Hvad er en MCP-server? Sådan kobler AI sig til værktøjer og data

En MCP-server er en tjeneste, der gør værktøjer, data og skabeloner tilgængelige for en AI-model gennem Model Context Protocol (MCP) — den åbne standard for, hvordan AI kobler sig til omverdenen. Kort sagt: protokollen er sproget, og serveren er den, der taler det og faktisk leverer funktionaliteten. I stedet for at bygge en egen integration mellem hver model og hvert system giver MCP én fælles grænseflade, der fungerer på tværs.

MCP vs. MCP-server: hvad er forskellen?

Dette er den mest almindelige forvirring. MCP er en specifikation — et sæt regler, bygget på JSON-RPC, for hvordan en AI-klient (for eksempel Claude, ChatGPT eller en IDE-agent) og en server udveksler beskeder. En MCP-server er en konkret implementering, der følger de regler. Klienten sidder i AI-appen; serveren leverer værktøjerne. Samme server kan derfor bruges af mange forskellige AI-klienter, fordi de alle taler det samme protokolsprog.

Hvordan en MCP-server fungerer: tools, resources og prompts

En MCP-server eksponerer tre typer byggeklodser, kaldet primitiver:

• Tools — handlinger, modellen kan udføre, som at køre en audit, søge i en database eller oprette en post. Modellen »kalder« et værktøj og får et resultat tilbage.
• Resources — læsbare data, serveren stiller til rådighed, som en rapport, et dokument eller en fil. Modellen læser dem for kontekst.
• Prompts — genbrugelige skabeloner, der pakker en opgave ind i et færdigt format, så brugeren slipper for at formulere den fra bunden hver gang.

Hvert primitiv har standardiserede metoder til at liste, hvad der findes, og kalde eller hente det. Det er dette, der gør MCP »plug-and-play«: klienten opdager automatisk, hvad serveren kan.

Transport og sikkerhed: stdio vs. HTTP

En MCP-server kommunikerer over en transport. Lokale servere bruger stdio (standard ind/ud) og kører på samme maskine som AI-klienten — nyttigt til lokale filsystemer og kommandolinjeværktøjer. Eksterne servere bruger HTTP (Streamable HTTP) og tilgås over nettet som en almindelig skytjeneste. Fordi eksterne servere er tilgængelige uden for din egen maskine, sikres de typisk med OAuth 2.1, hvor klienten beder om et adgangstoken, før den må bruge serveren. Vælg stdio til lokalt og HTTP til produktion.

Sådan bruger CitationLab MCP-servere

CitationLab udgiver egne MCP-servere til begge sine platforme. CitationLab Manager eksponerer en MCP-server, så en AI-assistent kan hente SEO-, AEO-, CRO- og tekniske audits og de tilhørende anbefalinger direkte — som live værktøjer, ikke statiske PDF'er. CitationLab Monitor gør det samme for AI-synlighedsdata: citationer, omtaler, Share of Voice og konkurrentanalyse på tværs af ChatGPT, Gemini, Perplexity og Google AI. I praksis betyder det, at en agent kan spørge »hvordan ligger brandet i AI-søgning denne uge?« og få svar fra reelle data i stedet for at gætte.

Hvordan andre kan bruge MCP-servere

Har du data eller funktioner, du vil have AI til at kunne bruge — et produktkatalog, en vidensbase, et internt værktøj — er en MCP-server måden at eksponere det trygt og standardiseret på. Start småt: én server med nogle få tools og resources, der dækker et reelt behov, gerne lokalt via stdio først, så eksternt via HTTP med OAuth, når det skal i produktion. Vil du se, hvordan dit brand bliver repræsenteret, når AI-agenter henter data om dig? Start med en gennemgang af din AI-synlighed.