· Kaare Øystein Trædal · Oppdatert
MCP: En ekte game changer som drastisk forenkler API-oppsettet av AI-agenter
Insight
En ny standard fra Anthropic gjør AI-assistenter til aktive medarbeidere.
Model Context Protocol (MCP) er en åpen standard utviklet av Anthropic. Standarden ble lansert i november 2024 og har gjort at veien fra idé til AI-løsning har gått fra å være en krøttersti med fartsdumper til en motorvei.
– Det er en ekte gamechanger for hvordan bedrifter bruker kunstig intelligens, sier Kaare Øystein Trædal, CCO i TRY Dig.
MCP gjør det mulig for AI-assistenter å hente data direkte fra bedriftens systemer. I tillegg er det mulig å automatisere arbeidsflyter mellom ulike verktøy, og det er dette som har endret spillereglene fullstendig.
MCP: Fra krøttersti til motorvei
Før MCP var AI-integrasjon som å kjøre krøttersti med fartsdempere. Hver gang du skulle koble en AI-modell til et system, måtte du bygge tilpassede løsninger fra bunnen av. Det som tok uker eller måneder med integrasjonsarbeid, kan nå gjøres på timer.
– Dette er ikke bare en teknisk forbedring, det er en fundamental endring i hvordan vi bygger AI-løsninger, ifølge Trædal i TRY Dig.
– MCP har gjort veien fra idé til fungerende løsning så mye kortere at det nesten ikke er til å tro.
Slik funker motorveien
MCP lar AI-systemer koble seg direkte til dataservere, noe som gir dem tilgang til sanntidsinformasjon og muligheten til å utføre handlinger.
– Tenk på MCP som en USB-C-port for AI-applikasjoner, skriver Anthropic i MCP-dokumentasjonen.
I stedet for å bygge en ny krøttersti for hver integrasjon, har du nå en motorvei hvor AI-assistenter kan:
- Hente data fra interne systemer
- Automatisere rapporter
- Integrere og oppdatere på tvers av plattformer
Det som er den virkelige gamechanger-effekten er besparelsen av tid. Det som tidligere tok uker med tilpasset koding, gjøres nå på timer med ferdigbygde MCP-servere.
Fra «kan du hjelpe meg?» til «kan du gjøre det?»
Før MCP var AI-assistenter som kyndige konsulenter – de kunne fortelle organisasjoner hva de burde gjøre, men bedriftene måtte implementere alt selv.
Før MCP | Med MCP
- Gir forslag | Utfører oppgaven
- Krever manuell oppfølging | Automatisk booking og oppdatering
- Basert på tidligere data | Bruker sanntidsinformasjon
Eksempel: I stedet for å få en liste over potensielle leverandører, kan AI-en nå sammenligne priser i sanntid, forhandle avtaler og bestille direkte, med din godkjenning.
MCP forvandler AI fra statiske svarmaskiner til aktive agenter, og endrer hvordan merker blir synlige og hvordan AI-modeller kobler innhold til brukere. Dette påvirker ikke bare AI-assistenter, men hele måten organisasjoner finner og behandler informasjon.
Her er noen av fordelene:
- AI henter informasjon fra flere interne og eksterne kilder samtidig
- Organisasjoner får færre rapporter å lese gjennom, mer direkte innsikt
- Kildehenvisninger blir viktigere for å verifisere bedriftskritisk informasjon
- Mange B2B-kjøpere møter AI-genererte sammendrag under sin research, men de fleste klikker fortsatt gjennom til siterte kilder for å verifisere informasjon
Som en erfaren kollega
Verdien ligger ikke i den første prompten, ifølge AI-rådgiver Simen Aukland i TRY.
– Verdien ligger i samtalene med AI-systemet. Når MCP gir AI-assistenten tilgang til bedriftens egne data, blir det som å ha en erfaren kollega som kjenner alle interne systemer, sier Aukland.
For Kaare Øystein Trædal i TRY Dig handler det om å gjøre veien fra datainnsamling til beslutning kortere.
– I stedet for å bruke tid på å finne informasjon, kan organisasjoner bruke tiden på strategiske beslutninger, sier Trædal.
Potensielle bruksområder for MCP:
- E-handel: AI analyserer salgsdata og justerer priser automatisk basert på konkurrentenes priser
- Konsulentfirmaer: AI oppretter ukentlige prosjektrapporter med status fra alle pågående oppdrag
- Tech-selskaper: AI analyserer GitHub-repositoriet og lager oversikt over kodekvalitet og teknisk gjeld
Selskaper som Block, Wix.com og Sourcegraph bruker allerede MCP til å la AI-assistenter hente informasjon fra interne systemer, gjøre direkte endringer på nettsteder og gi utviklere nøyaktige kodeforslag.
