MCP — Model Context Protocol — er et af de største fremskridt inden for AI-integration i de seneste to år. Anthropic introducerede protokollen i slutningen af 2024 og OpenAI, Google og Microsoft tog den i brug gennem 2025, så den i 2026 er blevet en almindelig måde at forbinde AI med dine værktøjer på uden at skulle bygge integrationen på ny for hver leverandør.
Du behøver ikke være tekniker for at få glæde af MCP. Du skal forstå, hvad MCP er, hvilke servere der findes til dit anvendelsestilfælde, og hvordan du installerer og konfigurerer dem. Denne artikel er din ikke-tekniske guide.
Hvad MCP faktisk er
MCP er en standard for, hvordan AI-assistenter opretter forbindelse til værktøjer. Før MCP havde hvert AI-værktøj sit eget integrationssystem — ChatGPT havde Plugins og senere Custom GPT-handlinger, Claude havde sin egen særskilte løsning, og hvert framework havde sin egen tilgang. Derfor krævede »jeg vil have min AI til at læse min Gmail« forskelligt arbejde afhængigt af det anvendte AI-værktøj.
MCP løser problemet ved at definere én protokol — den åbne Model Context Protocol, som forvaltes af Anthropic og er taget i brug på tværs af leverandører. En MCP-server er et lille program, der stiller et værktøjs funktioner til rådighed, f.eks. læsning af kalenderbegivenheder, afsendelse af Slack-beskeder eller søgning i Notion. En MCP-klient er en AI-assistent, der kan kommunikere via protokollen — f.eks. Claude, ChatGPT, Cursor og mange andre.
Når der findes en server til et værktøj, kan enhver kompatibel AI-assistent bruge den. Når en klient understøtter MCP, kan den kommunikere med enhver kompatibel server. Det reducerer det samlede integrationsarbejde enormt.
Den mest brugbare analogi er, at MCP er for AI, hvad USB er for hardware. Før USB havde hver enhed sit eget stik. Efter USB kunne enhver enhed fungere med enhver computer. MCP er USB-standarden for AI-integrationer.
Hvad du kan gøre med MCP i dag
Listen over tilgængelige MCP-servere i 2026 er stor og vokser. Omtrent:
Produktivitet:
- Gmail, Outlook, Google Calendar, Microsoft Calendar
- Notion, Obsidian, Roam Research, Logseq
- Slack, Discord, Teams
- Linear, Jira, Asana, Trello, Monday
- Google Drive, Dropbox, OneDrive, S3
Udvikling:
- GitHub, GitLab, Bitbucket
- Cursors filsystem, terminal og browser
- Docker, Kubernetes
- AWS, GCP, Azure (skrivebeskyttet som standard)
- Postgres, MySQL, MongoDB (ofte med skrivebeskyttet adgang)
Web:
- Brave Search, Google Search, Tavily, Exa
- Browserautomatisering (Playwright, Puppeteer-baseret)
- Websitespecifikke scrapers
Data:
- Sheets, Airtable
- Forskellige databaser via specialbyggede connectors
- BI-værktøjer (Metabase, Cube)
Specialiserede værktøjer:
- Stripe, QuickBooks (til finans)
- Salesforce, HubSpot (CRM)
- Calendly, Cal.com (planlægning)
- Twilio (SMS)
De fleste populære værktøjer har mindst én MCP-server, som vedligeholdes af fællesskabet. Mange har også en officiel server.
Opsætning af din første MCP-server
Lad os gennemgå den praktiske opsætning. Vi bruger Claude Desktop og en Gmail MCP-server som eksempel; fremgangsmåden er den samme i Cursor eller ChatGPT.
Trin 1: Vælg din AI-klient. Claude Desktop, ChatGPT Desktop, Cursor og andre understøtter MCP. Vælg den, du bruger mest.
