Wij bouwden een MCP server voor MKB: wat het kost en wat er misging

Wat je hier vindt: onze eigen ervaringen met MCP-implementaties voor betalende MKB-klanten, een vergelijkingstabel per NL systeem, eerlijke bouwtijden en kosten, de drie productieproblemen die niemand noemt, een beslismatrix en een copy-paste pre-flight checklist.

Elke AI-consultant in Nederland legt nu uit dat MCP "de verbinding is tussen AI en je systemen". Dat klopt. Maar niemand vertelt je wat er in de praktijk misgaat, wat het werkelijk kost en wanneer je beter een dag n8n bouwt. Wij wel: we hebben het gedaan, voor betalende MKB-klanten, in productie.

Wat een MCP server doet (in 30 seconden)

Je AI-assistent vraagt je Exact Online: "Welke facturen staan al 45 dagen open?" Exact geeft het antwoord. Zonder dat jij handmatig een rapport draait. Dat is wat een MCP server mogelijk maakt.

MCP staat voor Model Context Protocol: een standaard die bepaalt hoe een AI-agent (Claude, ChatGPT, een BeeManaged-agent) data ophaalt uit een extern systeem op het moment dat die data nodig is.

Twee begrippen die je nodig hebt:

• MCP client: de AI-agent die de vraag stelt (Claude Desktop, een custom agent, een n8n-flow)
• MCP server: de koppeling aan de kant van je systeem (Exact Online, HubSpot, je eigen database)

Verschil met n8n: n8n bouwt vaste workflows ("elke maandag dit rapport sturen"). MCP geeft je AI-agent de vrijheid om op basis van context zelf te beslissen wanneer het welke data ophaalt.

Verschil met een gewone API-koppeling: een gewone API-call doet altijd hetzelfde. Bij MCP beslist de AI zelf welke tool het wanneer aanroept, op basis van de vraag die de gebruiker stelt in gewone taal.

Welke NL MKB-systemen werken al met MCP (en welke niet)?

Dit is de tabel die nergens anders in NL editorial staat. We hebben voor meerdere klanten de MCP-beschikbaarheid per systeem in kaart gebracht.

Systeem	Kant-en-klare MCP server?	Kwaliteit	Opmerking
HubSpot	Ja (officieel)	Goed	Read + write, goed gedocumenteerd, setup in 30 min
Google Workspace	Ja (officieel)	Uitstekend	Drive, Gmail, Calendar native ondersteund
Salesforce	Ja (officieel)	Goed	Enterprise-focus, werkt ook voor MKB-installaties
Pipedrive	Community	Matig	API goed gedocumenteerd, geen officieel onderhoud
Exact Online	Nee (community)	Beperkt	Rate limits 60 calls/min, onvolledige endpoint-dekking
Moneybird	Nee	Te bouwen	REST API goed gedocumenteerd, bouwtijd circa 1 dag
AFAS	Nee	Complex	Connector API proprietair, ongedocumenteerde response-structuren
Snelstart	Nee	Beperkt	API-scope klein, weinig bruikbare endpoints

Onze observatie: de gap tussen "heeft een officiële MCP server" en "werkt fijn in productie voor MKB" is groter dan je denkt. Google Workspace werkt uitstekend. Exact Online heeft een community-connector, maar de API is zo rate-limited dat je bijna altijd een caching-laag bovenop moet bouwen. Dat vertelt niemand je van tevoren.

Gebruik je Exact Online voor je facturatie én wil je een AI-agent inzetten die ook CRM-data raadpleegt? Lees dan onze analyse van leadopvolging automatiseren met een AI-agent: we beschrijven daar welke databronnen de grootste impact hebben op je leadconversie.

Wat kost een custom MCP server laten bouwen? (eerlijke cijfers)

De vier scenario's die wij zelf zijn tegengekomen:

Situatie	Bouwtijd	Kosten (NDO-tarief €130/u)	Maandelijkse hosting
Bestaande officiële connector gebruiken (HubSpot, Google)	2-4 uur setup	€260-520	€0-20
Custom server voor goed gedocumenteerde API (Moneybird)	6-12 uur	€780-1.560	€20-50
Custom server voor complexe NL API (Exact Online, AFAS)	20-40 uur	€2.600-5.200	€40-80
Custom MCP + eigen database of datawarehouse	24-60 uur	€3.120-7.800	€30-100

Eén kanttekening: deze uren gelden voor de MCP server zelf. Telt de caching-laag mee (bij Exact Online bijna verplicht), dan zijn dat 6-10 uur extra. Telt scope-management mee (welke endpoints exposed, welke niet), dan zijn dat extra ontwerpuren van 4-8 uur.

Voor een klant in de bouw die Exact Online gebruikt voor zijn facturatie liepen we van een geschatte 20 uur naar 34 uur, puur door API-limieten die we eerder onderschatten. Die les betalen wij nu niet meer door: we voeren altijd eerst een API-audit uit voor we een bouwtijd opgeven.

