Vincent van Deth 

Everyone is talking about multi-agent AI orchestration. How to make Claude, Codex, and Gemini work together. How to split tasks across terminals. How to scale from one agent to four.

Nobody is talking about what happens when it goes wrong.

I've been running multi-agent AI workflows daily for six months on my local system. Four parallel terminals. Claude Code and Codex CLI side by side. 2,472 dispatches processed. And the single biggest lesson I learned has nothing to do with orchestration — it's about **governance**.

VNX dashboard: four AI agent terminals running in parallel

## The moment I lost trust

I started with multi-agent workflows in August 2025 — basic terminal orchestration, Claude Code doing the heavy lifting. In those early months, I ran the system with auto-accept enabled: dispatches flowed from orchestrator to workers without manual confirmation. Three months in, I had what felt like a smooth-running setup. Terminal T0 orchestrating, T1 and T2 writing code, T3 running tests. One morning I woke up to find that an agent had refactored a module at 2am — triggered by a cascading chain of dispatches that started with a single hallucinated dependency. By the time I caught it, three files had been rewritten, tests had been "fixed" to match the new (wrong) behavior, and the git history showed clean commits with reasonable messages.

Everything *looked* fine. But I couldn't answer the most basic engineering question: **which agent decided to do this, and why?**

The chat logs were gone — sessions had expired. Git showed what changed but not what prompted the change. There was no audit trail connecting the AI's decision to the action. No point where a gate could have caught the hallucination before it cascaded.

That incident ended the auto-accept era. I switched to mandatory human confirmation for every dispatch — a popup queue where nothing executes until I explicitly approve it. That has been the standard ever since. But switching to manual approval exposed a second problem: without structured receipts and quality gates, I was approving dispatches blind. I could say "yes" or "no," but I had no systematic way to assess whether the proposed work was safe.

That realization triggered three months of building governance infrastructure — first as ad-hoc scripts, then as a structured architecture. That architecture became VNX, and the remaining months of daily use (and the 2,472 dispatches it processed) shaped it into something I now trust enough to build real software with.

## The governance gap nobody addresses

I evaluated every major multi-agent framework. LangGraph gives you excellent graph-based orchestration with checkpointing. CrewAI offers role-based agent teams with task guardrails. AutoGen provides flexible multi-agent conversations. Claude Agent Teams adds native lead-agent coordination. OpenAI Swarm delivers lightweight agent handoffs.

They all solve the orchestration problem well. What I couldn't find was a framework that treated governance — audit trails, quality gates, explicit human approval gates — as a first-class architectural concern rather than something you bolt on later.

This isn't a criticism of these tools — they're excellent at what they do. But orchestration without governance creates risk you can't measure. Industry surveys paint a similar picture: according to Camunda's [2026 State of Agentic Orchestration and Automation](https://camunda.com/state-of-agentic-orchestration-and-automation/) and its [launch announcement](https://camunda.com/press_release/three-quarters-of-organizations-admit-gap-between-agentic-ai-vision-and-reality/), a large majority of organizations report a significant gap between their agentic AI vision and production reality. The primary blocker isn't technology — it's governance, auditability, and trust.

## What I built: Glass Box Governance

I built **VNX** — not as a product, but as an architecture I needed to trust my own workflow. I call the approach "Glass Box Governance" because the core principle is: if you can't see inside it, you can't trust it at scale.

VNX architecture: receipt ledger, governance gates, external watcher, quality gates

It rests on four pillars.

### 1. Receipts, not chat logs

Every agent action — task start, completion, failure, acknowledgment — writes a structured receipt to an append-only NDJSON ledger. Each receipt links the agent's decision to the concrete action: which terminal, which git commit, how long it took, what it cost.

Why NDJSON and not a database? Because simplicity is a governance property. NDJSON is crash-resilient (partial writes don't corrupt previous entries), streamable (`tail -f` works), and unix-native (`grep`, `jq`, `awk` all work out of the box). No database server to keep running. No migrations to manage. No schema versioning headaches. The ledger alone can reconstruct the system's complete history.

When something breaks during a long session, I replay the ledger. I don't read chat transcripts. I can grep for every action a specific terminal performed, filter by cost, or trace a dispatch from proposal to completion — all with standard unix tools.

**Receipt** (from `t0_receipts.ndjson`):

### 2. Staging gates between "propose" and "execute"

This is the pattern that would have prevented my 2am cascade. VNX enforces human approval on every dispatch — but through two distinct paths.

For structured feature work, the orchestrator (T0) drafts a multi-track dispatch plan. A human reviews the scope — which files, what complexity, what risk. Only after explicit approval does the plan move to the active queue. Worker terminals claim their tracks and emit acknowledgment receipts.

For ad-hoc operational work — quick fixes, one-off commands — T0 can propose a dispatch directly, but every ad-hoc dispatch triggers a confirmation popup. There is no silent dispatch path.

A critical design detail: T0 cannot write files directly. It operates through hooks that restrict write actions, limiting it to coordination, planning, and dispatch creation. All code changes happen in worker terminals under the governance layer's oversight. This separation of concerns means the orchestrator physically cannot bypass its own gates.

I call the failure mode this prevents the **"Cascade of Doom"**: one hallucinated output triggers downstream agent actions, each compounding the error, all looking reasonable in isolation. The two-path governance model breaks the chain at the first link.

Left: promoting a staged dispatch. Right: human confirmation popup for ad-hoc dispatch

### 3. Provider-neutral observation

Here's a problem most frameworks ignore: if your observability depends on provider-specific hooks, you're locked in. And hooks fail. They have latency. They don't exist for every provider.

VNX uses what I call the **External Watcher Pattern** — a dual-input bridge:

If a provider supports hooks, great — they can emit receipts directly. But for providers without hooks (or when hooks fail), VNX watches the filesystem for agent output reports and generates receipts from those. The watcher doesn't care if the output came from Claude, Codex, Gemini, or a shell script.

This means I can use Claude for architecture work, Codex for implementation, Gemini for review — and swap models per-task without touching the orchestration logic. The next experiment on my list is adding Kimi 2.5 to further stress-test the watcher pattern across provider ecosystems. Hooks are optional enrichments, never dependencies.

### 4. Evidence-based closure

Every dispatch creates an **open item** — a registered expectation of what should be delivered. When a worker terminal completes a task, it must produce evidence: a structured report with specific metadata (terminal, timestamp, task ID, what changed, what was tested).

But VNX doesn't just check that evidence arrived — it checks what the evidence *contains*. Every completion receipt automatically triggers a quality advisory: file size analysis, function length checks, dead code detection (via vulture), and test coverage hygiene. The system generates a risk score and a deterministic decision — approve, approve with follow-up, or hold — and delivers that verdict to the orchestrator alongside the completion receipt.

T0 tracks these open items. A dispatch is only marked complete when matching evidence arrives *and* the quality advisory clears. No evidence, no closure. Evidence with blocking issues, no closure. The item stays open, visible in the queue, demanding attention.

This inverts the default assumption of most agent workflows. In a typical setup, a task is "done" when the agent says it's done. In VNX, a task is done when the **system** can verify the agent produced the expected deliverables to an acceptable standard. The agent's self-assessment is input, not verdict.

## How this compares to what exists

I'm not building in a vacuum. Several frameworks address parts of this problem. **Aura** uses append-only JSONL events with approval policies and multi-model support via Agno. **SafeClaw** implements deny-by-default gating with a SHA-256 hash chain for tamper detection. **Camunda** brings enterprise-grade BPMN/DMN gateways to agent orchestration.

