ENSVKontakt

AI-handboken / Förklaring

Vad är MCP? Så kopplar du AI till företagets system

MCP, Model Context Protocol, är standarden som låter Claude, ChatGPT och Copilot läsa och arbeta i era system. Vad det är, hur det fungerar och vad det kräver av er.

Skriven av
Simon Toft, Grundare, Göta IT
Publicerad
Läsning
7 min läsning

Kort svar: MCP, Model Context Protocol, är ett öppet protokoll som ger en AI-assistent ett standardiserat sätt att använda verktyg och data i andra system. En MCP-server beskriver vad som går att göra i ett system, till exempel Fortnox eller ert CRM. AI-assistenten anropar servern när den behöver något, och ni bestämmer vad den får läsa och ändra.

Det här är den längre versionen: varför MCP uppstod, hur en MCP-server fungerar i praktiken, vad det betyder för ett svenskt företag med Fortnox, ett CRM och en hög med Excelfiler, och vad ni behöver tänka på kring säkerhet och behörigheter.

Problemet MCP löser

En AI-assistent som Claude eller ChatGPT är duktig på text men vet ingenting om ert företag. Den ser inte era fakturor, era kunder eller era projekt. Fram till nyligen var det enda sättet att ändra på det att bygga en egen integration per system och per AI-modell. Tio system och tre modeller blev trettio kopplingar, och varje gång en leverantör ändrade något gick någon av dem sönder.

MCP vänder på det. I stället för att varje AI-modell ska förstå varje system, får varje system en MCP-server som beskriver sig själv på ett sätt alla MCP-kompatibla assistenter förstår. Bygger man en server för Fortnox fungerar den i Claude, ChatGPT, Microsoft Copilot och i egna agenter, utan ändringar.

Protokollet togs fram av Anthropic och släpptes öppet i november 2024. Under 2025 anslöt sig OpenAI, Microsoft och Google, och i dag är MCP det sätt de stora assistenterna kopplar sig till externa verktyg.

Så fungerar en MCP-server

En MCP-server är ett litet program som sitter mellan AI-assistenten och ett system. Den gör tre saker.

  1. Beskriver sina verktyg. När assistenten ansluter frågar den servern vad den kan. Servern svarar med en lista: "hämta kundfakturor", "visa resultatrapport för en period", "skapa en offert". Varje verktyg har ett namn, en beskrivning och vilka uppgifter det behöver.
  2. Utför anrop. När du ställer en fråga som kräver data väljer assistenten ett verktyg, skickar anropet till servern, och servern hämtar svaret ur systemet via dess vanliga API. Assistenten får tillbaka data och formulerar svaret till dig.
  3. Håller gränsen. Servern loggar in mot systemet med en behörighet ni gett den, inte med ert lösenord. Vad den får göra avgörs av den behörigheten, inte av vad AI-modellen råkar vilja.

Det sista är den viktigaste punkten för ett företag. AI-modellen har aldrig direkt tillgång till ert system. Den kan bara be servern om de saker servern erbjuder, och servern kan bara göra det ni gett den rätt till.

MCP i praktiken: ett exempel med Fortnox

Ta ett bolag som bokför i Fortnox. Ekonomichefen vill veta hur mycket som är förfallet hos de fem största kunderna och om det ser annorlunda ut än förra kvartalet.

Utan MCP: logga in i Fortnox, exportera kundreskontran, öppna Excel, filtrera, räkna, jämföra med en gammal export.

Med en Fortnox MCP-server kopplad till Claude eller ChatGPT: ställ frågan på svenska. Assistenten anropar serverns verktyg för kundfakturor, får tillbaka raderna, räknar och svarar, ofta med ett diagram. Följdfrågan "vilka av dem har vi påmint?" går lika fort.

Det är exakt det Klartext MCP gör. Det är Göta IT:s kostnadsfria Fortnox MCP-server, och den är ett bra sätt att se hur MCP känns innan ni kopplar fler system. Så aktiverar du den i Claude eller ChatGPT.

Ett system räcker inte länge

Det första ni upptäcker när bokföringen går att fråga är att svaret på nästa fråga ligger i ett annat system. "Vilka av de förfallna kunderna har en pågående offert?" kräver både Fortnox och CRM:et. "Hur många timmar la vi på projektet jämfört med offerten?" kräver tidrapporteringen också.

Varje system kan få sin egen MCP-server. Men då hamnar ni snabbt i en ny variant av det gamla problemet: varje medarbetare ska koppla fem servrar till sin assistent, varje server har sina egna behörigheter, och ingen har överblick över vad AI:n faktiskt läser.

