MCP staat voor Model Context Protocol: een open standaard waarmee een AI-assistent zoals Claude of ChatGPT gegevens kan opvragen bij een extern systeem. Het systeem bepaalt welke hulpmiddelen de AI mag gebruiken en welke data hij ziet. Zo kan een AI vragen over je bedrijfsdata beantwoorden zonder dat je bestanden plakt of de AI ongelimiteerde toegang geeft.
MCP, voluit Model Context Protocol, is een standaard waarmee een AI-assistent veilig bij externe gegevens kan. Zonder zo’n standaard moet je gegevens zelf in een chatvenster plakken of een AI losse toegang geven tot een systeem. Met MCP bepaalt het systeem zelf wat de AI mag en wat niet.
Hoe MCP werkt
Een MCP-server is een stukje software dat een lijst hulpmiddelen aanbiedt: wat de AI kan opvragen of doen, met een uitleg bij elk hulpmiddel. De AI-assistent, de client, leest die lijst en kiest bij elke vraag zelf welke hulpmiddelen hij nodig heeft.
Stel je vraagt: “Hoeveel omzet hadden we afgelopen kwartaal per maand?” De AI roept dan achter elkaar bijvoorbeeld een hulpmiddel aan om te zien welke bronnen er zijn, een om de kolommen van een tabel te bekijken en een om de bedragen op te tellen. Jij ziet alleen het antwoord, de tussenstappen doet de AI.
Waarom MCP veiliger is dan plakken
Plak je bedrijfsdata in een chat, dan beslis je zelf per keer wat erin gaat, zonder controle op wat de AI ermee kan. Met MCP ligt de grens bij de server: die geeft alleen terug wat is toegestaan, binnen de rechten van de organisatie. Je trekt de toegang bovendien in zonder dat je gegevens hoeft op te ruimen.
Dat maakt MCP geschikt voor vragen die je anders handmatig zou uitzoeken in meerdere exports. Het is geen vervanging van een dashboard, maar een andere manier om bij dezelfde gegevens te komen. Hoe dat zich verhoudt tot dashboards lees je in vragen stellen aan je data met een AI-assistent.
Hoe APIboard MCP inzet
APIboard heeft een eigen MCP-server. Zodra je Claude, ChatGPT, Microsoft Copilot of Google Gemini koppelt, kan die AI je gekoppelde bronnen raadplegen: welke koppelingen en tabellen er zijn, de kolommen van een tabel, rijen, totalen en trends, en de kerncijfers van een Studio-dashboard. Bronnen als Moneybird en Google Analytics vallen daar dus onder, naast je andere koppelingen.
De afspraken zijn strak:
- Alleen lezen. Alle hulpmiddelen zijn alleen-lezen. De AI kan niets wijzigen.
- Alleen je eigen organisatie. De AI geeft nooit zelf een organisatie op. De organisatie volgt uit de koppeling die jij hebt goedgekeurd.
- Alleen wat de API toont. Wat de AI kan zien, valt binnen wat de publieke API van jouw organisatie teruggeeft.
- Alleen in Pro. De AI-koppeling is onderdeel van het Pro-pakket, zie prijzen.
Je koppelt met een inlogvenster, bevestigt met tweestapsverificatie en kunt de koppeling op elk moment intrekken. Daarna werkt de AI direct niet meer met je gegevens. De technische beschrijving staat in het overzicht van de AI-koppeling.
Wat MCP niet oplost
MCP zorgt voor een veilige route naar je data, maar niet voor de kwaliteit ervan. Een AI die op rommelige of verouderde cijfers rekent, geeft rommelige antwoorden. Ook is een antwoord van een AI geen audit: bij belangrijke cijfers controleer je de bron, en bij elk antwoord hoort te staan wanneer de bron voor het laatst is ververst. Meer over randvoorwaarden lees je in AI en data-integratie: de grenzen.
Voor wie is dit nuttig
MCP is vooral handig voor mensen die regelmatig losse vragen hebben over hun cijfers en daar nu een export of een collega voor nodig hebben. Een eigenaar die wil weten welke facturen open staan, of een marketeer die de websiteresultaten van deze maand met vorige maand wil vergelijken, stelt de vraag gewoon in zijn AI-assistent. Voor vaste rapportages blijft een dashboard de betere keuze, omdat je daar elke keer dezelfde cijfers op dezelfde manier ziet.
Onze tip: begin met een vraag waarvan je het antwoord al kent, bijvoorbeeld de omzet van vorige maand. Klopt het antwoord, dan weet je dat de koppeling goed staat voordat je haar voor nieuwe vragen inzet.
