Vad är MCP – och varför är det nästa stora steg för AI och CMS?
Vad är MCP – och varför är det nästa stora steg för AI och CMS?
Det senaste året har AI tagit enorma kliv framåt. Vi har vant oss vid att använda språkmodeller som ChatGPT, Claude eller Gemini för att skriva texter, koda och analysera data. Men hittills har det funnits en tydlig begränsning: modellerna har bara kunnat jobba med den information de tränats på eller det du själv matar in i chatten.
Det är här MCP – Model Context Protocol – kommer in i bilden.
Vad är MCP?
MCP är en ny öppen standard som gör det möjligt för språkmodeller att prata med andra system på ett standardiserat och säkert sätt. Istället för att en AI bara ”gissar” utifrån sin träningsdata kan den nu hämta och använda information direkt från dina system – oavsett om det är ett CMS, en databas eller ett designverktyg.
Man kan tänka på MCP som ett ”plug-in-system” för AI, men istället för att varje AI-modell måste bygga sina egna integrationer till olika tjänster (t.ex. CMS, CRM, filer, API:er) finns nu ett gemensamt språk som alla kan använda.
Går det att bygga egna lösningar med MCP?
Ja – det är en av poängerna. MCP är open source, och vem som helst kan:
Bygga en MCP-server – alltså skapa en koppling mellan sin applikation (t.ex. ett CMS som Umbraco) och en AI-modell.
Publicera eller använda färdiga servrar – Det finns redan många färdiga MCP-servrar att använda – så du behöver inte vara utvecklare på heltid för att komma igång. På GitHub finns till exempel kopplingar till Notion, Slack och Figma, samt flera community-drivna projekt som Klavis AI, där man kan hitta färdiga integrationer för en rad olika verktyg.
Integrera via befintliga AI-verktyg – vissa AI-assistenter, som Claude Desktop och ChatGPT (Enterprise), håller redan på att bygga in stöd för MCP.
Det betyder att en utvecklare på ett företag kan bygga sin egen MCP-server för interna system, t.ex. koppla företagets CMS, dokumenthantering eller projektverktyg till en AI-assistent.
När servern är på plats kan man använda modellen som ett gränssnitt till datan, till exempel:
“Skapa en ny nyhetssida i vårt CMS baserat på senaste pressmeddelandet”
“Hämta statistik från våra senaste kampanjer och skapa en sammanfattning”
Allt sker via MCP-protokollet, vilket gör att AI:n förstår vad den får och kan göra, utan att man behöver bygga unika integrationer för varje modell.
Varför är det viktigt?
AI har länge varit duktig på att generera text, bilder och kod – men den har saknat förståelse för det sammanhang den verkar i. Den har inte vetat vilka verktyg du använder, vilken data du har tillgång till eller vad som händer i dina system. Det gör att AI hittills ofta har stannat vid att vara just en “smart textgenerator”.
Med MCP förändras det helt. Genom att låta AI prata direkt med dina system kan den bli en aktiv del av ditt arbetsflöde – inte bara en hjälp vid sidan av.
Här är några sätt det kan märkas i praktiken:
Automatisera CMS-uppgifter
Istället för att manuellt skapa nya innehållstyper, lägga in metadata eller flytta texter mellan plattformar kan du låta AI:n göra det åt dig. Den kan till exempel uppdatera gamla sidor med ny taggning och internlänkar utifrån en uppdaterad SEO-strategi.Integrera fler system – utan att växla verktyg
MCP gör det möjligt för AI-assistenter att prata direkt med flera källor samtidigt. Du kan till exempel be den hämta statistik från Google Analytics, senaste leads från ditt CRM och uppdatera en rapport i Notion, utan att du behöver öppna något av verktygen.Skapa innehåll i flera format – utifrån samma källa
Eftersom AI får tillgång till dina systemdata kan den också automatiskt anpassa och distribuera innehåll. En produkttext i ditt CMS kan bli en bloggpost, ett nyhetsbrev eller en LinkedIn-post, komplett med rätt tonalitet och format för varje kanal.
Det innebär mindre manuellt arbete och snabbare publicering, men också en mer konsekvent kommunikation över olika plattformar.