Lösningen för ett företag är ett gemensamt lager mellan assistenterna och systemen, ofta kallat en MCP-gateway. Gatewayen håller kopplingarna till alla system, styr vem som får se vad, loggar varje anrop och ger assistenterna en enda adress att ansluta till. Det är så Göta IT Gateway är byggd: ett AI-lager över hela bolaget i stället för en koppling per system och person.

Vad ni behöver för att komma igång

  • Ett system med API. Fortnox, Visma, HubSpot, Pipedrive, Business Central, Pleo och de flesta moderna molntjänster har det. Äldre system utan API behöver en export eller en databaskoppling i stället.
  • En MCP-server för systemet. Antingen färdig, som Klartext för Fortnox, eller byggd för er. Vi för en lista över systemen vi redan kopplar och vilka som är på gång.
  • En AI-assistent med MCP-stöd. Claude (betalplanerna och Claude Desktop), ChatGPT (Plus, Pro, Team och Enterprise via anslutningar), Microsoft Copilot Studio och de flesta ramverk för egna agenter.
  • Ett beslut om behörigheter. Börja med läsrättigheter. Skrivrättigheter, till exempel att skapa fakturor, lägger ni till när ni sett hur assistenten beter sig och vet vem som får göra vad.

Säkerhet och GDPR

MCP i sig är ett protokoll, inte en säkerhetsmodell. Säkerheten avgörs av hur servern och gatewayen är byggda. Tre frågor att ställa till den som levererar en MCP-server:

  1. Var körs servern och var hamnar datan? En server som körs i EU och inte sparar svaren är enklare att bedöma under GDPR än en som skickar allt via en tredje part. Fråga också vad AI-leverantören gör med datan: Claude och ChatGPT för företag tränar inte på kunddata enligt sina företagsavtal, men det ska stå i ert avtal.
  2. Hur loggas anropen? Ni bör kunna se vem som frågade vad, när, och vilket system som svarade.
  3. Hur styrs behörigheter? Per person och per system, inte en gemensam nyckel för alla. En gateway som kopplas till er katalogtjänst, till exempel Google Workspace eller Microsoft 365, ärver de behörigheter ni redan har.

Ett personuppgiftsbiträdesavtal behövs med den som driftar servern, på samma sätt som med andra leverantörer som behandlar personuppgifter för er räkning.

Vanliga frågor

Är MCP samma sak som ett API? Nej. Ett API är systemets eget gränssnitt för program. En MCP-server använder API:et och översätter det till verktyg som en AI-assistent förstår och kan välja mellan själv. MCP ersätter inte API:et, det bygger på det.

Vad är skillnaden mellan MCP och RAG? RAG, retrieval-augmented generation, handlar om att söka i dokument och ge AI-modellen rätt textstycken som underlag. MCP handlar om att låta modellen använda verktyg och hämta strukturerad data ur system, och även utföra saker. Många företagslösningar använder båda: RAG för dokument och policys, MCP för affärssystemen.

Fungerar MCP med ChatGPT? Ja. ChatGPT kallar det anslutningar, connectors, och stöder egna MCP-servrar i Plus, Pro, Team och Enterprise. Claude kallar det anslutningar eller integrationer. Samma server fungerar i båda.

Kan AI:n råka ändra något i bokföringen? Bara om servern erbjuder skrivverktyg och behörigheten tillåter det. En server som bara har läsverktyg kan inte ändra något, oavsett vad användaren skriver. Börja där.

Vad betyder MCP-server? En MCP-server är programmet som gör ett system tillgängligt för AI-assistenter enligt MCP-standarden. Den beskriver vilka verktyg som finns, utför anropen mot systemets API och håller behörigheterna. "Server" betyder här bara att den svarar på frågor från assistenten, inte att ni behöver en egen maskin: de flesta körs som molntjänster.

Är det samma MCP som i MCP-leden? Nej. I vården står MCP för metakarpofalangealleden, knogen där fingret möter handen. I AI-sammanhang står det för Model Context Protocol. Googlar du "mcp" rakt av får du båda.

Vad kostar en MCP-server? Färdiga servrar för ett enskilt system kostar ofta från noll till några hundra kronor per bolag och månad. Ett gemensamt AI-lager över flera system är ett projekt: Göta IT börjar med en systeminventering och en 30-dagars pilot innan ni bestämmer er.

Källor