Image Search Infrastructure voor AI Agents: Wat de Markt Écht Levert

Elk agent-framework dat dit jaar is uitgebracht, kan schrijven, plannen, tools aanroepen en een pull request openen. Vraag er een om een foto en het geheel valt terug op een schouderophalen: een verzonnen stock-URL uit het geheugen, een kapotte hotlink, of een gegenereerde afbeelding omdat zoeken naar een echte moeilijker was dan er zelf een verzinnen. De modellen zijn niet de zwakke schakel. De image-laag daaronder is dat wel — en die ontbreekt op een zeer specifieke, meetbare manier.

Dit is een marktonderzoek, geen manifest. Alles hieronder is gemeten of afgeleid uit een primaire bron op 18 augustus 2026: een telling van het officiële MCP-register, de gepubliceerde voorwaarden van de vier grote gratis foto-API's, de toegangsvoorwaarden van de twee betaalde gevestigde partijen die deze maand agent-connectoren uitbrachten, en een kleine, reproduceerbare benchmark die je zonder API-key in een minuut zelf kunt draaien.

Eén afbakening, zodat je vroeg kunt stoppen met lezen als dit niet je vraag is: dit artikel gaat over de toegangslaag — retrieval, bereikbaarheid, voorwaarden, quota. Het gaat niet over de publicatiepijplijn. Als je wilt weten hoe je een concept omzet in geïllustreerde, gecrediteerde, gemarkeerde pagina's — de router-prompt, de visuele briefings, de assemblage, de ImageObject-markup — dat staat apart beschreven in de pijplijn die AI-geschreven artikelen illustreert.

Wat verandert als de aanroeper een machine is

Een mens die naar een foto zoekt, typt twee of drie woorden, scant een raster, en herkent een goede foto zodra hij die ziet. Elke stock-zoekmachine die ooit is gebouwd, gaat van die routine uit. Een agent doorbreekt alle drie aannames tegelijk:

1. Hij schrijft zinnen, geen keywords. Een model dat net een sectie over hypotheekpapieren heeft opgesteld, produceert niet mortgage; het produceert “a woman signing a mortgage document at a kitchen table while a bank adviser explains the terms”. Dat is de natuurlijke output van een taalmodel, en precies wat een op tokens matchende index niet kan bedienen.
2. Hij kan geen raster scannen. Wat de tool teruggeeft, is wat de agent weet. Als het antwoord een lijst URL's is zonder beschrijving, afmetingen of credit, moet de agent elke afbeelding ophalen en bekijken — of, veel vaker, gokken.
3. Hij heeft geen handen. Hij kan geen screenshots uploaden naar een reviewwachtrij, voorwaarden accepteren, een key roteren, of drie werkdagen wachten op productiegoedkeuring. Elke menselijke stap in de onboarding van een API is een muur waar de agent op stuit.

Dus “image search-infrastructuur voor AI-agents” is geen marketingzin. Het is een checklist: natuurlijke-taalretrieval, machineleesbare resultaten die rijk genoeg zijn om over te redeneren, en een authenticatie- en quotamodel dat een programma zelfstandig kan afronden.

De test: een zin tegenover een keyword-index

De goedkoopste manier om het probleem te zien, is de eigen woorden van een agent naar een keyword-engine te sturen. De test hieronder gebruikt Openverse, de zoekmachine voor vrij gelicentieerde media van WordPress.org, omdat de API openbaar is, geen key nodig heeft, en iedereen die dit leest hem binnen een minuut zelf kan draaien. Vier briefings, van het soort dat een model schrijft wanneer het illustreert wat het net heeft opgesteld:

import json, urllib.request, urllib.parse

BRIEFS = [
  "a woman signing a mortgage document at a kitchen table while a bank"
  " adviser explains the terms, warm morning light",
  "An elderly couple enjoying a peaceful retirement together",
  "a child discovering snow for the first time in a suburban garden",
  "a delivery cyclist waiting at a red light in heavy rain",
]

def count(q):
    u = "https://api.openverse.org/v1/images/?" + urllib.parse.urlencode({"q": q})
    r = urllib.request.Request(u, headers={"User-Agent": "benchmark/1.0"})
    return json.load(urllib.request.urlopen(r))["result_count"]

for b in BRIEFS:
    print(count(b), "|", b[:48])
# 0 | a woman signing a mortgage document at a kitchen
# 0 | An elderly couple enjoying a peaceful retirement
# 0 | a child discovering snow for the first time in a
# 0 | a delivery cyclist waiting at a red light in hea

