Gedocumenteerde clients
Zoho documenteert de koppeling onder meer voor Claude, ChatGPT, Cursor, Windsurf en VS Code met GitHub Copilot in agentmodus.
Zoho MCP: je bedrijfsdata beschikbaar maken voor AI, zonder de controle te verliezen
Wat is Zoho MCP en hoe zet je het op? Over de koppeling met Claude, ChatGPT en andere clients, het verschil met Zia Agents binnen Zoho, en wat je AVG-technisch moet regelen.
Waarom dit onderwerp er nu toe doet
Je medewerkers gebruiken al AI. Niet omdat je dat hebt besloten, maar omdat het werkt. En in de praktijk doen ze dat door bedrijfsinformatie in een chatvenster te plakken: een klantlijst voor een analyse, een offerte om te laten herschrijven, een ticketverloop om te laten samenvatten.
Dat is het probleem waarvoor MCP een oplossing biedt. Niet door het te verbieden, maar door het te vervangen door iets dat je kunt inrichten, begrenzen en loggen.
Het Model Context Protocol is een open standaard die vastlegt hoe AI-modellen op een uniforme manier met externe systemen praten. Zoho MCP is Zoho's implementatie daarvan: je stelt een afgebakende set functies van je Zoho-omgeving beschikbaar, en een AI-client kan die gebruiken. Geen kopiëren en plakken meer, maar een gecontroleerde verbinding.
Wat Zoho MCP concreet doet
Je maakt via de Zoho MCP-console een MCP-server aan, kiest welke tools je daarop beschikbaar stelt, autoriseert de verbinding en kopieert de server-URL. Die URL voeg je toe in je AI-client, en vanaf dat moment kan dat model werken met de functies die jij hebt vrijgegeven.
Afhankelijk van wat je toevoegt kan de AI-client bijvoorbeeld records zoeken en bijwerken, e-mails versturen, tickets opzoeken, facturen raadplegen of acties uitvoeren, en dat over meerdere Zoho-producten tegelijk vanuit hetzelfde gesprek. Je kunt namelijk tools uit verschillende Zoho-diensten op één server zetten.
Ook compatibel
Daarnaast is de server compatibel met clients als Zed, Continue, Cline en n8n.
ChatGPT en Claude koppelen
Voor ChatGPT heb je een betaald plan nodig en moet je de verbinding als custom app toevoegen; voor Claude koppel je de server als connector.
Wat dat per applicatie oplevert
De twee richtingen, en waarom dat onderscheid alles bepaalt
Dit is het stuk dat organisaties het vaakst overslaan en waar de AVG-vragen zitten.
-
Naar binnen (inbound)
Een externe AI-client (Claude, ChatGPT, Cursor) maakt verbinding met jouw Zoho MCP-server en werkt met je data. De verwerking van de inhoud gebeurt bij die AI-leverancier.
-
Naar buiten (outbound)
Een Zia Agent binnen je Zoho-omgeving roept een externe MCP-server of een extern model aan. Ook hier verlaat data je omgeving, maar het initiatief ligt bij een proces dat jij hebt ingericht.
Binnen Zoho versus buiten Zoho: wat dat betekent voor de AVG
Beide zijn legitiem. Maar ze zijn allebei iets anders dan wat er gebeurt als een Zia Agent volledig binnen Zoho draait, en dat verschil moet je kunnen uitleggen.
Wat er gebeurt als alles binnen Zoho blijft. Zia Agents draaien standaard op door Zoho gehoste taalmodellen, binnen Zoho's eigen infrastructuur en de datacenterregio die jij hebt gekozen. Dat betekent praktisch:
- Er komt geen nieuwe verwerker bij. Zoho is dat al, en je bestaande verwerkersovereenkomst dekt het.
- De agent erft het rollen- en rechtenmodel dat je al hebt ingericht. Hij ziet niet meer dan de gebruiker namens wie hij werkt.
- Elke handeling landt in hetzelfde logboek als de rest van je Zoho-omgeving, op recordniveau.
- Je datacenterregio bepaalt waar de verwerking plaatsvindt; met een EU-regio blijft dat binnen de EU.
Dat is een relatief eenvoudig verhaal richting je functionaris gegevensbescherming.
