papier naar app voor productie en technische dienst
Papieren werkbonnen kosten je dagen tussen uitvoering en factuur. Wat een digitale werkbon moet kunnen, wanneer een standaard app volstaat en hoe je start.
Maatwerk software of een standaardpakket: zo maak je de keuze
Standaard is sneller om te starten, maatwerk past beter en groeit mee. Wanneer kies je wat? Een eerlijke vergelijking met beslisvragen voor KMO's.
Herken je dit in je eigen bedrijf?
Vertel ons waar je tijd verliest. In een gesprek van een uur tonen we vrijblijvend wat er mogelijk is, ook als het antwoord nee is.