Model Context Protocol (MCP) is een open-sourcestandaard voor het verbinden van AI-applicaties met externe systemen. MCP wordt ook gebruikt als aanduiding van gebouwde connectoren op basis van het Model Context Protocol. Voor dit laatste onderscheiden we:

1. Middleware MCP-connectoren voor het verbinden met AI-applicaties. Een bekend voorbeeld is Zapier MCP. Met deze laatste kun je op basis van MCP connectie maken met vele AI-applicaties. Een platform als Zapier kent ook duizenden andere koppelingen die ook wel als API (Application Programming Interface) aangeduid worden.
      
2. Leverancier- of applicatie specifieke MCP-connectoren. In dit geval heeft een softwareleverancier een specifieke MCP-connector beschikbaar om specifieke bedrijfsdata te koppelen met AI-applicaties en onderliggende taalmodellen, zoals van Claude of ChatGPT.
   
   Dergelijke MCP-connectoren kunnen ook beschikbaar gesteld worden door de producent van de software. Zo heeft Moneybird zelf een AI-koppeling met MCP gelanceerd. 

RAG
Het uitbreiden van de mogelijkheden van basismodellen (LLM’s) om externe data te integreren voordat een respons wordt gegenereerd noemen we Retrieval augmented generation (RAG).  Denk aan webinformatie, bedrijfsgegevens zoals databases en datawarehouses, bedrijfsapplicaties zoals ERP-, CRM- en HR-systemen en nog veel meer bronnen. Die laatste gegevens worden dan ontsloten via MCP-connectoren.

Door data- en andere kennis te combineren met LLM-taalvaardigheden ontstaat er een nauwkeuriger en actueler resultaat, afgestemd op specifieke behoeftes. RAG bestaat uit 2 fasen (bron Google):

1. Retrieval: het systeem zoekt naar externe databronnen en haalt de informatie op die de vraag van de gebruiker het beste kan beantwoorden.
     
2. Generation: het model gebruikt de opgehaalde gegevens om een gefundeerde respons te genereren.

Vertrouwelijkheid
Het klinkt veelbelovend “Via een MCP-connector met AI-applicaties analyses uitvoeren op je eigen bedrijfsdata, zoals de boekhouding of salarisadministratie. En of het uitbreiden van LLM’s met eigen data”. Naast de benodigde techniek speelt dan beveiliging van gegevens ook een belangrijke rol.

Met een lokaal geïnstalleerde AI-applicatie analyses uitvoeren op eigen data klinkt misschien als veilig. Maar wie hebben toegang tot deze lokale omgeving en hoe zijn in dat geval rechten en rollen geregeld. Kan iedere medewerker bij salarisgegevens van collega’s en zijn financiële prognoses voor iedereen zichtbaar?

Het zal duidelijk zijn dat deze laatste vragen in combinatie met een LLM in de openbare cloud nog belangrijker is. Wat nu als een betreffende omgeving gehackt wordt of als vanuit overheidswege gegevens opgevraagd worden). De Amerikaanse overheid kan onder specifieke omstandigheden conform de CLOUD Act gegevens vorderen, als deze worden beheerd door Amerikaanse cloud providers.  Zelfs als die gegevens in de EU zijn opgeslagen,  

Als je met de combinatie ‘AI en bedrijfsgegevens’ aan de gang gaat moet je vooraf altijd stilstaan bij vertrouwelijkheid. Dat geldt voor persoonsgegevens, maar ook voor bedrijfsgegevens die je liever (nog) niet deelt met de buitenwereld.

AFAS gaat in haar artikel "AI-integraties met AFAS: kansen benutten, regie houden en veilig werken" ook in op wat er mis kan gaan.

Boekhoudsoftware en MCP
Het aantal leveranciers van boekhoudsoftware (al dan niet als onderdeel van een compleet ERP-systeem) dat een MCP-connector aanbiedt is schaars te noemen op dit moment. De verwachting is dat het aanbod nog dit jaar zal toenemen, maar in welke mate is niet te voorspellen.

Functies en kenmerken:
De volgende functies en kenmerken kunnen alvast onderscheiden worden als het gaat een MCP-connector:

1. De mogelijkheid om aan te geven welke data opgehaald wordt uit de administratie en over welke periode.
     
2. Het anonimiseren van bepaalde gegevens; denk aan de naam van het bedrijf waarvoor de administratie gevoerd wordt, namen en contactgegevens van debiteuren en crediteuren, namen van grootboekrekeningen waar eventueel personen of bijvoorbeeld kentekens genoemd worden, bankrekeningen, btw-nummer en bepaalde omschrijvingen in mutaties.
     
3. Incrementeel gegevens ophalen. Dat wil zeggen alleen aanvullingen op een vorige uitvraag. Dit heeft ook te maken met goed data management. We zien dit nog wel eens fout gaan bij de uitvraag van data uit softwaresystemen waar eerder opgehaalde gegevens een volgende keer weer opgehaald worden omdat het data management niet op orde is. Veelal bij uitvragende partijen.
     
4. Het ondersteunen van Retrieval augmented generation (RAG). Dat wil zeggen AI-Agentic functies bieden om de uitvraag te ondersteunen.  Alleen een exportfunctie bieden om data te exporteren zien wij niet als MCP-connector, maar een al langer bestaande API-functionaliteit.
     
5. Het, naar keuze, gebruik kunnen maken van verschillende taalmodellen.
    
6. Private ondersteuning van AI. Dat wil zeggen niet via de openbare cloud maar bijvoorbeeld via een private cloud-omgeving van betreffende softwareleverancier.
     
7. Een andere optie is dat gebruik wordt gemaakt van de private cloud omgeving van een gebruiker van de software.
     
8. De kosten voor de AI-functionaliteit en uitvraag. Aanbieders van taalmodellen (zoals OpenAI, Google, Anthropic en Mistral) brengen ook kosten in rekening bij het toepassen van Agentic-AI. Veelal gaat dit om een tarief per uitvraag, waarbij de kosten mede afhangen van het model dat gebruikt wordt. Dit in tegenstelling tot een vast bedrag per periode bij het gebruik van generatieve AI. De vraag is hoe deze kosten afgerekend worden in de praktijk. 

Live presentatie
Tijdens het eerstvolgende Robotic accounting seminar, gepland op woensdag 7 oktober a.s., besteden we uitgebreid aandacht aan boekhoudsoftware die tegen die tijd een MCP-connector aanbiedt.
Meer informatie.

Suggesties
Reacties die dit artikel kunnen verbeteren zijn meer dan welkom.

Met name leveranciers van boekhoudsoftware die een MCP operationeel hebben in de praktijk vragen we om te reageren en daarbij aan te geven in hoeverre de genoemde functies en kenmerken ondersteund worden.