← Blog

MCP-servere: Den lille adapter der gør din AI virkelig nyttig

Mads Kristiansen

CTO, Liviate

Hvad er MCP, og hvorfor skal du bryde dig om det?

MCP står for Model Context Protocol. Det er en åben protokol fra Anthropic, der gør det muligt for AI-applikationer at tale med eksterne systemer – filer, databaser, API'er, regneark, kalendere, ja stort set alt.

Tænk på det som et USB-C-stik til AI:

  • Før USB-C skulle hver enhed have sin egen oplader og sit eget kabel.
  • Med USB-C kan én standard forbinde det hele.
  • MCP gør det samme for AI: i stedet for at hver model skal lære en helt ny måde at snakke med dine systemer på, bruger alle den samme protokol.

Det betyder, at du kan bygge ét stykke software – en MCP-server – og gøre den tilgængelig for Claude, ChatGPT, Cursor, VS Code, eller andre MCP-kompatible klienter.

Hvad kan en MCP-server gøre?

En MCP-server kan eksponere tre typer af muligheder over for en AI:

Type Beskrivelse Eksempel
Tools Funktioner AI'en kan kalde for at udføre handlinger "Send en e-mail", "opdater en database", "reserver et mødelokale"
Resources Data AI'en kan læse og referere til "Kundeliste fra CRM", "dokumentation fra wiki", "salgstal fra regneark"
Prompts Skabeloner til specifikke arbejdsgange "Skriv et tilbud baseret på denne kundes historik"

Når en AI-model står over for en opgave, kan den selv vælge, hvilke tools den vil kalde, og hvilke resources den vil læse. Det er det, der gør en LLM fra en passiv chatbot til en handlingsorienteret agent.

Hvorfor er MCP smart?

1. Slip for at bygge integrationer igen og igen

Uden MCP skal du bygge en brugerdefineret integration for hver AI-model eller platform. Med MCP skriver du logikken én gang og kan bruge den overalt.

2. Sikkert og kontrolleret

AI'en kalder din server, men det er dig, der bestemmer, hvad den må:

  • Hvilke funktioner er tilgængelige?
  • Hvilke data må den læse?
  • Skal der autentificeres?

Serveren fungerer som en sikker portvagt mellem AI-modellen og dine systemer.

3. Åbent økosystem

MCP er ikke bundet til ét firma. Det understøttes af Claude, ChatGPT, Cursor, VS Code, MCPJam og mange andre. Du bygger én gang – integrerer overalt.

4. Gør AI nyttig i den virkelige verden

Det er her, magien sker. En AI uden MCP kan svare på spørgsmål. En AI med MCP kan handle:

  • Hente dine seneste salgstal fra regnearket
  • Booke et møde i kalenderen
  • Skrive et udkast til en e-mail og sende det
  • Slå en kunde op i CRM-systemet og foreslå næste skridt

Hvordan virker MCP?

MCP bygger på en simpel klient-server-model:

flowchart LR
  A[AI-klient f.eks. Claude eller Cursor] -->|MCP over stdio eller HTTP/SSE| B(MCP-server)
  B --> C[Din database]
  B --> D[Dit API]
  B --> E[Dine filer]
  1. AI-klienten modtager en opgave fra brugeren.
  2. Den ser, hvilke MCP-servere der er tilsluttet, og hvad de tilbyder.
  3. Hvis opgaven kræver det, kalder AI'en et tool eller læser en resource på MCP-serveren.
  4. MCP-serveren udfører handlingen og returnerer resultatet.
  5. AI'en bruger resultatet til at svare brugeren eller fortsætte arbejdet.

Transport: Hvordan snakker de sammen?

MCP kan køre over flere transportslag:

Transport Hvornår bruger du den?
stdio Lokale værktøjer på din egen maskine. Nemt at komme i gang med.
HTTP + SSE Fjernservere, hvor flere klienter skal kunne forbinde.
Streamable HTTP Nyere transport, der gør remote MCP mere fleksibelt.

Til produktion og hosting er HTTP-transporterne mest interessante, fordi de gør det muligt at køre MCP-serveren et sted og lade mange klienter forbinde til den.

