MCP: standarden som kopplar AI till era egna system

Problemet: integrationer som byggs om varje gång

När vi pratar med kunder om AI-integration dyker samma fråga upp gång på gång: hur kopplar vi ett AI-verktyg till vårt affärssystem utan att bygga en unik integration för varje kombination? Historiskt har svaret varit skräddarsydd kod. Ett företag som vill att en AI-assistent ska hämta kundfakturor från Fortnox och samtidigt uppdatera ett CRM-system har behövt bygga separata API-anrop, autentiseringsflöden och felhantering för varje system för sig.

Resultatet blir integrationer som är dyra att bygga, känsliga för förändringar i API:er, och svåra att underhålla när fler system ska kopplas in. Lägg till ett nytt verktyg, och hela integrationslogiken måste skrivas om. Det är precis den flaskhalsen Model Context Protocol, MCP, är byggt för att lösa.

MCP är en öppen standard, ursprungligen lanserad av Anthropic, som definierar ett gemensamt språk för hur AI-modeller pratar med externa system. Istället för att varje AI-leverantör och varje system behöver en unik brygga, pratar alla mot samma protokoll. Tänk på det som ett uttag och en kontakt som passar i alla väggar, oavsett vilket land du är i.

MCP i praktiken: en server mot Fortnox eller ett CRM

I praktiken innebär MCP att man bygger en MCP-server för varje system man vill exponera. Servern fungerar som en tolk mellan AI-verktyget och systemets vanliga API. Vill man koppla en AI-assistent till Fortnox bygger man en MCP-server som vet hur man hämtar fakturor, skapar verifikat eller läser kundregister via Fortnox API. Den servern exponerar sedan ett begränsat antal verktyg som AI-modellen kan anropa, till exempel hämta_faktura eller skapa_kundorder.

Poängen är att AI-modellen inte behöver förstå Fortnox specifika API-struktur. Den behöver bara känna till MCP-protokollet, och det gör den redan om den stödjer standarden. Byter man senare ut AI-verktyget, från exempelvis Claude till en annan modell, behöver man inte bygga om integrationen mot Fortnox. Samma MCP-server fungerar mot alla verktyg som pratar protokollet.

Samma princip gäller för CRM-system som HubSpot eller Lime, ekonomisystem, ärendehanteringssystem eller interna databaser. Vi har byggt liknande kopplingar åt kunder som ett sätt att låta AI-assistenter agera på riktig affärsdata, snarare än att bara svara på generiska frågor. Se gärna vår genomgång av [systemintegrationer för AI-projekt](/insikter/api-integrationer-for-foretag) för fler konkreta exempel.

Behörigheter och dataexponering: det man måste tänka på

Här kommer den viktigaste delen för en beslutsfattare att förstå. En MCP-server exponerar bara det den är byggd för att exponera. Det är inte en genväg som ger AI-verktyget fri tillgång till hela Fortnox-kontot eller hela CRM-databasen. Man definierar exakt vilka verktyg, vilka datafält och vilka operationer som ska vara tillgängliga.

Det betyder att man som beslutsfattare måste göra ett aktivt val: ska AI-assistenten bara kunna läsa kunddata, eller ska den även kunna skapa fakturor och skicka dem? Ska den ha tillgång till alla kunder, eller bara ett visst segment? Varje MCP-server bör byggas med principen om minsta nödvändiga behörighet, precis som man skulle resonera kring en vanlig API-nyckel eller en användarroll i ett system.

Ett par konkreta saker att stämma av innan man sätter en MCP-server i produktion: vilken autentisering använder servern mot bakomliggande system, loggas alla anrop som AI-verktyget gör, och finns det en möjlighet att stänga av eller begränsa åtkomst snabbt om något beter sig oväntat. Det här är samma säkerhetstänk som gäller all systemintegration. MCP ändrar inte grundreglerna, det gör bara integrationen enklare att bygga rätt från början.

Varför tröskeln sänks rejält

Den stora vinsten med MCP är att man slutar bygga punktlösningar. Innan en standard som MCP fanns behövde varje kombination av AI-verktyg och affärssystem sin egen integration, ofta byggd av en utvecklare som förstod båda sidorna. Med MCP räcker det att bygga en MCP-server per system. Den servern kan sedan återanvändas av alla AI-verktyg som stödjer protokollet, och fler tillkommer varje månad.

För mindre och medelstora företag är det här särskilt betydelsefullt. Man behöver inte längre en stor utvecklingsavdelning för att koppla ihop AI med sina interna system. En MCP-server mot Fortnox eller ett CRM är ett avgränsat, återanvändbart projekt snarare än en engångsinvestering som blir omöjlig att underhålla. Det sänker både kostnaden och risken för att fastna i en teknisk återvändsgränd, samtidigt som det öppnar för riktig automation av vardagliga arbetsuppgifter.

Sammanfattning

MCP löser ett konkret problem: att AI-verktyg och interna system historiskt har behövt skräddarsydd kod för varje koppling. Genom att definiera ett gemensamt protokoll för hur AI pratar med system som Fortnox eller ett CRM blir integrationer billigare att bygga och enklare att underhålla över tid. Samtidigt kräver det ett medvetet val kring vilka behörigheter och vilken data varje MCP-server ska exponera.

Fundera ni på att koppla AI till Fortnox, ert CRM eller andra affärssystem? Vi på PEYS hjälper företag i Eskilstuna och övriga Sverige att bygga rätt integrationer från start. [Se hur vi jobbar med AI-integration](/vad-vi-gor) eller hör av er för ett förutsättningslöst samtal.