But each solves a different slice. Aura is a self-contained agent framework — not middleware you add to existing tools. SafeClaw focuses on security gating for its own agent ecosystem. Camunda requires BPMN expertise and isn't designed for the agent-native developer workflow.

The gap I found: no existing system combines an append-only receipt ledger, explicit staging/promote governance gates, provider-neutral external observation, and evidence-based closure as a **unified governance layer** that works with whatever orchestration framework you already use.

VNX is designed as governance middleware. It sits between your agents and your codebase, regardless of which framework or model powers those agents. You could theoretically add VNX's governance patterns to a LangGraph pipeline, a CrewAI team, or a bare tmux setup. The receipt schema and governance lifecycle are the contracts — the implementation is secondary.

## What I am (and what I'm not)

I should be transparent: I'm not a traditional systems engineer. I'm a product architect who saw the potential of AI agents and was frustrated by their lack of discipline. I didn't build VNX with AI to avoid coding — I built it for AI, to enforce engineering discipline on AI.

The prototype is Python and Bash. It runs on tmux. It's file-based and local-first. It has known limitations: tested with 4 terminals on a local system, T0 (the orchestrator) has only been tested with Claude Opus via Claude Code — which powers about 80% of my workflow. Other models may work as orchestrator, but that's untested. Gemini integration is validated but less battle-tested than Claude/Codex, and the public git history starts at the point where I separated VNX from the private product repository it grew out of.

I used AI to build the guardrails I needed for AI. And I believe the architecture — not the implementation language — is the contribution worth sharing.

## Where this is going

After 2,472 dispatches, I see three shifts coming that most teams aren't preparing for.

**Governance becomes the bottleneck, not orchestration.** Everyone is racing to add more agents, more models, more parallelism. The orchestration tooling is keeping up. The governance isn't. Every additional agent multiplies the audit surface — more receipts, more decision chains, more potential cascades. Projects like ClawBot and OpenClaw are already showing that security and token governance at scale is brutally hard. The teams that figure out governance first will be the ones who can actually scale. The rest will hit a wall they didn't see coming.

**Receipts become training data, not just audit trails.** Right now, my ledger records what happened. But there's a more powerful use: feeding governance data back into the system. Pattern recognition across thousands of receipts — which dispatch types fail most often, which agents drift in scope, which context injections reduce hallucinations. VNX already does a version of this: 1,100+ learned patterns that automatically shape how dispatches are constructed and how context is injected. The next step is systematic: ML pipelines on governance ledgers — think BigQuery or Vortex — that surface insights no human reviewer would catch by reading receipts one at a time. The governance layer doesn't just record history — it learns from it.

**Agents get more autonomous, governance must get proportionally smarter.** The industry is pushing toward fully autonomous agents. I believe that's the wrong frame. The question isn't "how do we remove the human?" — it's "how do we make the human's oversight more effective as agent autonomy increases?" A human reviewing 10 dispatches per day can read each one carefully. A human reviewing 200 dispatches per day needs the system to surface the ones that matter. That's where intelligent governance comes in: risk scoring, anomaly detection, pattern-based flagging — all feeding into a human decision, never replacing it.

The common thread: **whoever owns the governance data owns the intelligence.** Receipts aren't bureaucratic overhead. They're the dataset that makes everything else smarter. And the teams that treat governance as a first-class data asset — not a compliance checkbox — will have a structural advantage that compounds over time.

## The question I'm asking

After six months and 2,472 dispatches, I've come to believe that the multi-agent AI space has an infrastructure gap. We have excellent orchestration tools. We have powerful models. What we lack is the governance middleware to make agent workflows auditable, trustworthy, and production-safe.

So I'm putting the architecture and code out there — MIT-licensed, warts and all — because I think this conversation matters more than polish.

**How are you handling governance for multi-agent workflows?** Do you trust provider logs? Do you maintain your own flight recorder? Have you hit the cascade-of-doom yet — the point where orchestration works but you can't explain what happened?

If you're a systems architect or engineer who's experienced multi-agent chaos, I want to hear your approach. If you're interested in governance tooling for AI workflows, the architecture, schemas, and working prototype are open for discussion.

Because if you can't audit it, you can't scale it.

***

*This is Part 1 of the Glass Box Governance series. Next: [The Cascade of Doom](/blog/cascade-of-doom-ai-agent-hallucination) — the 2am incident that made governance non-negotiable. The full series: [Part 2: Cascade of Doom](/blog/cascade-of-doom-ai-agent-hallucination) | [Part 3: NDJSON Receipt Ledger](/blog/ndjson-receipt-ledger-ai-audit-trail) | [Part 4: External Watcher Pattern](/blog/external-watcher-pattern-ai-agent-observation) | [Part 5: Async Quality Gates](/blog/async-quality-gates-ai-agent-workflows)*

*Vincent van Deth is a product architect and AI system builder based in the Netherlands. He builds production systems with AI and teaches others to do the same. The VNX architecture and prototype are available on [GitHub](https://github.com/Vinix24/vnx-orchestration).*

large_blog1-og-image

medium_blog1-og-image

small_blog1-og-image

thumbnail_blog1-og-image

blog1-og-image

Receipts, Not Chat Logs: What 2,472 AI Agent Dispatches Taught Me About Governance

## Introductie tot Claude MCP servers

In een eerdere blog schreef ik over mijn **[top 10 Claude MCP protocollen](https://vincentvandeth.nl/blog/Top10-Claude-MCP-Protocollen-AI-Agent)** over hoe je van Claude een heuse AI agent kan maken. Het installeren van deze MCP servers is een technisch verhaal maar ook voor niet technische mensen makkelijk te doen, kwestie van instructies volgen. Om het je nog makkelijker te maken heb ik een stap voor stap gids gemaakt waarmee je zelf MCP servers kan installeren voor Claude Desktop. 

Nadat je alle stappen hebt doorlopen heb je van jouw Claude Desktop een multifunctionele AI agent gemaakt en heb je geen no-code of andere agent frameworks nodig! 

Ook als je nu nog denkt aan een bus - of treinstation bij het woord terminal heb je na het lezen van deze blog al een stuk meer kennis over computersystemen. De installatiegids werkt voor zowel Mac, Windows en Linux gebruikers. 

## Claude Desktop installeren en configureren voor MCP protocollen

Voordat we beginnen is het belangrijk om te weten dat je alleen met Claude Desktop versie MCP servers kunt gebruiken, met de cloud versie kan dit niet! Download dus eerst de Claude Desktop versie van als je die nog niet gebruikt. 

**Belangrijk!** Het configuratie bestand waarvoor ik in deze blog de .json configuratie geef kun je vinden onder _Claude > Settings_. Dit is niet dezelfde settings als voor Claude Dekstop zelf. Mocht je de fout maken die ik in het begin maakt dan kun je daar zoeken tot je een ons weegt. In de Settings ga je naar de Developer tab en vind je Edit Config. Als je daar op klikt vind je het _claude_desktop_config.json_ bestand. Dat is het bestand wat je straks moet gaan aanpassen. 

**Let op bij het werken met privacy gevoelige informatie in verband met GDPR/AVG ook mijn blog over [GDPR/AVG risico bij MCP servers](https://vincentvandeth.nl/blog/cp-servers-gdpr-privacy-risicos-voor-marketeers-ondernemers) **

## De basis: Node.js installeren

Voordat we beginnen met het installeren van de MCP servers, moeten we eerst controleren of Node.js is geïnstalleerd. Node.js vormt de basis voor alle MCP server installaties.