Wat er verandert zodra je naar buiten gaat
Zodra je een externe AI-client op je MCP-server aansluit, verandert er iets wezenlijks: een derde partij wordt verwerker van jouw persoonsgegevens. Dat is geen bezwaar, maar wel iets dat je expliciet moet regelen.
| Binnen Zoho (Zia Agents) | Buiten Zoho (via MCP) | |
|---|---|---|
| Verwerker | Zoho, al onder contract | Extra partij, eigen afspraken nodig |
| Verwerkingsregister | Bestaande vermelding volstaat meestal | Nieuwe verwerking opnemen |
| Verwerkersovereenkomst | Al afgesloten | Sluiten met de AI-leverancier |
| Dataopslag | Jouw Zoho-datacenterregio | Regio van de AI-leverancier; controleer EU of doorgiftemechanisme |
| Modeltraining | Zoho-modellen, zakelijk gebruik | Afhankelijk van plan; zakelijke tiers trainen doorgaans niet, consumentenaccounts mogelijk wel |
| Rechtenmodel | Erft je Zoho-rollen | Bepaald door de tools die je vrijgeeft, plus het gebruikersbeheer van de client |
| Logging | Volledig in Zoho | API-acties in Zoho; het gesprek zelf staat bij de AI-leverancier |
| Toegangscontrole | Via Zoho-gebruikers | Via de MCP-server-URL en de autorisatie daarop |
Wat je concreet moet regelen voordat je naar buiten gaat
Dit is geen juridisch advies; stem de inrichting af met je functionaris gegevensbescherming of je privacyjurist. Wel is dit precies het lijstje waarmee dat gesprek normaal gesproken binnen een uur klaar is.
-
Sluit een verwerkersovereenkomst met de AI-leverancier
Neem de verwerking ook op in je register. Een zakelijk of enterprise-account is daarbij geen formaliteit maar de basis: consumentenaccounts hebben andere voorwaarden en kunnen invoer voor modelverbetering gebruiken.
-
Controleer waar de verwerking plaatsvindt
Draait het model in de EU, of is er een geldig doorgiftemechanisme? Voor zorg, overheid, onderwijs en financiële dienstverlening is dit vaak de vraag die bepaalt of het project doorgaat.
-
Beperk wat je vrijgeeft
Dit is het krachtigste instrument dat je hebt en het wordt het minst gebruikt. De tools die je op de MCP-server zet, bepalen de volledige dataverzameling waar de AI bij kan. Geef je toegang tot de hele contactenmodule, dan heb je toegang tot alle persoonsgegevens daarin verleend. Begin met het minimum, en bij voorkeur met alleen lezen.
-
Spreek af waarvoor het gebruikt mag worden
Doelbinding is geen theoretische eis. Een medewerker die klantgegevens door een AI haalt voor een analyse waar niemand om heeft gevraagd, verwerkt persoonsgegevens voor een nieuw doel.
-
Leg vast wie toegang heeft
Dat geldt voor de AI-client die met je server verbonden is. De keten is zo sterk als het gebruikersbeheer aan die kant.
-
Documenteer het geheel
Zodat je het kunt uitleggen. Niet omdat het moet, maar omdat je het bij een incident of een audit binnen een dag moet kunnen reconstrueren.
De server-URL is een sleutel, geen link
Eén praktisch beveiligingspunt dat je niet moet onderschatten: iedereen die je MCP-server-URL heeft, kan daar een AI-client op aansluiten. Behandel die URL als een inloggegeven. Deel hem niet in een groepschat, zet hem niet in documentatie die breed gedeeld wordt, en maak aparte servers voor aparte doelen in plaats van één server met alles erop.
De verstandige volgorde is: begin met alleen lees-tools, kijk een paar weken wat er daadwerkelijk gebeurt, en voeg pas schrijfrechten toe als duidelijk is wie er gebruik van maakt en waarvoor. Een AI die per ongeluk tweehonderd records bijwerkt is een vervelender probleem dan een AI die iets verkeerd heeft gelezen.
Een analyse waar we vroeger een middag Excel voor nodig hadden, vragen we nu in gewone taal aan onze AI-assistent. Het antwoord komt rechtstreeks uit onze eigen Zoho-data.
Wanneer kies je wat
Hoe je dit praktisch opzet
-
Bepaal eerst de use case
"We willen iets met MCP" leidt tot een server waar niemand iets mee doet. Begin bij een concrete vraag die nu veel tijd kost.
-
Maak één server per doel
Niet één server met alle tools erop.
-
Begin met alleen lezen
En met een beperkte set modules.
-
Regel de AVG-kant
Voordat je uitrolt, niet erna.
-
Wijs een eigenaar aan
Die weet welke servers er zijn, wie er toegang toe heeft en wanneer ze worden ingetrokken.
-
Evalueer na een maand
Kijk wat er daadwerkelijk gebruikt wordt, en breid uit of ruim op.
