MCP (Model Context Protocol) er en åpen standard for å koble AI-applikasjoner til eksterne systemer. Med MCP kan et AI-verktøy som Claude eller ChatGPT hente data fra systemene dere bruker og utføre handlinger i dem, på en felles og forutsigbar måte.
Den offisielle dokumentasjonen sammenligner MCP med en USB-C-port for AI: én standardisert kontakt i stedet for en spesialkabel per system. For en bedrift betyr det at AI-assistenten kan hente data fra og utføre handlinger i systemene bedriften allerede bruker.
Hva er MCP?
Anthropic åpnet MCP som åpen kildekode og presenterte standarden 25. november 2024. Bakgrunnen var at hver nye datakilde krevde sin egen tilpassede integrasjon. MCP erstatter slike enkeltstående koblinger med én felles protokoll.
Ifølge dokumentasjonen kan AI-applikasjoner via MCP koble seg til:
- datakilder, for eksempel lokale filer og databaser
- verktøy, for eksempel søkemotorer og kalkulatorer
- arbeidsflyter, for eksempel ferdige prompter
Anthropic nevnte Block og Apollo som tidlige brukere ved lanseringen.
Hvordan fungerer MCP?
MCP bygger på en klient-server-modell med tre roller:
- Vert (host): AI-applikasjonen, for eksempel Claude Desktop eller Claude Code, som styrer forbindelsene.
- Klient: En komponent i verten som holder én dedikert forbindelse til én MCP-server. Verten oppretter én klient per server.
- Server: Et program som gir klienten tilgang til kontekst og funksjoner.
Serveren kan tilby tre typer byggeklosser:
| Type | Hva det er | Eksempel fra dokumentasjonen |
|---|---|---|
| Verktøy (tools) | Funksjoner AI-en kan kalle for å utføre handlinger | Filoperasjoner, API-kall, databasespørringer |
| Ressurser (resources) | Datakilder som gir AI-en kontekst | Filinnhold, databaseposter |
| Prompter (prompts) | Gjenbrukbare maler som strukturerer samspillet med språkmodellen | Systemprompter, eksempler |
Klienten kan spørre serveren hvilke verktøy som finnes, og AI-applikasjonen gjør dem tilgjengelige for språkmodellen. Når modellen bestemmer seg for å bruke et verktøy, sendes kallet til riktig server, og resultatet går tilbake til samtalen.
Hva er en MCP-server?
En MCP-server er programmet som eksponerer data og verktøy til AI-applikasjonen. Dokumentasjonen skiller mellom to varianter:
- Lokal server: Kjører på samme maskin som AI-applikasjonen. Filsystem-serveren som Claude Desktop kan starte, er et eksempel.
- Ekstern server: Kjører hos en leverandør og nås over nett. Sentrys offisielle MCP-server er nevnt som eksempel, og den kjører på Sentrys plattform.
Tripletex tilbyr en ekstern server, og da kobler dere AI-verktøyet til den i stedet for å installere noe lokalt.
Hvilke AI-verktøy støtter MCP?
Den offisielle introduksjonen nevner AI-assistentene Claude og ChatGPT, og utviklerverktøyene Visual Studio Code, Cursor og MCPJam, som blant mange som støtter MCP. OpenAIs dokumentasjon beskriver hvordan en ekstern MCP-server kan kobles til ChatGPT, Codex og via API-et.
Listen over er et utvalg, og støtten endrer seg raskt. Sjekk hva deres abonnement og versjon tillater før dere planlegger noe.
Eksempel: Tripletex MCP
Et konkret norsk eksempel er Tripletex MCP. Det er Tripletex' egen MCP-server, driftet av Tripletex på mcp.tripletex.no. Tjenesten er i beta og gratis i betaperioden, og Tripletex innfører en månedlig avgift før den åpnes for alle.
For en bedrift som bruker Tripletex er dette en offisiell vei inn fra AI-verktøy. AIKI kobler Tripletex mot systemer som Pipedrive og setter opp Claude og ChatGPT via Tripletex MCP. Et menneske godkjenner det som bokføres.
Les mer på siden om Tripletex-integrasjon og Tripletex MCP.
Når systemet ikke har en MCP-server
Mange fagsystemer, interne databaser og egenutviklede løsninger har ingen offisiell MCP-server. Da kan bedriften få bygget en egen. En egen server eksponerer bare de dataene og handlingene dere velger, med rettighetene dere bestemmer, og AI-verktøyene kobler seg til den på samme måte som til en ferdig server.