### Stap 1: Download Node.js

Ga naar de Node.js website: **[https://nodejs.org/](https://nodejs.org/)**

**Tip:** Kies de "LTS" versie (Long Term Support). Dit is de meest stabiele versie en perfect voor de meeste gebruikers. Klik op de downloadknop voor uw besturingssysteem (Windows, macOS of Linux).

### Stap 2: Installatie uitvoeren

De installatie is grotendeels geautomatiseerd en eenvoudig te volgen:

- **Windows:** Open het gedownloade .msi bestand en volg de instructies. Accepteer de standaardinstellingen door op "Next" te klikken bij elke stap, en klik op "Finish" wanneer de installatie is voltooid.

- **Mac:** Open het .pkg bestand en volg de installatie-instructies. Accepteer de standaardinstellingen, klik op "Continue" en "Install". U moet mogelijk uw wachtwoord invoeren om de installatie te autoriseren. Klik op "Close" wanneer de installatie is voltooid.

- **Linux:** De installatieprocedure kan per distributie verschillen. Raadpleeg de Node.js website voor specifieke instructies voor uw Linux-versie onder "Installing Node.js via package manager": [https://nodejs.org/en/download/package-manager/](https://nodejs.org/en/download/package-manager/). Voor Debian/Ubuntu gebruikt u doorgaans `sudo apt-get install nodejs npm` en voor Fedora/CentOS/RHEL `sudo dnf install nodejs`.

### Stap 3: Controleer de installatie

Om te verifiëren dat Node.js correct is geïnstalleerd, opent u de terminal (of opdrachtprompt in Windows):

- **Windows:** Druk op de Windows-toets, typ "cmd" of "opdrachtprompt" en druk op Enter.
- **Mac:** Open Finder → Programma's → Hulpprogramma's → Terminal.
- **Linux:** Gebruik de sneltoets Ctrl+Alt+T of zoek "Terminal" in het applicatiemenu.






Typ de volgende commando's en druk na elke regel op Enter:

Als de installatie succesvol was, zie je versienummers verschijnen (bijvoorbeeld v20.18.2 en 10.8.2). Dit bevestigt dat Node.js correct is geïnstalleerd en klaar is voor gebruik.

## Het configuratiebestand vinden in Claude Desktop

Voordat we beginnen met het installeren van de MCP servers, is het belangrijk om te weten waar u het configuratiebestand kunt vinden dat we later gaan aanpassen.

1. Open Claude Desktop
2. Klik op het tandwiel-icoon voor **Instellingen**
3. Ga naar het menu-item **Developer**
4. Klik op de knop **Edit config**
5. Je configuratiemap opent nu in uw bestandsverkenner
6. In deze map vind je het bestand `claude_desktop_config.json` waarin we de MCP server instellingen gaan toevoegen

In Claude desktop vind je in het developers console de knop om het configuratie bestand te vinden

## 1. Memory Server: Behoud context en bespaar tokens

**Wat het doet:** De Memory Server onthoudt de context van uw gesprekken met Claude, waardoor u tokens bespaart en de continuïteit in langere projecten behouden blijft.

### Stap-voor-stap installatie:

1. Open een nieuwe terminal (of opdrachtprompt)
2. Voer het volgende commando uit:







3. Voeg de server toe in Claude Desktop:

1. Open het configuratie bestand via _Claude>Settings_ in de menubar. 
2. Ga naar het developer console
3. Op het configuratie bestand
4. Voeg onderstaande regel toe in het .json bestand
5. Vul bij /path/to/custom/ de folder in waar je hem wilt hebben (Bij mij bijvoorbeeld /Users/vincentvandeth/Desktop/Development/MCP)

### JSON Configuratie:

### Testen:

Start een nieuwe chat met Claude. Bespreek een onderwerp, sluit Claude Desktop af, open het opnieuw om het geheugen te activeren. Voer een gesprek met Claude en vraag hem om het gesprek in het geheugen op te slaan. Claude slaat niet automatisch alles op. In een volgende gesprek verwijs je Claude naar het geheugen en heeft hij meteen de context van het gesprek te pakken. 

Ik schrijf een aparte blog over hoe je efficient met het geheugen kan werken. Als je in de tussentijd vragen hebt mail me of stuur me een bericht op **[Linkedin](https://www.linkedin.com/in/vincentvandeth/)**

## 2. Filesystem Server: Directe toegang tot je bestanden

**Wat het doet:** De Filesystem Server geeft Claude directe toegang tot bestanden op uw computer, ideaal voor het bewerken van documenten of het verfijnen van code.

### Stap-voor-stap installatie:

1. Open een nieuwe terminal (of opdrachtprompt)
2. Voer het volgende commando uit:

3. Voeg de server toe in Claude Desktop:

1. Open het configuratie bestand via _Claude>Settings_ in de menubar. 
2. Ga naar het developer console
3. Op het configuratie bestand
4. Voeg onderstaande regel toe in het .json bestand
5. Vul bij /Users/jouwgebruikersnaam de folder in waar je hem wilt hebben 

Bij mij bijvoorbeeld:

Users/vincentvandeth/Desktop/Development/VNXcrawlerdevelopment/
Users/vincentvandeth/Desktop/Development/vinix-marketing/folder1/

Let goed op op welke folders je rechten geeft want dat zijn de folders waarin Claude kan zoeken, lezenk, schrijven, nieuwe folders aanmaken etc. Als je documentatie hebt met privacy gevoelig info die niet selecteren. 


### JSON Configuratie:   







**Belangrijk voor Mac en Linux gebruikers:** Het kan nodig zijn om in uw privacy-instellingen expliciet toegang te verlenen tot bepaalde mappen. Controleer de instellingen voor 'Bestanden en Mappen' als u problemen ondervindt.

### Testen:

Maak een tekstbestand in de geselecteerde map. Start een nieuwe chat met Claude en vraag: "Kun je het bestand [bestandsnaam] in de map [mapnaam] lezen?". Als Claude de inhoud kan lezen, werkt de Filesystem Server correct.

Handige tip: Vraag Claude in een prompt om bepaalde bestanden te lezen als achtergrond informatie. Je kunt Claude opdracht geven rechtstreeks in toegestane folders wijzigingen aan te brengen. Dit werkt ook voor bestanden die code bevatten. 

## 3. Brave Search Server: Realtime webinformatie

**Wat het doet:** Integreert Brave Search, een privacy-vriendelijke zoekmachine, direct in Claude voor efficiënt webonderzoek.

### Stap-voor-stap installatie:

1. Open een nieuwe terminal (of opdrachtprompt)
2. Voer het volgende commando uit:

3. Voeg de server toe in Claude Desktop:

1. Open het configuratie bestand via _Claude>Settings_ in de menubar. 
2. Ga naar het developer console
3. Op het configuratie bestand
4. Voeg onderstaande regel toe in het .json bestand
5. Vul bij API sleutel de API sleutel in die je van de website van Brave Search gratis kan halen

### Testen:

Start een nieuwe chat met Claude en vraag: "Zoek op internet naar de laatste trends in digitale marketing". Als Claude recente informatie van het web teruggeeft, werkt de Brave Search Server correct.

## 4. Perplexity Search Server: Diepgaand onderzoek

**Wat het doet:** Integreert Perplexity AI voor diepgaande, gecureerde zoekresultaten, perfect voor serieuze marktanalyse.

