Hvad er MCP?
Model Context Protocol (MCP) er en åben standard fra Anthropic der giver AI-agenter en struktureret måde at kommunikere med eksterne systemer og datakilder.
Tænk på det som en API, men designet specifikt til AI. I stedet for at AI-agenter gætter på dit indhold ud fra gammel træningsdata, kan de spørge din MCP-server direkte — og få et præcist, opdateret svar tilbage.
Jeg har min egen MCP-server til henrik-bondtofte.dk. Den er åben — du kan teste den live i Claude just nu.
Funktioner
Hvad din MCP-server gør
En velbygget MCP-server er mere end en simpel API-wrapper — den er designet til at give AI-agenter den kontekst de skal bruge.
Realtid — ikke snapshot
MCP-serveren henter live data fra dit site. Ingen forældet træningsdata — AI ser det samme som brugerne.
Semantisk søgning
AI-agenter kan søge i dit indhold med naturligt sprog, ikke bare eksakt tekstmatch.
Struktureret output
Serveren returnerer data i det format AI-agenter forventer: kontekstvindue-optimeret, med metadata.
Du bestemmer adgangen
Rate limiting, autentificering og granulær kontrol over hvad der er tilgængeligt og for hvem.
Monitoring
Se hvilke AI-agenter der bruger din server, hvad de søger efter og hvad de citerer.
MCP-standard
Bygget på den åbne MCP-protokol fra Anthropic — fungerer med Claude og efterhånden alle større AI-agenter.
Målgruppe
Hvem har gavn af det?
Alle websites med indhold der er værd at citere korrekt — og ejere der vil have kontrol over hvordan AI-agenter repræsenterer dem.
Webshop
AI-agenter kan søge i dit produktkatalog, hente lagerinfo og sammenligne varer i realtid.
Nyhedssite / blog
Claude og Perplexity kan hente og citere dine artikler direkte — med korrekt attribution.
B2B SaaS
AI-agenter kan læse din dokumentation, FAQ og prissider som om de var interne systemer.
Vidensvirksomhed
Struktureret adgang til guidelines, produktblade, behandlingsprotokoller og vejledninger.
Faglig rådgivning
Dine ekspertsvar, paragraffer og vejledninger tilgængeligt for AI uden risiko for fejlcitater.
Uddannelse
Kursusindhold, pensum og øvelser direkte tilgængeligt for AI-tutorer og studieassistenter.
Sådan bygger vi den
Fra første snak til kørende MCP-server — typisk 2-4 uger.
- Trin1
Indholdsaudit
Jeg gennemgår dit website og identificerer hvilke ressourcer der er værdifulde at eksponere for AI-agenter — artikler, produkter, FAQ, dokumentation.
- Trin2
Server-design
Jeg designer MCP-serverens tools og ressourcer: hvad kan søges, hvad kan hentes, hvad kræver autentificering.
- Trin3
Bygning og deployment
Serveren bygges og deployes på din infrastruktur eller som en managed service. Typisk 1-2 ugers arbejde.
- Trin4
Test med Claude
Jeg tester serveren live med Claude Code og verificerer at AI-agenter kan finde, forstå og korrekt citere dit indhold.
- Trin5
Dokumentation til AI
Jeg skriver en llms.txt og MCP-dokumentation der fortæller AI-agenter hvad din server kan og hvordan de bruger den.
Jeg har bygget min egen
Min MCP-server til henrik-bondtofte.dk kører i dag og giver Claude og andre AI-agenter adgang til mine 200+ blogindlæg, min baggrund, mine bøger og mine ydelser.
Jeg ved præcis hvad der virker, hvad der er svært, og hvad der giver den bedste oplevelse for AI-agenter — fordi jeg har bygget og testet det selv.