De drie productieproblemen die niemand noemt

Dit is het deel dat je bij geen enkele uitlegger vindt. Uitleggers bouwen niet in productie.

1. API rate limiting sloopt je MCP server sneller dan verwacht

Exact Online hanteert 60 API calls per minuut per applicatie-account. Een AI-agent die contextgevoelig werkt en ad hoc vragen stelt, schiet daar moeiteloos doorheen. Bij een klant in de groothandel zagen we binnen drie uur na lancering de eerste rate-limiting fouten. De AI-agent "wist" niet dat zijn vraag tien losse API calls kostte in plaats van één.

Oplossing: een caching-laag boven de MCP server. Recente responses worden gecached voor een configureerbare tijd (5 tot 60 minuten, afhankelijk van hoe actueel de data moet zijn). Extra bouwtijd: 6-10 uur.

2. Context-overflow bij grote datasets

Een MCP server die een CRM met 3.200 contacten en hun volledige interactiehistorie teruggeeft aan een LLM veroorzaakt context-overflow. De AI-agent crasht niet, maar de respons degradeert: de agent vergeet eerder gevraagde informatie of geeft halve antwoorden.

Oplossing: filter-first instructies in je system prompt. De AI-agent leert eerst te filteren ("geef me contacten met openstaande deals boven €5.000 in Amsterdam") voor hij een dataset ophaalt. Klinkt simpel: in de praktijk kost het een iteratiecyclus van drie tot vijf weken.

3. De MCP server weet meer dan de gebruiker mag zien

Verbind je je AI-assistent met je boekhoudpakket via MCP, dan heeft die assistent in principe toegang tot alle facturen, ook die van klanten die specifieke medewerkers niet mogen inzien. Scope-management is niet optioneel.

Wij hanteren inmiddels een standaard: elke MCP server krijgt een read-only API-sleutel met minimale scope, per use case opnieuw beoordeeld. Bij schrijfrechten voegen we een bevestigingsstap toe: de AI stelt een actie voor, de gebruiker keurt goed. Dat kost circa €800 extra in ontwikkeling. Het voorkomt een datalek dat meer kost.

Prompt injection is een aanvullend risico: via een document in je systeem kan een kwaadwillende een instructie sluipen die de AI-agent iets ongewenst laat doen via de MCP-verbinding. Scope-beperking op API-niveau is daarvoor ook de beste verdediging.

Beslismatrix: bouw je een MCP server, of niet?

Situatie	Aanbeveling	Reden
AI-agent raadpleegt data meer dan 3x per dag voor variabele vragen	MCP bouwen	Dynamische queries rechtvaardigen de investering
Goed gedocumenteerde REST API beschikbaar	MCP bouwen	Bouwtijd beperkt, onderhoud voorspelbaar
Meerdere AI-toepassingen hebben straks dezelfde data nodig	MCP bouwen	Eenmalig bouwen, meervoudig hergebruiken
Taak is altijd hetzelfde (maandrapport, vaste export)	n8n of Make	Vaste workflow is sneller en goedkoper
Budget onder €1.500 voor de integratie	n8n of bestaande connector	MCP wordt te duur voor de use case
Systeem heeft geen goede API (alleen CSV-export)	n8n of handmatig	MCP lost het API-probleem niet op
Team werkt nog niet regelmatig met AI	Wacht, of begin met n8n	Te vroeg voor MCP-investering
Officiële connector beschikbaar (HubSpot, Google)	Connector gebruiken	Geen bouwwerk nodig

De keuze die wij het vaakst maken: een klant wil Exact Online koppelen voor ad hoc facturatievragen door zijn AI-agent. In zeven van de tien gevallen adviseren wij: begin met een n8n-workflow die dagelijks een overzicht van openstaande facturen naar de AI stuurt. Dat kost een dag werk. Als de agent dan meer nodig heeft, bouwen we alsnog een MCP server. Andersom beginnen (MCP bouwen en hopen dat de agent het gebruikt) is geld weggooien.

Twijfel je of een MCP server of een maatwerk AI-agent de juiste volgende stap is? In onze vergelijking Microsoft Copilot of maatwerk AI-agent beschrijven we het keuzeproces voor de integratie-aanpak inclusief TCO-berekening.

Wanneer verdient een MCP server zich terug?

Concreet rekenvoorbeeld uit een project met een accountantskantoor (15 medewerkers):

• Situatie voor implementatie: twee medewerkers raadpleegden dagelijks handmatig Exact Online voor AI-vragen, gemiddeld 25 minuten per persoon per dag = 4 uur per week gezamenlijk
• Uurtarief intern (inclusief overhead): €65
• Wekelijkse tijdkosten: €260
• Bouwkosten MCP server Exact Online, inclusief caching-laag: €4.290 (33 uur aan €130/uur)
• Terugverdientijd: circa 16 weken (€4.290 / €260 per week)

Dat klinkt als een acceptabele ROI. Maar dat geldt alleen omdat de medewerkers de vrijgekomen tijd daadwerkelijk elders inzetten. Bij een klant die de MCP server installeerde maar de AI-agent vervolgens nauwelijks gebruikte, was de terugverdientijd open-ended.