Vier briefings, vier lege resultatensets. Breng elke briefing nu terug tot de twee keywords die een mens had getypt — signing document, elderly couple, child snow, cyclist rain — en elk daarvan levert een volledige pagina foto's op (de API meldt 240, waar het de telling voor anonieme aanroepers plafonneert). De catalogus bevat de foto's. De zin is wat hij niet kan parsen.

Swipe de tabel zijwaarts om elke kolom te zien →

De Pexafy-kolom is dezelfde vier zinnen, onaangepast verstuurd naar search_photos op de gehoste MCP-server, met de latentie die de server zelf rapporteerde. Dit is een vergelijking van querivormen, niet van catalogus­kwaliteit — en de catalogus is nadrukkelijk niet het probleem. Openverse's eigen statistiekendpoint meldt 915 miljoen afbeeldingen uit 52 bronnen op de dag van de test, en het is uitstekend in waarvoor het gebouwd is: keyword-zoeken, voor mensen. Er is niets mee kapot. Het is alleen simpelweg niet ontworpen voor een aanroeper die in zinnen denkt. Waarom tag-matching stukloopt op een beschreven scène — en wat semantisch zoeken daarvoor in de plaats doet — wordt vanuit het perspectief van de lezer besproken in zoeken met een zin in plaats van keywords; wat hier nieuw is, is de meting, en wat het betekent wanneer de aanroeper een programma is in plaats van een persoon.

“An elderly couple enjoying a peaceful retirement together” · 16 resultaten in 135 ms · drie ervan

Rang 1Pexels Pixabay Unsplash

De markt, op 18 augustus 2026

Retrieval is de ene helft. De andere helft is bereikbaarheid: kan een agent de catalogus überhaupt bereiken, en onder welke voorwaarden? Sinds het Model Context Protocol de manier werd waarop assistenten zich aan externe systemen koppelen — de huidige specificatie, gedateerd 28 juli 2026, verplaatste het protocol naar een stateless request/response-kern zodat servers achter gewone load balancers kunnen staan1 — is de eerlijke manier om deze markt te overzien te kijken naar wat daadwerkelijk gepubliceerd is, niet naar wat aangekondigd is.

De betaalde gevestigde partijen kwamen deze maand

Getty Images lanceerde zijn MCP-server op 12 augustus 2026, zes dagen voor dit artikel, en stelt creatief, redactioneel en archiefzoeken en downloaden open voor AI-workflows.2 Het is gericht op enterprise-teams en platformbouwers, en de eigen toegangspagina is onmiskenbaar over de instapprijs: je hebt een actieve Getty Images-overeenkomst nodig, zoals Premium Access, plus acceptatie van de Web Service-voorwaarden. Er is geen gratis niveau. Shutterstock-content is eveneens bereikbaar via een MCP-server — 24 tools voor zoeken, collecties en licenties — met downloads afgeschermd achter een account met een actief abonnement.3

Beide zetten zijn rationeel en beide zijn bedoeld voor een specifieke koper. Getty boekte in 2025 981,3 miljoen dollar omzet4 in een stockfotografiemarkt die voor 2026 geschat wordt op ongeveer 5,4 miljard dollar5; connectoren die een contract vereisen, beschermen die omzet in plaats van hem open te stellen. Ben je een bank of een omroep, dan is dit precies wat je wilt. Ben je een developer die een zijproject bedraadt — of een agent die niet mag stoppen om een mens iets te laten tekenen — dan is het een gesloten deur.

