Hoe werkt een MCP-server?
De AI-applicatie, de MCP-client, maakt verbinding met de server en vraagt wat die aanbiedt. De server antwoordt met een lijst tools, elk met een naam, een beschrijving en de input die hij accepteert; hij kan ook resources (data om te lezen) en prompts (herbruikbare instructies) delen. Als een verzoek om een tool vraagt, kiest het model die tool en vult de input in, de client verstuurt de aanroep, en de server voert hem uit en geeft het resultaat terug. Berichten volgen JSON-RPC, en een server draait op je eigen machine of op afstand via HTTP. Vóór MCP had elke AI-applicatie een eigen integratie met elk product nodig; met één gedeeld protocol werkt één server met elke compatibele client.
MCP-server vs. API: wat is het verschil?
Een API is gemaakt voor ontwikkelaars: iemand leest de documentatie en schrijft code voor de endpoints. Een MCP-server is gemaakt voor AI-applicaties: hij beschrijft zijn eigen tools in een vorm die een model kan lezen, zodat een client ze kan ontdekken en aanroepen zonder integratiecode. Veel MCP-servers zijn een dunne laag over een bestaande API, die nog steeds het werk doet. Wat de server toevoegt, is een keuze: welke acties een AI mag uitvoeren, in welke vorm en onder welke controles.
Is het veilig om een AI via een MCP-server te laten handelen?
Dat hangt af van de server en van de instellingen van je client. De MCP-specificatie vraagt AI-applicaties om toestemming van de gebruiker te krijgen voordat ze een tool aanroepen, en ervoor te zorgen dat een mens elke aanroep kan weigeren. Veel clients laten je een tool ook voorgoed toestaan, dus het komt aan op de eigen grenzen van de server: stel alleen de acties beschikbaar die je bedoelt, beperk elke toegangssleutel, zet een bevestigingsstap voor alles wat moeilijk terug te draaien is, zoals publiceren of verwijderen, en leg elke aanroep vast in een auditlog. Dat is ontwerpen met human-in-the-loop, toegepast op tools.
Hoe ziet een MCP-server eruit in marketing automation?
In marketing automation sluiten de tools aan op het dagelijkse werk: een segment bouwen, een journey als concept opzetten, een rapport lezen. De MCP-server van fromHello geeft bijvoorbeeld Claude, Claude Code, Cursor, Codex, Windsurf, VS Code of elke MCP-client 59 tools om segmenten en templates te maken, journeys als concept op te zetten en analyses op te vragen. Geen enkele tool verstuurt een bericht. Een journey die je AI bouwt, blijft een concept tot hij wordt gepubliceerd, en publiceren, pauzeren of verwijderen via een agent vereist een bevestigingsstap in je AI-client. Andere wijzigingen, zoals aan een segment of een template, gelden zodra ze zijn opgeslagen, dus ze kunnen een journey raken die al live is. MCP-toolaanroepen worden vastgelegd in je auditlog.