Trin 2: Find en MCP-server til det ønskede værktøj. MCP-økosystemet har flere kataloger — modelcontextprotocol.io har den officielle liste, mens fællesskabskataloger som Smithery.ai samler servere fra fællesskabet. Søg efter »Gmail MCP server«, så finder du flere muligheder.
Trin 3: Installer serveren. De fleste MCP-servere distribueres enten som:
- En
npx-kommando (Node-baseret). - En
uvx-kommando (Python-baseret). - En Docker-container.
En typisk installation af en server ser ud som en af følgende. Det nøjagtige pakkenavn står i serverens README — der findes ikke ét fælles »Gmail«-servernavn:
# Option A: via npx (if you have Node installed)
npx -y <some-mcp-server-package>
# Option B: via uvx (if you have uv installed)
uvx <some-mcp-server-package>
# Option C: Docker
docker run <some-mcp-server-image>
Du behøver ikke på forhånd vide, hvilken løsning du skal vælge — det fremgår af serverens dokumentation. Mange MCP-servere er færdigpakkede, så du slet ikke behøver installere noget manuelt; AI-klienten downloader det nødvendige ved første kørsel.
Trin 4: Konfigurer klienten. Hver AI-klient har et sted, hvor MCP-servere konfigureres. I Claude Desktop er det filen claude_desktop_config.json i Claudes konfigurationsmappe (på macOS: ~/Library/Application Support/Claude/). Konfigurationen ser typisk sådan ud:
{
"mcpServers": {
"gmail": {
"command": "npx",
"args": ["-y", "<your-gmail-mcp-server-package>"],
"env": {
"GMAIL_CLIENT_ID": "your-client-id",
"GMAIL_CLIENT_SECRET": "your-secret"
}
}
}
}
Du skal godkende serverens adgang til værktøjet, i dette tilfælde Gmail. For Google-tjenester indebærer det normalt, at du opretter OAuth-legitimationsoplysninger i Google Cloud-konsollen. Serverens dokumentation fører dig gennem processen.
Til tjenester uden OAuth, f.eks. Notion- og Linear-API-tokens, opretter du en API-nøgle i tjenestens indstillinger og indsætter den i konfigurationen.
Trin 5: Genstart klienten, og tag den i brug. Genstart Claude Desktop efter konfigurationen. MCP-serveren starter automatisk. Åbn en ny samtale, så kan du se, at Claude nu har adgang til Gmail-relaterede værktøjer.
Du kan nu spørge ting som:
Hvilke ulæste e-mails fra denne uge handler om Q2-planen?
Skriv svarudkast til de tre vigtigste ulæste e-mails. Vis mig hvert udkast, før du sender noget.
Opsummér e-mailtråden med Anna om marketingbudgettet.
Claude kalder MCP-serverens værktøjer, modtager data og leverer kildeunderbyggede svar.
Praktisk opsætning: en produktivitetsorienteret samling
Forestil dig, at du vil opbygge en nyttig samling produktivitetsværktøjer med MCP. Her er et fornuftigt udgangspunkt:
- Gmail MCP-server — til prioritering af e-mails, svarudkast og søgning.
- Google Calendar MCP-server — til planlægning, mødeforberedelse og kontrol af ledige tider.
- Notion MCP-server — til personlig vidensbase, projektnoter og dokumentudkast.
- Linear eller Jira MCP-server — til prioritering af opgaver, hvis du bruger disse værktøjer.
- Brave Search eller Tavily MCP-server — til kildeunderbygget websøgning.
Hver server tager 10-20 minutter at installere og konfigurere. Samlet opsætningstid: en aften.
Det, der bliver muligt:
- Samtalebaseret e-mailprioritering, der tager højde for din kalender.
- Mødeforberedelse, der henter noter fra Notion og nylige e-mails fra Gmail.
- »Planlæg et møde med den samme gruppe som til tirsdagsmødet i sidste uge« — klaret.
- Oprettelse af en opgave i Linear direkte fra en samtale.
