Vad är MCP? Model Context Protocol förklarat för företag
MCP, Model Context Protocol, är en öppen standard för att koppla AI-verktyg som Claude och ChatGPT till system, data och arbetsflöden. Här förklarar vi hur MCP fungerar, vad en MCP-server gör, hur det skiljer sig från ett vanligt API och vilka risker ni behöver hantera.
Kort sagt
MCP, Model Context Protocol, är en öppen standard som Anthropic släppte i november 2024 för att koppla AI-program till system och data. AI-programmet är värd, ansluter via en klient till en MCP-server, och servern erbjuder verktyg, resurser och prompter. Samma server kan användas av flera AI-verktyg, men säkerheten beror på hur behörigheter och inloggning byggs.
Vad är MCP, Model Context Protocol?
MCP är en öppen standard för att koppla AI-program till externa system. Med MCP kan ett AI-program som Claude eller ChatGPT ansluta till datakällor som filer och databaser, till verktyg som sökmotorer och till färdiga arbetsflöden, och därmed hämta information och utföra uppgifter. Så beskriver MCP-projektets egen introduktion protokollet, och den jämför det med en USB-C-port för AI: ett standardiserat sätt att koppla in system.
Protokollet släpptes som öppen källkod av Anthropic den 25 november 2024. Skälet var att varje ny datakälla dittills krävde en egen specialbyggd koppling. Med ett gemensamt protokoll behöver ett system bara en MCP-server för att kunna användas av flera AI-verktyg.
| Begrepp | Betyder |
|---|---|
| MCP | Model Context Protocol, protokollet som bestämmer hur AI-program och system talar med varandra. |
| MCP-server | Programmet som ger AI:n tillgång till ett visst system, till exempel ett CRM eller en dokumentsamling. |
| MCP-klient | Den del i AI-programmet som håller anslutningen till en server. |
| MCP-värd | AI-programmet självt, till exempel Claude Desktop, ChatGPT eller Visual Studio Code. |
Så fungerar MCP: värd, klient och server
Enligt MCP:s arkitekturbeskrivning bygger protokollet på klient och server. AI-programmet är värd och skapar en klient för varje server det ansluter till. Ansluter Visual Studio Code till två MCP-servrar finns alltså två klienter, en per koppling.
- Anslutning. Värden startar eller ansluter till en MCP-server och frågar vad den kan göra.
- Upptäckt. Servern listar sina verktyg, resurser och prompter med namn, beskrivning och vilka indata som krävs.
- Användning. När användaren ställer en fråga kan AI-modellen välja att anropa ett verktyg eller läsa en resurs, och programmet kan be användaren godkänna anropet.
- Svar. Servern hämtar data eller utför åtgärden i det underliggande systemet och skickar tillbaka resultatet till AI-programmet.
En MCP-server kan köras på två sätt. En lokal server startas på användarens dator och kommunicerar via stdio, oftast med en enda klient. En fjärrserver körs på en webbadress via Streamable HTTP och kan betjäna många användare samtidigt. För företag är fjärrservern det vanliga valet när flera medarbetare ska använda samma koppling, eftersom behörigheter och loggning då kan styras centralt.
Vad en MCP-server ger AI:n: verktyg, resurser och prompter
MCP-projektet beskriver tre grundfunktioner som en server kan erbjuda. Skillnaden ligger i vem som styr dem.
| Funktion | Vad det är | Exempel i ett företag | Styrs av |
|---|---|---|---|
| Verktyg | Funktioner som AI-modellen kan anropa, till exempel skriva till en databas eller anropa ett API. | Skapa ett ärende, söka kunder i CRM, boka ett möte. | Modellen, ofta med godkännande |
| Resurser | Data som bara läses, till exempel dokument, databasscheman eller kalendrar. | Produktblad, prislista, policydokument. | Programmet |
| Prompter | Färdiga instruktionsmallar som kombinerar verktyg och resurser för en uppgift. | Sammanfatta veckans leads, skriv ett offertutkast. | Användaren |
Verktygen är det som gör MCP kraftfullt och samtidigt det som kräver mest eftertanke. Ett verktyg som bara läser är lågrisk. Ett verktyg som skickar mejl, ändrar priser eller raderar poster behöver tydliga gränser och ofta ett uttryckligt godkännande av en människa innan det körs. Projektet nämner själv godkännandedialoger, behörighetsinställningar och aktivitetsloggar som sätt att behålla kontrollen.
Det är också därför MCP hänger ihop med AI-agenter: en agent som ska agera i era system behöver just verktyg med tydlig avgränsning. MCP är sättet att ge den dem.
