Vad är MCP (Model Context Protocol)?

MCP står för Model Context Protocol. Det är en öppen standard från Anthropic som låter AI-modeller koppla sig till externa system (filer, databaser, API:er) på ett standardiserat sätt. För små och medelstora företag betyder det att en AI-agent kan läsa ditt CRM, kolla din kalender och uppdatera din databas utan att du bygger en custom integration för varje system.

Den här guiden förklarar vad MCP är, hur det skiljer sig från OpenAI:s function calling, vilka leverantörer som stödjer det 2026, och om det faktiskt är produktionsmoget för svenska företag just nu.

Vad är MCP egentligen?

MCP är ett öppet protokoll (MIT-licens) som standardiserar hur AI-modeller hämtar data och anropar verktyg i externa system. Anthropic lanserade det den 25 november 2024 för att lösa ett konkret problem: varje AI-agent-bygge krävde tidigare custom-integration mot varje system.

Arkitekturen är enkel: en MCP-klient (din AI-app, t.ex. Claude Desktop) kopplar mot en MCP-server (en process som exponerar resurser från ett underliggande system). Kommunikationen sker via JSON-RPC enligt den officiella specifikationen.

Tre byggstenar i en MCP-server

Tre primitives definierar vad en MCP-server kan exponera:

• Resources: data som AI-modellen kan läsa: filer, databasrader, API-svar
• Tools: funktioner som AI-modellen kan anropa: skicka mejl, skapa Git-commit, query Postgres
• Prompts: fördefinierade kontextmallar som AI-modellen kan använda

Allt är öppet och dokumenterat på GitHub-organisationen modelcontextprotocol, som har den officiella specifikationen, Python-SDK och TypeScript-SDK. Intresset är stort: enbart referensserver-repot hade passerat 86 000 stjärnor i maj 2026 och specifikationsrepot runt 8 400. Exakta tal är färskvara och rör sig snabbt uppåt. Projektet drivs sedan 2025 under Linux Foundation, inte längre enbart av Anthropic.

Hur skiljer sig MCP från OpenAI Function Calling?

Skillnaden är standardisering vs vendor-specifikt. OpenAI Function Calling är en proprietär feature i OpenAI:s API. MCP är ett öppet protokoll som vilken AI-modell som helst kan implementera, och vilken utvecklare som helst kan bygga en MCP-server för.

Aspekt	MCP	OpenAI Function Calling
Standard	Öppen (MIT-licens)	Proprietär OpenAI
Återanvändning	En MCP-server fungerar med vilken MCP-klient som helst	Function-definitioner skrivs per OpenAI-projekt
Discovery	Inbyggd capability-listing	Manuell deklaration per anrop
Ekosystem	200+ community-kurerade servrar via awesome-mcp-servers	Inget delat ekosystem
Vendor lock-in	Inget	Bunden till OpenAI

I praktiken: bygger du mot OpenAI och vill senare byta till Claude måste du skriva om alla function-definitioner. Med MCP byter du bara klient. Alla MCP-servers fungerar fortfarande. Samma logik mot Anthropic, LangChain Tools, eller egna REST-API:er: ingen återanvändning utanför sitt eget ekosystem.

Vilka leverantörer stödjer MCP 2026?

Per 2026 stöds MCP av alla tre stora modell-leverantörer. Det är produktionsmoget i Claude-ekosystemet, OpenAI anammade det officiellt 2025 och Google har byggt in stöd i Gemini. Anthropic driver protokollet och har flest färdiga servrar, men det är inte längre Claude-bundet. Det är den ärliga statusen, inte hypen.

• Claude Desktop (Anthropics egen app) har fullt native MCP-stöd sedan november 2024
• Cursor IDE har native MCP-integration enligt Cursors egen dokumentation, med stöd för både MCP-verktyg och resources
• Continue.dev stödjer MCP natively enligt deras dokumentation, liksom Cline och flera andra utvecklarverktyg
• OpenAI anammade MCP officiellt i mars 2025 och rullade ut fullt MCP-stöd i ChatGPT i september 2025; utrullningen beskrivs i InfoQ:s genomgång
• Google DeepMind anslöt sig i april 2025, och stödet finns numera i Gemini-ekosystemet

Statusen har ändrats under 2025

Bilden ovan har förskjutits snabbt. När den här guiden först skrevs var MCP i praktiken Claude-bundet, men under 2025 anslöt sig de andra stora aktörerna. OpenAI integrerade MCP brett under 2025 och kallar det numera "a key part of how we build", enligt protokollets ettårsrapport, och även Google och Microsoft har byggt in stöd. Slutsatsen för dig: MCP är inte längre ett Claude-only-protokoll, utan en standard som de tre största modell-leverantörerna stödjer. Det innebär att skälet att välja MCP, att slippa låsa sig vid en leverantör, har blivit starkare än när protokollet var Claude-bundet.

Storleken på ekosystemet

Det officiella MCP-registret startade som ett gräsrotsprojekt i februari 2025 och lanserades i förhandsversion 8 september 2025. Tidslinjen är alltså: protokollet i november 2024, registret ett knappt år senare. Registret innehöll runt 9 600 servrar i maj 2026, och Anthropic uppgav i december 2025 över 10 000 aktiva publika servrar. Bland dem finns officiella servrar från Anthropic för filsystem, Git, Slack, GitHub, Postgres, SQLite och Google Drive.

