# API og integrasjoner: bygg automasjoner med coreAI, eller bygg coreAI inn i produktet ditt coreAI er ikke en lukket chatbot – det er en plattform med åpne grensesnitt du kan bygge automasjoner rundt eller bygge rett inn i dine egne produkter. Enheten alt henger på er **kunnskapsbasen**: den holder kildene og dataene, og på den bygger du én eller flere **assistenter** som er de svarende overflatene mot brukerne. Enten du vil fylle en kunnskapsbase med data fra eget system, la den utføre handlinger i fagsystemene dine, eller la andre AI-agenter hente svar fra den, er det de samme byggeklossene som gjelder: et REST-API for data og samtale, og Model Context Protocol (MCP) for at AI skal snakke med verktøy og systemer. Alt henger på samme kunnskapsbase, samme kilder og den tilgangsstyringen du allerede har. ![Skisse av de tre integrasjonsmønstrene i coreAI: send data inn via REST-API, bygg coreAI inn i egne flater, og la AI lese og handle via MCP – alle mot samme kunnskapsbase](/articles/api-integration-patterns.svg) ## Tre måter å integrere på Grovt sett er det tre integrasjonsmønstre, og de kan kombineres i samme produkt: - **Send data inn.** Du pusher strukturerte data fra eget system inn i kunnskapsbasen via REST-API-et. Der konverteres de automatisk til coreAIs interne format – et representasjonsformat som er optimalisert for AI-forståelse, ikke for lagring i en database. Feltene dine mappes til semantiske enheter, teksten normaliseres og beriktes, og innholdet indekseres slik at modellen finner og forstår det raskt. Du sender altså rådataene dine som de er; coreAI gjør den tunge jobben med å gjøre dem til godt svargrunnlag i chat og søk. - **Bygg coreAI inn.** Du kaller chat- og søke-endepunktene direkte og bygger opplevelsen inn i dine egne flater – egen UI, egen sesjonshåndtering, egen modell- og prompt-konfigurasjon. - **La AI lese og handle.** Du kobler kunnskapsbasen på MCP-serverne dine slik at assistentene kan hente ferske data og utføre handlinger via toolcalling – eller eksponerer coreAI som en MCP-server andre agenter kobler seg til. ## REST-API-et: fyll kunnskapsbasen og bygg egne flater REST-API-et er inngangen for systemer som vil sende egne data direkte inn i en kunnskapsbase og bruke dem i chat eller søk. Alle kall mot API v2 går mot `https://portal.coreai.no/api/v2` (eller stage-miljøet i test), autentiseres med et Bearer-token, og de viktigste stiene trenger både `assistantId` (assistenten som svarer – en kunnskapsbase kan ha én eller flere) og `contentImporterId` (kilden dataene lagres i). Hovedløypen er **upsert**: systemet ditt sender en `POST` hver gang et objekt opprettes eller endres, og coreAI oppretter eller oppdaterer entiteten på stabil ekstern ID. `PATCH` sender bare feltene som er endret, og `DELETE` fjerner entiteter som ikke lenger skal gi svar. Entitetstypene dekker de vanligste datakildene – `products`, `contents`, `documents`, `events`, `contacts`, `job_postings` og `educations` – og egendefinerte `properties` gjør innholdet filtrerbart i senere chat- og søkekall. Den fulle oppskriften, med feltkrav og filteroperatorer, står i [slik fyller du en kunnskapsbase med data via API-et](https://coreai.no/nb/articles/api-data-integration). Vil du bygge selve opplevelsen selv, kaller du `/assistants/{assistantId}/chat` med spørsmålet og valgfrie parametere som `cid`, `lang`, `model`, `sources`, `filters` og `stream`, eller `/assistants/{assistantId}/search` når du bare trenger treff og fasetter uten et generert svar. Chatstrømmer publiseres over WebSocket, så du kan bygge en responsiv, strømmende opplevelse i ditt eget grensesnitt. Den enkleste veien er fortsatt coreAI-widgeten, som håndterer samtale-ID, språk og strømming for deg – API-et er der når du trenger full kontroll. ## MCP og toolcalling: la kunnskapsbasen lese og handle i andre systemer Der REST-API-et fyller kunnskapsbasen med relativt stabile data, er MCP laget for det som må være live eller som krever en handling. Model Context Protocol er den åpne standarden som lar AI-modeller snakke med eksterne datakilder og verktøy uten leverandørspesifikke SDK-er, og coreAI implementerer den begge veier. Som **MCP-klient** kobler kunnskapsbasen seg på MCP-serverne du allerede har, leser ut hvilke verktøy de tilbyr, og assistentene velger riktig verktøy per spørsmål gjennom toolcalling. Verktøyene kan både lese og skrive: hente live lagerstatus og ordredata, eller opprette en sak, flytte en levering og kansellere et abonnement. Det er dette som gjør assistenten agentisk – den fullfører oppgaver, den svarer ikke bare. Fagsystemet ditt bestemmer fortsatt hva et gitt verktøy får gjøre, og for innloggede brukere kan et brukertoken videresendes til MCP-serveren som `X-User-Token` slik at svaret avgrenses til brukerens egne data. Se [coreAI som MCP-klient og MCP-server](https://coreai.no/nb/articles/mcp) for hele bildet, og [MCP-importen som klientintegrasjon](https://coreai.no/nb/articles/mcp-import) for hvordan verktøy-skjemaene hentes og velges i sanntid. Hvordan dette henger sammen med å bygge handlinger inn i forretningsprosessene, står i [agentisk AI-løsningen](https://coreai.no/nb/solutions/agentic-ai). Som **MCP-server** eksponerer coreAI kunnskapsbasen over standard MCP-transport, slik at eksterne AI-agenter – Claude Desktop, Cursor, ChatGPT, interne dev-agenter eller orkestreringsplattformer – kan slå opp i den samme kuraterte kilden som chatten bruker. Ingen kopiering, ingen separat vektorindeks, ingen skraping. Tilgangen er trelaget: hvert token tilhører en bruker eller systemkonto, hvert kall peker på én assistent, og hver assistent er bundet til kildene i sin kunnskapsbase. Detaljene står i [MCP-server som felles retrieval-lag](https://coreai.no/nb/articles/mcp-server). ## Én kunnskapsbase, mange overflater Styrken i arkitekturen er at alt henger på samme kunnskapsbase og de samme kildene. Et produkt kan tilby chatwidgeten til sluttbrukere, bygge søke-API-et inn i sitt eget admin-panel, pushe data via REST-API-et og la egne AI-agenter koble seg til via MCP – samtidig. Endrer du en kildetekst i coreAI, slår endringen gjennom på alle overflater i samme øyeblikk, uten at du vedlikeholder tre separate datasynkroniseringer. Tommelregelen er enkel: alt som kan stå stabilt i timer eller dager hører hjemme i kunnskapsbasen via REST-API-et; alt som krever et live oppslag eller en handling mot et annet system hører hjemme bak MCP. Da får du en kunnskapsbase med ferske data, sporbare kilder og et grensesnitt du kan bygge så enkelt eller så spesialisert som produktet ditt krever. ## Slik kommer du i gang Start med å velge integrasjonsmønsteret som løser oppgaven din: send data inn med REST-API-et, bygg chat og søk inn i egne flater, eller koble på MCP for live data og handlinger. Token, assistent-ID og kilde-ID henter du i coreAI-portalen på den aktuelle kunnskapsbasen, og MCP-konfigurasjonen kan kopieres rett fra «Kode»-fanen. [Ta kontakt for en gjennomgang](https://coreai.no/nb/kontakt) av hvordan API-ene passer akkurat din arkitektur.