AI-agenter var en af de 5 trends, vi fremhævede som allermest skelsættende i vores rapport “E-commerce trends 2025” – og med god grund. For AI-agenter kommer til at ændre måden, vi som forbrugere shopper, og som virksomheder arbejder. Indtil nu har AI-agenter dog haft ét særligt benspænd: tunge, besværlige integrationer. Men det har Anthropic nu ændret på med frigivelsen af Model Context Protocol (MCP).
Hvad er MCP?
MCP er en åben standard udviklet af Anthropic, skaberne af AI-modellen Claude, som gør det meget nemmere for AI-agenter at forbinde til eksterne værktøjer og datakilder – uden at du skal bygge skræddersyede integrationer hver gang. Tænk på MCP som det universale USB-C kabel for AI-agenter: En enkel og standardiseret måde at forbinde AI-agenter med de nødvendige data- og systemer – og sågar med hinanden. Men mere om det senere.
Hvor AI-agenter tidligere har været afhængige af individuelle, komplekse integrationer, hvis de skulle mere end blot svare på basis af deres træningsdata, bliver de ved introduktionen af MCP nu meget lettere at sætte i spil i din forretning. For vha. MCP kan agenterne nu interagere direkte med eksterne systemer, såsom databaser, API'er og filsystemer, hvilket gør dem i stand til at udføre handlinger som at hente rapporter, opdatere dokumenter eller interagere med tredjepartstjenester.
Et relevant ecommerce-eksempel er Amazons nye ‘Buy for me’-knap, som lader deres brugere købe produkter fra tredjeparts-websites uden at forlade Amazons platform. Featuren er drevet af AI-agenter i Amazons eget Nova-system, men også med hjælp fra Anthropics Claude. Vi kan ikke med 100 procents sikkerhed sige, at featuren bruger MCP-standarden, men det er et godt eksempel på en feature og en løsning, der kan blive meget nemmere med netop MCP – og det vil have stor betydning i ecommerce-sammenhæng.
MCP’s tekniske arkitektur
Hvordan fungerer Model Context Protocol? MCP's arkitektur består af tre hovedkomponenter:
- MCP host: Den AI-drevne applikation, såsom Claude eller et integreret udviklingsmiljø (IDE), der fungerer som vært for AI-agenten.
- MCP servere: Disse fungerer som adaptere, der oversætter AI-agentens anmodninger til specifikke kommandoer, som det eksterne værktøj eller tjeneste forstår.
- MCP klient: En komponent inden i AI-agenten, der håndterer kommunikationen med MCP-serverne, sender anmodninger og modtager svar.
Brug for en metafor for lige at stille helt skarpt?
Så lad os tage på en rejse. Forestil dig din AI-agent som en forretningsrejsende.
MCP hosten er hotellet, hvor agenten bor og arbejder fra. MCP serverne er guiderne, der kan oversætte alt, hvad agenten har brug for at spørge om, til det lokale sprog (fordi logistiksystemer, lagersystemer og marketingplatforme eksempelvis sjældent taler præcist samme sprog). Og MCP klienten er assistenten, der holder styr på alle beskederne og sørger for, at de kommer korrekt frem.
Hvis du mere er den visuelle type, har Anthropic selv afbilledet det sådan her:
Og hvordan sikrer MCP så, at de forskellige dele taler sammen?
Kommunikationen mellem de forskellige komponenter sker via MCP-protokollen, som udelukkende bruger JSON (JSON-rpc 2.0 for at være helt præcis), som har et fast defineret skema, der sikrer konsistens og fleksibilitet. Dette gør det muligt for AI-agenten at interagere med nye værktøjer og tjenester uden forudgående kendskab til deres specifikationer.
MCP understøtter både lokale og fjernforbindelser, hvilket betyder, at AI-agenterne kan interagere med værktøjer og data, uanset om de er på samme enhed eller i cloud. Netop dette åbner op for en bred vifte af anvendelsesmuligheder, fra automatisering af arbejdsprocesser til avanceret dataanalyse – og det vækker altså stor begejstring, hvis vi selv skal sige det.
De store drenge leger med
Men det er ikke kun os, der er begejstrede. Blandt de store spillere på markedet har både OpenAI og Google nemlig allerede taget MCP til sig og integreret standarden i deres produkter. Googles egen protokol, Agent2Agent (A2A), er bygget på samme grundlag som MCP, og de to protokoller komplimenterer hinanden godt. A2A gør det blandt andet muligt for AI-agenter at samarbejde og koordinere direkte.
Når man kombinerer MCP og A2A, betyder det altså, at AI-agenter nemt kan kobles op til de systemer og data, de skal bruge og samtidig kan koordinere og samarbejde direkte med hinanden. Og når MCP og A2A spiller sammen, bliver agenterne både klogere, mere handlekraftige og lettere at integrere i virkelige forretningsmiljøer.
MCP rykker ind i dine tools
Arbejder du med e-commerce har du dog måske allerede stiftet bekendtskab med MCP. Der er nemlig mange af de værktøjer, vi bruger i hverdagen, der er begyndt at tilpasse deres offerings mod MCP-protokollen. Zapier har for eksempel gjort det muligt at forbinde til alle deres tools vha. MCP og flow-builderen Make har også etableret en MCP-server, der gør det muligt at forbinde dine AI-agenter til dine automatiserede flows.
En udvikling, vi forudser at mange andre systemudbydere vil adoptere inden for en rimelig fremtid. Og det bliver skelsættende i ecommerce-branchen.
For pludselig er det meget lettere opnåeligt at benytte AI-agenter på tværs af hele din forretning. Med MCP bliver det meget nemmere for AI-agenter at koble sig på dit eksisterende setup – fra lagerstyring og CRM til marketing- og kundeservicesystemer.
Og så er der altså ikke langt til at bruge AI-agenter i stor skala til at opdatere lagerstatus eller logistiksystemer, justere kampagner og meget mere – helt automatisk.
Klar til opkobling?
MCP er med andre ord ved at muliggøre det, vi (ikke så) længe har drømt om: At gøre AI-agenter til en naturlig, arbejdende del af e-commerce-maskineriet – uden at du skal rode med komplekse integrationer.
Vi står på tærsklen til en tid, hvor AI ikke bare hjælper lidt hist og her, men hvor agenter kan drive hele forretningsgange på tværs af systemer.
Så spørgsmålet er ikke længere om AI-agenter kommer til at forandre e-commerce – spørgsmålet er, om du er klar til at koble dem på.
