AI-plugin: hoe kunstmatige intelligentie gereedschap leert gebruiken
Stel je een heel slimme assistent voor die alles weet wat er tot een bepaald moment op internet stond, maar geen idee heeft wat het weer vandaag is, niet in je agenda kan kijken en geen pizza voor je kan bestellen. Een AI-plugin is de manier om die assistent alsnog die dingen te laten doen. Het is een klein stukje software dat een kunstmatige-intelligentiesysteem, meestal een chatbot zoals ChatGPT, koppelt aan een extern programma of dienst: een weerdienst, een boekingssite, een rekenmachine, je e-mail of een bedrijfsdatabase.
Vergelijk het met een stopcontact. De AI is het apparaat, de plugin is het stekkertje, en de dienst waarmee wordt verbonden (bijvoorbeeld een taxi-app of een zoekmachine) levert de stroom. Zonder plugin kan de AI alleen praten op basis van wat het tijdens de training heeft geleerd. Mét plugin kan het écht iets doen: een tabel opvragen, een afspraak inplannen, een vlucht zoeken of een stuk code uitvoeren. Dat verschil, tussen alleen praten en ook handelen, is precies waarom AI-plugins de afgelopen jaren zoveel aandacht kregen.
Wat is het precies?
Een taalmodel zoals GPT-4 of Claude genereert in de kern alleen tekst: het voorspelt het meest waarschijnlijke volgende woord op basis van jouw vraag. Zulke modellen hebben geen toegang tot actuele gegevens en kunnen niets buiten het gesprek doen. Een plugin lost dat op door drie dingen te regelen.
Ten eerste is er een beschrijving van de plugin: een bestand waarin staat welke functies beschikbaar zijn, bijvoorbeeld "zoek_vlucht(vertrekplaats, bestemming, datum)", met uitleg in gewone taal wat die functie doet. Het taalmodel leest die beschrijving en "begrijpt" zo wanneer het de functie kan inzetten.
Ten tweede beslist het model tijdens het gesprek zelf of en welke functie nodig is. Vraag je "wat is het weer morgen in Rotterdam", dan herkent het model dat dit een taak is voor de weer-plugin, en niet iets wat het uit het geheugen kan beantwoorden.
Ten derde stuurt het systeem de vraag door naar de externe dienst (de zogeheten API, een programmeerbare interface waarmee twee stukjes software met elkaar praten), ontvangt het antwoord, en het taalmodel verwerkt dat antwoord weer tot een leesbare zin voor de gebruiker. Deze werkwijze heet ook wel "function calling" of "tool use": het model roept gereedschap aan in plaats van alles zelf te verzinnen.
Een technisch vervolg hierop is het Model Context Protocol (MCP), een open standaard die Anthropic eind 2024 introduceerde. In plaats van dat elke AI-dienst zijn eigen unieke koppeling met elke tool moet bouwen, spreekt MCP één gemeenschappelijke "taal" af waarmee AI-toepassingen en externe programma's elkaar kunnen vinden, vergelijkbaar met hoe een USB-C-poort door veel verschillende apparaten wordt herkend zonder dat er per apparaat een ander stekkertje nodig is.
Wat wil men ermee bereiken?
Het doel is simpel geformuleerd: een taalmodel dat niet alleen kennis heeft, maar ook kan handelen, en dat met actuele, betrouwbare gegevens werkt in plaats van te "verzinnen" (het bekende probleem van hallucinatie, waarbij een AI overtuigend klinkende maar onjuiste informatie geeft). Door een AI te koppelen aan een rekenmachine hoeft het bijvoorbeeld niet zelf gokkend te vermenigvuldigen, en door het te koppelen aan een actuele database praat het niet langer over verouderde informatie.
Een tweede doel is het overbruggen van de kloof tussen "praten over een taak" en "de taak daadwerkelijk uitvoeren". Bedrijven willen AI-assistenten die niet alleen uitleggen hoe je een factuur aanmaakt, maar de factuur ook zelf aanmaken in het boekhoudsysteem. Dat vereist een veilige, gestandaardiseerde manier om AI toegang te geven tot bestaande software, zonder dat elk bedrijf een eigen, kwetsbare koppeling hoeft te bouwen.
Ten derde speelt een economisch motief: platformen zoals OpenAI en Anthropic willen dat ontwikkelaars hun diensten aansluiten op hun AI-modellen, zodat er een ecosysteem ontstaat vergelijkbaar met app stores voor smartphones. Wie een populaire plugin bouwt, kan miljoenen gebruikers bereiken via een chatbot in plaats van een eigen app te moeten maken.
