Van bloemen tot bouwtekeningen: wat ondernemers leren van de WebMCP-winnaars

Door Enrico Clein · Gepubliceerd 28 september 2026 · 4 min lezen

Een klant hoeft niet altijd te weten welke knop of welk product hij zoekt. Soms weet hij alleen wat hij wil bereiken. De tien aangekondigde winnaars van de WebMCP Challenge laten zien hoe een agent dan kan meewerken in dezelfde website als de klant. Voor ondernemers, marketing- en salesteams is vooral de ontwerpkeuze erachter interessant.

Op 28 september 2026 maakte OpenAI Developers tien winnaars bekend. Wij lazen de aankondiging en projectbeschrijvingen, maar hebben de demo's niet zelf getest. De inzendingen bewijzen geen gebruik door klanten of extra omzet. Ze zijn wel een ideeënboek: welk deel van een klanttaak kun je begrijpelijk en controleerbaar maken voor een agent?

Laat de klant een wens beschrijven, geen catalogus doorzoeken

In Bouquet Studio begint de koper niet met bloemnamen, maar met een gelegenheid, gevoel en budget. De agent helpt een boeket samenstellen uit de winkelcontext; de klant ziet het resultaat en kan zeggen: ‘iets warmer’ of ‘minder formeel’. De wijziging gebeurt in hetzelfde bewerkbare boeket, niet in een los chatantwoord. Dat is een verkoopidee: vertaal een vage koopintentie naar een zichtbaar productvoorstel dat de klant zelf kan bijstellen.

Aisle doet iets vergelijkbaars voor een lastige keuze: tafelindeling op een bruiloft. De agent houdt rekening met relaties, vastgezette gasten en tafelcapaciteit; mensen kunnen verplaatsen en wijzigingen terugdraaien. Voor een sales- of serviceteam is de les niet dat je een bruiloftplanner moet bouwen. Het is dat een advies sterker wordt wanneer regels, persoonlijke voorkeuren en de uiteindelijke keuze op één plek samenkomen.

Maak het werkobject deelbaar tussen mens en agent

Alza zet volgens de maker een foto van een plattegrond om in een bewerkbaar 2D- en 3D-model; een ingebouwde controle meldt geometrische problemen. ArchMorph laat een gebruiker en agent aan hetzelfde woningontwerp werken en het resultaat in 3D bekijken. Dit zijn geen kant-en-klare toepassingen voor een Nederlandse woonwinkel. Ze tonen wel een relevant patroon voor adviesverkoop: laat een klant en adviseur een voorstel samen zien en aanpassen, inclusief de beperkingen van het product.

Dat gedeelde werkvlak verschijnt ook buiten verkoop. Observatory maakt een fantasiekaart die na een agentbewerking bewerkbaar blijft. Roque Nights laat een agent een sterrenkijkplan voorstellen dat de gebruiker per onderdeel beoordeelt. In JupyterLite WebMCP werkt een agent met het actuele notebook, inclusief nog niet opgeslagen wijzigingen; een verouderde schrijfactie wordt volgens de makers geweigerd. De gezamenlijke les: een bruikbaar voorstel blijft verbonden met de actuele toestand, zichtbaar voor de gebruiker en corrigeerbaar.

MASIL voegt een andere vraag toe: voor wie is de gebruikelijke interface een drempel? De demo is ontworpen om oudere Koreanen met hulp van een agent kalligrafie te laten beoefenen en Janggi te laten spelen. Dat is geen bewijs dat WebMCP toegankelijkheid automatisch oplost. Het herinnert productteams eraan om te toetsen of mensen een activiteit daadwerkelijk kunnen uitvoeren, niet alleen of ze de website kunnen openen.

Bepaal vooraf wat de agent níét mag afronden

De interessantste commerciële toepassing is misschien Mandate: een CRM-demo waarin een gebruiker tijdelijk specifieke records en velden voor een agent aanwijst. De maker beschrijft ook een pijnlijke test: een browserbesturende agent klikte alsnog op de zichtbare knop ‘Apply’. Een tekst op de pagina of een toolomschrijving is dus geen harde grens. Autorisatie moet in de applicatie worden afgedwongen, ook buiten de WebMCP-tool om.

Bij Faraday blijven CT- of MRI-scans volgens de maker in de browser, terwijl een agent beperkte metingen en weergaveacties krijgt. De maker beperkt het project expliciet tot onderzoek en onderwijs, niet diagnose. Voor bedrijven met gevoelige gegevens is dit de juiste ontwerpvraag: welke informatie heeft een agent echt nodig, en welke blijft buiten zijn bereik?

Een proef voor je eigen klantreis

Stel, je verkoopt maatwerkinterieurs. Begin niet met ‘we willen een AI-assistent’, maar met één klantvraag: ‘Welke kast past in deze ruimte en binnen mijn budget?’ Een mogelijke proef laat de agent afmetingen en voorraad controleren, twee configuraties in dezelfde ontwerppagina tonen en een offerteconcept klaarzetten. De klant of adviseur corrigeert maten en kiest; pas daarna kan een gewone, servergecontroleerde vervolgstap plaatsvinden. Dit is ons fictieve ontwerpvoorbeeld, niet een gemeten resultaat van de Challenge.

Meet vervolgens of de agent de juiste gegevens gebruikt, of correcties behouden blijven en of de gebruiker de uitkomst begrijpt. Dat levert een nuttiger besluit op dan de vraag of je website ‘een chatbot’ heeft. De winnaars tonen uiteenlopende mogelijkheden; de opdracht voor jouw team is één klanttaak kiezen waarin mens, agent en website aantoonbaar beter samenwerken.