Hva er MCP-servere — og hvorfor bør du bry deg?

Alle snakker om AI-agenter. Men hva gjør dem til mer enn en chatbot?

Du har sikkert hørt om AI-agenter. Kanskje du bruker en selv. Copilot i editoren, Claude Code i terminalen, eller en av de mange nye verktøyene som dukker opp hver uke.

Men hva er det egentlig som skiller en agent fra en vanlig chatbot? Det er ikke modellen. GPT-5, Claude og Gemini er alle imponerende. Forskjellen er verktøyene. En chatbot kan bare svare deg. En agent kan faktisk gjøre ting.

Og det er her MCP kommer inn.

Hva er MCP?

MCP står for Model Context Protocol. Det er en åpen standard laget av Anthropic som lar AI-modeller koble seg til eksterne verktøy og datakilder på en enhetlig måte.

Tenk på det som en USB-port for AI. Før USB hadde vi separate kabler for skrivere, kameraer, tastatur og alt mulig. Hver produsent hadde sin egen standard. USB løste dette med ett universelt grensesnitt.

MCP gjør det samme for AI-agenter. I stedet for at hver AI-tjeneste bygger sin egen integrasjon mot GitHub, Slack, Google Drive og alle andre verktøy, definerer MCP ett felles grensesnitt. Bygg en MCP-server én gang, og den fungerer med alle AI-klienter som støtter protokollen.

En MCP-server eksponerer tre ting. Verktøy er handlinger agenten kan utføre. Ressurser er data den kan lese. Prompts er maler den kan bruke. Agenten oppdager selv hva som er tilgjengelig og bruker det som trengs.

Hva kan du gjøre med MCP-servere?

Økosystemet har eksplodert. Det finnes over 500 offentlige MCP-servere, og Anthropics SDK-er har over 97 millioner månedlige nedlastinger. Her er noen av de mest kjente.

De offisielle referanse-serverne fra Anthropic:

• Filesystem lar agenten lese og skrive filer i spesifikke mapper, trygt og kontrollert
• GitHub gir tilgang til kode, pull requests og endringshistorikk i et repo
• Slack lar agenten lese kanaler, oppsummere tråder og poste meldinger
• Postgres / SQLite kjører spørringer direkte mot databasen din
• Fetch henter innhold fra nettsider
• Memory er en persistent kunnskapsgraff som agenten kan bygge over tid

Fra open source-miljøet:

• Google Drive gir tilgang til Docs, Sheets og Slides
• Zapier kobler agenten til tusenvis av apper
• Brave Search gir nettsøk uten å forlate agenten

Du trenger ikke bruke alle. Du velger hvilke MCP-servere agenten din skal ha tilgang til, akkurat som du velger hvilke apper du installerer på telefonen.

Hva MCP ikke kan gjøre

MCP er ikke magi. Det er noen vanlige misforståelser.

MCP gjør ikke modellen smartere. Den gir tilgang til verktøy, men modellen må fortsatt forstå når og hvordan den skal bruke dem. En dårlig prompt gir dårlige resultater uansett hvor mange MCP-servere du kobler til.

MCP erstatter ikke god kontekst. Agenten trenger fortsatt å vite hva du vil. Bare fordi den kan lese Slack-historikken din betyr ikke at den automatisk forstår hva som er relevant.

MCP krever oppsett. Det er ikke plug-and-play for ikke-tekniske brukere ennå. Du må konfigurere hvilke servere du vil bruke, sette opp autentisering og definere hvilke tilganger agenten skal ha. Det blir enklere, men vi er ikke der ennå.

Sikkerhet er ditt ansvar. Når du gir en agent tilgang til filsystemet ditt eller databasen din, må du tenke nøye gjennom hva den skal ha lov til. MCP støtter tilgangskontroll, men du må sette det opp riktig.

Hvorfor vi bygde egne MCP-servere for Bong

I Bong bruker vi AI-agenter aktivt i hverdagen. Men de ferdiglagde MCP-serverne dekker ikke alt vi trenger, så vi bygde våre egne.

Umami Analytics MCP. Vi bruker Umami for å spore trafikk og bruk av produktet, men ingen åpner analytics-dashboardet ofte nok. Med en egen MCP-server kan agenten hente sanntidsdata fra Umami uten at vi trenger å åpne en nettleser. "Hvor mange aktive brukere har vi akkurat nå?" Svar på sekunder, midt i en samtale.

CRM MCP. Vi bygde et eget CRM for Bong, skreddersydd for hvordan teamet vårt jobber. Ved å koble det til agenten via MCP kan vi oppdatere leads, lese notater og sjekke pipeline uten å bytte kontekst. Medgrunnleggerne mine ringer hoteller for å selge, og nå kan de spørre agenten om status i stedet for å klikke seg gjennom et dashboard.

Discord MCP (planlagt). Neste steg er å lage en MCP-server for Discord, slik at vi kan trekke ut meldinger og diskusjoner fra teamchatten vår. Planen er å mate disse inn i Bong-wikien vår, slik at viktige beslutninger og kontekst ikke forsvinner i en chat-tråd.

Poenget er ikke at alle trenger å bygge egne MCP-servere. Men for en startup som vår, der arbeidsflyten er unik og verktøyene er sammensatt, gir det mening å bygge noe som passer akkurat oss.

Det handler ikke om modellen

Hvis det er én ting jeg vil du skal ta med fra dette innlegget, er det dette. Det er ikke modellen som gjør AI-agenter nyttige. Det er verktøyene rundt den.