MCP, eller Model Context Protocol, er en åben protokol, der beskriver, hvordan store sprogmodeller kan få struktureret og kontrolleret adgang til eksterne data, værktøjer og systemer. Protokollen definerer en fælles måde at udveksle kontekst på, så en AI-model kan arbejde med information, der ligger uden for dens egen træningsdata, uden at denne integration skal bygges forskelligt for hver enkelt applikation.
Formålet med Model Context Protocol er at skabe en klar adskillelse mellem selve sprogmodellen og de ressourcer, den anvender. I stedet for at indbygge speciallogik direkte i modellen eller klienten, fungerer MCP som et standardiseret kommunikationslag mellem modellen og såkaldte context providers. Disse kan stille data til rådighed fra for eksempel filer, databaser, API’er, versionsstyringssystemer eller udviklingsværktøjer. Protokollen beskriver, hvordan disse ressourcer eksponeres, forespørges og returneres i et forudsigeligt format.
I praksis gør MCP det muligt for en AI-assistent at hente præcis den information, der er relevant i en given situation. Det kan være kildekode fra et repository, dokumentation fra et internt system eller strukturerede data fra et forretningssystem. Modellen modtager konteksten som et supplement til brugerens prompt og kan dermed give mere præcise, opdaterede og situationsspecifikke svar. Samtidig bevarer systemejeren kontrol over, hvilke data der er tilgængelige, og hvordan de må bruges.
En vigtig egenskab ved Model Context Protocol er, at den er designet til at være leverandør- og platformsuafhængig. Det betyder, at den samme MCP-server kan bruges af forskellige klienter og modeller, og at nye værktøjer kan tilføjes uden at ændre den grundlæggende arkitektur. Denne tilgang minder om kendte standarder fra softwareudvikling, hvor faste protokoller reducerer kompleksitet og fremmer genbrug.
MCP spiller en central rolle i udviklingen af mere avancerede AI-systemer, der skal fungere som praktiske assistenter frem for isolerede tekstgeneratorer. Ved at give modeller en struktureret adgang til ekstern kontekst understøtter protokollen brugsscenarier som kodeassistance, videnssøgning, automatisering og analyse på tværs af systemer. Model Context Protocol kan derfor ses som en vigtig byggesten i overgangen fra generelle sprogmodeller til integrerede, kontekstbevidste AI-løsninger.