U hoort steeds drie termen: MCP, skills en plugins. Soms door elkaar gebruikt. Soms uitgelegd op manieren die ze identiek doen klinken. Ze zijn niet identiek. Ze lossen fundamenteel verschillende problemen op, en de grenzen begrijpen bespaart u uren verwarring.

Hier de korte versie. MCP is leidingwerk. Het verbindt uw AI via een gestructureerde interface met externe tools en data. Skills zijn expertise. Ze leren uw AI hoe over een taak na te denken en tools zelfstandig te gebruiken. Plugins zijn platformuitbreidingen. Ze voegen geheel nieuwe mogelijkheden toe aan de software waarop uw AI draait.

MCP kwam eerst en loste een reëel probleem op. Maar skills zijn ontworpen voor een ander tijdperk van AI, een tijdperk waarin AI kan redeneren, tools zelfstandig kan gebruiken en in loops kan blijven werken tot een taak af is. Die verschuiving begrijpen is cruciaal om te weten wanneer u waarvoor moet grijpen.

Hoe we hier gekomen zijn

Eind 2024 bracht Anthropic (het bedrijf achter Claude) het Model Context Protocol (MCP) uit. Het probleem dat het oploste was reëel: elke AI-tool had zijn eigen manier om te verbinden met diensten als GitHub (waar ontwikkelaars code opslaan), Slack (teamberichten), databases en al het andere. MCP creëerde één standaardmanier om ze allemaal te verbinden. Bouw één connector en elke AI-tool die MCP ondersteunt kan hem gebruiken.

Op dat moment was AI een chatbot. Het kon vragen beantwoorden en tekst genereren, maar het kon niet daadwerkelijk dingen doen op uw computer. Het had elk tool van tevoren nodig: hier is de toolnaam, hier is wat het doet, hier zijn de exacte parameters die u kunt meegeven. MCP was de juiste oplossing voor dat moment.

Toen veranderde alles. Begin 2025 bracht Anthropic Claude Code uit, een AI die niet alleen chat. Het kan bestanden lezen op uw computer, code schrijven, commando’s uitvoeren en zelfstandig doorwerken tot een taak af is. Andere bedrijven volgden: OpenAI (het bedrijf achter ChatGPT) bracht Codex CLI uit, Google bracht Gemini CLI uit, en tools als Cursor en GitHub Copilot kregen vergelijkbare mogelijkheden. AI ging van iets waartegen u praat naar iets dat voor u werkt. Dit noemen mensen nu agentische AI, of simpelweg agenten: AI die acties kan ondernemen, tools kan gebruiken en taken zelfstandig kan voltooien. En een AI die zelfstandig kan handelen, heeft niet elk tool van tevoren nodig. Het kan uitvogelen hoe tools te gebruiken als u het gewoon de workflow leert.

Dat is precies wat skills doen. Anthropic bracht Skills in Claude Code uit in oktober 2025. In plaats van de AI een formele toolbeschrijving te geven, leert een skill het hoe tools zelfstandig te gebruiken. Een skill is gewoon een tekstbestand met instructies. Geen draaiende processen, geen protocol, geen infrastructuur.

Simon Willison, een bekende ontwikkelaar en schrijver in de AI-ruimte, noemde ze onmiddellijk “geweldig, misschien een grotere doorbraak dan MCP.” Zijn redenering: skills zijn elegant minimaal, ze gebruiken bijna geen resources totdat ze daadwerkelijk nodig zijn (versus MCP, dat alles vooraf laadt), en ze werken met elke grote AI-tool. Hij voorspelde “een Cambrische explosie in Skills die de MCP-rush van dit jaar voetgangerachtig zal doen lijken.”

Twee maanden later bracht Anthropic skills als open standaard uit. Hetzelfde skillbestand werkt nu met Claude Code, Codex CLI, Gemini CLI, Cursor, GitHub Copilot, Windsurf, Cline, Amp en ChatGPT. Eenmaal schrijven, overal gebruiken.

