--- title: "Model Context Protocol (MCP) – Hvad er det, og hvorfor vil vi tage det i brug?" description: "Model Context Protocol (MCP) er en åben standard til at forbinde AI-applikationer med eksterne systemer for at læse data eller udføre handlinger. Gennem MCP bevares brugerkonteksten, så man kun kan hente data, man selv har adgang til, og udføre handlinger, man selv har tilladelse til." locale: da url: https://intility.com/da/hvad-er-mcp-model-context-protocol published: 2025-09-08T12:00:00.000Z updated: 2026-09-30T11:08:11.334Z --- # Model Context Protocol (MCP) – Hvad er det, og hvorfor vil vi tage det i brug? Udviklingen af AI-systemer skrider hastigt frem. Meget af udviklingen tilskrives bedre sprogmodeller, men den drives primært af andre faktorer. MCP er en af disse faktorer, som har fået en del opmærksomhed for nylig. Selvom sprogmodeller i sig selv kan bruges til at løse mange opgaver, har de nogle begrænsninger: 1. De er kun en repræsentation af træningsdataene, ikke af virkeligheden. Sprogmodeller har ikke selv adgang til realtidsdata, og eventuelle fejl i datagrundlaget afspejles i modellen. Sprogmodeller er ikke faktamodeller. 2. Sprogmodeller er kun trænet på offentligt tilgængelige data. Sprogmodeller kender ikke til og har ikke adgang til din virksomheds data. 3. Sprogmodeller kan ikke interagere med omverdenen. Du kender måske ikke til disse begrænsninger, fordi du har oplevet, at for eksempel ChatGPT kan søge på nettet. ChatGPT er ikke en sprogmodel, men en chattjeneste. Det er ikke sprogmodellen, der søger på internettet; det er chatapplikationen. Flere andre tjenester er også kommet på markedet og giver indtryk af, at sprogmodeller har fået helt nye og banebrydende evner. Fællesnævneren er en helt ny protokol kaldet Model Context Protocol, MCP. For bedre at forstå MCP kan vi se på udviklingen inden for AI-værktøjer fra november 2023 og frem til i dag. ## Simpel interaktion med sprogmodellen ![MCP-infografik, der viser, hvordan chatklienter sender prompts til en LLM og får information tilbage](https://ymir-media-emgdf4ged0bmfegs.a03.azurefd.net/intilitywebsite-prod/mcp_article_fig_1.png) Næsten alle AI-chattjenester fulgte i begyndelsen denne forholdsvis simple arkitektur. En chattjeneste som for eksempel Intility GPT bestod af 2 hovedkomponenter: 1. Chatklient: Håndterer brugerinput, beskedhistorik osv. 2. Large Language Model (LLM): Modtager input (prompt) og genererer et output (completion). Sådanne tjenester fungerede fremragende til opgaver som oversættelse, opsummering, analyse af store tekstmængder, fejlfinding af kode osv. Mange opgaver i dag og i fremtiden vil blive løst med en sådan tjeneste. Der er dog flere opgaver, som en så simpel tjeneste ikke kan løse. Spørgsmål, der kræver adgang til private, proprietære oplysninger, internetsøgninger efter realtidsinformation eller udførelse af handlinger i et eksternt miljø, var ikke mulige. Udvidelsen af arkitekturen med *værktøjer* var løsningen på dette. ## Sprogmodel + værktøjer ![Samme infografik som før, med forskellige værktøjer og tjenester, der leverer input til chatklienterne](https://ymir-media-emgdf4ged0bmfegs.a03.azurefd.net/intilitywebsite-prod/mcp_article_fig_2.png) Indførelsen af værktøjer havde i starten intet med sprogmodellen at gøre; det var en udvidelse af chatklienterne. I stedet for kun kommunikation mellem chatklienten og sprogmodellen har vi dette flow: 1. Brugerinput: Kan du hjælpe mig med XYZ? 2. Sprogmodellen svarer med enten: 3. Det kan jeg ikke svare på, men brug værktøj XXX med input YYY og send resultatet tilbage til mig, så jeg kan hjælpe digSelvfølgelig kan jeg hjælpe dig med