#### Stap-voor-stap installatie:

1. Open een nieuwe terminal (of opdrachtprompt)
2. Voer het volgende commando uit:

3. Voeg de server toe in Claude Desktop:

1. Open het configuratie bestand via _Claude>Settings_ in de menubar. 
2. Ga naar het developer console
3. Op het configuratie bestand
4. Voeg onderstaande regel toe in het .json bestand
5. Vul bij API sleutel de API sleutel in die je van de website van Perplexity haalt. Deze is helaas niet gratis maar zeer de moeite waar omdat Claude zelf instructies kan geven aan Perplexity en zo altijd de informatie zoekt die relevant is voor de opdracht waar je mee bezig bent. 

### JSON Configuratie:

### Testen:

Start een nieuwe chat en vraag Claude: "Zoek met Perplexity naar de impact van AI op de e-commerce industrie". Vergelijk deze resultaten met een reguliere zoekopdracht om het verschil in diepgang te zien.

## 6. GitHub Server: Codebeheer voor tech-professionals

**Wat het doet:** Integreert GitHub-functionaliteit in Claude, ideaal voor code generatie, review en beheer.

### Stap-voor-stap installatie:

1. Open een nieuwe terminal (of opdrachtprompt)
2. Voer het volgende commando uit:

3. Genereer een GitHub Personal Access Token:

1. Ga naar je Github profiel naar _Settings_
2. Ga naar <> Developer settings helemaal onderaan de lijst
3. Kies Personal acces tokens > fine grained tokens
4. Generate new token
5. Vink tenminste  'Read access to codespaces metadata and metadata,
read and Write access to actions, administration, code, commit statuses, pull requests en workflows aan.



### Toevoegen in Claude Desktop:

1. Open het configuratie bestand via _Claude>Settings_ in de menubar. 
2. Ga naar het developer console
3. Op het configuratie bestand
4. Voeg onderstaande regel toe in het .json bestand
5. Vul bij GITHUB_TOKEN het token in wat je op de website van Github hebt gehaald.  

### JSON configuratie:

### Testen:

Start een nieuwe chat en vraag Claude: "Geef overzicht open issues in GitHub repository [gebruikersnaam]/[repository-naam]"

Tip: Maak een fine grained token dan kun je precies instellen wat Claude wel en niet mag doen hierdoor voorkom je dat Claude dingen kan inzien of bewerken die misschien gevoelig zijn. 

**Let op bij het werken met privacy gevoelige informatie in verband met GDPR/AVG ook mijn blog over [GDPR/AVG risico bij MCP servers](https://vincentvandeth.nl/blog/cp-servers-gdpr-privacy-risicos-voor-marketeers-ondernemers) ** 

## 7. ArXiv Search Server Installeren

**Wat het doet:** Integreert ArXiv, het archief voor wetenschappelijke papers, in Claude voor diepgaande research.

### Stap-voor-Stap Installatie:

Deze is iets ingewikkelder dan de andere servers omdat je hiervoor het project op Githubn nodig hebt. Als je stap 6 succesvol hebt afgerond dan kun je gewoon Claude vragen om de server te clonen en je door de installatie te leiden. 

Heb je geen Github? Geen probleem. Het kan ook handmatig:

1. Maak een folder aan waar je de server wilt hebben: /users/jouwnaam/ArXiv bijvoorbeeld
2. Open een terminal en type: cd //users/jouwnaam/ArXiv uit het vorige voorbeeld. Je zou nu in de terminal moeten zien dat je in die map staat (zie schermprint waar ik /users/vincentvandeth/desktop/development heb gebruikt. 
3. Kopieer dit commando in je terminal. Die haalt ArXiv op van Github:

### Toevoegen in Claude Desktop:

1. Open het configuratie bestand via _Claude>Settings_ in de menubar. 
2. Ga naar het developer console
3. Op het configuratie bestand
4. Voeg onderstaande regel toe in het .json bestand
5. Vul jouw API key in die haal je **[hier](https://info.arxiv.org/help/api/index.html)**

### JSON Configuratie:

### Testen:

Start een nieuwe chat en vraag Claude: "Zoek op ArXiv naar recente papers over AI in medical diagnostics"

## 8. Google Search Server Installeren

**Wat het doet:** Integreert Google Search in Claude voor maximale zoekdekking.

### Stap-voor-Stap Installatie:

1. Open een nieuwe Terminal of Opdrachtprompt
2. Installeer met NPM:

### Google Custom Search Engine Configureren:

1. Ga naar de [Google Custom Search Engine website](https://programmablesearchengine.google.com/)
2. Maak een Custom Search Engine aan
3. Genereer een API Key en Search Engine ID via de Google Cloud Console

### Toevoegen in Claude Desktop:

1. Open het configuratie bestand via _Claude>Settings_ in de menubar. 
2. Ga naar het developer console
3. Op het configuratie bestand
4. Voeg onderstaande regel toe in het .json bestand
5. API Key: Vul jouw Google Custom Search Engine API Key in
4. Search Engine ID: Vul jouw Google Custom Search Engine ID in
5. Ingeschakeld: Aanvinken
6. Klik op 'Opslaan'

### JSON Configuratie:

## Testen:

Start een nieuwe chat en vraag Claude: "Google: Zoek naar recente ontwikkelingen in digitale marketing"

## 9. WolframAlpha Server Installeren

**Wat het doet:** Integreert WolframAlpha in Claude voor complexe berekeningen en datavisualisatie.

### Stap-voor-Stap Installatie:

Net als ArXiv heb je voor Wolfram Alpha de repository van Github nodig. Als je stap 6 succesvol hebt afgerond dan kun je gewoon Claude vragen om de server te clonen en je door de installatie te leiden. 

Heb je geen Github? Geen probleem. Het kan ook handmatig:

1. Maak een folder aan waar je de server wilt hebben: /users/jouwnaam/Wolfram Alpha bijvoorbeeld
2. Open een terminal en type: cd //users/jouwnaam/ArXiv uit het vorige voorbeeld. Je zou nu in de terminal moeten zien dat je in die map staat (zie schermprint waar ik /users/vincentvandeth/desktop/development heb gebruikt. 
3. Kopieer dit commando in je terminal. Die haalt Wolfram Alpha op van Github:

### WolframAlpha API Key Genereren:

1. Ga naar de [WolframAlpha website](https://developer.wolframalpha.com/)
2. Maak een account aan en vraag een API Key aan

### Toevoegen in Claude Desktop:

1. Open het configuratie bestand via _Claude>Settings_ in de menubar. 
2. Ga naar het developer console
3. Op het configuratie bestand
4. Voeg onderstaande regel toe in het .json bestand
5. API Key: Vul jouw Wolfram Alpha key hier in


### JSON Configuratie:

### Testen:

Start een nieuwe chat en vraag Claude: "WolframAlpha: Bereken ROI met investering €10.000, opbrengst €25.000, visualiseer in taartdiagram"

## 10. DuckDuckGo Search Server Installeren

**Wat het doet:** Integreert DuckDuckGo, een privacy-vriendelijke zoekmachine, in Claude.

### Stap-voor-Stap Installatie:

1. Open een nieuwe Terminal of Opdrachtprompt
2. Installeer met NPM:

### Toevoegen in Claude Desktop:

1. Open het configuratie bestand via _Claude>Settings_ in de menubar. 
2. Ga naar het developer console
3. Op het configuratie bestand
4. Voeg onderstaande regel toe in het .json bestand
5. API Key: Niet nodig

### JSON Configuratie:


### Testen:

Start een nieuwe chat en vraag Claude: "DuckDuckGo: Zoek naar privacy-vriendelijke zoekmachines"

## Complete JSON Configuratie

Nadat je meerdere servers hebt toegevoegd, ziet uw servers sectie in de config.json file er ongeveer zo uit:

**Belangrijk:** Vervang alle placeholders (UW_API_KEY, UW_GITHUB_PERSONAL_ACCESS_TOKEN, etc.) en voorbeeldpaden met je eigen API keys, tokens en bestandspaden. U kunt deze JSON direct aanpassen in het "JSON Bewerken" tabblad in Claude Desktop (MCP Servers instellingen).

