Faguttrykk
Hva er MCP (Model Context Protocol)?
Kort definisjon
MCP (Model Context Protocol) er en åpen standard utviklet av Anthropic og lansert i november 2024, som definerer hvordan AI-modeller og AI-agenter kobler seg til eksterne datakilder, verktøy og systemer. Standarden fungerer som et felles grensesnitt mellom AI-applikasjoner (MCP-klienter) og systemene virksomheter selv eksponerer (MCP-servere).
MCP løser et konkret koordineringsproblem: før standarden fantes måtte hver virksomhet bygge egne, proprietære integrasjoner mot hver AI-leverandør som skulle ha tilgang til systemene deres. Med MCP finnes det i stedet ett felles protokollag – bygget på JSON-RPC – som AI-verten, MCP-klienten og MCP-serveren kommuniserer gjennom.
En MCP-server kan tilby tre typer innhold: Resources (lesbar, strukturert data), Tools (funksjoner en AI-agent kan kalle for å utføre en handling) og Prompts (ferdig utformede instruksjoner virksomheten selv definerer for å sikre riktig bruk).
Arkitekturen består av tre ledd: en MCP-vert (AI-applikasjonen brukeren samhandler med, som Claude eller en egenbygget agent), en MCP-klient (tilkoblingslaget) og en MCP-server (systemet virksomheten selv drifter og bestemmer innholdet i). Fordi protokollen er åpen og transportuavhengig, kan samme MCP-server i prinsippet brukes av flere AI-leverandører samtidig – uten separate integrasjoner for hver.
Standarden er sentral i arbeidet med GEO fordi den flytter AI-agenters tilgang til informasjon fra passiv indeksering til aktiv, sanntidshenting rett fra kilden. Se vanlige spørsmål om MCP for flere konkrete eksempler.
Relaterte faguttrykk
LLM (Large Language Model)
Store språkmodeller trent på enorme tekstmengder fra internett — som GPT-4 (OpenAI), Gemini (Google), Claude (Anthropic) og Llama (Meta). De danner grunnlaget for AI-assistenter og generative søkemotorer. Sentralt for GEO-strategi.
RAG (Retrieval-Augmented Generation)
Teknikk der AI-modeller søker i sanntid (retrieval) og kombinerer funnene med egen kunnskap (generation) for å svare. Brukes av ChatGPT med nettilgang, Perplexity og Google AI Overviews. GEO-optimalisering som er relevant for RAG er kritisk for moderne AI-synlighet.
Schema.org / Structured Data
Felles vokabular for strukturerte data — brukes av Google, Bing, Yahoo og AI-modeller for å forstå innhold maskinlesbart. Implementeres typisk i JSON-LD-format. Viktige typer: FAQPage, Organization, LocalBusiness, Service, Person, Article.
GEO (Generative Engine Optimization)
Optimalisering for å bli nevnt, anbefalt og sitert av generative AI-modeller (LLM-er) som ChatGPT og Gemini. GEO handler om å påvirke treningsdatasettet og RAG-kildene AI-modeller bruker — ikke bare det de indekserer i dag.
AEO (Answer Engine Optimization)
Optimalisering for å bli valgt som svar av AI-assistenter som ChatGPT, Gemini og Perplexity. AEO bruker FAQ-struktur, Schema.org-data og autoritetsbygging for å sikre at AI velger din kilde fremfor konkurrentens.
Relaterte tjenester
Vanlige spørsmål
Spørsmål om MCP (Model Context Protocol)
Vil du bruke MCP (Model Context Protocol) aktivt for din bedrift?
Book en gratis analyse og få konkrete anbefalinger tilpasset din bransje og situasjon.