Kort sagt: MCP gör AI praktiskt användbar i vardagen. Den kan inte bara föreslå vad du borde göra, den kan faktiskt göra det åt dig.
Exempel: från Figma till Umbraco via MCP
Tänk dig att du jobbar med en ny webbplats i Umbraco. Designen är framtagen i Figma, men att manuellt bygga upp alla innehållstyper och mallar i Umbraco kan vara tidskrävande.
Med MCP skulle du kunna göra något i stil med:
Koppla Umbraco till MCP – AI får tillgång till att skapa och hantera innehållstyper i CMS:et.
Koppla Figma till MCP – AI kan läsa av designfilerna, förstå vilka komponenter som används (t.ex. rubriker, textblock, bildmoduler).
AI skapar en innehållsstruktur – genom att analysera Figma-designen kan AI automatiskt bygga upp motsvarande content types i Umbraco.
Snabbare start – istället för att manuellt klicka runt i CMS:et får du en färdig grundstruktur som matchar din design.
Det här är bara ett exempel, men det visar kraften i MCP: AI kan bli en verklig länk mellan design, utveckling och innehåll.
Hur påverkar det CMS-landskapet?
Många experter menar att MCP kan göra CMS mindre ”låsta”. Att byta plattform eller migrera innehåll kan bli betydligt enklare, eftersom AI kan förstå strukturer och flytta innehållet åt dig.
Det kan också förändra hur vi arbetar i vardagen. I framtiden kanske vi inte ens loggar in i CMS:et för enklare uppgifter – vi ber helt enkelt vår AI-assistent att fixa det.
Men finns det risker?
Självklart. När AI får tillgång till system och data blir säkerhet och tillit avgörande. Man behöver kontrollera vem som får prata med vad och se till att integrationer inte öppnar dörrar för fel personer eller fel data. Dessutom är MCP fortfarande nytt, så det kommer ta tid innan alla verktyg och plattformar pratar samma språk fullt ut.
Gonzalo från Camelonta delar med sig:
Vi ser redan konkreta användningsområden av MCP:
Automatisera repetitiva uppgifter som annars tar mycket tid.
Generera och förklara projekt- och systemdokumentation för kunder på några sekunder.
Underlätta migrering av innehållstyper och data mellan system.
Skapa integrationer mellan mikrotjänster och API:er genom att helt enkelt beskriva behovet i naturligt språk.
Det här är verktyg som inte ersätter utvecklare, utan förstärker dem. De frigör tid, minskar friktionen och låter oss fokusera mer på kreativa och strategiska delar av utvecklingen.
När AI får tillgång till rätt sammanhang, koden, databasen, dokumentationen och användarflödena, så kan den börja bidra på riktigt. Det är där MCP spelar en central roll: den gör det möjligt för LLM-modeller att förstå, interagera och agera inom vår utvecklingsmiljö på ett säkert och kontrollerat sätt.
Nu handlar mycket om att utvecklare behöver lära sig prompta, att kommunicera med AI på ett effektivt sätt. Det är en ny kompetens som kommer att vara lika viktig som att förstå designmönster eller databasstruktur. Den som lär sig kombinera sin tekniska förståelse med förmågan att formulera rätt frågor till AI kommer kunna skapa helt nya typer av lösningar.
Vi står bara i början av denna resa, men en sak är tydlig, framtiden kommer inte handla om AI eller människor, utan om AI och människor tillsammans. För oss som arbetar med Umbraco och modern webbutveckling innebär det att vi nu kan bygga system som inte bara fungerar, utan också förstår.
Sammanfattning
MCP kan låta tekniskt, men i praktiken handlar det om något väldigt konkret: att göra AI mer användbar i våra dagliga arbetsflöden. Istället för att bara svara på frågor kan AI börja agera i våra verktyg, från att bygga innehållstyper i Umbraco till att hämta insikter ur en databas.
Om utvecklare har rätt kommer MCP kunna förändra CMS-världen på samma sätt som HTML en gång förändrade webben. Och även om det är tidigt skede är en sak klar: det här är något alla som jobbar med innehåll, webbutveckling och AI bör hålla ögonen på.