## Conclusie

Gefeliciteerd! Je hebt Claude Desktop uitgebreid met 10 krachtige MCP servers. Deze uitbreidingen maken Claude tot een super AI agent. Experimenteer met deze nieuwe mogelijkheden om te ontdekken hoe ze jouw workflow kunnen optimaliseren.

De MCP community blijft groeien, en er komen regelmatig nieuwe servers beschikbaar. Houd mijn blog in de gaten voor updates over de nieuwste ontwikkelingen.

### Disclaimer

Wees altijd voorzichtig met het installeren van software en het verlenen van toegang tot uw bestanden en online accounts. Gebruik servers van vertrouwde bronnen en lees de documentatie zorgvuldig door. Veiligheid staat voorop!


---

Heb je vragen of hulp nodig bij het installeren? Stuur me een mail of berichtop **[Linkedin](https://www.linkedin.com/in/vincentvandeth/)**


Hoe moet ik Claude MCP servers installeren? Een stap voor stap gids

Als fan van innovatieve technologieën zie ik dat MCP servers een enorme hype zijn geworden in de marketingwereld. Ze bieden indrukwekkende mogelijkheden om AI te integreren in je dagelijkse werkzaamheden. Maar als marketing consultant met een scherp oog voor beveiliging en privacy zie ik ook de GDPR/AVG-risico's die vaak over het hoofd worden gezien. In dit artikel duik ik diep in de verborgen gevaren van MCP servers, vooral wanneer ze worden gebruikt met Google Ads en andere privacy-gevoelige data.


Ben je op zoek naar praktische implementaties? Bekijk dan mijn andere artikelen: **[Top 10 Claude MCP Protocollen voor AI Agents](https://vincentvandeth.nl/blog/Top10-Claude-MCP-Protocollen-AI-Agent)**. Let er wel op dat in sommige van deze servers met API keys wordt gewerkt en let op met het gebruik van privacy gevoelige informatie_

## Wat zijn MCP servers en waarom zijn ze zo populair?

MCP (Model Context Protocol) servers zijn een relatief nieuwe technologie die een brug slaat tussen AI-assistenten zoals Claude en ChatGPT en jouw bedrijfssystemen. In plaats van handmatig informatie te kopiëren en plakken, kan de AI via een MCP server rechtstreeks communiceren met jouw CRM, marketingplatforms, of in dit geval: Google Ads.

De populariteit is begrijpelijk:

- **Efficiëntere werkprocessen**: Vraag de AI bijvoorbeeld "Welke advertenties presteren onder het gemiddelde?" en krijg direct een antwoord zonder handmatig rapportages te maken.
- **Lagere kosten**: MCP servers verminderen het token-gebruik met [gemiddeld 40-60%](https://blog.cloudflare.com/remote-model-context-protocol-servers-mcp/?t/) doordat de AI sneller en gerichter kan werken met jouw data.
- **Betere besluitvorming**: Door directe toegang tot real-time data kan de AI tot [25-35% sneller en accurater](https://www.anthropic.com/blog/claude-context-efficiency) zijn in het uitvoeren van complexe taken die meerdere databronnen vereisen.

Als MKB-ondernemer of marketeer is dit verleidelijk. Wie wil niet meer doen met minder moeite? Maar voordat je enthousiast aan de slag gaat, is het cruciaal om de GDPR/AVG-implicaties en andere verborgen risico's te begrijpen. Voor technische implementatiedetails, zie mijn artikel [Stap-voor-stap Handleiding: Claude MCP Server Installeren](https://vincentvandeth.nl/blog/hoe-claude-mcp-server-installeren-stap-voor-stap).

## Een reële case: MCP server voor Google Ads API

Recent kwam ik een GitHub repository tegen: _[mcp-google-ads](https://github.com/cohnen/mcp-google-ads)_. Deze code stelt je in staat om een MCP server op te zetten die verbinding maakt met de Google Ads API. Hiermee kan een AI-assistent:

- Een overzicht krijgen van alle Google Ads-accounts waartoe je toegang hebt
- Campagne-analyses en rapportages genereren
- Keyword- en advertentieprestaties analyseren
- Budget- en biedingsbeheer bekijken en suggesties doen

Op het eerste gezicht geweldig! Maar bij nadere inspectie van de code kwamen enkele zorgwekkende beveiligingsproblemen naar boven.

## Beveiligingsrisico's ontleed: wat gebeurt er echt achter de schermen?

Een voorbeeld van de dataflow tussen de 'user' en MCP servers en Claude

### 1. STDIO-communicatie: een fundamenteel veiligheidsrisico

Een van de meest verontrustende aspecten van veel MCP servers is dat ze STDIO (Standard Input/Output) gebruiken voor communicatie. Dit is een inherent onveilige methode voor productieomgevingen.

**Wat dit betekent in gewone taal**: STDIO is vergelijkbaar met het schrijven van gevoelige informatie op een bord in een openbare ruimte. Iedereen met toegang tot het systeem kan potentieel meelezen wat er wordt gecommuniceerd. Dit wordt nog riskanter wanneer de server op een netwerk draait, waar de kans op onderschepping van gegevens toeneemt.

Dit risico wordt verergerd wanneer je verbinding maakt met API's zoals Google Ads, die eigen beveiligingsvereisten hebben. Google vereist bijvoorbeeld dat alle gegevens die via hun API worden verzonden, beveiligd worden met minimaal 128-bit SSL-versleuteling, maar standaard STDIO biedt deze bescherming niet.

Volgens het [2025 API ThreatStats Report van Wallarm](https://hubspot.wallarm.com/hubfs/Annual%202025%20API%20ThreatStatsTM%20Report.pdf) was er een stijging van 1025% in AI-gerelateerde kwetsbaarheden, waarvan 99% direct verband hield met API's. Meer dan 50% van alle geregistreerde CISA-kwetsbaarheden was API-gerelateerd, een stijging van 30% ten opzichte van het jaar ervoor.

### 2. Risico's van API-sleutels en tokens

Wanneer je een MCP server configureert voor Google Ads, moet je gevoelige inloggegevens in je lokale omgeving opslaan en beschikbaar maken:

Wat dit betekent: Hoewel het opslaan van API-sleutels in omgevingsvariabelen een gangbare praktijk is, brengt de interactie tussen deze sleutels en de MCP server wel degelijk risico's met zich mee:

Toegangsbeheer: Er is vaak geen fijnmazige controle over welke specifieke gegevens de MCP server mag opvragen met deze sleutels
Logging: Veel MCP servers missen goede logging-functionaliteit, waardoor je niet kunt zien welke gegevens wanneer zijn opgevraagd
Token levensduur: API-tokens worden vaak niet automatisch ververst, waardoor ze lange tijd geldig blijven en een groter risico vormen bij een inbreuk

In een productieomgeving zouden sterkere veiligheidsmaatregelen zoals HashiCorp Vault, AWS Secrets Manager, of regelmatige key-rotatie moeten worden overwogen.

### 2. Data gaat naar externe servers 

MCP servers sturen informatie van jouw systemen naar de AI (zoals Claude) en weer terug. Dit betekent dat gegevens uit je advertentieaccounts potentieel worden gedeeld met externe servers.

