# Én kunnskapsbase, både MCP-klient og MCP-server

Model Context Protocol (MCP) er den åpne standarden som lar AI-modeller snakke med eksterne datakilder og verktøy uten leverandørspesifikke SDK-er. MCP-verktøy kan både lese og skrive – fra enkle oppslag til å opprette saker, endre bestillinger eller kansellere bookinger – så MCP er fundamentet under det som ofte kalles **agentisk AI**: en assistent som faktisk fullfører oppgaver i andre systemer, ikke bare svarer på spørsmål.

coreAI implementerer protokollen begge veier: assistenten din kan **bruke** andres MCP-servere som verktøy under en samtale, og den kan samtidig **være** en MCP-server som andre AI-agenter kobler seg til. Det betyr at coreAI passer rett inn i et MCP-økosystem som vokser raskt – Claude Desktop, Cursor, ChatGPT, interne dev-agenter, orkestreringsplattformer – uten at du må bygge integrasjoner per leverandør.

![Skisse av Model Context Protocol som åpen standard mellom AI-modeller, datakilder og verktøy](/articles/mcp-core.webp)

## coreAI som MCP-klient: assistenten leser, oppretter, endrer og sletter

coreAI er ikke begrenset til oppslag. Som MCP-klient kobler assistenten seg til MCP-serverne du allerede har, leser ut hvilke verktøy de tilbyr, og kjører hele kjeden av kall som trengs for å fullføre det brukeren faktisk ber om – enten det er å hente data eller å gjøre noe med dem.

Verktøy-skjemaene lagres i kunnskapsbasen og oppdateres automatisk. Assistenten velger riktig verktøy basert på samtalen, og fagsystemene bak beholder full kontroll over hva som faktisk får skje.

**Oppslag (les) – ferske data midt i samtalen:**

- live lagerstatus, priser og leveringstider som endrer seg fra time til time
- ordrestatus, fraktinformasjon og saksbehandling per innlogget kunde
- CRM-oppslag, kunderegistre og interne fagsystemer der svaret må reflektere siste minutts endringer
- ledige tider, bookinger og kalendre der et indeksert øyeblikksbilde fort blir feil

**Opprett (write) – assistenten setter i gang noe nytt:**

- bestille verkstedtime, befaring eller en annen avtale i et fagsystem ut fra første ledige tidspunkt brukeren godtar
- registrere en ny kundesak, supporthenvendelse eller intern ticket med riktig kategori og prioritet
- legge en bestilling eller et abonnement direkte fra chatten, med riktig kunde og leveringsadresse hentet fra konteksten
- opprette en ny lead eller kontaktperson i CRM-et når en samtale tipper over fra spørsmål til konkret interesse

**Endre (update) – assistenten justerer det som finnes fra før:**

- flytte en avtale, endre en bestilling eller oppgradere et abonnement
- oppdatere kundedata, adresseendringer eller kontaktpreferanser i et masterregister
- justere en pågående sak – sette ny prioritet, legge til en kommentar, eskalere til en spesialist
- gjøre om på en handlekurv, bytte et produkt eller endre en betalingsmåte før kassen

**Slett eller avslutt – assistenten avslutter ryddig:**

- kansellere en booking, returnere en ordre eller avslutte et abonnement
- arkivere en sak når brukeren bekrefter at problemet er løst
- fjerne varer fra en handlekurv eller en kandidat fra en kortliste
- trekke en oppfølgingsmail eller en planlagt utsendelse som ikke lenger er aktuell

Det er MCP-serveren som bestemmer hvilke verktøy en gitt bruker faktisk får kjøre: en innlogget kunde kan kansellere sin egen bestilling, men ikke andres; en saksbehandler kan eskalere alle saker innenfor sin avdeling, men ikke utenfor. Den samme RBAC-en du allerede har i fagsystemet gjenbrukes, uten ny tilgangslogikk i AI-laget.