Notera att de två siffrorna i den här guiden mäter olika saker: tabellen ovan anger 200+ servrar i awesome-mcp-servers, en community-kurerad lista där någon manuellt valt ut intressanta servrar, medan registret räknar alla publicerade servrar i det officiella registret. Det är två mätpunkter, inte en motsägelse.

För en bredare introduktion till hur AI-agenter fungerar (där MCP är ett centralt protokoll), läs vår guide om vad en AI-agent är. MCP kopplar modellen mot system; ett annat sätt att ge den kunskap är RAG, som hämtar svar ur dina egna dokument.

Vilka användningsfall passar svenska företag?

Tre konkreta användningsfall ger redan värde åt svenska företag: koppla en AI-assistent mot affärssystemet för uppslag i realtid, automatisera rapporter från interna databaser, och låta supporten hämta kunddata utan att byta verktyg. De är sorterade nedan från lägst till högst implementationskomplexitet.

Tre exempel sorterade efter komplexitet

1. Konsultbyrå med GitHub + Slack i Claude. En 5-personers konsultbyrå installerar MCP-servrar för GitHub och Slack lokalt på Claude Desktop. Konsulterna kan be Claude "summera senaste 24 timmars Slack-diskussion i kanalen #klient-projekt-x och skapa en GitHub-issue för uppföljning". Tid sparad: 10-15 minuter per dag per konsult. Risk: låg, allt kör lokalt.

2. E-handel med Postgres MCP för katalog och lager. En e-handlare med 15 000 produkter exponerar produktdatabasen via Postgres MCP-server. Säljteamet frågar Claude på naturlig svenska: "Vilka produkter i kategorin elektronik har lager under 10 och inte sålt något senaste 30 dagarna?". Får svar med konkreta produkt-IDn. Risk: medium, kräver DPA om kunddata exponeras.

3. Marknadsföringsbyrå med Google Drive + Notion för proposal-generation. En byrå kopplar Drive (för existerande proposals) och Notion (för kundnotes) till Claude via MCP. Frågar Claude "bygg ett proposal-utkast för Klient X baserat på senaste mötes-notesna och vår senaste liknande proposal från Q3". Tid sparad: 1-2 timmar per proposal. Risk: medium-hög, kräver DPA + tydlig data-access-policy.

Vad ett MCP-bygge kostar konkret hos oss

Siffrorna ovan är generiska. Det vi själva kan svara på är vad det kostar att gå från idé till driftsatt MCP-koppling för ett svenskt företag, eftersom det är arbete vi säljer. Ett MCP-bygge är i grunden samma sak som ett vanligt AI-agent-bygge: en avgränsad integration mot ett eller flera system. Prisnivåerna följer därför våra ordinarie implementationsnivåer.

Implementationsnivå	Engångskostnad	Vad det räcker till med MCP
Litet avgränsat bygge	från 10 000 kr	en lokal MCP-server mot ett system, t.ex. filsystem eller en databas
Standardbygge	25 000–55 000 kr	två till tre servrar med autentisering, t.ex. Postgres och Slack med OAuth
Komplext bygge	från 55 000 kr	många system, telefoni och löpande vidareutveckling

Leveranstiden ligger på 2-6 veckor beroende på antal integrationer, och underhåll kostar 1 500–5 000 kr per månad om du vill ha ett avtal. Vill du bara ha en sak byggd och sedan klara dig själv betalar du i princip bara AI-förbrukningen efteråt. För hela kostnadsbilden, inklusive att bygga själv och färdiga verktyg, finns vår guide om vad AI-agenter kostar för svenska företag.

Hur kommer ditt företag igång med MCP?

Det enklaste sättet att börja med MCP är Claude Desktop + en lokal MCP-server för ett specifikt användningsfall. Det kräver ingen utvecklare och tar under 30 minuter att sätta upp. Därifrån kan ni utöka till fler servrar och tyngre integrationer när nyttan väl är bevisad.

Konkreta steg:

1. Ladda ner Claude Desktop från claude.ai/download. Pro-prenumeration krävs för MCP-användning.
2. Välj en officiell MCP-server från github.com/modelcontextprotocol/servers. Filesystem-server är enklast att börja med.
3. Konfigurera servern i Claude Desktops claude_desktop_config.json enligt instruktionerna.
4. Starta om Claude Desktop. Servern är nu tillgänglig, och Claude kan läsa och skriva till valda kataloger.

När du behöver en utvecklare

För skalning behövs sannolikt en utvecklare. Postgres MCP, Slack MCP och Google Drive MCP kräver API-nycklar, OAuth-flöden och säkerhetsgenomgång. I våra egna byggen tar en sådan server normalt ett par till en handfull timmar att konfigurera produktionssäkert, medan resten av tiden går till att testa kantfall och få behörigheterna rätt. Den kostnaden landar i prisnivåerna i tabellen ovan. För GDPR-aspekter och EU AI Act-implikationer, läs vår guide om EU AI Act för svenska företag.

Är MCP en hype-teknologi eller produktionsmogen? Ärligt svar: produktionsmogen, och inte längre Claude-bunden. Under 2025 anslöt sig både OpenAI och Google, så MCP stöds numera av de tre största modell-leverantörerna. Mognaden varierar fortfarande mellan klienterna, så testa det specifika stödet i ditt verktyg innan du bygger skarpt, men inlåsningsargumentet mot MCP håller inte längre. Det är just bredden av stöd som gör protokollet intressant.

Vanliga frågor