Sådan bygger du din egen MCP-server

Der findes officielle SDK'er til både Python og TypeScript. Her viser vi et simpelt eksempel i Python med FastMCP, som er det mest populære framework til formålet.

Trin 1: Installer FastMCP

pip install fastmcp

Trin 2: Skriv din server

from fastmcp import FastMCP

mcp = FastMCP("Mit fede værktøj")

@mcp.tool()
def hent_kunde(cvr: int) -> str:
    """Hent virksomhedsnavn ud fra CVR-nummer."""
    # Her kunne du kalde CVR-API'et, din database, osv.
    return f"Virksomheden med CVR {cvr} hedder Eksempel A/S."

@mcp.tool()
def beregn_moms(beloeb: float) -> float:
    """Beregn dansk moms (25%) af et beløb."""
    return beloeb * 0.25

if __name__ == "__main__":
    mcp.run()

Det er det. To Python-dekoreringslinjer, og dine funktioner er nu MCP-tools.

Trin 3: Kør serveren

python server.py

Du kan nu konfigurere Claude Desktop, Cursor eller en anden MCP-klient til at bruge din server.

Trin 4: Gør den tilgængelig på nettet (valgfrit)

Hvis du vil have, at kolleger, klienter eller en AI-agent i skyen kan bruge din server, skal den hostes. Her er et eksempel med en HTTP/SSE-server:

from fastmcp import FastMCP

mcp = FastMCP("Mit fjernværktøj")

@mcp.tool()
def hent_kunde(cvr: int) -> str:
    """Hent virksomhedsnavn ud fra CVR-nummer."""
    return f"Virksomheden med CVR {cvr} hedder Eksempel A/S."

if __name__ == "__main__":
    mcp.run(transport="sse", port=8000)

Nu kan en klient forbinde til http://din-server:8000/sse.

Gode råd når du bygger

  • Start småt: Én server, ét tool. Udvid gradvist.
  • Dokumenter dine tools: Beskrivelserne i koden bliver brugt af AI'en til at vælge det rigtige tool.
  • Valider input: MCP håndterer skemaer, men du skal stadig tjekke forretningslogik.
  • Tænk sikkerhed: Hvem må kalde hvad? Skal der API-nøgler, OAuth eller IP-begrænsninger til?
  • Hold state ude af serveren: MCP-servere bør være stateless, så de er nemme at skalere.

Host din MCP-server hos Liviate

Når din MCP-server er klar, skal den køre et sted – helst et sted, der er:

  • Tilgængelig, når du har brug for den
  • Sikker og opdateret
  • Let at skalere, hvis flere klienter skal på

Det er her Liviate Cloud kommer ind i billedet.

Med Liviate Cloud kan du:

  • Deploye en virtuel maskine til din MCP-server på få minutter
  • Vælge mellem isolerede netværk eller offentlig adgang, afhængigt af hvem der skal nå serveren
  • Åbne præcis de porte, du har brug for – f.eks. 8000 til MCP-over-HTTP
  • Køre din server i et dansk/europæisk miljø med fokus på datasikkerhed

Vi hjælper også gerne med at få din MCP-server i drift – lige fra opsætning af Python-miljø og reverse proxy til sikkerhed, overvågning og skalering.

Vil du have hjælp? Skriv til os på https://liviate.com, så kigger vi på din MCP-server og finder den rigtige hosting-løsning.

Vil du dybere ned?

Her er de bedste steder at læse videre:

Konklusion

MCP er en af de vigtigste byggeklodser i AI-økosystemet lige nu. Det gør det nemt, sikkert og genbrugeligt at koble kunstig intelligens på virkelighedens systemer.

Du behøver ikke være en AI-guru for at bygge din første MCP-server. Med et framework som FastMCP kan du gå fra idé til fungerende server på under en time. Og når den skal ud og leve i produktion, kan du hoste den hos Liviate – så du kan koncentrere dig om logikken, mens vi sørger for driften.

Klar til at bygge din første MCP-server? Kontakt os, så hjælper vi dig i gang.

Vil du tale om, hvad der reelt blokerer jeres AI-initiativer?

Mads Kristiansen tager gerne en uforpligtende snak.

Book et møde →