Wat is MCP en waarom relevant voor finance

Model Context Protocol (MCP) is de open standaard — geïntroduceerd door Anthropic in november 2024 — waarmee AI-modellen op een uniforme manier verbinding maken met externe systemen, vergelijkbaar met USB-C voor data-koppelingen. Voor finance is dit de schakel tussen AI en je boekhouding: zonder MCP een bibliotheek zonder balie, met MCP een model dat openposten kan lezen, journaalposten kan voorstellen en banksaldi kan opvragen — gestandaardiseerd, auditable en herbruikbaar.

Een AI-model dat alleen praat op basis van zijn training is een bibliotheek zonder balie. Het weet veel — hoe een grootboek werkt, wat IFRS 15 ongeveer zegt, hoe een variance-analyse is opgebouwd — maar het kan niets uit jouw boekhouding pakken en niets terugzetten. Zodra je wilt dat een model een openpostenlijst leest, een journaalpost aanmaakt of een banksaldo opvraagt, heb je een koppeling nodig. Model Context Protocol (MCP) is de standaard die die koppelingen uniform maakt.

Voor finance is MCP specifiek relevant: het is de laag waarop AI-toepassingen de boekhouding raken zonder dat je voor elke combinatie van AI-tool en boekhoudpakket een eigen integratie hoeft te bouwen.

Waarom MCP bestaat

Voor MCP had elke AI-leverancier zijn eigen connectorsysteem. OpenAI had plug-ins, Microsoft had Copilot-connectors, iedere tool bouwde een eigen integratie per model. Voor elke combinatie van AI + tool moest er code geschreven worden. Dat schaalt niet: 50 modellen × 500 tools = 25.000 integraties.

Anthropic publiceerde MCP in 2024 als open protocol. Het principe is eenvoudig: een tool-aanbieder bouwt één MCP-server. Elk AI-model dat MCP spreekt kan daar direct mee praten. De tool-aanbieder schrijft de integratie één keer; het werkt in Claude, ChatGPT, Cursor en Copilot. Net zoals USB-C: één stekker, veel apparaten.

Begin 2026 is MCP breed geadopteerd. Anthropic, OpenAI, Microsoft en Google ondersteunen het protocol. Het publieke MCP-ecosysteem telt ruim 10.000 servers — van Notion en GitHub tot Supabase, Gmail, SharePoint, browser-automatisering, lokale bestandssystemen, en — voor finance — koppelingen met Exact en andere boekhoudpakketten.

Hoe MCP technisch werkt

MCP is een client-server-protocol. De AI-applicatie is de client (Claude Desktop, Cursor, een eigen agent of platform). De tool-aanbieder draait een server — een stuk software dat in een gestandaardiseerd formaat beschrijft welke acties beschikbaar zijn en hoe je ze aanroept.

Een MCP-server levert drie typen objecten:

• Tools — acties die het model kan uitvoeren: "haal openstaande facturen op", "maak een conceptboeking aan", "stuur een mail-draft". Elk met parameters en een beschrijving.
• Resources — data die het model kan ophalen: een grootboekrekening-stand, een bestand, een agenda-item.
• Prompts — vooraf gedefinieerde prompt-templates die de server aanbiedt.

De AI-client ontdekt bij opstart welke tools de server aanbiedt. Tijdens een gesprek besluit het model zelfstandig welke tool nodig is, roept die aan met de juiste parameters, ontvangt het resultaat, en weeft dat in het antwoord. Voor de gebruiker ziet dat eruit als één vloeiende conversatie; onder de motorkap wisselen client en server gestructureerde berichten uit.

De security-laag is bewust strak: per server geef je toestemming, de server draait lokaal of onder jouw cloud-account, en veel clients vragen expliciete bevestiging bij schrijfacties. Voor finance is dat laatste cruciaal: een MCP-server die boekingen kan aanmaken moet altijd via een approval-laag werken.

Wat het verschil is met traditionele API-integraties

Een klassieke API-koppeling is op maat gebouwd voor één applicatie. Je schrijft code die authentiseert, de juiste endpoints kent, data transformeert, foutafhandeling doet. Voor elke nieuwe tool opnieuw.

MCP draait het om. De tool-aanbieder beschrijft haar API één keer als MCP-server. Elk AI-model dat MCP begrijpt, weet automatisch:

• welke acties beschikbaar zijn,
• welke parameters ze nodig hebben,
• hoe het resultaat eruitziet.