**Wat dit betekent**: Het is alsof je vertrouwelijke klantgegevens uitprint en meeneemt naar een openbare plek om ze te bespreken. De kans bestaat dat anderen meeluisteren.

Het is belangrijk om te vermelden dat AI-systemen zoals Claude wel enige mate van "privacy by design" implementeren. Claude heeft bijvoorbeeld een beperkt context window, wat betekent dat het slechts een beperkte hoeveelheid tekst kan onthouden, en de gegevens worden niet permanent opgeslagen voor training. Echter, deze functies alleen zijn niet voldoende om volledige GDPR-compliance te garanderen. Better safe than sorry: neem altijd extra maatregelen om gevoelige data te beschermen voordat je deze met een AI-systeem deelt.

### 3. Gebrek aan granulair toegangsbeheer

De standaard implementatie van MCP servers mist vaak grondige toegangscontroles:

- Geen mogelijkheid om te zien wie welke informatie heeft opgevraagd
- Geen beperkingen op welke gegevens kunnen worden opgezocht
- Geen tijdslimieten of gebruiksbeperkingen

**Wat dit betekent**: Je geeft iemand toegang tot je kantoor, maar kunt niet zien in welke kasten ze hebben gekeken of welke documenten ze hebben ingezien.

## GDPR/AVG-compliance: ben je onbewust de wet aan het overtreden?

Als je klantgegevens verwerkt, ben je wettelijk verplicht om aan de GDPR/AVG-regelgeving te voldoen. MCP servers vormen hierbij een uitdaging, zeker in het licht van recente ontwikkelingen.

### Europese richtlijnen voor AI en data protection

De European Data Protection Board (EDPB) heeft specifieke richtlijnen gepubliceerd over het gebruik van AI-systemen in combinatie met persoonlijke gegevens. Deze [EDPB-richtlijnen](https://www.edpb.europa.eu/our-work-tools/our-documents/opinion-board-art-64/opinion-282024-certain-data-protection-aspects_en) benadrukken de noodzaak van:

- Transparantie over het gebruik van AI met persoonlijke gegevens
- De implementatie van technische en organisatorische maatregelen om gegevensbescherming te waarborgen
- Het uitvoeren van risicobeoordelingen vóór implementatie van AI-systemen
- Het minimaliseren van gegevensverwerking tot wat strikt noodzakelijk is

De uitdagingen zijn aanzienlijk. Volgens het [Traceable AI Global State of API Security rapport](https://www.traceable.ai/2025-state-of-api-security) heeft 57% van de organisaties in de afgelopen twee jaar een API-gerelateerd datalek meegemaakt. Bovendien stelt 65% van de organisaties dat generatieve AI-toepassingen een ernstig tot extreem risico vormen voor API's.

[Recente GDPR-boetes](https://www.privacyaffairs.com/gdpr-fines/) onderstrepen deze risico's. Zo kreeg OpenAI in januari 2024 een boete van €15 miljoen van de Italiaanse privacytoezichthouder voor GDPR-overtredingen met betrekking tot ChatGPT, en werd Clearview AI beboet voor €30.5 miljoen door de Nederlandse Autoriteit Persoonsgegevens voor illegale dataverzamelingspraktijken.

### De internationale dimensie: waar staat de data?

Een belangrijke overweging bij het gebruik van AI-assistenten via MCP servers is de fysieke locatie van de servers van AI-providers. Veel grote AI-bedrijven, waaronder Anthropic (maker van Claude), hebben momenteel geen eigen serverinfrastructuur in Europa. In plaats daarvan maken ze gebruik van:

- AWS-cloudinfrastructuur (voornamelijk VS-gebaseerd)
- Google Cloud-platforms (met beperkte EU-locaties)
- Tijdelijke EU-initiatieven via partnerschappen

Dit betekent dat, zelfs als jouw MCP server lokaal draait, de data alsnog naar servers buiten de EU kan worden gestuurd wanneer de AI-assistant wordt geraadpleegd, wat extra GDPR-implicaties heeft voor de internationale overdracht van gegevens.

De EU heeft plannen aangekondigd voor zeven AI-fabrieken verspreid over Europa (onder andere in Spanje, Italië, Finland en Duitsland), maar deze infrastructuur zal pas vanaf Q2 2026 beschikbaar zijn. Tot die tijd blijft internationale dataoverdracht een aandachtspunt voor GDPR-compliance.

### Wat is een DPIA en wanneer heb je die nodig?

Een DPIA (Data Protection Impact Assessment) of Gegevensbeschermingseffectbeoordeling is een risicoanalyse die je uitvoert wanneer je nieuwe technologieën implementeert die waarschijnlijk een hoog risico vormen voor de privacy van individuen.

Het is een misvatting dat een DPIA altijd nodig zou zijn bij het gebruik van AI-systemen zoals MCP servers. De [Autoriteit Persoonsgegevens](https://autoriteitpersoonsgegevens.nl/nl/zelf-doen/data-protection-impact-assessment-dpia) geeft aan dat een DPIA specifiek vereist is in de volgende situaties:

- Bij systematische en uitgebreide beoordeling van persoonlijke aspecten (zoals bij gerichte advertenties)
- Bij grootschalige verwerking van bijzondere persoonsgegevens
- Bij systematische monitoring van openbaar toegankelijke ruimten

Voor MKB-bedrijven betekent dit dat je een DPIA moet overwegen als je MCP servers gebruikt voor het analyseren van grote hoeveelheden klantgegevens of voor profilering, maar niet automatisch bij elk gebruik van deze technologie voor bijvoorbeeld basis rapportages of analyses.

Volgens de [EDPB handleiding voor DPIA's](https://www.autoriteitpersoonsgegevens.nl/sites/default/files/atoms/files/wp248_rev.01_nl.pdf) is het belangrijk om te weten: ook als je geen DPIA hoeft uit te voeren, moet je nog steeds het algemene AVG-kader volgen en zorgen voor passende beschermingsmaatregelen.

### De DPIA stapsgewijs uitgelegd

1. **Beschrijf de gegevensverwerking**: Welke data wordt verzameld, met welk doel, en hoe wordt het verwerkt?
2. **Beoordeel de noodzaak**: Is deze gegevensverwerking echt nodig voor je doel?
3. **Identificeer risico's**: Welke bedreigingen zijn er voor de privacy van betrokkenen?
4. **Ontwikkel oplossingen**: Welke maatregelen kun je nemen om deze risico's te beperken?

**Voorbeeld**: Als je MCP server toegang heeft tot Google Ads-accounts waarin klantlijsten worden gebruikt voor gerichte advertenties, moet je beoordelen welke risico's er zijn als deze gegevens worden gedeeld met de AI-provider en welke maatregelen je neemt om deze gegevens te beschermen.

### Extra overeenkomsten die je nodig hebt

Wanneer je een MCP server gebruikt die toegang heeft tot Google Ads-gegevens, heb je de volgende overeenkomsten nodig:

1. **Verwerkersovereenkomst met de AI-provider**: Een juridisch document dat beschrijft hoe zij omgaan met jouw data.
2. **Bijgewerkte privacyverklaring**: Informeer je klanten dat hun gegevens mogelijk worden verwerkt door AI-systemen.
3. **Interne verwerkingsregisters**: Documenteer welke gegevens worden verwerkt, waarom, en met welke beveiligingsmaatregelen.

**Voor bedrijven die hun Google Ads account uitbesteden**: Als je een externe Google Ads specialist inhuurt die gebruik maakt van MCP servers, is het belangrijk om te weten dat voor elk type gegevensverwerking een eigen verwerkersovereenkomst nodig is. Je kunt er niet vanuit gaan dat je bestaande overeenkomst automatisch dekking biedt voor deze nieuwe technologie.

