Hva er en MCP-server? Slik kobler AI seg til verktøy og data

En MCP-server er en tjeneste som gjør verktøy, data og maler tilgjengelige for en AI-modell gjennom Model Context Protocol (MCP) — den åpne standarden for hvordan AI kobler seg til omverdenen. Kort sagt: protokollen er språket, og serveren er den som snakker det og faktisk leverer funksjonaliteten. I stedet for å bygge en egen integrasjon mellom hver modell og hvert system, gir MCP ett felles grensesnitt som fungerer på tvers.

MCP vs. MCP-server: hva er forskjellen?

Dette er den vanligste forvirringen. MCP er en spesifikasjon — et sett regler, bygget på JSON-RPC, for hvordan en AI-klient (for eksempel Claude, ChatGPT eller en IDE-agent) og en server utveksler meldinger. En MCP-server er en konkret implementasjon som følger de reglene. Klienten sitter i AI-appen; serveren tilbyr verktøyene. Samme server kan derfor brukes av mange ulike AI-klienter, fordi de alle snakker det samme protokollspråket.

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

En MCP-server eksponerer tre typer byggeklosser, kalt primitiver:

• Tools — handlinger modellen kan utføre, som å kjøre en audit, søke i en database eller opprette en oppføring. Modellen «kaller» et verktøy og får et resultat tilbake.
• Resources — lesbare data serveren stiller til rådighet, som en rapport, et dokument eller en fil. Modellen leser dem for kontekst.
• Prompts — gjenbrukbare maler som pakker en oppgave inn i et ferdig format, så brukeren slipper å formulere den fra bunnen hver gang.

Hvert primitiv har standardiserte metoder for å liste hva som finnes og kalle eller hente det. Det er dette som gjør MCP «plug-and-play»: klienten oppdager automatisk hva serveren kan.

Transport og sikkerhet: stdio vs. HTTP

En MCP-server kommuniserer over en transport. Lokale servere bruker stdio (standard inn/ut) og kjører på samme maskin som AI-klienten — nyttig for lokale filsystemer og kommandolinjeverktøy. Eksterne servere bruker HTTP(Streamable HTTP) og nås over nett, som en vanlig skytjeneste. Fordi eksterne servere er tilgjengelige utenfor din egen maskin, sikres de typisk med OAuth 2.1, der klienten ber om et tilgangstoken før den får bruke serveren. Velg stdio for lokalt og HTTP for produksjon.

Slik bruker CitationLab MCP-servere

CitationLab publiserer egne MCP-servere for begge plattformene sine. CitationLab Manager eksponerer en MCP-server slik at en AI-assistent kan hente SEO-, AEO-, CRO- og tekniske audits og de tilhørende anbefalingene direkte — som live verktøy, ikke statiske PDF-er. CitationLab Monitor gjør det samme for AI-synlighetsdata: siteringer, omtaler, Share of Voice og konkurrentanalyse på tvers av ChatGPT, Gemini, Perplexity og Google AI. I praksis betyr det at en agent kan spørre «hvordan ligger merkevaren an i AI-søk denne uken?» og få svar fra sanne data i stedet for å gjette.

Hvordan andre kan bruke MCP-servere

Har du data eller funksjoner du vil at AI skal kunne bruke — en produktkatalog, en kunnskapsbase, et internt verktøy — er en MCP-server måten å eksponere det trygt og standardisert på. Start smått: én server med noen få tools og resources som dekker et reelt behov, gjerne lokalt via stdio først, så eksternt via HTTP med OAuth når det skal i produksjon. Vil du se hvordan merkevaren din blir representert når AI-agenter henter data om deg? Start med en gjennomgang av AI-synligheten din.