AIKI bygger MCP-servere mot systemene bedriften bruker, i tillegg til å sette opp ferdige servere som Tripletex MCP. Sikkerhetsprinsippene under gjelder like mye for en server dere eier selv.
Er MCP trygt for bedriften?
MCP gir AI tilgang til data og handlinger, og det må behandles deretter. Spesifikasjonen sier at MCP åpner for vilkårlig datatilgang og kjøring av kode, og at de som bygger løsningene må ta sikkerhet på alvor. Ansvaret for å følge prinsippene ligger i applikasjonene og hos dem som tar dem i bruk.
Spesifikasjonen peker på tre hovedprinsipper:
- Samtykke og kontroll: Brukerne skal eksplisitt godkjenne og forstå datatilgang og handlinger.
- Personvern: Verten skal ha samtykke før brukerdata eksponeres for en server.
- Verktøysikkerhet: Verktøy er vilkårlig kodekjøring og skal behandles med forsiktighet. Verten skal ha samtykke før et verktøy kalles, og beskrivelser av verktøy skal regnes som upålitelige med mindre serveren er pålitelig.
Dokumentasjonen om sikkerhet advarer også mot brede tilganger. Anbefalingen er et minste-privilegium-oppsett, med minimale rettigheter som utvides først når det trengs. Lokale servere kan kjøre kode på maskinen med klientens rettigheter, så installer bare servere fra kilder dere kjenner.
OpenAI skriver i sin dokumentasjon at prompt injection er en reell risiko: skadelig innhold i dataene kan få AI-en til å gjøre noe uønsket, og selv en kjent utvikler garanterer ikke at serveren er trygg. OpenAI anbefaler å holde godkjenning aktivert for verktøy som kan endre data, og å foretrekke offisielle servere. OpenAI anbefaler også å koble til bare tjenester dere kjenner og stoler på.
Sjekkliste før dere kobler AI til fagsystemene
| Sjekk | Hvorfor |
|---|---|
| Bruk offisielle MCP-servere fra leverandøren av systemet | OpenAI anbefaler å foretrekke offisielle servere |
| Gi minst mulig tilgang | Minste privilegium begrenser skaden hvis en tilgang kommer på avveie |
| La et menneske godkjenne alt som skriver, sender eller bokfører | Spesifikasjonen krever samtykke, og OpenAI anbefaler godkjenning for verktøy som endrer data |
| Les hvilke verktøy og parametere serveren tilbyr | Verktøybeskrivelser skal regnes som upålitelige med mindre serveren er pålitelig |
| Vurder hvilke data AI-en sender til serveren | Spesifikasjonen krever samtykke før brukerdata eksponeres for en server |
| Behandle innhold fra eksterne kilder som mulig prompt injection | Skadelig innhold kan styre AI-en, også fra en server dere stoler på |
| Bestem hvem som får koble til, og hvilke handlinger som alltid krever godkjenning | Minste privilegium og samtykke er hovedprinsippene i MCP-dokumentasjonen |
Start med AI-sjekken for å finne hvor AI gir mest verdi i driften. Vil dere forstå hva som skiller en enkel chatbot fra systemer som handler på egen hånd, forklarer vi det i hva AI-agenter er.
Hjelp til å koble AI til systemene
AIKI AS i Oslo bygger integrasjoner, MCP-servere og AI-agenter for norske bedrifter og har levert integrasjoner mot Tripletex og Pipedrive. Se AI-utvikling og AI-agenter, eller gå til Tripletex-integrasjon hvis dere vil avklare hvordan MCP kan passe i deres oppsett.
Kilder
- Introduksjon til MCP, modelcontextprotocol.io: definisjon, USB-C-analogien, hva MCP kan koble til og hvilke verktøy som støtter MCP.
- Anthropic: Introducing the Model Context Protocol: dato, bakgrunn, tidlige brukere.
- MCP-arkitektur: vert, klient, server, verktøy, ressurser, prompter, lokale og eksterne servere.
- MCP-spesifikasjonen: sikkerhetsprinsipper om samtykke, personvern og verktøysikkerhet.
- MCP security best practices: minimale tilganger og risiko ved lokale servere.
- OpenAI: MCP-dokumentasjon: MCP i ChatGPT, godkjenning av handlinger, prompt injection og råd om servere.
- AIKI: Tripletex-integrasjon: fakta om Tripletex MCP og AIKIs arbeid.