De juridische verantwoordelijkheid blijft bij jou als verwerkingsverantwoordelijke liggen. Jij moet weten wat je specialist doet met de gegevens en of dit conform de AVG gebeurt. Een specialist die voorstelt om MCP technologie te gaan gebruiken, zou dit duidelijk moeten communiceren en een specifieke overeenkomst hiervoor moeten opstellen.

Een belangrijke nuance: geaggregeerde gegevens zijn nog steeds persoonsgegevens in de zin van de AVG. Het feit dat gegevens zijn samengevoegd tot statistieken betekent niet automatisch dat ze buiten het bereik van de privacywetgeving vallen.

**Voor Google Ads specialisten die thuiswerken**: Als je voor klanten Google Ads-accounts beheert en thuis werkt met een MCP server, moet je:

- Zorg dat je een formele verwerkersovereenkomst hebt met je klanten
- Implementeer strikte beveiligingsmaatregelen voor je thuiswerkplek
- Beperk de toegang tot klantgegevens tot alleen wat noodzakelijk is
- Gebruik een beveiligde verbinding (VPN) bij toegang tot MCP servers vanaf thuis

## Technische veiligheidsproblemen uitgelegd

### Wat is "transport niveau encryptie"?

Transport niveau encryptie (zoals HTTPS) zorgt ervoor dat informatie die over het internet wordt verstuurd, versleuteld is zodat anderen het niet kunnen lezen, zelfs als ze de data onderscheppen. Het werkt als een beveiligde envelop voor je digitale berichten.

**Het probleem**: Veel MCP servers gebruiken verouderde of onvoldoende versleutelingsmethoden, waardoor het mogelijk is dat gevoelige data wordt onderschept.

### Wat is "key-rotatie"?

Key-rotatie is het regelmatig verversen van je digitale toegangssleutels, vergelijkbaar met het regelmatig veranderen van wachtwoorden. Het is een beveiligingsmaatregel waarbij toegangssleutels (zoals API-tokens) periodiek worden vernieuwd.

**Het probleem**: De meeste MCP server implementaties hebben geen automatische key-rotatie, waardoor dezelfde toegangssleutels langdurig in gebruik blijven. Als een sleutel in verkeerde handen valt, blijft deze bruikbaar totdat je handmatig ingrijpt.

## Echte voorbeelden van waar het mis ging

Hoewel er geen publieke incidenten specifiek met MCP servers en Google Ads zijn geweest (het is een relatief nieuwe technologie), zijn er wel vergelijkbare situaties:

1. **API Beveiligingsincidenten**: Volgens het [2025 Global State of API Security rapport](https://www.traceable.ai/resources/reports/2025-global-state-of-api-security) heeft 57% van de organisaties in de afgelopen twee jaar een API-gerelateerd datalek meegemaakt, en 73% van deze organisaties heeft drie of meer incidenten ervaren. Slechts 19% van de organisaties beoordeelt hun API-verdediging als zeer effectief.

2. **API-sleutel diefstal**: In 2023 verloor cryptobeurs Kronos Research [26 miljoen dollar](https://www.coindesk.com/business/2023/11/19/crypto-market-maker-kronos-research-loses-25m-in-api-key-compromise/) door gestolen API-sleutels, wat aantoont hoe kostbaar een datalek kan zijn.

3. **Integratie-chaos**: Een middelgrote financiële organisatie liet verschillende afdelingen dezelfde klantgegevens via verschillende API's uitwisselen, elk met eigen veiligheidsmaatregelen. Dit veroorzaakte chaos in het beheer en leidde tot aanzienlijke compliance-risico's.

## Veilige alternatieven: geniet van de voordelen zonder de risico's

Alternatieven zoals MCP met preprocessing en lokala LLM's zijn veiliger

Als iemand die zelf MCP servers gebruikt (maar nooit voor privacy-gevoelige data!), wil ik graag praktische alternatieven delen. Voor meer informatie over hoe je MCP servers kunt gebruiken voor niet-gevoelige toepassingen, bekijk mijn andere artikelen: **[Top 10 Claude MCP Protocollen voor AI Agents](https://vincentvandeth.nl/blog/Top10-Claude-MCP-Protocollen-AI-Agent) ** en [**Stap-voor-stap Handleiding: Claude MCP Server Installeren](https://vincentvandeth.nl/blog/hoe-claude-mcp-server-installeren-stap-voor-stap).**

### 1. Pre-processing: schoon je data vóór verzending

Een voorbeeld van hoe het pre-processen in MCP servers werkt

Pre-processing is een essentiële beveiligingsmaatregel waarbij je gevoelige informatie filtert of anonimiseert voordat deze naar een MCP server wordt gestuurd. In essentie zorgt pre-processing ervoor dat privacygevoelige data wordt "schoongemaakt" voordat het überhaupt de AI-systemen bereikt.

Pre-processing is belangrijk voor GDPR/AVG-compliance omdat het bijdraagt aan het principe van data minimalisatie - alleen de strikt noodzakelijke gegevens worden gedeeld. Het helpt ook bij het pseudonimiseren van gegevens, wat het risico op identificatie van individuen vermindert.

Helaas is pre-processing niet standaard ingebouwd in de meeste MCP server implementaties. Het is een functionaliteit die ontwikkelaars zelf moeten toevoegen, vaak door:
- Een aparte middleware laag te ontwikkelen die gegevens filtert
- Een eigen pre-processing module te schrijven die vóór de MCP server draait
- Specifieke filters toe te passen op de data die worden doorgegeven

**Hoe implementeer je dit praktisch?**

### 2. Lokale AI-modellen: hou alles binnen je eigen netwerk

Overweeg het gebruik van lokale AI-modellen die volledig binnen je eigen beveiligde netwerk draaien:

- **[Ollama](https://ollama.com/)**: Een open-source tool waarmee je populaire AI-modellen zoals Llama 3 en Mistral lokaal kunt draaien, met verbeterde privacy en gegevensbescherming.
- **[LM Studio](https://lmstudio.ai/)**: Stelt je in staat om OpenAI-compatibele modellen lokaal te draaien
- **[llama.cpp](https://github.com/ggerganov/llama.cpp)**: Een lichtgewicht versie van Meta's LLaMA-model dat op standaard hardware kan draaien

Helaas heb ik geen concrete (betrouwbare) data kunnen vinden maar uit de gesprekken die ik ijn mijn eigen netwerk heb  hoor ik dat steeds meer adviesbureaus en MKB-bedrijven met lokale AI-modellen experimenteren  zoals Llama 3.1, DeepSeek en Mistral. Met als meestgenoemde voordelen heeft dat gegevens binnen de eigen infrastructuur blijven en minder token verbruik oplevert. 

Ik gebruik zelf deze lokale modellen voor privacy-gevoelige data. Hoewel ze minder krachtig zijn dan cloud-gebaseerde oplossingen zoals GPT-4, zijn ze meer dan capabel voor de meeste marketing-analyses.

### 3. Veilige MCP implementatie met lokale verwerking

Als je toch een MCP server wilt gebruiken, implementeer dan deze cruciale beveiligingsmaatregelen:

- **Versleuteling**: Gebruik sterke versleuteling voor gegevens in rust (opgeslagen) en in transit (onderweg).
- **Toegangscontrole**: Implementeer multi-factor authenticatie en het principe van least privilege.
- **Audit logging**: Houd bij wie toegang heeft tot welke gegevens en wanneer.
- **Data minimalisatie**: Beperk de gegevens die worden gedeeld tot het absoluut noodzakelijke.
- **Lokale verwerking**: Overweeg om de MCP server lokaal te draaien in plaats van in de cloud, wat het risico op ongecontroleerde data-overdracht vermindert en beter aansluit bij AVG-artikel 25 ("privacy by design").

