Varför obegränsade revideringar?

För att ett bra resultat inte alltid uppstår första gången, och det vet vi om. Vi är noggranna med vilka vi jobbar med. Inte för att vara svåra, utan för att det är enda sättet att ge varje kund den tid och det engagemang de förtjänar. Obegränsade revideringar finns för att vi bryr oss tillräckligt för att alltid ta oss dit vi behöver komma — tillsammans med dig.

Vad kan jag skicka till er?

Allt. Landningssidor, sektioner, applikationer, animationer, buggar, arbetsflöden, marknadsföring, SEO, kampanjer etc. Är det online så kan vi fixa eller bygga det.

Kan jag pausa eller avbryta?

Ja. Why not? Pausa tills nästa månad. Du betalar aldrig för tid du inte använder.

Vi gör inte visuell design från scratch. Har du ingen branding eller kreativ riktning så känner vi personer som vi kan rekommendera.

Om jag inte är nöjd?

Vi kör på tills du är det. Inga extra kostnader, ingen attityd.

16 januari 20265 min läsning

MCPförklarat:ProtokolletsomlåterAI-agenterpratameddinaverktyg

Tänk dig att du sitter i Claude, Cursor eller någon annan AI-assistent och vill att den ska kolla en order i WooCommerce, skapa en issue i Jira, eller hämta data från din databas. Innan MCP behövde varje verktyg sin egen integration, sitt eget API-lager, sin egen autentisering. Resultatet blev att AI-assistenter kunde resonera bra men inte göra särskilt mycket.

Model Context Protocol (MCP) löser det problemet. Det är ett öppet protokoll som standardiserar hur AI-modeller pratar med externa verktyg och datakällor. Tänk USB-C för AI-integrationer: en kontakt, universell kompatibilitet.

Bakgrunden

Anthropic släppte MCP i november 2024. Tanken var enkel: istället för att varje AI-app bygger sin egen koppling till varje verktyg, skapar man ett gemensamt protokoll. En MCP-server exponerar funktioner (verktyg) och data (resurser) via ett standardiserat gränssnitt. En MCP-klient (AI-appen) ansluter och kan använda dem.

Det tog inte lång tid innan ekosystemet exploderade. I skrivande stund finns det tusentals MCP-servrar och antalet växer snabbt. De officiella Python- och TypeScript-SDK:erna har tiotals miljoner nedladdningar. Google har lanserat MCP-servrar för Maps, BigQuery, Compute Engine och Kubernetes. HubSpot, Slack, Ahrefs och en lång rad andra verktyg har officiella MCP-servrar.

Hur det fungerar tekniskt

MCP bygger på JSON-RPC 2.0 och följer en klient-server-arkitektur. En MCP-server exponerar tre typer av kapabiliteter:

Verktyg (tools) är funktioner som AI-modellen kan anropa. Ett verktyg kan vara "skapa en order", "hämta alla produkter med lågt lager" eller "skicka ett Slack-meddelande". Varje verktyg har ett schema som beskriver vilka parametrar det tar och vad det returnerar.

Resurser (resources) är data som servern tillgängliggör. Det kan vara filer, databasinnehåll eller API-svar. Resurser är read-only och ger AI-modellen kontext utan att den behöver anropa ett verktyg.

Prompts är fördefinierade instruktioner som servern erbjuder. De fungerar som mallar som AI-modellen kan använda för att strukturera sina anrop.

Kommunikationen sker över två transportlager. Lokalt körs MCP över stdio (standardinput/output), vilket innebär att servern startas som en subprocess. För fjärranslutning används Streamable HTTP, som ersatte den äldre SSE-transporten (Server-Sent Events) i mars 2025. Streamable HTTP fungerar bättre med brandväggar, load balancers och enterprise-miljöer, och stöder session-resumption om anslutningen bryts.

Ett konkret exempel

Säg att du har en WooCommerce-butik och vill att din AI-assistent ska kunna hantera ordrar. Utan MCP skulle du behöva:

Bygga ett API-lager som exponerar WooCommerce-funktioner
Skriva en integration i din AI-app som anropar det API:et
Hantera autentisering, felhantering och dokumentation
Underhålla hela kedjan när API:et ändras

Med MCP installerar du en WooCommerce MCP-server (det finns flera, bland annat en officiell beta från WooCommerce). Servern exponerar verktyg som "list_orders", "get_product", "update_inventory". Din AI-assistent ansluter via MCP-protokollet och kan direkt fråga: "Visa alla ordrar från igår som inte är skickade."

