Uw salesmanager vraagt een AI-assistent welke deals dit kwartaal zijn verschoven, en die antwoordt op basis van een spreadsheet die iemand maandag heeft geëxporteerd. Uw operationeel manager wil een agent die de orderstatus in NetSuite bijwerkt, en IT vraagt wie de connector bouwt, wie hem onderhoudt en wat de agent mag wijzigen. Ergens in dat gesprek duikt een nieuw acroniem op: MCP.
Het korte antwoord op MCP vs API: MCP vervangt uw API’s niet, maar bouwt erop voort. Een API is de manier waarop het ene systeem met het andere communiceert; het Model Context Protocol is een standaardmanier om te beschrijven wat een systeem kan, zodat elke AI-agent die mogelijkheden kan vinden en gebruiken. Wilt u AI-agents koppelen aan een CRM of ERP, begin dan met de MCP-server die uw leverancier al levert, bouw verder op de API waar die tekortschiet en houd uw iPaaS aan waar die uw integraties al draait. Deze gids legt uit hoe die drie samenhangen, wat de MCP-servers van Salesforce, HubSpot, NetSuite en SAP werkelijk mogelijk maken en hoe u een agent naar uw records laat schrijven zonder ze te beschadigen.
- MCP is een laag boven API’s: een MCP-server roept meestal dezelfde API’s aan die uw integraties al gebruiken.
- Salesforce, HubSpot en NetSuite leveren nu hun eigen MCP-servers, en elke server werkt met de rechten van de persoon die hem koppelt.
- Een agent die naar een CRM of ERP kan schrijven, heeft afgebakende tools nodig, goedkeuring voor ingrijpende wijzigingen en een log van elke actie, ongeacht de koppelingsmethode.
- MCP en RAG doen elk iets anders: RAG antwoordt op basis van documenten; met MCP kan een agent live systemen raadplegen en daarin handelen.
MCP vs API: het korte antwoord
Een API is geschreven voor ontwikkelaars. Hij publiceert endpoints, en een ontwikkelaar schrijft code die ze in een vaste volgorde aanroept voor een bekend doel. Een AI-agent kan een API alleen gebruiken via code die iemand voor die agent heeft geschreven: een functiedefinitie, een authenticatieflow en foutafhandeling, opnieuw gebouwd voor elke AI-tool die u in gebruik neemt.
MCP is geschreven voor AI-clients. Een MCP-server beschrijft zijn tools, de data die hij kan teruggeven en de input die elke tool nodig heeft, in een formaat dat elke MCP-compatibele client tijdens runtime kan lezen: Claude, ChatGPT, Microsoft Copilot Studio, codeerassistenten en agentframeworks. Koppel de server één keer, en elke compatibele client kan ontdekken wat hij biedt. Anthropic introduceerde MCP in november 2024 als open standaard, en in december 2025 werd het ondergebracht bij de Agentic AI Foundation onder de Linux Foundation.
Voorbeeld van MCP vs API: één taak, twee manieren
Neem één verzoek: zet een HubSpot-deal door naar de volgende fase. Via de API schrijft een ontwikkelaar code die inlogt, de deal opzoekt, de fase-ID’s van de pipeline opvraagt en de update verstuurt; de assistent kan die code alleen starten. Via MCP leest een agent die met de HubSpot MCP-server is verbonden de lijst met tools die de server aanbiedt, kiest de tool die een deal bijwerkt en roept die aan met de deal en de nieuwe fase. Onder de motorkap doet de server dezelfde API-aanroep, als de persoon die hem heeft gekoppeld.
Waarom laat u het model de API niet gewoon zelf aanroepen?
Een capabel model kan de documentatie of de OpenAPI-specificatie van een API lezen en de aanroepen zelf schrijven, en voor één ontwikkelaar die iets uitprobeert werkt dat. In een bedrijfssysteem zit het werk dat ertoe doet rond die aanroep: inloggen als de juiste persoon, acties weigeren die die persoon niet mag uitvoeren, binnen de rate limits blijven en fouten teruggeven waar de agent iets mee kan. Een MCP-server doet dat één keer, in geteste code, in plaats van elke agent het bij elk verzoek te laten improviseren.