Het gebruik van een lokale MCP server heeft ook voordelen op het gebied van token management. Door het efficiënt beheren van Claude's context-window via MCP verminder je onnodige data-retentie - een kernvereiste uit AVG-artikel 5(1)e. Uit een testcase blijkt dat er 63% minder tijdelijke bestanden worden gegenereerd in vergelijking met traditionele API-calls, wat niet alleen kostenefficiënt is maar ook betere privacy-bescherming biedt.

### 4. Veiligheidscontrole van MCP repositories

Als je overweegt om een bestaande MCP server repository van GitHub of een andere bron te gebruiken, is het essentieel om eerst een grondige veiligheidsanalyse uit te voeren. Hier is een prompt die je kunt gebruiken met een LLM zoals Claude, Perplexity, Grok, GPT-4 om de veiligheid van een repository te beoordelen met een deep research prompt: 


Deze analyse kan je helpen om weloverwogen beslissingen te nemen over welke codebasis je gebruikt voor je MCP-implementatie.

## Vergelijking: de voor- en nadelen van verschillende aanpakken

| Aanpak | Voordelen | Nadelen | Privacybescherming |
|--------|-----------|---------|-------------------|
| Standaard MCP Server | Eenvoudig te implementeren, volledige functionaliteit | Hoge privacy- en beveiligingsrisico's | Laag |
| MCP met Pre-processing | Balans tussen functionaliteit en beveiliging | Vereist ontwikkelingstijd en expertise | Gemiddeld |
| Lokale AI-modellen | Maximale privacy, geen externe datadeling | Beperktere functionaliteit, vereist lokale hardware | Hoog |
| Handmatige data-analyse | Volledige controle over gegevens | Tijdrovend, minder schaalbaarheid | Hoog |

## Veelgestelde vragen (FAQ)

### Kan ik MCP servers gebruiken en toch GDPR-compliant zijn?

**Ja, maar** je moet wel aan de juiste voorwaarden voldoen:
- Volg het algemene kader van de AVG, ook als geen DPIA nodig is
- Zorg voor heldere verwerkersovereenkomsten voor elk type verwerking
- Implementeer data minimalisatie en pre-processing
- Houd rekening met internationale gegevensoverdracht als je AI-providers buiten de EU gebruikt

Voor meer praktische toepassingen van MCP servers, bekijk mijn artikel [Top 10 Claude MCP Protocollen voor AI Agents](https://vincentvandeth.nl/blog/Top10-Claude-MCP-Protocollen-AI-Agent) waar ik veilige gebruikscasussen bespreek.

### Welke specifieke toestemmingen heb ik nodig van mijn klanten?

Als je Google Ads-gegevens via een MCP server deelt voor verwerkingen die niet strikt noodzakelijk zijn voor de dienstverlening, heb je waarschijnlijk **expliciete toestemming** nodig. Dit geldt vooral als er klantgegevens (zoals e-mailadressen in customer match) worden verwerkt. Ook geaggregeerde gegevens blijven persoonsgegevens onder de AVG.

### Als ik als Google Ads specialist thuiswerk, welke extra maatregelen moet ik nemen?

- Gebruik alleen bedrijfsapparatuur voor toegang tot klantgegevens
- Zorg voor een beveiligde thuiswerkplek (afgesloten ruimte, schermbeveiliging)
- Gebruik een VPN voor toegang tot MCP servers
- Implementeer strikte toegangscontroles en twee-factor authenticatie
- Houd je aan het gegevensretentiebeleid van je bedrijf
- Zorg voor duidelijke verwerkersovereenkomsten met je klanten die expliciet het gebruik van MCP servers noemen

### Hoe controleer ik of mijn bestaande MCP server veilig is?

Een goede manier om dit te evalueren is door een AI-model zoals Claude of GPT-4 te gebruiken om een veiligheidsanalyse uit te voeren. Zie de prompt in sectie 4 onder "Veilige alternatieven". Controleer minimaal:
- Of API-sleutels en tokens veilig worden opgeslagen
- Of er logging en monitoring is geïmplementeerd
- Of de communicatie end-to-end versleuteld is
- Of er regelmatige beveiligingsupdates worden uitgevoerd

### Wat zijn de technische alternatieven voor MCP servers met betrekking tot GDPR?

1. **Lokale AI-modellen**: Complete privacy door alle verwerking lokaal te houden
2. **Europese cloud-providers**: Sommige aanbieders bieden AI-diensten aan die in EU-datacenters draaien
3. **AWS EU-regions**: Gebruik van Bedrock in Frankfurt regio (maar let op: dit is nog steeds onder Amerikaanse jurisdictie)
4. **Wachten op EU AI-fabrieken**: Vanaf Q2 2026 komen er nieuwe Europese opties beschikbaar

## Conclusie: innovatie met verantwoordelijkheid

MCP servers zijn ongetwijfeld een krachtige innovatie die het potentieel heeft om je marketingprocessen te transformeren. Als fan van deze technologie gebruik ik ze zelf regelmatig - maar wel met de juiste voorzorgsmaatregelen.

Voor privacy-gevoelige data zoals klantgegevens in Google Ads, gebruik ik alleen lokale AI-modellen die volledig binnen mijn beveiligde netwerk draaien. Voor minder gevoelige analyses maak ik gebruik van pre-processing om data te anonimiseren voordat ik MCP servers inzet.

Het is belangrijk om te onthouden dat hoewel er plannen zijn voor betere Europese AI-infrastructuur, de huidige situatie betekent dat veel AI-providers geen eigen servers in Europa hebben. In de tussentijd is het essentieel om zorgvuldig om te gaan met gegevensoverdracht naar deze diensten.

Het belangrijkste is om bewuste keuzes te maken: begrijp de risico's, implementeer de juiste beveiligingsmaatregelen, en zorg dat je in compliance bent met relevante wetgeving. Je hoeft niet altijd een DPIA uit te voeren, maar je moet wel het algemene kader van de AVG volgen, met extra aandacht voor situaties waar bijzondere persoonsgegevens worden verwerkt.

> "De sleutel tot succesvolle AI-implementatie ligt niet alleen in de technologie zelf, maar in hoe verantwoordelijk we ermee omgaan." - [Harvard Business Review](https://hbr.org/2023/05/ai-regulation-is-coming)

Tegen 2026 zullen er naar verwachting [zeven AI-fabrieken verspreid over Europa](https://digital-strategy.ec.europa.eu/en/news/ai-factories-europe) zijn, wat nieuwe mogelijkheden zal bieden voor GDPR-compliant AI-gebruik. Tot die tijd is voorzichtigheid geboden, vooral gezien het feit dat 45% van de GDPR-boetes in 2024 AI-gerelateerde datalekken betrof.




AI Architect voor het MKB

Werkende systemen. Meetbare resultaten.

AI Architect voor het MKB

Werkende systemen. Meetbare resultaten.

Zo help ik jouw bedrijf groeien

Website Groei Scan

AI Architectuur & Consulting

Marketing Strategie

Van 1500+ uur bouwen naar architectuur voor jouw bedrijf

Waarom AI-trajecten mislukken

Van 1500+ uur bouwen naar architectuur voor jouw bedrijf

Waarom AI-trajecten mislukken