Geen code aan de AI-kant. Geen custom wrappers. Je koppelt de server, geeft inloggegevens mee, en het model kan ermee werken.

Wat MCP voor finance kan betekenen

De meest interessante toepassingen voor MKB- en scale-up-finance:

• Boekhouding-MCP (Exact, Twinfield, AFAS) — zodat AI rechtstreeks openstaande posten kan opvragen, balansen kan lezen, of via een approval-laag concept-boekingen kan aanmaken. Dit is het hart van AI-werk in finance.
• Banking-MCP — direct bankafschriften opvragen voor reconciliatie-flows, betaalstatussen monitoren.
• MS365-MCP — Outlook, agenda, SharePoint en OneDrive direct toegankelijk voor finance-context (close-handboek raadplegen, mail-drafts opstellen, board-pack in SharePoint zetten).
• Fireflies-MCP — meeting-transcripten ophalen voor automatische follow-ups na klantgesprekken of audit-meetings.
• Notion- of fileshare-MCP — toegang tot interne kennisbanken (jullie fiscale handboek, KPI-documentatie).

Concreet voorbeeld: een controller koppelt een boekhouding-MCP aan een AI-platform, vraagt "welke openstaande debiteuren zijn ouder dan 60 dagen en wat is het totaalbedrag?". De AI roept de juiste tool aan, krijgt de data, en geeft een direct antwoord — geen export, geen Excel-tussenstap, geen handmatige aggregatie.

Wat MCP verschilt van connectors

Grote AI-platforms bieden ook eigen "connectors" — voor-gebouwde integraties die je met één klik aanzet (Copilot voor Outlook, ChatGPT voor Gmail of Drive). Het verschil met MCP:

• Connectors zijn door het platform gemaakt, beperkt in aantal, en werken alleen binnen dat platform.
• MCP-servers kunnen door iedereen gemaakt worden, zijn cross-platform, en draaien vaak lokaal of onder jouw eigen cloud-account.

In de praktijk gebruik je beide. Connectors voor het standaardwerk (mail, agenda, drive) omdat ze eenvoudig aanzetten en door de platform-leverancier onderhouden worden. MCP voor specifieke tools of finance-systemen waar geen connector voor bestaat — bijvoorbeeld de directe boekhoud-koppeling die platform-connectors meestal niet bieden.

Drie vragen voordat je een MCP-server inzet in finance

1. Wat kan de server technisch? Alleen-lezen, of ook schrijven, verwijderen, betalingen klaarzetten? Een boekhouding-MCP die alleen leest is een orde van grootte minder risicovol dan een die ook kan boeken.
2. Waar draait de server? Lokaal, in een eigen cloud-omgeving, of bij een externe provider? Voor finance bepaalt dit waar jouw klantcijfers naartoe gaan. EU-hosting en een verwerkersovereenkomst zijn voor klantdata vrijwel altijd vereist.
3. Wie heeft hem gebouwd? Officiële servers van een boekhoudleverancier of een serieuze AI-aanbieder zijn laagrisico. Een onbekende open-source MCP-server van een willekeurige GitHub-account die plotseling toegang krijgt tot je administratie, is dat niet — vooral omdat we in de praktijk hebben gezien dat sommige MCP-servers verborgen prompt-injection-patronen bevatten.

De governance-kant

Voor finance is MCP niet vrijblijvend. Zodra één controller een MCP-server installeert die de hele klantdatabase kan lezen, ligt er een AVG-vraag op tafel. Een paar minimale afspraken:

• Lijst van goedgekeurde MCP-servers per rol — net als een lijst goedgekeurde software.
• Scheiding lezen en schrijven — begin met read-only, upgrade pas naar read-write als de workflow bewezen is en de approval-laag staat.
• Audit-trail — de meeste AI-clients loggen welke tool-calls er zijn gedaan; zorg dat die logs bewaard en reviewbaar zijn op finance-niveau.
• Sandbox-administratie — experimenten met schrijfacties op een test-administratie, niet op productie.

MCP is de laag waar AI ophoudt informatie-tool te zijn en operationeel systeem wordt voor finance. Wie dit goed inricht, verandert AI van iets wat de controller helpt naar iets wat binnen het finance-proces werk uitvoert. Wie dit slordig inricht, haalt een kanaal binnen waarop boekhoud-data zonder controle naar buiten kan stromen.