Wat MCP toevoegt aan een API, en wat niet
Intern biedt een MCP-server drie soorten bouwstenen, vastgelegd in de MCP-specificatie. Tools zijn acties die de agent kan aanroepen, zoals een account opzoeken of een ticket aanmaken. Resources zijn alleen-lezen data, zoals een record of een databaseschema, die de applicatie als context aan het model doorgeeft. Prompts zijn kant-en-klare instructies die een gebruiker kiest om een taak te starten. Een server draait lokaal, op dezelfde machine als de AI-client, of remote via HTTP, waar hij veel gebruikers bedient en het protocol OAuth aanbeveelt voor het inloggen.
Eén punt dat veel vergelijkingen nog steeds verkeerd hebben: MCP is geen stateful protocol. Sinds versie 2026-07-28 van het protocol bevat elk verzoek de protocolversie en de mogelijkheden die de server nodig heeft, zodat de server elk verzoek op zichzelf afhandelt, net als een REST API. Beschrijvingen van MCP als stateful en API’s als stateless gaan over eerdere versies.
MCP voorkomt dubbel werk. Zonder MCP heeft elke AI-tool die uw bedrijf in gebruik neemt een eigen connector naar elk systeem nodig. Met MCP wordt de connector één keer gebouwd, als MCP-server, en wisselen de AI-tools eromheen. Het standaardiseert ook hoe een agent inlogt: remote MCP-servers gebruiken OAuth, zodat de agent als een specifieke persoon handelt.
Hoe de tools zijn ontworpen, is belangrijker dan hoeveel het er zijn. Elke tool die een server aanbiedt, wordt aan het model beschreven, en die beschrijvingen nemen ruimte in de context waarin het model redeneert. Een server die elk API-endpoint één op één spiegelt, geeft de agent dus een lange lijst om uit te kiezen en meer manieren om verkeerd te kiezen. Servers die goed werken, bieden een kleinere set tools op het niveau van een bedrijfsactie, zoals “orderstatus bijwerken”, en doen achter elke tool de endpoint-aanroepen.
Wat MCP niet oplost, is alles wat eronder ligt. Zit uw CRM vol dubbele accounts, dan leest een agent die dubbele accounts alleen sneller. Heeft een API een rate limit, dan erft de MCP-server die limiet. Bestaat de bedrijfsregel die bepaalt of een order mag worden gewijzigd alleen in iemands hoofd, dan vindt geen enkel protocol die. En heeft een legacy-ERP helemaal geen bruikbare API, dan is er niets wat een MCP-server kan omhullen totdat iemand er een bouwt. Daarom is de koppeling meestal het kleinste deel van een AI-CRM-integratie; de data en de regels kosten meer tijd.
Waar iPaaS past
Veel middelgrote bedrijven laten hun integraties al via een iPaaS lopen, zoals MuleSoft, Workato of Boomi, en die platforms voegen MCP-ondersteuning toe. Controleer wat die precies ontsluit voordat u erop gaat plannen: een MCP-server om het integratieplatform te beheren is niet hetzelfde als een server die uw integraties omzet in tools voor agents.
Draaien uw integraties al in een iPaaS, begin daar dan: de foutafhandeling, retries en monitoring die uw team voor die flows heeft gebouwd, gaan mee. Is dat niet zo, dan is een iPaaS zelden de aanschaf waard alleen om MCP te bereiken, want de leveranciers van CRM en ERP leveren nu hun eigen MCP-servers.
MCP-servers die uw CRM en ERP al meeleveren
Controleer wat de leverancier biedt voordat iemand een eigen server bouwt. Dit bieden vier veelgebruikte platforms, zoals hun eigen documentatie het beschreef toen we het in november 2026 controleerden.
Salesforce MCP
Salesforce ondersteunt MCP via Salesforce Hosted MCP Servers, de algemeen beschikbare implementatie van de standaard door Salesforce. De tools werken met de rechten van de gebruiker die zich heeft geauthenticeerd, en beveiliging op veldniveau, objectrechten en deelregels gelden voor elke toolaanroep. Een deel van de standaardservers is nog in bèta, en hosted servers zijn bedoeld voor klanten met Flex Credits, waarbij gebruik kan worden gefactureerd; controleer dus beide voordat u erop gaat plannen. Waar de standaardservers ophouden, kunt u met Salesforce eigen servers ernaast maken; zo’n server bouwen is Salesforce-ontwikkeling, met dezelfde tests en rechtencontrole als elke maatwerkintegratie.
