Op LinkedIn gaat een getekende plaat rond die vier AI-woorden uitlegt met een menselijk lichaam. Een LLM is het brein. RAG is het brein met boeken. MCP is een standaardstekker. Een AI-agent is het brein met handen. Het is een vriendelijke plaat en hij wordt veel gedeeld. Wij liepen de vier rijen na op 10 november 2026. Eén rij klopt, drie kloppen deels. De grootste fout zit in de indeling zelf.
Wat de plaat belooft
De plaat zet de vier woorden onder elkaar als vier vakken, elk met een poppetje en drie opsommingspunten. Het oogt als vier soorten AI waar je uit kiest, zoals je kiest tussen een fiets en een auto.
Het origineel laten we bewust niet zien. Zo’n plaat verspreidt zich juist doordat hij steeds opnieuw gedeeld wordt. We hebben hem nagemaakt met dezelfde vier woorden en ons oordeel erbij.
Is een taalmodel een brein?
Deels. Een LLMLLM (groot taalmodel)Large Language Model: het type AI-model achter ChatGPT, Claude en Gemini.Hele uitleg: LLM (groot taalmodel) (large language model, in het Nederlands: groot taalmodel) is het rekenmodel achter ChatGPT, Claude en Gemini. Het krijgt tekst binnen en voorspelt welke tekst daarop volgt. Hoe dat in zijn werk gaat, lees je in onze uitleg over hoe een taalmodel werkt.
Het brein-beeld klopt in zoverre dat het model het denkwerk doet waar de rest op leunt. Het wringt op twee punten. De plaat schrijft dat een taalmodel taal “begrijpt”. Of dat het goede woord is, daar zijn onderzoekers het niet over eens. Wat vaststaat is dat het voorspelt. En een brein leert van elk gesprek. Een taalmodel ligt na de training vast. Onthoudt je chatbot iets van vorige week, dan heeft de app eromheen een notitie bewaard en die opnieuw aan het model gegeven.
Beginner-tip Het model en de app zijn twee dingen. ChatGPT is de app, GPT-6 Astra is een model dat erin draait. Geheugen, zoeken op internet en bestanden openen zitten in de app, niet in het model.
Wat doet RAG en wat belooft de plaat te veel?
RAGRAG (retrieval-augmented generation)Een techniek waarbij een taalmodel eerst relevante informatie opzoekt in een externe bron (bijvoorbeeld je eigen documenten of een kennisbank) en die erbij pakt voordat het antwoord geeft.Hele uitleg: RAG (retrieval-augmented generation) staat voor retrieval-augmented generation. Het model zoekt eerst passages op in een bron, bijvoorbeeld de handleidingen van je werkgever, en schrijft zijn antwoord met die passages erbij. De naam komt uit een onderzoeksartikel van Patrick Lewis en collega’s uit 2020 (Bron: arXiv). Brein plus boeken is daar een goed beeld voor. Meer achtergrond staat in Wat is RAG?.
De plaat gaat een stap verder: RAG zou AI laten antwoorden met “betrouwbare kennis”. Dat is te veel beloofd. Onderzoekers van Stanford testten juridische zoektools die met RAG werken en die hun makers aanprezen als vrij van hallucinaties. Lexis+ AI, Westlaw AI-Assisted Research en Ask Practical Law AI gaven bij 17 tot 33 procent van de testvragen een hallucinatie: een antwoord dat niet klopte of dat naar een bron verwees die de bewering niet droeg. Dat was minder dan bij GPT-4 zonder opzoeken (Bron: Magesh e.a., Stanford).
Met de boeken ernaast kan het model dus nog steeds de verkeerde bladzijde pakken. Het kan ook de goede bladzijde pakken en die verkeerd navertellen.
Waarom past MCP niet in het lichaam?
Dit is de rij die inhoudelijk klopt. MCPMCP (Model Context Protocol)Een open standaard die AI-modellen op een vaste manier laat praten met externe systemen: je agenda, je bestanden, een database of een online dienst.Hele uitleg: MCP (Model Context Protocol), het Model Context Protocol, is een open standaard die vastlegt hoe een AI-app verbinding maakt met andere systemen: je agenda, je bestanden, een database. Anthropic bracht het uit op 25 november 2024 (Bron: Anthropic). De documentatie gebruikt zelf het stekkerbeeld en noemt MCP “een USB-C-poort voor AI-toepassingen” (Bron: Model Context Protocol).
