MCP: Model Context Protocol

Definitie

Het Model Context Protocol (MCP) is een open standaardinterface waarmee grote taalmodellen (LLM’s) veilig en consistent toegang krijgen tot externe databronnen, tools en mogelijkheden. Het creëert een gestandaardiseerde communicatielaag tussen AI-toepassingen en verschillende contextproviders, en fungeert daarmee als de “USB-C” voor AI-systemen.

Belangrijkste Componenten

Architectuur

MCP volgt een client-serverarchitectuur:

• MCP Hosts: Applicaties waarin gebruikers of AI-systemen interageren (bijv. Claude Desktop, IDE-plugins)
• MCP Clients: Componenten binnen hostapplicaties die de communicatie met servers afhandelen
• MCP Servers: Lichtgewicht programma’s die specifieke mogelijkheden (bestandstoegang, databaseverbindingen, API-toegang) aanbieden via de gestandaardiseerde MCP-interface
• Databronnen: Lokale of externe informatierepositories waar MCP-servers veilig toegang toe kunnen krijgen

Kernprimitieven

MCP definieert drie fundamentele primitieven die de bouwstenen van het protocol vormen:

1. Resources

Resources vertegenwoordigen data en inhoud die MCP-servers beschikbaar stellen aan LLM’s.

• Kenmerken: Door de applicatie beheerd, geïdentificeerd door unieke URI’s
• Datatypes: Tekst (UTF-8 gecodeerd) of Binair (Base64 gecodeerd)
• Ontdekkingsmethoden: Directe lijst of sjablonen voor dynamische resource-aanvragen
• Operaties: Inhoud lezen, updates ontvangen

Voorbeeldtoepassing: Een MCP-server die een logbestand aanbiedt als resource met URI file:///logs/app.log

2. Prompts

Prompts zijn vooraf gedefinieerde sjablonen of workflows die servers aanbieden om LLM-interacties te begeleiden.

• Kenmerken: Door gebruikers gestart, vaak zichtbaar als slash-commando’s
• Structuur: Unieke naam, beschrijving, optionele argumenten
• Mogelijkheden: Kunnen aanpasbare argumenten accepteren, resourcecontext opnemen, meerstapsinteracties definiëren
• Operaties: Ontdekking via lijst, uitvoering op aanvraag

Voorbeeldtoepassing: Een prompt voor het genereren van git commit-berichten die codewijzigingen als invoer accepteert

3. Tools

Tools stellen uitvoerbare functies beschikbaar die LLM’s kunnen aanroepen (meestal met goedkeuring van de gebruiker) om acties uit te voeren.

• Kenmerken: Door het model bestuurd, vereist goed gedefinieerde invoerschema’s
• Annotaties: Bevatten hints over gedrag (alleen-lezen, destructief, idempotent, open-wereld)
• Beveiligingskenmerken: Inputvalidatie, toegangscontrole, duidelijke waarschuwingen aan gebruikers
• Operaties: Ontdekking via lijst, uitvoering via aanroep met parameters

Voorbeeldtoepassing: Een rekenmachine-tool die wiskundige bewerkingen uitvoert op invoer van het model

Klaar om uw bedrijf te laten groeien?

Start vandaag uw gratis proefperiode en zie binnen enkele dagen resultaten.

Demo aanvragen Inloggen

Belang en Voordelen

Voor Ontwikkelaars

• Gestandaardiseerde integratie: Verbind AI-toepassingen met diverse databronnen zonder voor elke bron maatwerkcode te schrijven
• Best practices voor beveiliging: Ingebouwde richtlijnen voor het veilig ontsluiten van gevoelige informatie
• Vereenvoudigde architectuur: Duidelijke scheiding tussen AI-modellen en hun contextbronnen

Voor Gebruikers en Organisaties

• Flexibiliteit: Eenvoudiger wisselen tussen verschillende LLM-aanbieders of hostapplicaties
• Interoperabiliteit: Minder vendor lock-in door gestandaardiseerde interfaces
• Uitgebreide mogelijkheden: AI-systemen krijgen toegang tot diversere informatie en actiemogelijkheden

Implementatievoorbeelden

File Resource Server

// Server die een enkel logbestand als resource aanbiedt
const server = new Server({ /* config */ }, { capabilities: { resources: {} } });

// Lijst beschikbare resources op
server.setRequestHandler(ListResourcesRequestSchema, async () => {
  return {
    resources: [
      {
        uri: "file:///logs/app.log",
        name: "Applicatielogs",
        mimeType: "text/plain"
      }
    ]
  };
});

// Stel resource-inhoud beschikbaar
server.setRequestHandler(ReadResourceRequestSchema, async (request) => {
  if (request.params.uri === "file:///logs/app.log") {
    const logContents = await readLogFile();
    return {
      contents: [{
        uri: request.params.uri,
        mimeType: "text/plain",
        text: logContents
      }]
    };
  }
  throw new Error("Resource niet gevonden");
});

Calculator Tool Server

const server = new Server({ /* config */ }, { capabilities: { tools: {} } });

// Lijst beschikbare tools op
server.setRequestHandler(ListToolsRequestSchema, async () => {
  return {
    tools: [{
      name: "calculate_sum",
      description: "Tel twee getallen bij elkaar op",
      inputSchema: {
        type: "object",
        properties: {
          a: { type: "number", description: "Eerste getal" },
          b: { type: "number", description: "Tweede getal" }
        },
        required: ["a", "b"]
      },
      annotations: {
        title: "Som berekenen",
        readOnlyHint: true,
        openWorldHint: false
      }
    }]
  };
});

// Verwerk toolexecutie
server.setRequestHandler(CallToolRequestSchema, async (request) => {
  if (request.params.name === "calculate_sum") {
    try {
      const { a, b } = request.params.arguments;
      if (typeof a !== 'number' || typeof b !== 'number') {
         throw new Error("Ongeldige invoer: 'a' en 'b' moeten getallen zijn.");
      }
      const sum = a + b;
      return {
        content: [{ type: "text", text: String(sum) }]
      };
    } catch (error: any) {
      return {
        isError: true,
        content: [{ type: "text", text: `Fout bij som berekenen: ${error.message}` }]
      };
    }
  }
  throw new Error("Tool niet gevonden");
});

Schrijf u in voor onze nieuwsbrief

Ontvang gratis de nieuwste tips, trends en aanbiedingen.

E-mailadres

Abonneren

Gerelateerde Concepten

• LLM Function Calling: Model Context Protocol biedt een gestandaardiseerde benadering voor het aanroepen van functies door LLM’s
• AI Agents: MCP biedt een gestructureerde manier voor agent-gebaseerde AI-systemen om toegang te krijgen tot tools en informatie
• AI Plugins: Net als browserextensies kunnen MCP-servers worden gezien als “plugins” die AI-mogelijkheden uitbreiden

Toekomstige Richtingen

• AI-integratie voor bedrijven: Koppeling met bedrijfskennisbanken, tools en workflows
• Multimodale AI: Gestandaardiseerde toegang tot verschillende datatypes, niet alleen tekst
• Samenwerkende AI-systemen: AI-assistenten laten samenwerken via gedeelde protocollen