Om de paar jaar verschijnt er een protocol dat verandert hoe softwarecomponenten met elkaar communiceren. HTTP deed het voor het web. OAuth deed het voor authenticatie. GraphQL deed het voor API's. In 2025 doet Model Context Protocol — MCP — het voor AI-agent-tools.
Het probleem dat MCP oplost is bedrieglijk eenvoudig. Een AI-agent moet tools gebruiken — het web doorzoeken, bestanden lezen, databases bevragen, API's aanroepen. Zonder een standaardprotocol is elke toolintegratie een maatwerk-implementatie. Het agent-framework definieert zijn eigen toolformaat, de toolprovider implementeert dat formaat, en de integratie werkt voor dat specifieke framework en die specifieke tool. Wil je dezelfde tool in een ander framework gebruiken? Herschrijf de integratie. Wil je een nieuwe tool aan je agent toevoegen? Schrijf een aangepaste adapter.
MCP elimineert die per-framework, per-tool integratiebelasting. Een tool die MCP spreekt werkt met elke agent die MCP spreekt. Eenmaal schrijven, overal gebruiken. De analogie met USB-C is treffend — voor USB-C had elk apparaat zijn eigen oplader. Na USB-C werkt één kabel voor alles. MCP doet hetzelfde voor AI-agent-tools. ## Wat MCP werkelijk is
MCP is een op JSON-RPC gebaseerd protocol dat definieert hoe een AI-agent externe tools ontdekt, aanroept en resultaten van ontvangt. Een MCP-server stelt een set tools beschikbaar met getypeerde schema's — beschrijvingen van wat elke tool doet, welke parameters het accepteert en wat het teruggeeft. Een MCP-client (de agent) verbindt met de server, ontdekt beschikbare tools en roept ze aan wanneer nodig tijdens het gesprek.
Het protocol handelt de mechanismen af die elke maatwerk-integratie opnieuw moet uitvinden: toolontdekking (welke tools zijn beschikbaar?), schemavalidatie (zijn de parameters correct?), aanroep (voer de tool uit en geef resultaten terug) en foutafhandeling (wat gebeurt er als een tool faalt?). Dit zijn opgeloste problemen die niet voor elke integratie opnieuw opgelost hoeven te worden.
Anthropic ontwikkelde MCP en maakte het open-source, maar het is geen Anthropic-specifiek protocol. Elke AI-provider kan MCP-clientondersteuning implementeren, en elke ontwikkelaar kan MCP-servers bouwen. Het ecosysteem groeit snel — er zijn al MCP-servers voor GitHub, Slack, databases, bestandssystemen, webbrowsers en tientallen andere services.
Hoe NanoClaw MCP gebruikt
NanoClaw integreert MCP via de MCP SDK, die onderdeel is van dezelfde Anthropic-toolchain als Claude Agent SDK. Wanneer een agent in een NanoClaw-container draait, kan het verbinden met MCP-servers die de host heeft geconfigureerd, waardoor het toegang krijgt tot tools zonder enige maatwerk-integratiecode in NanoClaw zelf.
Dit is een subtiel maar belangrijk architecturaal punt. NanoClaw hoeft geen GitHub-integratie, Slack-integratie of database-integratie te implementeren. Het hoeft alleen MCP te ondersteunen, en dan biedt elke MCP-server die mogelijkheden. Het integratie-oppervlak is één protocol, niet tientallen aangepaste adapters.
In de praktijk betekent dit dat een NanoClaw-gebruiker die wil dat zijn agent met GitHub communiceert de GitHub MCP-server installeert (een apart proces), NanoClaw configureert om ermee te verbinden, en de agent kan onmiddellijk issues aanmaken, pull requests lezen en repositories doorzoeken. Geen NanoClaw-codewijzigingen. Geen Claude Code skill nodig. Geen fork vereist.
Het containerisolatiemodel werkt op natuurlijke wijze samen met MCP. De MCP-server draait op de host, buiten de container. De agent in de container verbindt ermee via een gecontroleerd kanaal. De MCP-server kan zijn eigen toegangscontroles afdwingen — read-only toegang tot repositories, alleen specifieke Slack-kanalen, bepaalde databasetabellen — onafhankelijk van wat de agent vraagt. Dit is defense in depth: zelfs als een prompt-injection de agent ertoe verleidt iets te vragen wat het niet zou moeten, kan de MCP-server het verzoek weigeren op basis van zijn eigen beleid.
Waarom MCP ertoe doet voor het ecosysteem
De bredere betekenis van MCP is dat het toolontwikkeling loskoppelt van agentontwikkeling. Voor MCP betekende het bouwen van een nuttige AI-agent-tool dat je een framework moest kiezen en de toolinterface van dat framework moest implementeren. Je GitHub-tool werkte met LangChain maar niet met CrewAI. Je databasetool werkte met AutoGen maar niet met NanoClaw. Elk framework had zijn eigen toolformaat, en toolontwikkelaars moesten kiezen welke frameworks ze wilden ondersteunen.
MCP doorbreekt die koppeling. Een toolontwikkelaar bouwt één MCP-server, en die werkt met elke MCP-compatibele agent. Een agentontwikkelaar ondersteunt MCP eenmaal, en elke MCP-server wordt beschikbaar voor hun gebruikers. Het ecosysteem groeit multiplicatief in plaats van lineair — elke nieuwe MCP-server komt elke MCP-compatibele agent ten goede, en elke nieuwe MCP-compatibele agent profiteert van elke bestaande MCP-server. Voor NanoClaw specifiek betekent MCP dat het project niet voor elke service die gebruikers mogelijk willen integraties hoeft te bouwen en onderhouden. Het Claude Code skills-model handelt kanaalintegraties af (Telegram, Discord, Slack), en MCP handelt toolintegraties af (GitHub, databases, API's). Samen dekken ze een breed scala aan use cases zonder de onderhoudslast van een grote integratiecodebase.
De praktische setup
MCP configureren in NanoClaw is eenvoudig. Je draait een MCP-server — een die je zelf hebt gebouwd of een uit het groeiende ecosysteem van open-source servers — en wijst NanoClaw ernaar. De agent ontdekt beschikbare tools automatisch en kan ze in gesprekken gebruiken.
De ervaring vanuit het perspectief van de gebruiker is naadloos. Je vraagt je WhatsApp-assistent "maak een GitHub-issue aan voor de loginbug die we gisteren bespraken," en de agent gebruikt de GitHub MCP-server om het issue aan te maken, waarbij het context uit zijn gespreksgeheugen haalt om de details in te vullen. Je hoeft niet te weten dat MCP erbij betrokken is. Je vraagt gewoon, en de agent heeft de tools om te doen wat je vroeg.
Het protocol is nog jong — begin 2025 begon de adoptie te versnellen — maar de richting is duidelijk. MCP wordt de standaardmanier waarop AI-agents communiceren met externe services, en projecten die het vroeg adopteren krijgen toegang tot een groeiend ecosysteem van tools zonder er zelf een te hoeven bouwen. NanoClaw's inzet op MCP is een inzet dat het ecosysteem waardevoller zal zijn dan welke set maatwerk-integraties dan ook.