Hoppa till huvudinnehåll
Svenska— Välj ett språk
Meny

Vad är Model Context Protocol?

Lektion 1 av 14 Uppdaterad 2 november 2026 Medelnivå
På denna sida
  1. En öppen standard för att koppla AI till världen
  2. Problemet som MCP löser
  3. Klient-server-arkitektur
  4. MCP och funktionsanrop: Kompletterande, inte konkurrenter
  5. Viktiga punkter

Uppdaterat den 2 november 2026. Le Chat är nu Vibe (fortfarande på chat.mistral.ai). Sedan den 28 maj 2026 fungerar Vibe som en enda agent för arbete och kod, där dina konversationer, inställningar och prenumerationer följer med. Den äldre Le Chat-upplevelsen finns fortfarande tillgänglig i läget Chat. I läget Work är agenter nu färdigheter (anropas med @), minnen utgör kunskapsbasen och djup sökning är färdigheten Deep Research. Abonnemangen heter nu Mistral Free, Pro, Team och Enterprise. I denna lektion använder vi namnet Vibe; vissa menyer som beskrivs här kan ha bytt namn eller plats.

En öppen standard för att koppla AI till världen

Tänk dig att du ber din assistent att kontrollera dina GitHub-ärenden, uppdatera din Notion-dokumentation och sedan verifiera en Stripe-betalning, utan att någonsin lämna chattfönstret. Det är exakt vad Model Context Protocol (MCP) möjliggör – en öppen standard som förändrar hur AI-modeller kommunicerar med externa verktyg och tjänster.

Innan MCP implementerade varje AI-plattform sina egna metoder för att ansluta verktyg. En integration skriven för ett ramverk behövde kodas om helt för ett annat. Ekosystemet var fragmenterat och ingen hade en tydlig guide för att skapa ett verktyg och dela det mellan olika miljöer.

Problemet som MCP löser

Traditionellt funktionsanrop – modellens förmåga att anropa funktioner du beskriver – stöter på fyra begränsningar. För det första fragmentering: ett verktyg skrivet för ett SDK går inte att återanvända någon annanstans utan en fullständig omskrivning. För det andra säkerhet: hantering av API-nycklar och autentiseringstokens lämnas till varje utvecklare, utan någon gemensam standard. Därefter kommer duplicering och bristande interoperabilitet: varje team kodar om samma integrationer från grunden, även för utbredda tjänster som GitHub eller Slack, och inget gör det enkelt att lämna över ett verktyg till en kollega eller flytta det till ett annat projekt.

MCP adresserar dessa fyra punkter genom att definiera ett standardiserat kommunikationsprotokoll mellan en klient (AI-applikationen) och en server (som tillhandahåller verktygen).

Klient-server-arkitektur

Klienten är applikationen som konsumerar verktygen: i denna kurs är det Mistral AIs Chat, men det kan vara ett SDK som Mistral Agent SDK, en IDE som VS Code eller Cursor, eller annan kompatibel programvara. Servern hostar verktygen och exponerar dem via protokollet; den kan erbjuda ett verktyg eller ett dussin, vart och ett åtföljt av sin textbeskrivning, typade parametrar och returvärden.

De två utbyter JSON. Klienten börjar med att fråga servern för att upptäcka vad den kan göra, och anropar sedan önskade verktyg via strukturerade förfrågningar. Här är hela flödet för ett anrop så som du upplever det på användarsidan.

1

Användarförfrågan

Du ställer en fråga eller begär en åtgärd i Vibe, till exempel: "Vilka är mina öppna ärenden på GitHub?"

2

Modellbeslut

Mistral-modellen analyserar din förfrågan och avgör om den behöver anropa en eller flera MCP-servrar för att svara.

3

Anrop av MCP-server

Klienten (Vibe) skickar en JSON-förfrågan till relevant MCP-server med de parametrar som modellen identifierat.

4

Verktygsexekvering

Servern exekverar den begärda funktionen (GitHub API-förfrågan, databasläsning etc.) och returnerar resultatet.

5

Syntetiserat svar

Vibe tar emot data från servern och integrerar dem i ett naturligt, kontextualiserat svar till dig.

Denna cykel upprepas så många gånger som behövs inom en enda konversation. Modellen kan kedja anrop till flera MCP-servrar för att utföra en sammansatt uppgift: skanna Reddit för att upptäcka ett problem som rapporterats av användare, kontrollera sedan Linear för att se om ett ärende redan finns, och öppna därefter en pull request på GitHub.

MCP och funktionsanrop: Kompletterande, inte konkurrenter

En vanlig missuppfattning: MCP ersätter inte funktionsanrop, det utökar dem. Med funktionsanrop definierar du funktioner på klientsidan och modellen bestämmer vilka parametrar som ska skickas; det är direkt och perfekt lämpat för isolerade fall, som en beräkningsfunktion specifik för din applikation. Med MCP finns verktygen på en fjärrserver och beskrivs på ett standardiserat sätt, vilket blir avgörande när du vill dela, återanvända eller kombinera flera verktyg.

Den avgörande fördelen kan sammanfattas med ett ord: portabilitet. En MCP-server skriven för Vibe fungerar oförändrad med Mistral Agent SDK, med VS Code eller med vilken annan kompatibel klient som helst. Du skriver den en gång, du använder den överallt. Innan du går vidare, identifiera de två eller tre tjänster du konsulterar oftast i ditt arbete: dessa kommer att ge mest värde för dina första kopplingar.

Viktiga punkter

  • MCP är en öppen standard som统一erar anslutningen mellan AI-applikationer och externa verktyg
  • Det bygger på en klient-server-arkitektur med JSON-kommunikation
  • Protokollet löser problem med fragmentering, säkerhet och duplicering i traditionellt funktionsanrop
  • Samma MCP-server kan användas av flera olika klienter (Vibe, SDK, IDE)
  • MCP och funktionsanrop är kompletterande: MCP lägger till portabilitet och standardisering