Rond dezelfde tijd doneerde Anthropic MCP aan een neutraal industrieorgaan, de Agentic AI Foundation onder de Linux Foundation, mede opgericht met Block (het betalingsbedrijf achter Square en Cash App) en OpenAI. MCP is nu een industriestandaard, gesteund door Amazon, Google, Microsoft en Cloudflare. Het gaat niet verdwijnen. Maar de vraag of u het voor de meeste taken daadwerkelijk nodig heeft, heeft een ander antwoord dan een jaar geleden.

MCP: de verbindingslaag

Het Model Context Protocol (MCP) is een standaardmanier om AI-applicaties te verbinden met externe tools en data. Beschouw het als USB-C voor AI. Vóór USB-C had elk apparaat zijn eigen lader. Vóór MCP had elke AI-tool zijn eigen connector nodig voor GitHub, Slack, uw database en al het andere. MCP creëerde één universele stekker.

Hoe het werkt

De opzet heeft twee kanten. Uw AI-tool (Claude Desktop, Cursor, VS Code) is de ene kant. Aan de andere kant staat een klein programma, een MCP-connector genaamd, dat weet hoe het met een specifieke dienst moet communiceren. Wilt u dat uw AI GitHub beheert? Draai een GitHub MCP-connector. Wilt u dat het met een database werkt? Draai een database-MCP-connector.

Elke connector vertelt de AI wat het kan: “Ik kan pull requests aanmaken”, “Ik kan issues doorzoeken”, “Ik kan databasequery’s uitvoeren.” De AI ziet deze mogelijkheden en kan ze gebruiken wanneer relevant.

Wat connectors aanbiedenWie het bepaaltVoorbeeld
ToolsDe AI bepaalt wanneer ze te gebruiken”Maak een pull request”, “Zoek issues”
ResourcesDe applicatie levert zeBestanden, databaserecords, documenten
PromptsDe gebruiker triggert zeVoorgeschreven templates voor veelvoorkomende taken

Het ecosysteem

MCP heeft enorme adoptie: 97 miljoen maandelijkse downloads, 10.000+ connectors, en governance door de Linux Foundation. De populairste geven een beeld van het bereik: Playwright MCP van Microsoft voor browserautomatisering, Firecrawl om websites in schone tekst om te zetten, connectors voor GitHub, Notion, Brave Search, PostgreSQL en zelfs Blender voor 3D-modellering. Diensten als Composio bundelen 250+ integraties in één connector.

Het probleem: MCP werd gebouwd voor chatbots

MCP werd ontworpen toen AI elk tool van tevoren nodig had. Het loste het juiste probleem op op het juiste moment. Maar de wereld is veranderd.

Elke MCP-connector die u toevoegt, laadt zijn volledige lijst met mogelijkheden in het geheugen van de AI. Verbind 10 connectors met elk 5 tools en u heeft 50 toolbeschrijvingen verbrand voordat uw gesprek zelfs begint. Dat is geheugen dat de AI had kunnen gebruiken voor uw daadwerkelijke taak.

Armin Ronacher (maker van Flask, een populair webframework) beschreef het probleem treffend: toolbeschrijvingen worden “te lang om gretig te laden, te kort om de AI echt te vertellen hoe het te gebruiken.” Hij geeft er nu de voorkeur aan de AI zijn eigen tools te laten beheren via skills, omdat hij er zo controle over behoudt.

MCP is verbeterd. Een update in januari 2026 maakte de initiële geheugenkosten veel kleiner. Maar het fundamentele ontwerp blijft: u heeft een draaiend programma nodig voor elke dienst die u verbindt, een vertaallaag tussen de AI en de tool, en beschrijvingen die concurreren om ruimte met uw daadwerkelijke gesprek.

Belangrijker nog: de meeste MCP-connectors wrappen tools die al bestaan. Een GitHub MCP-connector wrapt gh (GitHub’s eigen tool). Een Postgres MCP-connector wrapt psql (de eigen tool van de database). Dat is een extra laag tussen de AI en de tool, terwijl de AI de tool direct zou kunnen gebruiken.

