MCP en A2A: de bouwstenen van Agentic AI | IT RBLS

Geschreven door Imke Schrijen | Sep 9, 2026, 1:36:07 PM

De afgelopen maanden zie ik steeds vaker de termen MCP en A2A voorbijkomen in AI-discussies. Veel organisaties vragen zich af:

"Moeten we hier iets mee?"
Mijn korte antwoord: ja.

Dit zijn namelijk de bouwstenen van hoe AI gaat samenwerken met jouw bedrijfsprocessen. Maar wat betekenen deze twee termen nou eigenlijk? Ik leg het je op een simpele manier uit.

Eerst MCP

MCP (Model Context Protocol) kun je zien als een standaard stekker voor AI. Zonder MCP moet voor iedere applicatie een aparte koppeling worden gebouwd. Met MCP kan een systeem één keer een aansluiting aanbieden, waarna verschillende AI-oplossingen daar gebruik van kunnen maken.

Stel je vraagt je af: "Welke projecten lopen risico op vertraging?". Een AI-agent kan dan via MCP informatie raadplegen uit bijvoorbeeld:

  • Microsoft Planner
  • Azure DevOps
  • Dynamics 365
  • SharePoint
  • ServiceNow
  • Salesforce
  • Dataverse

En vervolgens één antwoord teruggeven.

Microsoft zet hier inmiddels ook stevig op in. Zo kan sinds kort ook Dataverse optreden als een MCP-server, waardoor AI-agents, binnen de bestaande beveiligings- en toegangsrechten, gegevens kunnen raadplegen en acties kunnen uitvoeren.

Klik hier voor meer informatie over de Dataverse MCP server.

Dan A2A

A2A (Agent-to-Agent) gaat een stap verder. Dit is niet de verbinding tussen een agent en een systeem, maar de samenwerking tussen meerdere agents. Vergelijk het met collega's:

  • Eén collega behandelt klantvragen
  • Eén collega controleert financiële gegevens
  • Eén collega plant werkzaamheden

Met A2A kunnen gespecialiseerde agents op dezelfde manier samenwerken. Stel dat een medewerker vraagt: "Kunnen we deze contractwijziging doorvoeren?". Een coördinerende agent ontvangt deze vraag en schakelt vervolgens automatisch andere gespecialiseerde agents in:

  • Een financiële agent controleert de contract- en factuurgegevens.
  • Een compliance-agent controleert of de wijziging voldoet aan interne richtlijnen.
  • Een planningsagent bepaalt welke vervolgacties nodig zijn.

De resultaten komen terug bij de coördinerende agent, die hiervan één advies maakt voor de medewerker. De medewerker blijft daarbij de beslisser (human-in-the-loop), maar hoeft niet meer zelf alle controles uit te voeren.


Waarom is dit interessant voor bedrijven?

Veel organisaties experimenteren met één AI-assistent. Dat levert vaak tijdswinst op voor individuele medewerkers. Maar de echte waarde zit vaak niet in één taak. Die zit in een volledig proces.

Wat dit betekent voor Power Platform

De afgelopen jaren gebruikten we AI vooral om informatie te vinden of teksten te genereren.

Met MCP en A2A verschuift de focus naar iets veel groters: AI die niet alleen informatie geeft, maar daadwerkelijk samenwerkt binnen bedrijfsprocessen.

Daarvoor heb je eigenlijk beide nodig:

🔌 MCP om met systemen en data te praten

🤝 A2A om met andere agents samen te werken

Wat ik interessant vind aan de recente ontwikkelingen rond de Dataverse MCP Server, is dat Microsoft hiermee laat zien waar het platform naartoe beweegt: van AI die over data praat naar AI die daadwerkelijk met data werkt.

Voor organisaties die bezig zijn met Copilot Studio, Power Platform of agentic oplossingen wordt het daarom steeds belangrijker om niet alleen naar modellen te kijken, maar juist naar de manier waarop agents toegang krijgen tot processen, data en elkaar.

Want uiteindelijk zit de echte waarde niet in één slimme agent.

De echte waarde ontstaat wanneer meerdere agents veilig samenwerken rondom jouw bedrijfsprocessen.

Meer leren?

Boek jouw Next Move workshop en ontdek hoe jij agents het meest waardevol inzet binnen de organisatie!