Model Context Protocol (MCP)

Model Context Protocol (MCP) er en åben standard, der fastlægger hvordan AI-applikationer – fx en chatbot eller en AI-drevet kodeeditor – kan forbinde sig til eksterne datakilder, værktøjer og systemer.

Protokollen definerer et fælles “sprog”, som gør det muligt for en sprogmodel at hente information fra fx en database, et filsystem eller en webtjeneste og udføre konkrete handlinger gennem afgrænsede værktøjer, uden at hver enkelt forbindelse skal bygges som en skræddersyet integration. På den måde fungerer MCP som et bindeled mellem selve AI-modellen og de systemer, hvor den relevante information eller funktionalitet reelt befinder sig.

Et hverdagsnært eksempel er en AI-assistent i et udviklingsværktøj, der via MCP kan hente filer fra et softwareprojekt, slå op i den tilhørende dokumentation og køre tests, uden at assistenten på forhånd er hardcodet til netop det system. Protokollen bliver ofte beskrevet med en analogi til USB-C: ligesom et USB-C-stik giver én standardiseret måde at forbinde forskellige elektroniske enheder på, giver MCP én standardiseret måde at forbinde AI-applikationer til forskellige eksterne systemer på – i stedet for at udviklere skal bygge en ny, unik integration for hver kombination af AI-model og datakilde.

Hvordan fungerer MCP i praksis?

MCP bygger på en klient-server-arkitektur med nogle få faste komponenter. En MCP-host er selve AI-applikationen eller miljøet, fx en AI-drevet IDE eller en chatbot, hvor brugeren rent faktisk stiller sit spørgsmål eller sin opgave. Inde i hosten sidder en MCP-klient, der oversætter mellem sprogmodellens forespørgsler og de MCP-servere, der stiller data eller funktioner til rådighed.

Selve MCP-serveren er det eksterne led, som forbinder til fx en database, et dokumentarkiv eller en API og leverer svaret tilbage i et format, modellen kan forstå. Kommunikationen mellem klient og server foregår typisk via et standardiseret beskedformat, enten lokalt på samme maskine eller over netværket, alt efter om den tilkoblede tjeneste kører lokalt eller eksternt.

Når en LLM modtager en opgave, den ikke selv kan løse med sin indbyggede viden, kan den bruge MCP-klienten til at finde et relevant værktøj, sende en struktureret forespørgsel til den tilhørende MCP-server og derefter arbejde videre med det svar, der kommer retur – for eksempel data fra en database, som herefter formidles videre i et almindeligt sprogligt svar til brugeren.

Hvor bruges Model Context Protocol?

MCP bruges i situationer, hvor en AI-applikation eller en AI-agent skal have adgang til noget uden for sin egen træningsdata for at kunne løse en opgave. Det kan være en agent, der får adgang til en kalender eller et notatsystem for at fungere som en mere personlig assistent, eller en kodeassistent, der bruger et designværktøj til at generere en webapplikation.

I virksomhedssammenhæng kan en chatbot forbindes til flere interne databaser samtidig, så medarbejdere kan stille spørgsmål i almindeligt sprog og få svar baseret på aktuelle data fra flere systemer på én gang. Protokollen bruges også i mere tekniske sammenhænge, hvor en AI-model skal styre eksterne enheder eller værktøjer ud over det rent tekstbaserede.

Fordele ved MCP

Den primære fordel ved MCP er, at den standardiserer noget, der ellers kræver mange individuelle integrationer. For udviklere betyder det mindre tid brugt på at bygge og vedligeholde forbindelser mellem AI-applikationer og de systemer, de skal trække data fra. En MCP-server, der én gang er bygget til fx et CRM-system eller en filtjeneste, kan i princippet genbruges af flere forskellige AI-klienter, i stedet for at hver klient skal have sin egen skræddersyede integration.

For AI-applikationer og -agenter betyder det adgang til et bredere økosystem af data og værktøjer, hvilket kan gøre svarene mere opdaterede og relevante, fordi modellen ikke længere kun er begrænset til det, den blev trænet på. For slutbrugeren kan resultatet være en assistent, der i højere grad kan handle på vegne af brugeren, fx ved at hente aktuelle tal eller udføre en konkret handling, frem for blot at svare ud fra statisk viden.

Hvem kan bruge MCP?

MCP er en åben protokol, som i princippet kan implementeres af enhver udvikler eller virksomhed, der ønsker at eksponere data eller funktionalitet til AI-applikationer, eller som bygger AI-applikationer, der skal kunne tilgå eksterne systemer.

Protokollen understøttes bredt på tværs af både AI-assistenter og udviklerværktøjer, hvilket i praksis betyder, at en MCP-server kan bygges én gang og herefter bruges sammen med flere forskellige klienter.

Standarden er særligt relevant for softwareudviklere, virksomheder med interne systemer de ønsker at koble til AI, samt udbydere af AI-applikationer, der ønsker en fælles metode til at tilbyde værktøjsadgang frem for at bygge separate, lukkede integrationer.

MCP sammenlignet med andre tilgange

MCP adskiller sig fra tilgange som retrieval-augmented generation (RAG), der primært handler om at hente tekst frem fra en vidensbase og bruge den som ekstra kontekst i en sprogmodels svar. MCP er bredere i den forstand, at protokollen ikke kun handler om at hente information, men også om at udføre handlinger i eksterne systemer, som at oprette en kalenderaftale eller sende en e-mail.

De to tilgange udelukker ikke hinanden og bruges ofte sammen: RAG kan levere den tekstlige baggrundsviden, mens MCP står for selve adgangen til værktøjer og handlinger. Protokollen minder til dels om andre standardiseringsforsøg på området, herunder NLWeb, der på lignende vis forsøger at gøre det nemmere for AI at forstå og interagere med indhold på en struktureret måde.