Waar MCP nog steeds zinvol is

MCP is niet nutteloos. Het heeft echte waarde wanneer:

  • De AI alleen kan chatten, zoals in Claude Desktop of andere chat-only apps waar het geen commando’s kan uitvoeren
  • Er geen bestaande tool is voor de dienst die u wilt verbinden
  • Compliance het vereist, in bedrijfsomgevingen die formele audittrails nodig hebben
  • U niet wilt dat de AI commando’s uitvoert, om veiligheidsredenen

Maar voor het meeste hands-on werk, lokale automatisering en alles waar de AI zelfstandig kan handelen, is er iets beters gearriveerd.

Skills: gebouwd voor het agentische tijdperk

Skills beginnen vanuit een andere vraag. MCP vraagt “hoe verbinden we de AI met tools?” Skills vragen “hoe leren we de AI de tools te gebruiken die het al heeft?”

Een skill is een set instructies die een AI voor algemeen gebruik in een specialist verandert. Het verbindt de AI niet met iets nieuws. Het leert de AI hoe te gebruiken wat het al tot zijn beschikking heeft, inclusief elke tool en elk programma dat al op de computer is geïnstalleerd.

---
name: weekly-summary
description: Summarize team notes into highlights, decisions, and risks
allowed-tools: Read, Grep, Glob
---

When asked to summarize weekly notes:
1. Read all files matching `notes/*.md`
2. Extract highlights, decisions, and open risks
3. Format as a structured summary with sections for each
4. Keep it under 500 words

Dat is een complete skill. Wanneer de AI hem leest, krijgt het expertise die het voorheen niet had. Het kent de workflow, de beperkingen, het verwachte outputformaat. Geen draaiende programma’s. Geen verbindingen om te beheren. Gewoon een tekstbestand.

Hoe skills werken

Wanneer u een skill installeert, staat het als bestand in uw project. De AI leest de naam en beschrijving van de skill aan het begin van een sessie (dit kost bijna niets). Wanneer de skill nodig is, omdat u erom vraagt of de AI de situatie herkent, worden de volledige instructies geladen. Dat is alles.

Skills hebben nul infrastructuurkosten. Het zijn tekstbestanden. Ze laden direct. Ze werken offline. Ze werken met elke grote AI-tool.

Wat skills anders maakt dan MCP

Moderne AI kan zelfstandig commando’s uitvoeren. Het kan curl gebruiken (om data van het web op te halen), grep (om door bestanden te zoeken), git (om code te beheren), docker (om software te draaien) en elke andere tool die op de computer beschikbaar is. Een skill leert de AI wanneer en hoe die tools voor een specifieke taak te gebruiken. En cruciaal: skills maken iets mogelijk dat MCP niet kan: autonome feedbackloops.

Neem de SEO-skill van SquirrelScan. Deze instrueert de AI om een website te auditen op zoekmachineoptimalisatie, de resultaten te lezen, de gevonden problemen op te lossen en dan opnieuw te auditen in een loop totdat de score verbetert. De AI redeneert over de output, besluit wat te repareren, voert de wijzigingen door en valideert het resultaat. MCP geeft AI een knop om op te drukken. Een skill geeft AI een workflow om uit te voeren, over te itereren en zelfstandig af te ronden.

Dit patroon werkt voor bijna alles. Interactie nodig met GitHub? Daar is een tool voor. Databases? Daar is een tool voor. Web-API’s? Daar is een tool voor. De tools bestaan al. Skills leren de AI gewoon hoe ze te gebruiken.

Het meest opvallende voorbeeld tot nu toe: Hugging Face (een groot AI-platform en -gemeenschap) bracht in februari 2026 een skill uit die AI leert high-performance GPU-code te schrijven. Een kort tekstbestand met gestructureerde richtlijnen, plus referentiescripts en optimalisatiegidsen. Het resultaat: AI genereert werkende code die andere AI-modellen bijna twee keer zo snel laat draaien op gespecialiseerde hardware. Diepgaande technische expertise gecodeerd als een tekstbestand, met echte prestatiewinst. Geen MCP-connector betrokken.