De gratis bibliotheken hebben er helemaal geen uitgebracht

Unsplash, Pexels en Pixabay zijn de drie catalogi waar de meeste bouwers naar grijpen, en geen van drieën publiceert een officiële MCP-server. Wat er in plaats daarvan bestaat, is een plank vol community-wrappers. We doorzochten het officiële MCP-register volledig — 22.607 servers, 75.487 gepubliceerde versies — en behielden elk item waarvan naam of beschrijving over foto- of stockimage-zoeken gaat. Het patroon is uniform:

Swipe de tabel zijwaarts om elke kolom te zien →

import json, urllib.request, urllib.parse

def crawl(term):                      # het register pagineert met `nextCursor`
    out, cursor = {}, None
    while True:
        p = {"limit": "100", "search": term} | ({"cursor": cursor} if cursor else {})
        d = json.load(urllib.request.urlopen(
            "https://registry.modelcontextprotocol.io/v0/servers?" + urllib.parse.urlencode(p)))
        for e in d["servers"]: out[e["server"]["name"]] = e["server"]
        cursor = (d.get("metadata") or {}).get("nextCursor")
        if not cursor or not d["servers"]: return out

servers = {}
for t in ["photo", "image", "stock", "picture", "unsplash",
          "pexels", "pixabay", "getty", "shutterstock", "openverse"]:
    servers |= crawl(t)

# 137 unieke servers · remote vs local staat in `server["remotes"]`
# de vereiste externe keys staan in packages[].environmentVariables

Elk van die wrappers is een dunne client van dezelfde drie keyword-API's, wat betekent dat de benchmark hierboven op ze allemaal van toepassing is: het transport veranderde, de retrieval niet. Een wrapper kan een tag-index geen zin laten begrijpen.

De clausule die een machine stopt, is niet het quotum

De quota en voorwaarden van de gratis bibliotheken worden naast elkaar vergeleken, in een gemeenschappelijke eenheid, in de vergelijking van gratis stockfoto-API's — de goedkeuringswachtrijen, de verplichte downloadaanroep, de cacheverplichting van 24 uur, de attributieregels. Dat artikel leest ze zoals een developer die een provider kiest. Lees ze opnieuw als het programma dat ze moet naleven, en één regel valt op die niets met volume te maken heeft:

Dezelfde lezing geldt voor onboarding. Een demo-niveau dat pas productie wordt nadat een mens screenshots van je app heeft beoordeeld, is geen ratelimiet waar een agent zich uit kan terugtrekken; het is een stap die hij helemaal niet kan uitvoeren. Pixabay verwoordt de bedoeling expliciet — de API is voor legitiem menselijk gebruik, en massaal geautomatiseerd downloaden is verboden. Niets hiervan is onredelijk: fotografen geven het werk weg en iemand betaalt voor de bandbreedte. Het beschrijft eenvoudigweg een API waarvan werd aangenomen dat de aanroeper een scherm en een paar handen had.

Vier eisen, en wie ze vervult

Voeg de twee helften samen en de specificatie voor een image-laag die een agent daadwerkelijk kan gebruiken, komt kort en toetsbaar uit. Het is opzettelijk geen providervergelijking — catalogusgrootte, prijzen en licentievoorwaarden staan naast elkaar in het vergelijkingsartikel. Deze vier gaan alleen over of een programma de foto's überhaupt kan bereiken:

1. Semantische retrieval — een volledige zin levert een gerangschikte pagina op, geen lege set.
2. Gratis licenties, meerdere bronnen — niets om per afbeelding te licentiëren, en niet de smaak van één enkele bibliotheek die elke pagina bepaalt die je publiceert.
3. Een gehoste server met eigen inlog — remote, OAuth, geen lokaal proces om te installeren en geen externe API-key om in een configuratiebestand te plakken.
4. Een gratis niveau dat een machine zelfstandig kan afronden — geen screenshot-review, geen contract, een maandelijks quotum en een ratelimiet per minuut waar een worker zich naar kan schikken.

