In dit artikel
1 Het Probleem: AI Verbinden
LLMs zijn krachtig, maar ze leven in isolatie. Ze weten niets van uw specifieke data, kunnen geen acties uitvoeren en hebben geen toegang tot real-time informatie. Er zijn verschillende patterns om dit probleem op te lossen:
RAG
Kennis toevoegen
API
Directe functie-calls
MCP
Standaard protocol
2 API: Directe Integratie
Function calling / Tool use via APIs is de meest directe manier om LLMs te verbinden met externe systemen. Het LLM genereert structured output (JSON) die een functie aanroept.
// LLM output:
"function": "get_weather",
"arguments": { "city": "Amsterdam" }
}
Kenmerken:
- Elke provider heeft eigen implementatie (OpenAI, Anthropic, etc.)
- U schrijft custom code per integratie
- Flexibel maar niet gestandaardiseerd
3 RAG: Kennisbronnen
Retrieval-Augmented Generation voegt context toe aan prompts door relevante documenten op te halen uit een vector database. Het LLM krijgt zo toegang tot specifieke kennis.
Kenmerken:
- Read-only: haalt informatie op, voert geen acties uit
- Uitstekend voor Q&A op interne documenten
- Vereist embedding pipeline en vector DB
4 MCP: Gestandaardiseerde Tools
Model Context Protocol (MCP) is een open standaard (door Anthropic) die een universele manier definieert om AI-modellen te verbinden met tools, data en services. Het is als USB voor AI.
MCP Architecture
MCP definieert een client-server protocol met drie primitives:
Functies aanroepen
Data ophalen
Templates
Voordelen van MCP:
- Standaard: Eén protocol, werkt met alle MCP-compatible clients
- Ecosystem: Groeiende library van pre-built servers
- Bidirectioneel: Read én write, tools én resources
- Security: Gebouwde permissie en consent flows
5 Vergelijking
| Aspect | RAG | API/Functions | MCP |
|---|---|---|---|
| Doel | Kennis toevoegen | Acties uitvoeren | Beide + standaard |
| Read/Write | Read-only | Both | Both |
| Standaard? | Nee | Nee (per provider) | Ja (open) |
| Setup | Vector DB + embeddings | Custom code | MCP server |
| Voorbeeld | Chat over documenten | Weather API call | GitHub MCP server |
6 Wanneer Gebruik Je Wat?
RAG
Wanneer je AI toegang wilt geven tot interne documenten, FAQ's of kennisbases voor Q&A.
API Function Calling
Simpele, eenmalige integraties waar je volledige controle wilt. Quick wins.
MCP
Wanneer je een herbruikbare integratie bouwt die met meerdere AI-clients moet werken, of als er al een MCP server bestaat.
Combineren is krachtig
In de praktijk combineer je vaak meerdere patterns. Een AI agent kan RAG gebruiken voor kennis, MCP voor tools, en custom API calls voor specifieke integraties.
Gerelateerde artikelen
AI integraties bouwen?
Wij helpen u de juiste architectuur te kiezen — RAG, MCP, custom APIs of een combinatie.
Neem contact op