Stel je voor: een bibliotheekgebruiker vraagt “Ik wil meer leren over natuurlijk tuinieren” – en krijgt meteen niet alleen boekaanbevelingen, maar ook informatie over een workshop die volgende week plaatsvindt, compleet met de mogelijkheid direct een plekje te reserveren. Geen ingewikkelde zoekopdrachten, geen doorverwijzingen naar verschillende systemen, maar één natuurlijk gesprek dat alle relevante kennis en diensten samenbrengt.
Dit toekomstbeeld komt dichterbij met de ontwikkeling van Biebbot, een AI-assistent die werkt met een nieuwe technologie: het Model Context Protocol (MCP). Maar wat is MCP precies en waarom is het zo revolutionair voor bibliotheken?
Van zoeksysteem naar kennis assistent
In eerdere blogs hebben we laten zien hoe AI de manier verandert waarop we informatie vinden. We gingen van het invoeren van trefwoorden naar natuurlijke gesprekken met systemen als Boekbot, die boekadvies geeft op een menselijke manier.
Maar de echte uitdaging is groter. Bibliotheken beschikken over meerdere kennisbronnen die los van elkaar bestaan:
- Boekencatalogi
- Activiteitenoverzichten in systemen als Olifantenpaadje
- Bibliotheekinformatie databases zoals Wijzer
- En nog veel meer specialistische bronnen
Traditioneel moest je als gebruiker weten welk systeem je voor welke vraag nodig had. Met MCP-technologie wordt dit radicaal anders.
Wat is het Model Context Protocol?
Het Model Context Protocol (MCP) is een revolutionaire manier om AI-modellen te laten communiceren met externe databronnen. In simpele termen: het is een brug tussen AI en informatie.
✅ MCP stelt AI in staat om:
- Meerdere databronnen tegelijk te raadplegen
- De relevante databron zelf te kiezen op basis van je vraag
- Realtime informatie op te halen zonder vooraf alles te moeten “leren”
- Bronnen met elkaar te verbinden op een betekenisvolle manier
Wat MCP uniek maakt ten opzichte van traditionele zoeksystemen, is dat het niet werkt op basis van vaste zoekregels of centrale indexen. In plaats daarvan kan MCP dynamisch en op het moment zelf bepalen welke bronnen passen bij de context van de vraag. Zo wordt niet alleen gekeken naar trefwoorden, maar ook naar intentie en betekenis, dankzij vector-technologie.
Anders dan traditionele zoeksystemen, begrijpt een MCP-server niet alleen woorden, maar ook intenties. Zoek je naar “leren tuinieren”, dan snapt het systeem dat het moet zoeken naar boeken, cursussen én workshops die hiermee te maken hebben.
Hoe werkt een MCP-server in de praktijk?
Het werkt als volgt:
- Je stelt een vraag in natuurlijke taal – bijvoorbeeld “Ik wil leren natuurlijk tuinieren”
- De MCP-server analyseert je vraag – en bepaalt welke bronnen relevant zijn. Daarbij wordt bijvoorbeeld het leerdoel (‘leren’), het onderwerp (’tuinieren’) en het type informatie (‘praktisch’) herkend.
- Vector-zoektechnologie zoekt door alle verbonden bronnen – boeken, activiteiten, workshops
- Resultaten worden samengebracht – in één samenhangend antwoord
- De AI presenteert dit als een natuurlijk gesprek – niet als een lijst met zoekresultaten
In het Biebbot Proof-of-Concept willen we laten zien dat we hierdoor veel rijkere en relevantere antwoorden kunnen geven dan met traditionele zoeksystemen.
Waarom is dit zo’n grote stap vooruit?
De kracht van MCP zit in drie cruciale voordelen:
1. Decentrale gegevensopslag
Elke organisatie houdt controle over haar eigen data. Gegevens hoeven niet centraal opgeslagen te worden, wat privacy en dataeigenaarschap respecteert. Elke bibliotheek houdt controle over haar eigen activiteitenaanbod, terwijl gebruikers toch via één interface toegang hebben en ook kunnen zoeken bij andere bibliotheken.
2. Natuurlijke interactie
Gebruikers hoeven niet te weten in welke database wat staat – ze stellen gewoon hun vraag zoals ze dat tegen een bibliotheekmedewerker zouden doen.
3. Intelligente verbindingen
De echte magie gebeurt wanneer MCP verbanden legt tussen verschillende bronnen. Een vraag over duurzaamheid kan leiden tot boeken, lezingen, workshopaanbod én online cursussen – allemaal samengebracht in één relevant antwoord. Dit gebeurt door middel van vector-zoektechnologie, waarmee systemen niet zoeken op exacte woorden, maar op betekenis en context.
De uitdagingen
Natuurlijk zijn er uitdagingen, zoals:
- Kwaliteit van metadata is cruciaal – inconsistenties in de invoer van gegevens kunnen tot onvolledige resultaten leiden
- Architectuurkeuzes zoals centraal of decentraal zijn belangrijk voor schaalbaarheid en duurzaamheid
- Cross-referencing tussen bronnen roept mogelijk ethische en praktische vragen op
- Gebruikersverwachtingen kennen we nog onvoldoende en moeten goed onderzocht en gemanaged worden
In ons Proof-of-Concept, dat we samen met de KB Nationale Bibliotheek ontwikkelen binnen het WaU-traject (Werken aan Uitvoering), onderzoeken we deze aspecten om te leren hoe we MCP optimaal kunnen inzetten.
Van experiment naar praktijk
Tijdens de Dutch Design Week 2025 (18-26 oktober) kun je het eerste Proof-of-Concept Biebbot zelf uitproberen. We nodigen bibliotheekbezoekers uit om met onze AI-assistent in gesprek te gaan, zodat we kunnen leren wat gebruikers verwachten en hoe ze reageren op deze nieuwe manier van kennisontdekking.
Het mooie is: wat we nu ontwikkelen is pas het begin. De technologie die we nu testen zal uiteindelijk de manier waarop bibliotheken kennis en diensten aanbieden fundamenteel veranderen.
Waar Boekbot je helpt een passend boek te vinden, zal Biebbot je een compleet leerpad kunnen voorstellen, met boeken, activiteiten, en vervolgstappen die perfect aansluiten bij jouw behoeften en interesses.
Wil je er meer over weten?
Volg ons dan op biebvandetoekomst.nl