XYZ. 4. Afhængigt af, hvad der skete i det forrige trin, vil chatklienten enten: 5. Kalde værktøj XXX med input YYY og sende resultatet tilbage til sprogmodellen. Sprogmodellen genererer et svar, som præsenteres for brugeren.Præsentere svaret for brugeren Med denne udvidelse har chattjenesten flere anvendelsesmuligheder og kan løse endnu flere problemer. Eksempler på almindeligt brugte værktøjer er: - Websøgning - Dokumentsøgning og -behandling - Kodeudførelse - Billedgenerering I teorien er der ingen begrænsninger for, hvilke værktøjer der kan oprettes og gøres tilgængelige for en chatklient. Du kan tilknytte så mange dokumenter, specialiserede applikationer og private datakilder, du vil, så længe en udvikler kan skrive kode til det. Selvom det lyder meget lovende, er der nogle vigtige begrænsninger: 1. De værktøjer, du opretter, er tæt knyttet til klienten. Der er ingen mulighed for at dele disse værktøjer med andre klienter, hvilket fører til kodeduplikering. 2. Der er ingen enkel måde at styre adgang og rettigheder i stor skala. Ansvaret for at implementere adgangskontrol overlades til klientudvikleren. Det udgør en sikkerhedstrussel. Disse begrænsninger har betydet, at professionelle applikationer ikke kan integreres problemfrit i tjenester som Intility GPT. Her kommer MCP ind fra sidelinjen for at håndtere disse udfordringer. ## Sprogmodel + MCP ![Samme infografik som før, med MCP'er tilføjet mellem værktøjerne og chatklienterne, og en bruger, der giver MCP'er og chatklienter identitet og adgang](https://ymir-media-emgdf4ged0bmfegs.a03.azurefd.net/intilitywebsite-prod/mcp_article_fig_3.png) Arkitekturen med MCP minder meget om den forrige, men vi har en ny komponent i vores diagram: *MCP-server*. MCP-serveren fungerer som en standardiseret bro mellem klienten og eksterne systemer. Nogle andre vigtige ændringer i diagrammet ovenfor: 1. Chatklient til MCP-klienter: Klienten skal understøtte protokollen, og alle klienter, der gør det, kaldes MCP-klienter. En MCP-klient kan kommunikere med enhver MCP-server. 2. Bruger: Vi har inkluderet brugeren og hvordan brugerens identitet anvendes mellem MCP-serveren og den eksterne tjeneste. Det er meget vigtigt, at MCP-serveren bruger brugerkonteksten til at bevare brugerens rettigheder. MCP's styrke ligger i, at hvis du har en MCP-klient, kan du bruge enhver MCP-server. ### Hvem opretter MCP-serveren? I teorien kan alle oprette en MCP-server. Det eneste krav er programmatisk adgang til det system eller den datakilde, man skal arbejde mod. Typisk ser man 3 varianter: 1. Applikationsleverandøren opretter en MCP-server til sin applikation. Eksempler, der findes i dag, er GitHub, PayPal og Stripe. 2. Community/MCP as a Service: Der findes et stort udvalg af MCP-servere som open source, som kan køres på din egen infrastruktur uden omkostninger. Der findes også udbydere af MCP-servere, som tilbyder dette mod betaling. 3. Opret den selv. Så længe det system, du målretter, har et API, kan du selv oprette MCP-servere. Det giver dig mulighed for at tilpasse den til dine egne behov. ### Byg til fremtiden og undgå ”vendor lock-in” MCP er en åben standard, der adskiller selve integrationen (MCP-serveren) fra både klienten og sprogmodellen. Det betyder, at forbindelserne til dine systemer ikke er indlejret i en bestemt chattjeneste eller et leverandørspecifikt API. Kort sagt bygger du én gang og genbruger på tværs af værktøjer og miljøer. En MCP-server kan bruges fra forskellige MCP-klienter og med forskellige modeller. MCP-servere kan også køres, hvor dataene befinder sig (on-prem, sovereign, public cloud, edge) og eksponeres sikkert via protokollen.