- Research i realtid med kildehenvisninger.
Den kvalitative forskel er, at din AI ikke længere blot er en chatbot i en separat fane, men bliver et værktøj, der kender din faktiske kontekst.
Sikkerhed og tilladelser
MCP-servere kører på din computer og har den adgang til dine konti, som du giver dem. Det er effektivt, men kræver omtanke.
Brug afgrænsede legitimationsoplysninger. Når du opretter OAuth-legitimationsoplysninger eller API-nøgler, skal du begrænse dem til det nødvendige minimum. »Læs kalender, skriv begivenheder« er langt snævrere end »fuld Google-adgang«.
Gennemgå de servere, du installerer. De fleste populære MCP-servere er open source, så du kan gennemgå koden. Vær forsigtig med, hvilke tilladelser du giver ukendte eller ikke-vedligeholdte servere.
Installér ikke fra tilfældige kilder. Hold dig til MCP-servere fra kendte udgivere — Anthropic, anerkendte vedligeholdere i fællesskabet eller værktøjets officielle leverandør — eller fra etablerede kataloger, der kontrollerer deres opslag.
Vær forsigtig med servere med shell-adgang. Nogle MCP-servere giver AI’en mulighed for at udføre terminalkommandoer. Det er nyttigt i visse arbejdsgange, men indebærer en betydelig sikkerhedsrisiko. AI’en kan udføre vilkårlige kommandoer på din computer, hvis du giver den denne funktion.
Betragt MCP-servere som en udvidelse af din AI’s tillidsflade. Alt, hvad AI’en kan læse, se eller gøre via serveren, svarer til direkte adgang. Planlæg derefter.
Hvad MCP ikke er god til (i 2026)
Nogle ærlige begrænsninger:
Søgning. Det er stadig mere besværligt end nødvendigt at finde den rigtige MCP-server til et værktøj. Der findes ikke ét kanonisk katalog; flere fællesskabswebsites konkurrerer.
Varierende kvalitet. Open source-MCP-servere spænder fra »produktionsklare« til »weekendprojekt«. Kvaliteten er vigtig, fordi defekte servere ødelægger dine arbejdsgange.
Dokumentation. Mange MCP-servere er utilstrækkeligt dokumenteret. README-filen beskriver installationen, men forklarer ikke altid hele udvalget af tilgængelige værktøjer.
Forskelle mellem klienter. Selvom protokollen er standardiseret, præsenterer forskellige klienter MCP-funktionerne forskelligt. Claude Desktops MCP-integration er den mest gennemarbejdede, Cursors er fremragende til udvikling, og ChatGPTs er ved at indhente dem.
Tilstandsbevarende handlinger. MCP fungerer bedst til tilstandsløse handlinger som »læs dette« eller »gør dette«. Langvarige processer med flere trin er besværlige.
Alle disse områder forbedres hurtigt. Ved udgangen af 2026 vil de fleste af problemerne i vid udstrækning være løst.
Hvornår du bør skrive din egen MCP-server
MCP-økosystemet dækker de fleste populære værktøjer, men ikke alt. Hvis du vil forbinde til:
- Et internt værktøj, som din virksomhed har bygget.
- Et SaaS-produkt uden en offentlig MCP-server.
- Et ældre system med kun et specialbygget API.
- En bestemt arbejdsgang, der kombinerer flere værktøjer på en særlig måde.
…så giver det mening at skrive din egen MCP-server. Selvom det lyder teknisk, er det faktiske arbejde overkommeligt — nogle få hundrede linjer kode i TypeScript eller Python ved hjælp af MCP SDK’et.
Hvis du har tekniske færdigheder — eller en udvikler på teamet har dem — er det en investering med stor effekt. En enkelt eftermiddags arbejde skaber en permanent integration, som alle på teamet med en MCP-kompatibel AI-klient kan bruge.