AI-modellen ser verktygen, förstår deras scheman, anropar rätt verktyg med rätt parametrar, och presenterar resultatet. Ingen custom-kod behövs i din AI-app.

Vad som driver adoptionen

Några faktorer har gjort att MCP gått från nischprotokoll till industristandard på drygt ett år:

Verktygsstöd. Claude Desktop, Claude Code, Cursor, VS Code (via GitHub Copilot), Windsurf och en rad andra AI-appar stöder MCP-servrar direkt. Du installerar en server, pekar din klient på den, och det fungerar.

SDK:er på rätt språk. Officiella SDK:er finns för Python, TypeScript, Go, Rust, Java, C#, Ruby och Kotlin (det sistnämnda i samarbete med JetBrains). Det innebär att de flesta utvecklare kan bygga en MCP-server på en eftermiddag.

Anthropics öppna approach. Protokollet är öppet och specen finns på GitHub. Anthropic har inte låst det till sina egna produkter. Google, Microsoft och andra har anammat det, vilket ger utvecklare en trygghet att investera i ekosystemet.

Streamable HTTP-uppdateringen. Den tidiga SSE-transporten var svår att köra i enterprise-miljöer. Övergången till Streamable HTTP i mars 2025 tog bort den barriären. Nu kan MCP-servrar köras bakom reverse proxies, i Kubernetes-kluster, och i miljöer med strikta nätverkspolicyer.

Ekosystemet idag

De mest använda MCP-servrarna täcker tre kategorier:

Utvecklarverktyg: GitHub, GitLab, Jira, Linear, Sentry, PostgreSQL, Redis. Dessa låter AI-assistenter hantera kod, issues, databaser och deployment direkt.

Affärsverktyg: HubSpot, Slack, Google Workspace (Drive, Calendar, Gmail), DocuSign. Här kopplas AI-assistenter till CRM, kommunikation och dokumenthantering.

E-handel: WooCommerce, Shopify. Orderhantering, produktkatalog, lagerhantering och kunddata tillgängliggörs för AI-agenter.

Dessutom finns det MCP-servrar för webbsökning, filsystem, kodexekvering och en lång rad andra funktioner. Ekosystemet växer med flera hundra nya servrar per vecka.

När MCP inte är rätt val

MCP är inte svaret på allt. Några scenarier där det inte passar:

Enkla, engångsintegrationer. Om du bara behöver hämta data från ett API en gång, är det enklare att skriva ett vanligt API-anrop än att sätta upp en MCP-server.

Realtidskritiska system. MCP lägger till ett lager av abstraktion. Om du behöver sub-millisekunders svarstider är direkt API-kommunikation bättre.

Känslig data utan kontrollmöjligheter. MCP-servrar ger AI-modeller tillgång till data. Om du inte har tydliga policyer kring vad modellen får se och göra kan det bli en säkerhetsrisk. De flesta MCP-klienter kräver användarbekräftelse innan verktyg anropas, men det är värt att tänka igenom.

Vad som händer härnäst

Två trender att hålla koll på:

Agentic commerce. Shopify och Google lanserade Universal Commerce Protocol (UCP) den 11 januari 2026. UCP bygger vidare på MCP-konceptet men fokuserar specifikt på e-handel: AI-agenter som kan söka produkter, jämföra priser och genomföra köp. WooCommerce släppte sin MCP-beta i version 10.3 i oktober 2025. E-handeln är troligen det område där MCP får störst praktisk inverkan de närmaste månaderna.

Managed MCP-hosting. Idag kör de flesta MCP-servrar lokalt eller som egna deployments. Flera aktörer jobbar med hosted MCP-lösningar där du bara pekar din AI-klient mot en URL och allt fungerar, inklusive autentisering och skalning.

MCP har gått från experiment till standard på drygt ett år. AI-modellerna har inte blivit smartare av det, men de har blivit långt mer användbara.