Het Model Context Protocol (MCP) is een standaard waarmee AI-modellen veilig externe gegevens en diensten kunnen gebruiken. Denk aan een chatbot die in jouw agenda kijkt, informatie uit een interne database haalt of met bedrijfssoftware werkt — zonder dat elke koppeling apart gebouwd hoeft te worden.

Wat is MCP in eenvoudige woorden?

MCP zorgt voor de technische verbinding tussen een model en bronnen buiten dat model. In plaats van voor elke nieuwe koppeling engineers werk te laten doen, biedt MCP één vaste manier waarop modellen kunnen vragen om informatie of een taak kunnen laten uitvoeren.

Het protocol regelt ook een stukje beveiliging en afspraken: welke gegevens het model mag gebruiken en hoe die gegevens aangeleverd worden. Daardoor wordt het makkelijker om betrouwbare koppelingen te maken tussen AI en bestaande systemen.

Wat verandert er nu precies?

De belangrijkste wijziging heeft te maken met hoe servers bijhouden dat een gebruiker of gesprek hetzelfde is als een eerdere keer. Tot nu toe gebruikten MCP-servers zogenoemde session IDs — kleine codes die aangeven: "dit is hetzelfde gesprek als net". De client (bijvoorbeeld een model) vroeg bij het eerste contact een sessie aan, en stuurde die code daarna steeds mee.

Dat werkt, maar het levert een probleem op als een bedrijf veel verkeer heeft. Grote diensten gebruiken vaak tientallen servers achter een load balancer — een onderdeel dat binnenkomende verzoeken verdeelt over die servers. Als elke server moet weten welke session ID is uitgegeven door een andere server, ontstaat er extra werk en complexiteit. Servers moeten informatie delen of opslaan zodat ze elkaar herkennen.

De update maakt het systeem "stateless" aan de serverkant. Dat betekent dat servers niet per se informatie over eerdere sessies hoeven te bewaren. Hierdoor hoeven servers minder onderling af te stemmen en is het eenvoudiger om flink op te schalen. De officiële technische specificatie is al sinds mei openbaar, en onlangs gaven de makers van Arcade een heldere uitleg van de veranderingen.

Waarom is dit belangrijk voor bedrijven en gebruikers?

• Minder technische rompslomp: beheer van servers wordt eenvoudiger wanneer ze geen gedeelde sessiegegevens hoeven bij te houden.

• Makkelijker opschalen: diensten die veel gebruikers tegelijk bedienen, kunnen efficiënter uitgroeien zonder ingewikkelde oplossingen voor sessiebeheer.

• Goedkoper in de praktijk: minder complexiteit betekent vaak lagere kosten voor infrastructuur en onderhoud.

Voor gebruikers verandert er op het eerste gezicht weinig. Een chatbot blijft hetzelfde aanvoelen. Maar voor de bedrijven achter die chatbots maakt het wel uit: ze kunnen sneller en betrouwbaarder koppelingen uitrollen naar interne tools en gegevens, zonder telkens veel engineeringwerk.

Wat zegt dit over de ontwikkeling van AI-infrastructuur?

Het laat zien dat niet alleen de modellen zelf vooruitgaan. De technische basislaag waar modellen op draaien — zoals standaarden en protocollen — wordt ook langzaam verder ontwikkeld. Zulke aanpassingen zijn minder zichtbaar, maar cruciaal voor stabiele en schaalbare toepassingen.

Standaarden en protocollen ontwikkelen zich vaak geleidelijk, omdat veel partijen het ergens over eens moeten worden. Dit leidt soms tot traagheid, maar het zorgt er ook voor dat oplossingen breed toepasbaar en betrouwbaar zijn.

Conclusie

De aanpassing van MCP maakt het voor servers eenvoudiger om op grote schaal te werken. Voor gebruikers verandert er weinig in de beleving, maar voor bedrijven betekent het minder technische rompslomp, betere schaalbaarheid en lagere kosten. Zulke verbeteringen in de onderliggende infrastructuur zijn belangrijk: ze maken praktische, betrouwbare toepassingen van AI haalbaarder voor organisaties zonder dat daar veel maatwerk voor nodig is.