Vi har en særskilt avanceret artikel om at bygge MCP-servere i TypeScript.
MCP eller Zapier/n8n: Hvornår skal du bruge hvad?
Et almindeligt spørgsmål er: Hvis jeg har Zapier eller n8n, har jeg så brug for MCP?
Svaret er, at de supplerer hinanden og bruges forskelligt.
Brug MCP, når:
- Du er i en samtale med en AI-assistent og vil slå data op eller handle på dem.
- Handlingen er enkeltstående eller kontekstafhængig, ikke »hver gang X sker«.
- Du arbejder interaktivt og ikke bygger en automatisering.
Brug Zapier/n8n, når:
- Du ønsker en arbejdsgang, der kører automatisk, når en trigger udløses.
- Arbejdsgangen er tilbagevendende og veldefineret.
- Du ikke har brug for et menneske i samtaleforløbet.
Mange bruger begge dele. MCP egner sig til opgaver som »jeg er i en samtale og skal se X«. Zapier eller n8n egner sig til »gør dette for hver ny e-mail, der opfylder kriterierne«.
Der er også et interessant overlap: n8n kan fungere som MCP-klient ved at kalde MCP-servere i arbejdsgange og som MCP-server ved at stille n8n-arbejdsgange til rådighed for AI-klienter. Det udvisker grænsen på en nyttig måde: Du kan bygge en arbejdsgang én gang i n8n og bruge den fra enhver MCP-kompatibel AI.
Nogle praktiske mønstre
Samtalebaseret prioritering med MCP. Åbn Claude. Spørg: »Hvad i min indbakke, kalender og Slack kræver min opmærksomhed lige nu?« Modellen bruger tre MCP-servere parallelt og udarbejder en samlet prioriteringsrapport.
Mødeforberedelse med MCP. Forbind Calendar, Gmail og Notion. Spørg: »Jeg har et møde med Acme-teamet kl. 3 — lav et forberedelsesnotat til mig.« Modellen henter mødeoplysningerne, finder relaterede e-mails og tidligere noter fra møder med teamet og udarbejder et notat.
Research med kildeunderbygning. Forbind en MCP-server til søgning. Stil et hvilket som helst faktuelt spørgsmål. Modellen søger på nettet gennem serveren og leverer et svar med kildehenvisninger. Det fungerer som Perplexity, men i dit sædvanlige AI-værktøj.
Kodning med fuld adgang til filsystem og terminal. Cursor og stadig flere andre værktøjer bruger MCP til at give AI’en adgang til dit lokale filsystem og en sandkasseisoleret terminal. Modellen kan læse din kode, køre test og installere pakker — og dermed gå fra »værktøj til kodeforslag« til »reel samarbejdspartner, der kan udføre opgaver«.
En lille vane med stor effekt
Når du opdager, at du manuelt kopierer data mellem en AI-samtale og et andet værktøj — f.eks. indsætter e-mailindhold i ChatGPT eller kopierer ChatGPT-output til Notion — så stop op. En MCP-server kan næsten helt sikkert håndtere denne manuelle forbindelse automatisk.
Brug 20 minutter én gang på at installere den relevante MCP-server. Derefter bliver forbindelsen usynlig. Efter nogle måneder har du en samling integrationer, der gør din AI-arbejdsgang markant mere smidig end gennemsnitsbrugerens.
Start med tre servere
MCP er den vigtigste AI-infrastruktur i 2025-2026. Den er ikke glamourøs og giver ikke prangende demonstrationer, men den er laget, der omdanner AI fra en chatbot til noget, der er forbundet med dit virkelige arbejde.
Økosystemet er modent nok til, at ikke-teknikere kan få glæde af det. Opsætningen er en engangsindsats på nogle aftener, ikke uger. Den kvalitative forskel på, hvordan AI’en hjælper dig, er stor.
Vælg de tre værktøjer, du bruger mest, find MCP-serverne til dem og installér dem først.
