Voor alle organisaties in Nederland die AFAS gebruiken: maak kennis met AFAS AI Buddy. Een slimme assistent die AFAS Software aanvult en het mogelijk maakt om via natuurlijke taal sneller informatie te vinden en processen uit te voeren.
Hoe het begon
Samen met Michael Slemmer heb ik de afgelopen weken gewerkt aan een MCP-server die AFAS koppelt aan AI-tools zoals Claude, ChatGPT en Copilot. Met deze oplossing bepaal je zelf welke AFAS-data een AI-agent mag inzien — volledig veilig en binnen je eigen omgeving.
Gewoon vragen stellen
Met onze koppeling is het mogelijk om direct vragen te stellen aan AFAS en antwoord te krijgen op live data. Denk aan vragen zoals:
- "Wat is het verlofsaldo van deze medewerker?"
- "Toon het contract van Jan Jansen"
- "Welke sollicitanten zijn er voor deze vacature?"
Geen gedoe meer met menu's. Gewoon vragen stellen.
Hoe werkt de MCP-server?
MCP staat voor Model Context Protocol — een open standaard waarmee AI-modellen veilig verbinding kunnen maken met externe systemen zoals AFAS. De architectuur die ik heb gebouwd:
- AFAS REST API-integratie — de server praat rechtstreeks met de AFAS Profit REST API's
- Toegangscontrole per tool — je bepaalt zelf welke data de AI-agent mag opvragen
- Real-time antwoorden — geen cache, altijd live data
- Schaalbare architectuur — gebouwd voor eenvoudige uitbreiding naar meer AFAS GetConnectors
# Voorbeeld: MCP tool die verlofstatus opvraagt uit AFAS
@mcp.tool()
async def get_leave_balance(employee_id: str) -> str:
"""Haal het verlofsaldo op voor een medewerker."""
result = await afas_client.get(
connector="HrLeaveBalance",
filter=f"Medewerker eq '{employee_id}'"
)
return format_leave_balance(result)
Veiligheid voorop
Een veelgestelde vraag: "Maar is dat wel veilig, AI die in mijn AFAS-omgeving kijkt?" Absoluut — en het is een terechte vraag. De MCP-server draait binnen jouw eigen infrastructuur. AFAS-data verlaat je omgeving niet, tenzij jij dat expliciet toestaat. Je beheert de API-sleutels en bepaalt exact welke connectoren beschikbaar zijn voor de AI-agent.
Wil je precies weten hoe we authenticatie, autorisatie en logging technisch hebben ingericht? Lees dan onze uitgebreide Security & Werking documentatie.
Dit is voor mij waar AI écht waarde toevoegt: niet nóg een tool, maar een assistent die met je meewerkt.
Wat kan er nu al?
De huidige versie van AFAS AI Buddy ondersteunt onder andere:
| Domein | Voorbeeldvraag |
|---|---|
| Medewerkers | "Geef me de contactgegevens van Sarah de Vries" |
| Verlof & HR | "Hoeveel vakantiedagen heeft Tom nog?" |
| Contracten | "Wanneer loopt het contract van medewerker 1042 af?" |
| Werving | "Welke sollicitanten staan open voor vacature 88?" |
Nieuw: genereer een dashboard met één vraag
We hebben de MCP-server uitgebreid met UI dashboard-mogelijkheden. Waar je eerder losse antwoorden terugkreeg, kun je nu met één vraag een compleet, interactief dashboard laten genereren — rechtstreeks op basis van je live AFAS-data. Denk aan een overzicht van verlofsaldi, contractafloop of bezetting, direct visueel gepresenteerd.
Geen BI-tool openen, geen rapport handmatig samenstellen. Je stelt je vraag, en het dashboard staat er.
Een vraag uit de community: van verlofsaldo naar concreet actieplan
Op LinkedIn kreeg Michael Slemmer — de partner met wie ik deze MCP-server meebouw — een scherpe vraag van Johan, AFAS & BI-expert. Hij wilde weten of je de MCP-server ook vragen kunt stellen die concrete acties opleveren — dus niet alleen een antwoord, maar een uitgewerkt voorstel:
“Maak een lijst met medewerkers die meer dan 100 ongeplande vakantieuren hebben. Maak een voorstel hoe deze vakantieuren opgemaakt kunnen worden voor het einde van het jaar. Houd daarbij rekening met een minimale bezettingsgraad van 40%.”
Een perfect voorbeeld van waar het echt om draait: niet zomaar data ophalen, maar de AI laten redeneren over die data en een plan voorstellen. We hebben de vraag op twee manieren uitgewerkt.
De uitwerking volgens Copilot
Eerst lieten we Copilot de vraag aanpakken. Copilot bepaalt de aanpak: welke medewerkers overschrijden de grens van 100 ongeplande verlofuren, en hoe verdeel je die uren over de resterende weken van het jaar zonder onder de minimale bezetting van 40% te komen.
De uitwerking met de AFAS MCP-server in Claude
Vervolgens dezelfde vraag, maar nu met de AFAS MCP-server in Claude. Hier komt de kracht van de koppeling naar voren: Claude haalt de live verlofsaldi rechtstreeks uit AFAS, filtert de medewerkers met meer dan 100 ongeplande uren, en stelt een concreet, gespreid opnameplan op — met de bezettingsgraad van 40% als harde randvoorwaarde.
Het resultaat is geen los antwoord in de chat, maar een uitgewerkt planningsdocument dat je direct kunt delen met HR en het management.
Bekijk het volledige uitwerkingsdocument
Verlofplanning vóór jaareinde 2026 — het complete voorstel dat de AFAS MCP-server genereerde.
Open het uitwerkingsdocument (PDF)Wil je dit zelf ervaren?
Vraag toegang tot de live demo en stel Claire, de AFAS AI Buddy, je eigen vragen.
Test de AFAS buddy voor jezelfVoor wie is dit?
AFAS AI Buddy is interessant voor:
- HR-managers die snel medewerkerinformatie willen opvragen zonder door schermen te klikken
- IT-beheerders die AFAS willen integreren in hun bestaande AI-workflow
- AFAS-implementatiepartners die hun klanten een stap verder willen helpen met AI
- Organisaties die al werken met Claude, ChatGPT of Copilot en dit willen uitbreiden met bedrijfsdata
Benieuwd?
Tag een HR-collega of AFAS-gebruiker die dit moet zien. Ik geef je graag een persoonlijke demo van wat er al mogelijk is — en vertel je hoe wij dit samen kunnen inrichten voor jouw AFAS-omgeving.