HubSpot MCP-server
De remote HubSpot MCP-server is sinds 13 april 2026 algemeen beschikbaar voor alle HubSpot-accounts. Hij leest CRM-records, marketingcontent en activiteiten, en kan contacten, bedrijven, deals, tickets, regelitems, producten en activiteiten aanmaken en bijwerken. Offertes, facturen en orders blijven alleen-lezen. Verbindingen gebruiken OAuth 2.1 met PKCE, en elke actie respecteert de bestaande HubSpot-rechten van de gebruiker. Staan gevoelige gegevens voor een account aan, dan zijn activiteiten volledig afgeschermd voor de server.
NetSuite MCP
Oracle koppelt NetSuite aan AI-clients via de NetSuite AI Connector Service, die op MCP draait. De toegang volgt de rolrechten in NetSuite. Met de MCP Standard Tools SuiteApp kan een agent records aanmaken, lezen en bijwerken, rapporten en opgeslagen zoekopdrachten uitvoeren en query’s uitvoeren met SuiteQL, dat alleen-lezen is. De service zelf is geen betaalde functie, al kan de AI-client die u koppelt dat wel zijn.
SAP MCP-server
Bij SAP is de ondersteuning verspreid over producten in plaats van één server. Agents die in Joule Studio zijn gebouwd, ondersteunen MCP en Agent2Agent, en SAP Integration Suite bevat een MCP Gateway die bestaande API’s en integratieflows als MCP-tools ontsluit. De referentiearchitectuur van SAP beschrijft hoe MCP-servers van derden SAP-systemen op BTP bereiken. Voor de meeste SAP-klanten betekent dit dat de route naar MCP via de integratielaag loopt die ze al hebben. Het inrichten van die route maakt deel uit van onze SAP-consultancydiensten.
Wat een agent mag zien
Elke server van de leveranciers hierboven maakt dezelfde ontwerpkeuze: de agent handelt als de persoon die hem heeft gekoppeld, niet als een gedeeld serviceaccount. Dat is de juiste standaard, en die is het waard om aan te houden als u eigen koppelingen bouwt. Een integratieaccount met brede toegang, gekoppeld aan een AI-assistent, geeft elke medewerker die met de assistent kan praten de toegang van dat account.
Hetzelfde principe geldt voor retrieval. Een assistent die antwoordt op basis van bedrijfsdocumenten, mag alleen zien wat de vragensteller mag zien. Voor een IT-dienstverlener uit het Verenigd Koninkrijk bouwden we een retrievalplatform op AWS dat op één plek zoekt in SharePoint, Salesforce en S3, en dat leverde 60% sneller werken met bedrijfsdocumenten op. Het platform houdt de index gelijk met elk bronsysteem en past bij elk antwoord de toegangsrechten van de gebruiker toe. Dat is, meer dan het zoeken, het moeilijke deel van zo’n project.
MCP-beveiliging heeft ook een kant op protocolniveau: wat elke tool mag doen, welke input hij accepteert en hoe een prompt die in een document of e-mail is geïnjecteerd een agent ertoe kan brengen een tool aan te roepen die hij niet zou moeten aanroepen. Die risico’s horen in dezelfde review als elk ander systeem met schrijftoegang.
Een agent laten terugschrijven zonder records te beschadigen
Lezen is het makkelijke deel. De vraag die elke eigenaar van een CRM of ERP stelt, is wat er gebeurt als de agent schrijft. De keuzes van de leveranciers zelf wijzen naar het antwoord: begin afgebakend en verruim de toegang stap voor stap.
- Eerst alleen lezen. De agent beantwoordt vragen en stelt wijzigingen op als voorstellen. Mensen zien wat hij zou doen voordat hij iets doet.
- Afgebakende schrijftools. Geef de agent in plaats van één tool die elk veld kan bijwerken tools voor specifieke acties: een gesprek vastleggen, een deal naar een volgende fase zetten, een ticket aanmaken.
- Goedkeuring voor ingrijpende wijzigingen. Alles boven een afgesproken drempel, zoals een prijs, een kredietlimiet of een verwijdering, gaat naar een mens.
- Veilige retries. Een schrijfactie die na een time-out opnieuw wordt geprobeerd, mag geen tweede record aanmaken. Elke actie krijgt een sleutel waardoor herhalingen onschadelijk zijn.
- Een log van elke actie. Wat de agent las, wat hij wijzigde en namens wie.
- Een weg terug. De vorige waarde wordt bewaard, zodat een foute wijziging kan worden teruggedraaid zonder een back-up terug te zetten.
