MCP lar KI gjøre redaksjonelle handlinger direkte i CMS

Vi har lenge vært i en fase preget av eksperimentering og "gøyale" KI-resultater, men nå er tiden inne for å skape reell forretningsverdi.

Johan Martin Emberland Johnsen, teknisk prosjektleder i 99x, mener at Model Context Protocol (MCP) er nøkkelen til å gjøre KI fra en isolert tekstgenerator til et integrert og handlingskraftig verktøy.

Som en del av rådgivningsmiljøet i 99x jobber Johnsen daglig med å levere løsninger på plattformer som Enonic. Han legger ikke skjul på at det i dag flommer over av forkortelser og tekniske begreper som kan virke utmattende, men han mener MCP er en protokoll vi faktisk må bry oss om.

Hva er egentlig MCP?

Model Context Protocol (MCP) er i bunn og grunn en standardisering av hvordan KI-verktøy snakker sammen. Selv om standardisering og protokoller sjelden beskrives som spennende, er de helt nødvendige for å skape forutsigbarhet.

Johnsen sammenligner overgangen til MCP med Internetts inntog for datamaskiner. Før nettverket hadde en PC verdi som en isolert enhet, men det var først da den ble koblet til andre maskiner at den virkelige revolusjonen skjedde.

MCP gjør det samme for AI; det flytter oss fra isolerte agenter til et sammenkoblet system hvor AI kan utføre handlinger mot konkrete mål.

Restaurant-analogien

For å forklare den tekniske arkitekturen bak MCP bruker Johnsen en matnyttig analogi: En restaurant. I dette miljøet er det flere roller som må fungere sammen for at gjesten skal bli fornøyd.

• Gjesten (Sluttbrukeren): Dette er for eksempel en nettredaktør i Enonic som har et behov eller et ønske om å få utført en oppgave. Gjesten trenger ikke vite nøyaktig hva som skjer på kjøkkenet, så lenge resultatet er som forventet.
• Servitøren (Brukerklienten): Verktøy som Claude Desktop eller ChatGPT fungerer som servitører. De tar imot bestillingen fra gjesten, har oversikt over menyen og bringer informasjonen videre.
• Kokken (Språkmodellen): De store språkmodellene (LLM) er kokkene. Det er de som står for det tunge arbeidet, kreativiteten og orkestreringen. Men en kokk uten oppskrift kan fort levere noe helt annet enn det gjesten bestilte.
• Menyen (MCP-serveren): Det er her magien ligger. MCP-serveren fungerer som en meny som forteller både gjesten og kokken nøyaktig hva som kan bestilles og hvilke ingredienser (data) som er tilgjengelige. Den setter rammene og spillereglene, slik at du ikke ender opp med sushi på en hamburgerrestaurant.

Fra prat til handling i Enonic

For å demonstrere MCP i praksis har 99x utviklet en egen MCP-server for Enonic. Gjennom et grensesnitt som Claude Desktop kan en redaktør nå kommunisere direkte med Enonic-basen sin.

I en demo viser Johnsen hvordan han kan be KI-en skrive en artikkel, for så å gi en enkel kommando om å legge den direkte inn på Enonic-bloggen. Systemet er åpent; man ser nøyaktig hvilke verktøy som kjører, for eksempel "Create Article".

Dette stopper ikke ved publisering. Johnsen demonstrerer hvordan man kan be KI-en sjekke om det finnes duplikater i arkivet, slette utdaterte artikler eller foreslå og opprette nye tagger.

Alt uten at redaktøren trenger å forlate KI-klienten eller navigere manuelt i kompliserte menystrukturer.

Veien videre: Hva skal stå på menyen?

Mulighetsrommet for MCP i Enonic er enormt, og Johnsen trekker frem flere potensielle bruksområder som kan forenkle hverdagen for store organisasjoner:

• En digital "rengjøringshjelp": En MCP-server som automatisk identifiserer innhold som ikke har vært oppdatert på lenge, eller finner artikler som eies av personer som ikke lenger jobber i selskapet.
• Trend-overvåking: Ved å koble Enonic mot eksterne MCP-servere som følger med på sosiale medier, kan AI-en foreslå innholdstemaer basert på hva som trender akkurat nå.
• Intelligent support: En server som gir skreddersydd veiledning til lokale redaktører basert på organisasjonens egne retningslinjer og opplæringsvideoer.

Poenget med MCP er at det krever en bevisst jobb med utvikling og strategi. Man må tenke gjennom hvilke funksjoner som faktisk er nyttige for teamet og implementere dem.

Når jobben først er gjort, sitter man igjen med et verktøy som ikke bare genererer tekst, men som faktisk forstår konteksten og utfører oppgaver som skaper reell verdi.