Zoals @chrysb op X schreef: “on-demand skills is all you need. It can run any command invented since the beginning of computers. A resurgence of glory for ancient, but powerful tools. Now available to us all, piloted by the smartest models on earth.”

De gangbare verdedigingen van MCP, en hun weerleggingen:

  • “MCP geeft gestructureerde, gevalideerde inputs”: Dat doet een goed gedocumenteerde tool ook.
  • “MCP geeft expliciete permissies”: Dat doet een gecontroleerde omgeving met een allowlist ook.
  • “MCP is een standaard”: Een standaard die slecht schaalt is nog steeds een standaard die slecht schaalt.

Werkt overal

Hetzelfde skillbestand werkt met Claude Code, OpenAI Codex CLI, Google Gemini CLI, Cursor, GitHub Copilot, Windsurf, Cline, Amp en ChatGPT. Eenmaal schrijven, overal gebruiken. MCP beloofde hetzelfde, maar skills bereiken het zonder iets te installeren of te draaien.

Het ecosysteem

Het ecosysteem groeit snel. Vercel (een groot webplatform) lanceerde skills.sh in januari 2026 als een open catalogus voor het ontdekken en installeren van skills, en bereikte kort na lancering tienduizenden installaties. Meer dan 52.000 skills zijn nu beschikbaar via meerdere marktplaatsen: SkillsMP, AgentSkills.to, skill0, Skills Directory en andere. Hugging Face host ook skills.

De meest geïnstalleerde skills laten zien waar mensen ze daadwerkelijk voor gebruiken: React best practices van Vercel (166k installaties), web design guidelines (127k), Remotion videorendering (111k), frontend design van Anthropic (99k) en Azure cloud skills van Microsoft (53k). Domeinspecifieke skills als Hugging Face CUDA kernels, Stripe betalingsintegratie, Trail of Bits security auditing en SquirrelScan SEO completeren het beeld.

Een waarschuwing: groei heeft kwaliteit overstegen. Een Hugging Face-analyse van de skills-marktplaats vond dat 46% van de vermelde skills duplicaten of bijna-duplicaten zijn, veel te omvangrijk zijn voor wat een AI redelijkerwijs kan verwerken, en 9% kritieke beveiligingsrisico’s vormt. Academisch onderzoek bevestigt dit: SkillsBench, de eerste grootschalige benchmark voor agentskills, vond dat goed ontworpen skills AI-prestaties gemiddeld met 16 procentpunten verbeteren, met sommige domeinen met winsten boven de 50 punten. Maar skills die automatisch door de AI zelf werden gegenereerd leverden helemaal geen voordeel op. De conclusie is helder: de beste skills worden geschreven door mensen die het domein en de workflow begrijpen, niet in bulk gegenereerd door AI. Kwaliteit boven kwantiteit. Eén commando om een goede te installeren:

npx skills add openclaw-rocks/skills --skill jobs-ive

Wanneer skills te gebruiken

  • U wilt dat uw AI consistent gedrag vertoont (uw codestijl, uw reviewproces, uw schrijfstijl volgt)
  • U wilt uw AI domeinexpertise geven (productstrategie, beveiligingsauditing, SEO-optimalisatie)
  • U wilt dat uw AI in loops werkt (iets controleren, repareren, opnieuw controleren tot het aan een standaard voldoet)
  • U wilt dezelfde skill met verschillende AI-tools gebruiken
  • U wilt nul setup en nul draaikosten

Als uw probleem is “mijn AI weet niet hoe X goed te doen”, is een skill vrijwel zeker het juiste antwoord.

OpenClaw-plugins: de platformlaag

OpenClaw (het open-source AI-assistentenplatform) heeft zijn eigen manier om mogelijkheden uit te breiden: tools, skills en plugins. Skills in OpenClaw werken precies zoals de hierboven beschreven standaard. Maar plugins zijn iets heel anders.