De investering loont niet als: de API te beperkt is om nuttige vragen te beantwoorden, de dataset te klein is om tijdsbesparing te rechtvaardigen (minder dan 50 queries per week), of de organisatie nog geen werkende AI-agent heeft die de MCP server gaat aanroepen. Meer over welke AI-agent klaar is voor dit soort integraties lees je in AI agent bouwen voor je MKB.

MCP lost het protocol-probleem op, niet het API-probleem

Gangbare opvatting: "MCP maakt AI-integraties goedkoper en sneller."

Onze ervaring: MCP lost het protocol-probleem op, niet het API-probleem. De meeste NL MKB-systemen (Exact Online, AFAS, Snelstart) hebben incomplete of rate-limited APIs. MCP maakt die niet beter: het maakt ze alleen op een gestandaardiseerde manier bereikbaar voor je AI-agent.

Wie daar niet van op de hoogte is, bouwt een MCP server, valt daarna alsnog terug op handmatige exports en vraagt zich af waarom de agent niet werkt.

Voor je een MCP server laat bouwen: check eerst of de API van je systeem de queries ondersteunt die je agent moet stellen. Dat is twee uur werk vooraf. Sla je die stap over, dan loop je kans op een onverwacht dure integratie.

Pre-flight checklist: klaar voor een MCP server?

Gebruik deze checklist voor je een MCP-bouwopdracht plaatst. De vragen die wij intern altijd stellen voor we beginnen:

MCP Server Pre-Flight Checklist
================================

STAP 1: API-validatie (30-60 min werk)
[ ] Heeft <jouw systeem> een gedocumenteerde REST API?
[ ] Ondersteunt de API de specifieke queries die de agent moet stellen?
[ ] Is de rate limit geverifieerd (hoeveel calls/minuut)?
[ ] Zijn de endpoints beschikbaar voor de data die de agent nodig heeft?

STAP 2: Use case validatie
[ ] Worden de queries meer dan 3x per dag gesteld?
[ ] Zijn de queries variabel (niet altijd hetzelfde)?
[ ] Heeft meer dan één AI-toepassing straks deze data nodig?

STAP 3: Beveiligingsvoorbereiding
[ ] Is bepaald welke endpoints exposed worden (minimale scope)?
[ ] Is bepaald of read-only volstaat of dat schrijfrechten nodig zijn?
[ ] Is een bevestigingsstap ingepland voor alle schrijfacties?

STAP 4: Budget en verwachting
[ ] Is budget beschikbaar voor de reële bouwtijd (zie kostentabel)?
[ ] Is de terugverdientijd berekend op basis van huidige tijdkosten?
[ ] Is er al een werkende AI-agent die de MCP server gaat aanroepen?

Drie of meer "nee"-antwoorden in stap 1 of 2?
→ Begin met n8n of een bestaande connector.
  MCP is (nog) niet de juiste keuze voor <jouw situatie>.

Veelgestelde vragen

Kan ik een MCP server bouwen zonder developers? Voor officiële connectors (HubSpot, Google Workspace) is de setup met minimale technische kennis te doen: 2 tot 4 uur werk. Voor custom MCP servers voor NL systemen zoals Exact Online of AFAS heb je developers nodig die de API kennen en een caching-laag kunnen bouwen. Dat is geen doe-het-zelf project.

Werkt MCP ook met oudere systemen zonder REST API? Nee. MCP vereist een API die het systeem beschikbaar stelt. Heeft je systeem alleen een CSV-export of een SOAP-interface, dan is MCP geen optie. In dat geval is een n8n-workflow die periodiek de export verwerkt de praktische keuze.

Moet ik kiezen tussen MCP en n8n? Niet per se. Wij zetten ze regelmatig naast elkaar in: n8n voor vaste, periodieke taken (wekelijks rapport, automatische e-mail), MCP voor de AI-agent die ad hoc vragen stelt op basis van wat de gebruiker op dat moment nodig heeft. Ze vullen elkaar aan.

Volgende stap

Een MCP server is een infrastructuurinvestering, geen quick win. De beslissende vraag: heeft je AI-agent variabele vragen die directe toegang tot je systemen vereisen, en kan de API van je systeem die vragen aan?

Als ja op beide: we bouwen het. Als nee op één: we beginnen met n8n of een bestaande connector en groeien later door naar MCP als de use case het rechtvaardigt.

Ben je bezig met een MVP of wil je eerst de waarde van AI-automatisering valideren voor je in integraties investeert? Dan is de gids MVP bouwen met AI een goede eerste stap.