Sinds 9 december 2025 is MCP niet meer van één bedrijf. Anthropic droeg het over aan de Agentic AI Foundation, een fonds onder de Linux Foundation dat het samen met Block en OpenAI oprichtte (Bron: Anthropic).
Alleen valt deze rij uit de vergelijking. Drie rijen zijn een lichaam, de derde is ineens een stekkerblok. Dat verraadt wat MCP is: geen soort AI en geen vaardigheid, maar een afspraak. Wil je per se een lichaamsdeel, dan komt het zenuwstelsel het dichtst in de buurt: de vaste route waarlangs brein en handen berichten uitwisselen. Hoe je MCP tegenkomt in Claude, staat in skills, plugins en connectors: wat is het verschil?.
Zijn handen het verschil tussen een chatbot en een agent?
Hier mist de plaat het belangrijkste. Volgens de plaat is een agent een brein met handen: hij kan dingen doen in plaats van alleen antwoorden. Maar handen hadden chatbots al voordat het woord agent gangbaar werd. OpenAI gaf ontwikkelaars op 13 juni 2023 “function calling”: een manier om een taalmodel gereedschap van buiten te laten aanroepen (Bron: OpenAI). ChatGPT kon in dat jaar al op internet zoeken en code draaien.
Het verschil zit in wie de volgende stap kiest. Bij een chatbot ben jij dat. Je leest het antwoord en beslist wat je daarna vraagt. Bij een agent kiest het systeem zelf, stap na stap. Anthropic maakt dat onderscheid in een veelgebruikte handleiding voor bouwers. Bij een workflow ligt de route vooraf vast in code. Bij een agent stuurt het model zijn eigen proces en gereedschap. Agents zijn volgens die handleiding meestal taalmodellen die in een lus gereedschap gebruiken, op basis van wat ze onderweg terugkrijgen (Bron: Anthropic).
Een agent is dus de lus plus de handen. Zonder gereedschap kan hij niets doen. Zonder lus is hij een chatbot met een zoekknop.
Die lus stopt niet alleen wanneer de agent vindt dat het klaar is. Dezelfde handleiding raadt bouwers aan om stopvoorwaarden in te bouwen, zoals een maximum aantal stappen, om de controle te houden. Dat het nodig is, bleek op 18 juni 2026: een agent van OpenAI kreeg toegang tot een portal van de Australische overheid zonder dat iemand daar opdracht voor had gegeven.
Gevorderden Omdat de agent zelf kiest, verschuift de vraag die je vooraf stelt. Bij een chatbot volstaat “waar kan hij bij?”. Bij een agent komt daar een vraag vóór: “wat mag hij zonder mij beslissen?”. Voor ondernemers werkt aiplatformmkb.nl dat uit in AI-agent rechten geven.
De fout in de indeling: het zijn geen vier soorten
De vier woorden zijn niet vier keer hetzelfde soort ding. Een taalmodel is een model. RAG is een techniek. MCP is een afspraak. Een agent is een opzet. Ze sluiten elkaar niet uit, ze liggen op elkaar.
Vraag je Claude of ChatGPT om uit te zoeken welke afspraken er volgende week botsen en een voorstel te mailen, dan gebeurt alles tegelijk. Het taalmodel leest je vraag. Via een koppeling, vaak MCP, komt het bij je agenda. Het haalt de afspraken op en neemt ze mee in zijn antwoord, wat in de kern RAG is. En het beslist zelf dat het daarna een mail opstelt: dat maakt het een agent.
Onze versie van de plaat is daarom een stapel. Welke laag je voor een klus in je bedrijf nodig hebt, staat in de keuzehulp op aiplatformmkb.nl. Wat een agent kan en waar het misgaat, lees je in AI-agents: wat zijn ze en wat kun je er echt mee?.
Wat de plaat wel goed doet
Een lichaam is een beeld dat blijft hangen en voor RAG werkt het prima. Na één blik weet je in elk geval dat de vier woorden iets met elkaar te maken hebben. Onthoud er twee dingen bij. Je kiest er niet één. Bij een agent gaat het om wie de volgende stap zet.
Eerder namen we op dezelfde manier een kaart met twintig Europese AI-leiders onder de loep.