Een OpenClaw-plugin is daadwerkelijke code die draait in de OpenClaw-software zelf. Waar skills de AI leren wat te doen en MCP het verbindt met externe diensten, veranderen plugins wat het platform fundamenteel kan. Ze kunnen nieuwe berichtenkanalen toevoegen (zodat uw AI met u kan praten via Telegram, WhatsApp of Teams), nieuwe functies aan het platform toevoegen, achtergrondtaken draaien en hun eigen skills en tools bundelen.

De maker van OpenClaw, Peter Steinberger, koos er bewust voor om geen native MCP-ondersteuning toe te voegen. Zoals hij het verwoordde: “there’s a reason I didn’t add MCP support to OpenClaw (except via mcporter mcp-to-cli converter).” De filosofie is helder: skills zijn de primaire manier om uit te breiden wat uw AI kan. MCP is beschikbaar als terugvaloptie via mcporter (die MCP-connectors omzet in reguliere tools) wanneer u het echt nodig heeft.

De officiële plugins dekken de meest voorkomende behoeften: spraakoproepen, Microsoft Teams, Matrix-berichten en Nostr (een gedecentraliseerd sociaal protocol). Op ClawHub (de community-marktplaats) bestrijken meer dan 5.700 door de gemeenschap gebouwde skills en plugins alles van AI-modelwisseling tot Kubernetes-beheer tot SEO-auditing. De meest actieve categorieën zijn AI/LLM-integratie, zoeken en onderzoek, DevOps en webontwikkeling.

Wat plugins kunnen

De reikwijdte van wat een plugin kan registreren is breed:

  • Berichtenkanalen: Verbind uw AI met Telegram, Matrix, Zalo, MS Teams en meer
  • Aangepaste tools: Geef uw AI nieuwe mogelijkheden voorbij wat skills kunnen leren
  • Commando’s: Voeg nieuwe commando’s toe aan de OpenClaw-opdrachtregelinterface
  • API-endpoints: Breid uit wat de OpenClaw-server kan
  • Achtergronddiensten: Draai langlopende taken op schema
  • Inlogflows: Voeg nieuwe manieren toe voor gebruikers om te authenticeren (Google, GitHub, API-sleutels)
  • Hooks: Trigger automatisch acties wanneer gebeurtenissen plaatsvinden
  • Skills: Bundel skillpakketten in de plugin

Pluginstructuur

Elke plugin heeft een configuratiebestand dat declareert wat het aan het platform toevoegt:

{
  "openclaw": {
    "extensions": ["./src/channels.ts", "./src/tools.ts"]
  }
}

De plugin draait binnen de OpenClaw-software zelf, wat betekent dat het volledige toegang tot het systeem heeft. Dat maakt plugins krachtig, maar het betekent ook dat u de code moet vertrouwen voordat u hem installeert.

Installatie

openclaw plugins install @openclaw/voice      # van npm
openclaw plugins install ./my-plugin          # lokale directory
openclaw plugins install plugin.tgz           # tarball

Beheer via de CLI:

openclaw plugins list
openclaw plugins enable <id>
openclaw plugins disable <id>
openclaw plugins doctor                       # problemen diagnosticeren

Beveiliging

Omdat plugins draaien in hetzelfde proces als de OpenClaw Gateway, hebben ze dezelfde toegang als de software zelf. OpenClaw heeft ingebouwde beschermingen (het blokkeert verdachte bestandspaden, valideert eigenaarschap en ondersteunt allowlists voor goedgekeurde plugins), maar de basisregel is: controleer een plugin voordat u hem installeert, vooral als het van een onbekende bron komt.

Wanneer plugins te gebruiken

  • U moet OpenClaw verbinden met een nieuw berichtenplatform (Telegram, WhatsApp, Teams)
  • U wilt nieuwe mogelijkheden toevoegen aan de OpenClaw-software zelf
  • U heeft geplande taken of automatische reacties op gebeurtenissen nodig
  • U bouwt iets dat verder gaat dan wat instructies in een tekstbestand kunnen bereiken

Plugins zijn de krachtigste manier om OpenClaw uit te breiden, en de meest complexe. Ze zijn ook OpenClaw-specifiek. Een plugin werkt niet in Claude Code of Cursor. Het werkt in OpenClaw.