Swipe de tabel zijwaarts om elke kolom te zien →

Wij bouwen Pexafy, lees die laatste rij dus met het scepticisme dat ze verdient — en controleer het daarna: de registertelling is met één script reproduceerbaar, de toegangsvoorwaarden van Getty en Shutterstock staan op hun eigen pagina's, en de limieten van de drie foto-API's staan in hun eigen documentatie, allemaal onderaan gelinkt. De claim is smal en falsifieerbaar: op 18 augustus 2026 konden we geen tweede dienst vinden die aan alle vier voldoet. Kent u er een, dan voegen we die aan deze tabel toe — het hele punt van deze eisen op papier zetten is dat iedereen ze tegen elk product kan toetsen, ook het onze.

Wat een goede image-server doet via MCP

Een connector is geen REST-endpoint met een nieuw likje verf. Twee toepassingen van deze laag staan elders uitgewerkt en worden hier niet herhaald — een concept illustreren, in het pijplijnartikel, en een lange reeks visueel coherent houden, in het artikel over volume. Wat tot de infrastructuur behoort, is wat beide veronderstellen en geen van beide achteraf kan toevoegen: drie beslissingen op serverniveau, eenmalig genomen, voor elke agent die er ooit verbinding mee maakt.

1. Geef objecten terug waarover een agent kan redeneren. Wat de tool teruggeeft, is alles wat het model weet — het kan geen raster scannen. Het verschil tussen de twee vormen hieronder is het verschil tussen een assistent die over foto's redeneert en een die links doorstuurt:

# Typische keyword-wrapper: de agent moet ophalen en bekijken, of gokken
[{ "url": "https://…/photo-8795398.jpeg" }, { "url": "https://…/366611.jpg" }]

# Eén resultaat, zoals teruggegeven — hier ingekort, niets toegevoegd
{
  "rank": 1,                       // het handvat dat een mens gebruikt: "more like #1"
  "photo_id": "019e14d9-e821-…",   // wat get_similar_photos gebruikt
  "width": 6424, "height": 4283, "orientation": "landscape",
  "color_hex": "#918872", "blur_hash": "LPI#Px?aDikCGwW?M{kD-VR*s.fl",
  "source": "Pexels", "license_type": "free",
  "alt_description": "Older couple sits together on wooden bench in a park",
  "attribution": { "plain": "Photo by Anastasia Shuraeva on Pexels", "html": "…" },
  "urls": { "thumb": "…", "small": "…", "regular": "…", "large": "…" }
}

Met de tweede vorm kan een agent zeggen “#3 is portret, dat breekt je hero-slot”, een dubbele fotograaf laten vallen, de credit-regel uitvoeren, en je template een width/height-paar meegeven dat layout shift voorkomt — zonder één afbeelding op te halen. Met de eerste vorm is elke van die beslissingen een gok of een extra rondreis.

2. Nummer de resultaten, zodat een persoon kan aanwijzen. Resultaten komen gerangschikt terug als #1, #2, #3…, precies zoals iedereen naar een foto verwijst in een gesprek — “meer zoals #3” — zonder handmatig gekopieerde identifiers. In clients die MCP Apps ondersteunen, worden de thumbnails inline weergegeven, en het openen van een afbeelding toont metadata die al in het toolresultaat stond, zonder extra aanroep.

3. Blijf read-only, en maak dat expliciet. Drie tools, geen schrijfscope, geen accountmutatie. Eén ervan heeft nergens een keyword-equivalent: search_photos_by_image neemt een referentieafbeelding — de bestaande hero van een klant, een screenshot geplakt in de chat — plus een optionele zin om die aan te passen (“like this, but at night”). Er is geen veld in een tag-matching API waar dat verzoek zelfs maar in getypt kan worden. En een agent die niets kan veranderen, is een agent waarvan het slechtste resultaat een lege resultatenset is in plaats van een supportticket.