MCP jämfört med API och vanliga integrationer
MCP ersätter inte API:er. Det är ett lager ovanpå som gör ett system begripligt för AI-program.
| Vanligt API | MCP-server | |
|---|---|---|
| Syfte | Låta program tala med ett system enligt systemets egna regler. | Låta AI-program upptäcka och använda ett systems funktioner på ett gemensamt sätt. |
| Kopplingar | En egen integration per verktyg som ska använda systemet. | En server som flera AI-verktyg med MCP-stöd kan använda. |
| Beskrivning | Dokumentation som en utvecklare läser. | Verktyg med namn, beskrivning och indataschema som AI:n läser själv. |
| Typisk användning | Fasta flöden, till exempel order från webbshop till affärssystem. | Frågor och uppgifter som varierar, där AI:n väljer vad den behöver. |
Har ni fasta flöden som ska gå likadant varje gång, till exempel att en order förs över till bokföringen, är en vanlig systemintegration ofta enklare och billigare att drifta. MCP passar när medarbetare vill ställa frågor och låta AI-verktyget hämta rätt uppgifter själv. Använder ni Microsofts plattform kan agenter i Copilot Studio också anslutas till MCP-servrar. Enligt Microsoft Learn stöder Copilot Studio i dag verktyg och resurser från MCP.
Vi publicerar själva en skrivskyddad MCP-beskrivning för marknadsavdelningen.com så att AI-agenter kan läsa sajtens innehåll på ett strukturerat sätt. Den finns beskriven på sidan för agenter.
Säkerhet och risker med MCP
En MCP-server ger AI:n åtkomst till riktiga system. MCP-projektets säkerhetsråd tar upp flera risker som företag behöver hantera innan en server tas i bruk.
- För breda behörigheter. Ge servern och varje användare bara den åtkomst som behövs. Projektet varnar särskilt för breda behörigheter som ”full-access” och för att samla orelaterade rättigheter i förväg.
- Vidarebefordrade token. En server ska inte ta emot en åtkomsttoken och skicka den vidare till ett annat system. Den ska kontrollera att token är utfärdad just för den.
- Skadliga lokala servrar. En lokal MCP-server kör kod på datorn. Installera bara servrar från källor ni litar på och granska vilket kommando som körs.
- Förfalskade förfrågningar. Servrar som hämtar adresser åt AI:n behöver begränsa vilka adresser som får anropas, så att interna system inte exponeras.
- Åtgärder utan kontroll. Låt åtgärder som ändrar, skickar eller raderar kräva godkännande och logga varje anrop.
Vanliga frågor om MCP
Vad är MCP?
MCP står för Model Context Protocol. Det är en öppen standard för att koppla AI-program, till exempel Claude eller ChatGPT, till externa system som filer, databaser, verktyg och arbetsflöden. AI-programmet kan då hämta information och utföra uppgifter i de system som kopplats in.
Vem står bakom Model Context Protocol?
Anthropic släppte MCP som öppen källkod den 25 november 2024, tillsammans med specifikation, SDK:er och ett antal färdiga MCP-servrar. Protokollet utvecklas som ett öppet projekt och stöds i dag av flera AI-assistenter och utvecklingsverktyg.
Vad är en MCP-server?
En MCP-server är ett program som ger AI-program tillgång till ett visst system via protokollet. Den beskriver vilka verktyg, resurser och prompter som finns, till exempel att söka i ett CRM eller läsa ett dokument. AI-programmet ansluter till servern via en MCP-klient.
Vad är skillnaden mellan MCP och ett API?
Ett API är ett systems eget gränssnitt, och varje AI-verktyg behöver en egen koppling till det. MCP är ett gemensamt protokoll ovanpå: en MCP-server beskriver systemets funktioner på ett standardiserat sätt så att flera AI-verktyg kan använda samma koppling. Ofta anropar MCP-servern ett befintligt API.
Fungerar MCP med Claude och ChatGPT?
Ja. Enligt MCP-projektet stöds protokollet av AI-assistenter som Claude och ChatGPT och av utvecklingsverktyg som Visual Studio Code och Cursor. Vilka funktioner som finns varierar mellan verktyg, versioner och licenser, så kontrollera stödet i just det verktyg ni använder.
Är MCP säkert?
Protokollet i sig gör inte en koppling säker. Säkerheten avgörs av hur servern byggs: minsta möjliga behörighet, inloggning via OAuth för fjärrservrar, ingen vidarebefordran av åtkomsttoken, loggning och mänskligt godkännande för åtgärder som ändrar data. Installera bara servrar från källor ni litar på.
Kan ni bygga en MCP-server åt oss?
Ja. Vi bygger MCP-servrar som kopplar AI-verktyg till era egna system med tydliga behörigheter, test och dokumentation. Läs mer om tjänsten eller skicka en förfrågan, så går vi igenom vilka system och uppgifter som är rimliga att börja med.
Relaterade guider
Källor
Uppgifterna kontrollerades i MCP-projektets dokumentation och Anthropics lanseringstext samt Microsoft Learn 26 september 2026. Uppdaterad 26 september 2026.
- Model Context Protocol: What is MCP? – definition och vilka AI-program som stöder protokollet.
- Model Context Protocol: Architecture overview – värd, klient och server samt lokala och fjärrservrar.
- Model Context Protocol: Understanding MCP servers – verktyg, resurser, prompter och mänsklig kontroll.
- Model Context Protocol: Security Best Practices – risker och skyddsåtgärder.
- Microsoft Learn: Extend your agent with Model Context Protocol – MCP-stöd i Copilot Studio.
- Anthropic: Introducing the Model Context Protocol, 25 november 2024 – lansering som öppen källkod.