-
Verplaats naar een Zia Agent
Zodra een use case een vast proces wordt. Verkennen doe je buiten, draaien doe je binnen.
Verkennen doe je buiten, draaien doe je binnen
Dat is in één zin de hele afweging. Zoho MCP is uitstekend om je bedrijfsdata bereikbaar te maken voor het AI-gereedschap dat je mensen al gebruiken, en het voorkomt dat ze dat op de slechtst denkbare manier doen: met kopiëren en plakken. Maar voor processen die structureel draaien en persoonsgegevens raken, is een Zia Agent binnen Zoho CRM of Zoho Desk het verstandigere antwoord: dezelfde rechten, dezelfde logging, geen extra verwerker.
De kunst zit niet in kiezen tussen die twee, maar in weten wanneer je welke inzet.
Veelgestelde vragen over Zoho MCP
-
Het Model Context Protocol is een open standaard die vastlegt hoe AI-modellen met externe systemen praten. In plaats van voor elke combinatie van AI-tool en applicatie een eigen koppeling te bouwen, stelt een systeem zijn functies één keer beschikbaar via een MCP-server, waarna elke MCP-compatibele client ermee kan werken. Zoho MCP is Zoho's implementatie daarvan voor zijn eigen applicaties.
-
Zoho documenteert de setup onder meer voor Claude, ChatGPT, Cursor, Windsurf en VS Code met GitHub Copilot in agentmodus. Daarnaast is de server compatibel met clients als Zed, Continue, Cline en n8n. Voor ChatGPT is een betaald plan vereist en voeg je de verbinding toe als custom app; bij Claude koppel je de MCP-server als connector.
-
Zia Agents draaien binnen Zoho, op Zoho-gehoste modellen, met de rechten en logging van je eigen omgeving. Zoho MCP opent je Zoho-data voor AI-clients buiten Zoho. Vuistregel: een proces dat structureel draait en persoonsgegevens raakt, bouw je als Zia Agent; verkennend en analytisch werk door specialisten kan prima via MCP. Agents kunnen overigens ook zelf externe MCP-servers aanroepen, dus het verkeer gaat beide kanten op.
-
Zodra data je Zoho-omgeving verlaat, wordt de AI-leverancier verwerker van jouw persoonsgegevens. Je sluit dan een verwerkersovereenkomst, neemt de verwerking op in je register, controleert waar het model draait en of er een geldig doorgiftemechanisme is, en gebruikt een zakelijk account waarbij invoer niet voor modeltraining wordt ingezet. Daarnaast beperk je de tools die je vrijgeeft tot het strikt noodzakelijke en leg je vast waarvoor de koppeling gebruikt mag worden. Stem de uiteindelijke inrichting af met je functionaris gegevensbescherming.
-
De beveiliging zit in twee dingen: wat je vrijgeeft en wie de server-URL heeft. Iedereen met die URL kan er een client op aansluiten, dus behandel hem als een inloggegeven. Werk met aparte servers per doel in plaats van één server met alles erop, begin met alleen lees-tools, en breid pas uit naar schrijfrechten als duidelijk is wie er gebruik van maakt. Acties die via de server worden uitgevoerd zijn terug te vinden in je Zoho-logboek.
-
Ja, en dat is het belangrijkste argument. Je processen en je data blijven in Zoho, terwijl de vraag welk model erbovenop werkt een keuze blijft die je kunt herzien. Dat beperkt de afhankelijkheid van één AI-leverancier aanzienlijk: iets wat bij de huidige snelheid van ontwikkeling meer waard is dan het op het eerste gezicht lijkt.
-
Voor een standaardserver niet: je maakt hem aan in de Zoho MCP-console, selecteert tools, autoriseert en kopieert de URL. Wil je eigen functies beschikbaar stellen of een aangepaste server bouwen, dan komt er wel ontwikkelwerk bij kijken. De meeste tijd gaat echter niet naar techniek maar naar de vragen eromheen: welke tools geef je vrij, voor wie, en wat is er juridisch geregeld.
-
Bij één concrete vraag die nu veel tijd kost en waar geen gevoelige persoonsgegevens bij nodig zijn, bijvoorbeeld een analyse op geaggregeerde verkoop- of ticketdata. Zet daar een leesserver voor op, laat één of twee mensen ermee werken, en evalueer na een maand. Wordt het een terugkerend proces, dan verplaats je het naar een Zia Agent binnen Zoho.
Wil je dit veilig inrichten?
Mobile XL is Zoho-partner en helpt bij het opzetten van MCP-servers, de afbakening van tools en rechten, en de koppeling met je AI-omgeving.