De twee toegangspunten, en welke je wilt

Er zijn precies twee wegen naar binnen, en de keuze gaat over wie er in de lus zit, niet over capaciteit — de tools en de catalogus zijn bij beide identiek.

De connector, wanneer een persoon dat is. Eén URL, https://mcp.pexafy.com/mcp, eenmalig toegevoegd in de connectorinstellingen van een assistent; inloggen gebeurt in een browservenster en de client ontvangt zijn eigen credentials, dus er is geen key om in een configuratiebestand te plakken en geen om later te roteren. Clients die geen OAuth implementeren, sturen een Pexafy API-key als bearer-token naar hetzelfde endpoint — wat de connector bruikbaar maakt vanuit een cronjob op een buildserver, waar niemand in de buurt is om op “Toestaan” te klikken. De stap-voor-stap bedrading voor Claude, ChatGPT en een fleet-config-bestand staat in het pijplijnartikel; daar is niets aan veranderd.

De HTTP-API, wanneer niemand dat is. Een batchjob die een pool vult voor 800 onderwerpclusters moet zich niet voordoen als een chatclient: hetzelfde account, dezelfde key, platte HTTP, 100 resultaten per aanroep. De bijbehorende tempo-regels — de rate-limit-headers, waarom een 429 per minuut de moeite van een retry waard is en een 429 op maandquotum niet, wat een worker bij volume kost — horen bij het artikel over illustreren op schaal, waar die worker volledig wordt uitgewerkt.

Het punt dat hier de moeite waard is om te onthouden, is smaller, en het is waar het marktonderzoek op draait: beide toegangspunten zijn op de dag dat dit geschreven wordt door een programma bereikbaar, zonder wachtrij en zonder contract.

Wat dit niet oplost

Een eerlijke lijst, want elk van deze punten heeft iemand ooit een rollback gekost.

• De licentie blijft van toepassing op de foto. Attributie is niet vereist door de Pexafy API-voorwaarden en elk resultaat komt met een klaar-om-te-tonen attributiestring — maar de licentie van de bronbibliotheek geldt voor jouw gebruik van die foto. Render de credit automatisch; dat is goedkoper dan later auditen.
• Gratis-licentiecatalogi zijn geen redactionele archieven. Geen nieuws, geen sport, geen herkenbare merken of publieke figuren op aanvraag. Als je pagina een foto van een specifieke gebeurtenis of persoon nodig heeft, zijn de gelicentieerde gevestigde partijen daarvoor bedoeld, en hun connectoren bestaan nu.
• Het is retrieval, en alleen retrieval. Diagrammen, grafieken en screenshots worden vanuit code gerenderd, niet doorzocht; deduplicatie over je pagina's is een kolom in je database, geen parameter op het endpoint; en geen foto maakt een dunne pagina hoger scoren — Google's spambeleid behandelt misbruik van geschaalde content hetzelfde, of de pagina's nu geïllustreerd zijn of niet.6 Die drie zijn pijplijnproblemen met pijplijnantwoorden, uitgewerkt in het pijplijnartikel en het artikel over volume.

Waar te beginnen

1. Draai de benchmark opnieuw. Twintig regels, geen key. Welke image-API je nu ook gebruikt, stuur er ongewijzigd drie briefings van je eigen agent naartoe en tel de lege resultatensets.
2. Koppel één connector aan de assistent die je al gebruikt en vraag hem, in één zin, om een foto die je deze week echt nodig hebt. Dat is de hele evaluatie.
3. Verplaats de briefings naar de agent — één scène per slot, geschreven vanuit het concept, nooit vanuit de titel.
4. Voeg de kolom photo_id toe voordat je iets op volume publiceert.
5. Draai het op het gratis niveau — 5,000 zoekopdrachten per maand aan 20 per minuut tot een buildvenster, niet een factuur, je dwingt op te schalen.

Referenties & voetnoten