Voor een bouwbedrijf uit de VS sorteert onze e-mail-AI-agent binnenkomende documenten en archiveert ze in Procore en SharePoint, waardoor de verwerking van documenten 70–80% sneller werd. Het bovenstaande patroon maakt het mogelijk dat zo’n agent schrijft in systemen waarvan een bedrijf afhankelijk is, en het hoort in de eerste release van elke AI-agent, niet in een fix na de eerste foute schrijfactie.
MCP vs RAG: verschillende taken
MCP vs RAG is geen keuze tussen alternatieven. Retrieval-augmented generation vindt de juiste passages in uw documenten en geeft die aan het model, zodat het kan antwoorden op basis van uw kennis in plaats van zijn training. MCP geeft een agent toegang tot live systemen, zodat hij een record kan opzoeken zoals het nu is en ernaar kan handelen.
Een salesassistent laat het verschil zien. “Wat is ons standaardkortingsbeleid voor verlengingen?” is een RAG-vraag: het antwoord staat in een beleidsdocument. “Welke van mijn verlengingen deze maand liggen boven die korting?” is een MCP-vraag: het antwoord zit in het CRM. De meeste nuttige assistenten hebben beide nodig, en beide steunen op hetzelfde fundament: pipelines die bronnen actueel houden, oftewel de data engineering onder elke AI die antwoordt op basis van bedrijfsdata.
Wanneer kiest u MCP, een API of een iPaaS
Legacy-ERP zonder bruikbare API
Oudere ERP-systemen zijn het lastigste geval. Ontsluit het systeem wel een database maar geen API, dan is de veiligere route een read replica of een kleine API-laag ervoor, waarbij schrijfacties via een wachtrij lopen die de eigen logica van het ERP verwerkt. Die laag kan daarna net als elke andere als MCP-server worden omhuld. Schermautomatisering via RPA is het laatste redmiddel: het werkt, maar het breekt zodra de interface verandert. Waar het systeem zelf de bottleneck is, kan modernisering van legacy-software op termijn minder kosten dan een wrapper eromheen in stand houden; vergelijk de twee dus voordat u voor een van beide kiest.
Hoe Crunch-IS AI-agents koppelt aan CRM en ERP
Het meeste werk bij het koppelen van AI-agents aan een CRM of ERP zit onder het protocol. Onze AI-CRM-integratiediensten beginnen met een review van het datamodel, dubbele en ontbrekende records, veldgebruik en toegangsrechten. De agents die we daarna bouwen, draaien onder een CRM-gebruiker met afgebakende rechten, passen de toegangsrechten van elke persoon toe en loggen elke wijziging, zodat elke update te herleiden en terug te draaien is. Ze beginnen met het voorstellen van updates die een mens goedkeurt, en een stap draait pas zelfstandig zodra het foutpercentage laag genoeg is.
Aan de ERP-kant is het fundament vaak een API-laag die nog niet bestaat. Voor een leverancier van energieapparatuur uit het Verenigd Koninkrijk, waarvan de bedrijfsonderdelen draaiden op Microsoft Dynamics 365, SAP Business One en spreadsheets, bouwden we een centrale API-laag en een dataplatform dat ze allemaal in realtime synchroniseert: het fundament dat een agent, of een MCP-server, onder zich nodig heeft. Onze ERP-ontwikkelingsdiensten omvatten hetzelfde werk voor SAP, NetSuite en Odoo.
MCP is ook onderdeel van hoe wij leveren. Bij een met SAP geïntegreerde productie-app, gebouwd door een AI Pod, draaide het team zijn engineeringworkflow op MCP, herbruikbare promptbibliotheken en gespecialiseerde subagents, en leverde het de MVP 63% sneller op met een 56% kleiner leveringsteam.
Conclusie
De vraag MCP vs API heeft een eenvoudiger antwoord dan de acroniemen doen vermoeden. MCP is de laag waarmee elke AI-agent kan vinden en gebruiken wat uw systemen kunnen; de API’s eronder doen nog steeds het werk. Begin met de MCP-server die uw CRM- of ERP-leverancier levert, voeg een eigen server toe bovenop de API waar de agent logica nodig heeft die de leverancier niet ontsluit, en houd de iPaaS aan die uw integraties al draait.
Zelden is het de koppeling die een project tegenhoudt. Schone records, bedrijfsregels die iemand heeft vastgelegd en schrijftoegang die stap voor stap wordt verruimd, bepalen of een agent te vertrouwen is in uw CRM en ERP, en alle drie zijn het waard om te regelen voordat de eerste agent live gaat.