Hoe ze samenpassen

De drie vertegenwoordigen een evolutie, geen hiërarchie:

              Wat het is                Gebouwd voor       Werkt met alle tools?
-----------------------------------------------------------------------------
MCP           Connectors (protocol)     Chatbot-tijdperk   Ja
Skills        Instructies (tekst)       Agentisch tijdperk Ja
Plugins       Code (software)           Platformbehoeften  Alleen OpenClaw

MCP loste het integratieprobleem op toen AI tools niet zelfstandig kon gebruiken. Skills lossen het beter op nu dat wel kan. Plugins breiden het platform uit wanneer skills niet genoeg zijn.

Voorbeeld: uw OpenClaw-assistent vat de wekelijkse Slack-activiteit van uw team samen.

  1. Een skill definieert de hele workflow. Het vertelt de AI welke output te produceren, welke kanalen prioriteit hebben, wat telt als hoogtepunt versus beslissing versus risico, en de kwaliteitsstandaard. Het instrueert de AI om berichten op te halen uit Slack met de Slack-tool.
  2. Een plugin levert het afleverkanaal. Een Telegram-kanaalplugin laat OpenClaw u de afgeronde samenvatting sturen via Telegram elke vrijdagmiddag.

Geen MCP-connector nodig. De skill leert de AI hoe het werk te doen. De plugin verzorgt de platformintegratie.

De beslisboom

Als u zich afvraagt waarnaar te grijpen:

“Mijn AI moet communiceren met een andere dienst.” Vraag eerst: heeft die dienst een bestaande tool? Zo ja, schrijf een skill die de AI leert het te gebruiken. Zo nee, overweeg MCP.

“Mijn AI weet niet hoe X goed te doen.” Gebruik een skill. Schrijf de instructies en de AI leert. Als de taak iteratie vereist (controleren, repareren, opnieuw controleren), handelen skills dat van nature af.

“Ik moet veranderen hoe OpenClaw zelf werkt.” Gebruik een plugin. Voeg een nieuw berichtenkanaal, een nieuwe functie of een achtergrondtaak toe.

“Ik wil dit alles in één installeerbaar pakket.” Dat is wat Claude Code Plugins (januari 2026) en OpenClaw-plugins beiden bieden: bundels die skills, tools en platformuitbreidingen samen kunnen leveren.

Wat er gebeurd is en wat komt

Een jaar geleden lanceerde MCP om een reëel probleem op te lossen: AI had elk tool formeel beschreven nodig omdat het tools nog niet zelfstandig kon gebruiken. Dat probleem is grotendeels opgelost. Moderne AI kan bestaande tools gebruiken met minimale begeleiding.

Skills arriveerden en boden iets dat gebouwd is voor deze nieuwe realiteit: leer de AI de workflow in gewone tekst, laat het de tools gebruiken die het al heeft, en laat het doorwerken tot de klus geklaard is. Geen protocol. Geen extra software om te draaien. Geen verspild geheugen. Simon Willison zag het onmiddellijk. Armin Ronacher zag het. Peter Steinberger bouwde er een heel platform omheen.

MCP is niet dood. Het heeft 97 miljoen maandelijkse downloads en steun van elk groot technologiebedrijf. Het zal chatinterfaces, bedrijfscompliance en diensten zonder bestaande tools blijven bedienen. Maar voor hands-on werk, voor automatisering, voor alles waar de AI zelfstandig kan handelen: skills zijn de weg vooruit.

Het praktische advies is simpel. Begin met skills. Grijp naar plugins wanneer het platform zelf uitbreiding nodig heeft. En als u het allemaal beheerd en altijd draaiend wilt, is dat waarvoor we OpenClaw.rocks hebben gebouwd.

Elke OpenClaw.rocks-instantie ondersteunt skills en plugins direct. Deploy in seconden op EU-infrastructuur en begin onmiddellijk met het uitbreiden van uw assistent. Gratis aan de slag of leer meer over wat OpenClaw is en wat het kan.