Voorbeelden uit de praktijk
OpenAI introduceerde in maart 2023 de eerste ChatGPT-plugins, aanvankelijk voor een beperkte groep testers. Diensten als Expedia (reizen boeken), Instacart (boodschappen bestellen), Wolfram Alpha (wiskundige berekeningen) en Zapier (koppeling met honderden andere apps) waren van de partij. Gebruikers konden binnen een gesprek met ChatGPT bijvoorbeeld een vlucht laten opzoeken zonder de site van de luchtvaartmaatschappij te openen.
In november 2023 kondigde OpenAI tijdens zijn ontwikkelaarsevenement "DevDay" de "GPTs" aan: aangepaste versies van ChatGPT die iedereen zonder programmeerkennis kan maken en die eigen "Acties" (een opvolger van het pluginsysteem) kunnen uitvoeren. De oorspronkelijke pluginmarkt werd daarna afgebouwd ten gunste van deze GPT Store.
GitHub Copilot, sinds 2021 als technische preview en vanaf medio 2022 algemeen beschikbaar, is een AI-plugin voor programmeeromgevingen zoals Visual Studio Code. De AI "kijkt mee" in de programmeercode en stelt suggesties voor, direct in de editor waar de ontwikkelaar werkt.
Sinds eind 2024 wordt het Model Context Protocol van Anthropic gebruikt om AI-assistenten te koppelen aan bestanden, databases en ontwikkeltools; grote softwarebedrijven en ontwikkelaars van AI-toepassingen namen het protocol in de loop van 2025 in toenemende mate over, wat er op wijst dat de sector toewerkt naar een gedeelde standaard in plaats van los van elkaar werkende systemen per bedrijf.
Ook buiten de grote taalmodellen bestaan AI-plugins: WordPress kent bijvoorbeeld AI-uitbreidingen zoals Jetpack AI Assistant, waarmee websitebeheerders automatisch teksten laten genereren of herschrijven binnen het gangbare redactiesysteem van hun site.
Hoe ver is de techniek?
De basistechniek, een AI die een externe functie aanroept, werkt inmiddels betrouwbaar genoeg voor veelvoorkomende, goed afgebakende taken zoals een berekening maken, een zoekopdracht uitvoeren of een agenda-item toevoegen. Voor complexere, meerstaps taken ("boek een reis, annuleer mijn oude hotel en stuur de rekening naar mijn werkgever") is de betrouwbaarheid nog wisselend: het model kan de verkeerde tool kiezen, gegevens verkeerd doorgeven, of vastlopen wanneer een tussenstap onverwacht faalt.
Een belangrijke ontwikkeling is de verschuiving van losse, bedrijfsspecifieke pluginsystemen (zoals het oorspronkelijke ChatGPT-plugins-model) naar open standaarden zoals MCP, die het voor ontwikkelaars makkelijker maken om één keer een koppeling te bouwen die met meerdere AI-systemen werkt. Dat vermindert versnippering, maar de standaard is nog relatief jong en verandert nog regelmatig.
Veiligheid blijft een reëel knelpunt. Omdat een AI-plugin een taalmodel toegang geeft tot echte systemen, gaan onderzoekers en beveiligingsspecialisten uit van risico's zoals "prompt injection": kwaadwillenden verstoppen instructies in webpagina's of documenten die de AI probeert te lezen, in de hoop dat het model die instructies per ongeluk uitvoert in plaats van de oorspronkelijke opdracht van de gebruiker. Grote aanbieders werken aan afscherming hiertegen, maar een sluitende oplossing bestaat nog niet.
Kortom: de bouwstenen zijn aanwezig en werken voor eenvoudige gevallen goed, de sector is bezig met het standaardiseren van de koppelingen, maar betrouwbaarheid bij complexe taken en beveiliging tegen misbruik zijn nog volop in ontwikkeling.
Wie werken eraan?
OpenAI (Verenigde Staten) bracht met ChatGPT-plugins en later GPTs een van de eerste grootschalige pluginsystemen op de markt. Anthropic (Verenigde Staten), bekend van de Claude-modellen, ontwikkelde het Model Context Protocol en maakte dit als open standaard beschikbaar zodat andere partijen het kunnen gebruiken en meebouwen. Microsoft integreert AI-plugins breed in zijn Copilot-producten, van Windows tot Office en GitHub. Google werkt met vergelijkbare tool-use-mogelijkheden in zijn Gemini-modellen.
Daarnaast is er een brede laag van kleinere ontwikkelaars en bedrijven die specifieke plugins bouwen, van reisorganisaties tot boekhoudsoftware, en een groeiende open source-gemeenschap rond protocollen zoals MCP die losse tools en "servers" bouwt waarmee AI-assistenten kunnen praten met vrijwel elke bestaande dienst. Universiteiten en onderzoeksinstituten houden zich vooral bezig met de veiligheidskant: hoe voorkom je dat een AI met toegang tot echte systemen misbruikt wordt of onbedoeld schade aanricht.