![Skisse av hvordan coreAI gjenbruker eksisterende RBAC fra fagsystemet for tilgangskontroll](/articles/mcp-security.webp)

## Agentisk AI i forretningsprosesser

Når MCP-klienten kan både lese og skrive, blir assistenten en del av selve forretningsprosessen – ikke bare et søkegrensesnitt foran den. Noen konkrete eksempler på hva det åpner for:

- **Selvbetjent kundeservice 24/7.** Kunden skriver: *"Jeg vil flytte leveringen min til neste fredag."* Assistenten slår opp ordren, finner gyldige alternativer hos transportøren, endrer leveringsdato og bekrefter til kunden – uten å vente på en menneskelig saksbehandler.
- **Verkstedbooking med kostnadsestimat.** Bilisten beskriver problemet i chatten – *"bremsene piper, og bilen skal uansett til service"*. Assistenten slår opp registreringsnummer og servicehistorikk i verkstedsystemet, beregner estimert kostnad for service og bremsebytte basert på modell, årgang og kilometerstand, foreslår ledige verkstedtider og bestiller timen. Brukeren får både pris og bekreftelse i samme samtale.
- **Klientsamtaler til handlingsplan.** Fagsystemet transkriberer en samtale mellom saksbehandler og klient. Assistenten leser transkriptet, henter ut nøkkelpunkter og avtalte tiltak, oppretter en handlingsplan med konkrete aktiviteter, setter forfallsdato og ansvarlig på hver aktivitet, og lar saksbehandleren godkjenne planen før den lagres tilbake i fagsystemet.
- **Intern saksbehandling.** En medarbeider beskriver et IT-problem. Assistenten oppretter en ticket med riktig prioritet, slår opp lignende tidligere saker for å fylle inn relevante løsninger, og tildeler saken til riktig team.
- **Salg og kundeoppfølging.** Etter en samtale på nettsiden oppretter assistenten en lead i CRM, sender en oppfølgingsmail med riktig produktinformasjon, og legger en oppgave i selgerens kalender.
- **Abonnement og kontostyring.** Brukeren ber om å oppgradere abonnementet sitt. Assistenten henter gjeldende plan, viser prisforskjellen, gjør endringen i faktureringssystemet og bekrefter neste faktura.

Felles for alle disse er at coreAI styrer dialogen og holder konteksten, mens fagsystemene beholder eierskapet til dataene og autorisasjonsmodellen. Du flytter ikke data – du gir assistenten lov til å gjøre presis det den allerede har lov til på vegne av brukeren.

![Skisse av coreAI som både MCP-klient og MCP-server i samme kunnskapsbase](/articles/mcp-client-and-server.webp)

## coreAI som MCP-server: ett retrieval-lag for alle AI-agentene dine

Som server eksponerer coreAI assistentens kunnskapsbase via standard MCP-transport over HTTP. Eksterne agenter som ChatGPT, Claude o.l. kan koble seg til coreAI.

Det gir tre konkrete fordeler:

- **Én sannhet, mange overflater.** Endrer du en kildetekst i coreAI, slår endringen gjennom i chatten, søke-API-et og MCP-flaten samtidig. Ingen synkronisering, ingen duplisert vektorindeks, ingen skraping fra agentenes side.
- **Per-assistent tilgangskontroll.** Hvert token tilhører en bruker eller systemkonto, hvert MCP-kall peker på én bestemt assistent, og hver assistent er konfigurert mot et eksplisitt sett kilder. En intern utvikleragent kan få tilgang til hele produktkatalogen, samtidig som en kundespesifikk integrasjon bare ser den ene kunnskapsbasen som er bygget for kunden.
- **Null leverandørbinding.** Protokollen er åpen. Bytter du LLM-leverandør eller introduserer en ny agent-plattform, fortsetter MCP-endepunktet å fungere uendret.

## Når MCP er riktig verktøy

Velg MCP-klient når assistenten må svare basert på live data fra et annet system, når svaret avhenger av hvem som er innlogget, eller når brukeren faktisk vil at noe skal skje i et annet system – ikke bare informeres. Velg MCP-server når en ekstern AI-agent allerede har en samtaleløkke og bare trenger riktig kontekst – coreAI tar seg av kuratert retrieval, agenten tar seg av prompt og presentasjon.

For relativt stabile data – produktkataloger, fagartikler, dokumenter, stillingsannonser – hører innholdet hjemme i coreAIs kunnskapsbase. Du fyller den enten ved at coreAI crawler nettstedet ditt på fast intervall, eller ved å pushe innhold direkte inn via coreAI-API-et. Tommelregelen: alt som krever et live oppslag eller en handling mot et annet system hører hjemme bak MCP, alt som kan stå stabilt i timer eller dager hører hjemme i kunnskapsbasen.