Hvad er MCP (Model Context Protocol), og hvorfor betyder det noget for virksomhedsdata?

AI-assistenter som Claude og ChatGPT er gode til at skrive, opsummere og ræsonnere. Men de ved ikke af sig selv, hvad der står i CVR i dag, eller hvad en bestemt virksomhed tjente sidste år. Deres viden stammer fra træningsdata, som har en slutdato og sjældent indeholder detaljerede regnskabstal for danske virksomheder. Det problem er MCP, Model Context Protocol, designet til at løse.

MCP kort fortalt

MCP er en åben standard for, hvordan en AI-assistent kan forbinde sig til eksterne datakilder og værktøjer. Protokollen blev lanceret af Anthropic, virksomheden bag Claude, i november 2024 og bruges i dag også af blandt andre OpenAI i ChatGPT samt af en lang række udviklerværktøjer.

En populær sammenligning er, at MCP er "USB-C for AI": I stedet for at hver AI-app skal have en særlig integration til hver datakilde, taler alle det samme sprog. En datakilde, der har en MCP-server, kan bruges fra alle AI-klienter, der understøtter MCP.

Hvordan virker det?

Der er tre dele:

1. MCP-klienten er den AI-app, du bruger, fx Claude, ChatGPT, Cursor eller et andet værktøj.
2. MCP-serveren er en tjeneste, der stiller data eller funktioner til rådighed, fx et register over danske virksomheder.
3. Værktøjerne (tools) er de konkrete funktioner, serveren tilbyder, fx "søg virksomheder" eller "hent regnskaber for et CVR-nummer".

Når du stiller et spørgsmål, kan AI-assistenten se, hvilke værktøjer der er tilgængelige, og selv beslutte at bruge dem. Et forløb kunne se sådan ud (et opdigtet eksempel til illustration):

Du: Hvordan har bruttofortjenesten udviklet sig for [virksomhedens navn] de seneste fem år?

Assistenten: (kalder et værktøj, der søger virksomheden frem på navn, og et værktøj, der henter regnskabshistorik for CVR-nummeret)

Assistenten: Her er bruttofortjenesten for hvert regnskabsår, med periodens start- og slutdato ved hvert tal, så du kan se, hvilket regnskab tallene stammer fra …

Svaret bygger på data, som assistenten har hentet i samtalen, ikke på noget, den "husker". Det er hele pointen.

Teknisk set

En MCP-server kan køre lokalt på din computer eller som en fjernserver på internettet. Fjernservere bruger typisk transporten Streamable HTTP og en adresse, der ender på /mcp. Adgang styres med en API-nøgle eller et login (OAuth). Serveren beskriver sine værktøjer med navn, beskrivelse og inputparametre, så AI-modellen ved, hvornår og hvordan de skal bruges.

Hvorfor er MCP vigtigt for virksomhedsdata?

1. Svar på aktuelle data i stedet for gæt

Sprogmodeller kan "hallucinere", dvs. opfinde tal, der lyder plausible. Når assistenten i stedet henter tallene fra en datakilde via MCP, kan svaret føres tilbage til kilden. For regnskabstal, CVR-numre og kontaktoplysninger er det afgørende.

2. Ingen integration at bygge

Før MCP skulle man enten kopiere data ind i chatten eller bygge en integration mod et API. Med MCP kan en sælger, analytiker eller revisor få adgang til virksomhedsdata ved at tilføje én server i sin AI-app.

3. Spørgsmål i naturligt sprog

I stedet for at lære filtrene i et nyt system kan du skrive, hvad du leder efter:

• "Find 20 el-installatører med mindst 25 ansatte, som ikke er reklamebeskyttede."
• "Sammenlign egenkapitalen for disse tre CVR-numre over de seneste fem år."
• "Hvilke af virksomhederne på denne liste har haft underskud to år i træk?"

Assistenten oversætter spørgsmålet til værktøjskald, henter data og samler svaret.

4. Data kan kombineres med andre kilder

Fordi MCP er en standard, kan assistenten bruge flere servere i samme samtale, fx virksomhedsdata sammen med dit CRM-system eller din kalender. Det gør det muligt at spørge: "Hvilke af mine kunder i CRM'et har fået nyt regnskab i år, og hvordan gik det?"

Hvad skal man være opmærksom på?

MCP løser ikke alt. Et par ting er gode at have i baghovedet:

• Datakvaliteten afhænger af serveren. En MCP-server er aldrig bedre end de data, den leverer. Spørg udbyderen, hvor data kommer fra, og hvor ofte de opdateres.
• Assistenten kan stadig tage fejl i fortolkningen. Den kan fx forveksle koncern- og selskabstal. Bed den om at vise kilden og regnskabsperioden.
• Forbrug koster ofte kald. Mange MCP-servere afregnes pr. kald eller opslag. En god server er designet, så assistenten kan svare med få kald.
• Sikkerhed og adgang. Brug kun servere fra udbydere, du stoler på, og giv kun de rettigheder, der er nødvendige. En server med rene læseværktøjer er lettere at vurdere end en, der også kan ændre data.
• Regler for markedsføring gælder stadig. Selv om en AI-assistent kan finde kontaktoplysninger, skal du overholde reglerne for direkte markedsføring og respektere reklamebeskyttelse.

MCP og danske virksomhedsdata i dag

Flere danske udbydere af CVR-data tilbyder nu en MCP-server. Vi har sammenlignet dem i vores oversigt over CVR API'er. Forskellene ligger især i, hvilke data der er med, hvordan der afregnes, og hvor godt værktøjerne er designet til en AI-assistent.

Lead Strategists MCP-server ligger på leadstrategist.dk/mcp og har fem værktøjer, der alle kun læser data:

Reklamebeskyttede virksomheder er som standard filtreret fra i søgningerne. Serveren indeholder CVR-stamdata og nøgletal fra årsrapporter, men ikke person-, ejer- eller bestyrelsesdata.

Kom i gang

I en kommende artikel viser vi trin for trin, hvordan du forbinder Claude eller ChatGPT til danske virksomhedsdata. Vil du i gang med det samme, finder du opsætningen i MCP-dokumentationen, og du kan prøve Lead Strategist gratis. Flere artikler om CVR-data finder du på bloggen.