Sådan forbinder du din AI til din bureaustak med MCP

For at forbinde din AI til din bureaustak med MCP, genererer du et token i MCP-modulet, peg din MCP-klient (Claude, Cursor eller en hvilken som helst anden) mod sSystm slutpunkt, og din AI kan straks læse og handle på dine rigtige CRM, projekter og fakturering — 29 værktøjer og 35 ressourcer i alt. Læsninger sker med det samme; hver skrivning er iscenesat som afventende, indtil et menneske godkender det. Dette er en praktisk, trin-for-trin guide til at gøre det og forstå, hvad der sker ved hvert trin.

Hvis du vil have baggrundsteorien først, så start med hvad MCP er, og hvordan din AI bruger det. Dette indlæg er den praktiske følgesvend: mindre om standarden, mere om få din egen AI til at fungere på dit faktiske arbejdsområde.

Hvad MCP er, på én linje

MCP (Model Context Protocol) er en åben standard, der lader en AI-klient forbinde til et eksternt system over et enkelt endepunkt og brug to ting, det afslører: værktøjer (handlinger, den kan udføre) og ressourcer (data, den kan læse). Tænk på det som en universel adapter - i stedet for at enhver AI har brug for tilpasset kode at tale med hver app, enhver MCP-klient kan tale med enhver MCP-server.

Det er hele ideen. Resten af denne guide handler om hvilke “værktøjer” og “ressourcer” betyder i praksis, og hvordan tilslutning af en giver din AI reel rækkevidde ind i dit bureaus data.

Værktøj vs ressourcer: de to ting, din AI får

Når din klient opretter forbindelse til sSystm, opdager den to slags muligheder. Den skelnen er vigtig, fordi den senere henvender sig direkte til sikkerhedsmodellen.

	Ressource	Værktøj
Hvad er det	Data, som AI kan læse	En handling AI kan tage
Adresseret af	En URI, f.eks. sstm://crm/deals	Et navn + indtastet skema, f.eks. sstm_crm_add_contact
Eksempel	Din live pipeline, et projekts fulde kontekst	Opret en kontakt, udkast til en komponent
Ændre dine data?	Nej — kun læses	Ja — og så er det menneskeligt lukket
Hvor mange i sSystm	35	29

Ressourcer er, hvordan AI’en grunder sig i dine rigtige data, før den handler - den læser dine faktiske aftaler, tokens eller projektkontekst frem for at gætte. Værktøjer er, hvordan den gør noget, når den først forstår situationen. Et godt AI-session læser næsten altid ressourcer først og foreslår derefter et værktøjskald.

Trin for trin: Forbind din MCP klient til sSystm

Her er forbindelsesflowet. du nøjagtige knapetiketter udvikler sig som produktet gør, så disse er de konceptuelle trin snarere end en fast menusti - men formen er altid den samme.

1. Åbn MCP-modulet i dit arbejdsområde, og generer et token. Dette token er det, der autoriserer din AI-klient til at agere som dig. Behandl det som en adgangskode: gem det i din klients sikre konfiguration, aldrig i delt kode eller offentlig repo.
2. Tilføj sSystm som en MCP-server i din klient. I Claude Desktop, Claude Code, claude.ai (via et brugerdefineret stik) eller Cursor, du registrerer en ny MCP server ved at give den sSystm-slutpunkts-URL’en og det token, du bare genereret.
3. Lad klienten opdage overfladen. Ved tilslutning læser din klient listen over tilgængelige værktøjer og ressourcer automatisk. Du kobler ikke op hver enkelt i hånden — de 29 værktøjer og 35 ressourcer vises som kapaciteter AI kan nu vælge imellem.
4. Spørg om noget baseret på dine rigtige data. Prøv at læse først: “opsummer mine åbne aftaler” eller “vis mig den fulde kontekst af Northwind projekt”. AI’en læser den relevante ressource og svar fra din faktiske arbejdsrum.
5. Spørg om en ændring, og godkend den. Prøv nu at skrive: “tilføj en kontakt for det nye kundeemne fra den e-mail”. AI foreslår sstm_crm_add_contact ring - og det venter. Der er ikke skrevet noget, før du godkender det (mere om dette nedenfor).

Det er hele løkken. Når den er tilsluttet, er den samme AI, du allerede har tillid til arbejder med dine CRM, projekter og fakturering direkte, ikke besvarer trivia om dem fra en påboltet chatboks.

Hvad din AI rent faktisk kan nå

sSystm MCP overfladen er 29 værktøjer og 35 ressourcer, der dækker hele arbejdsområde, ikke et demoudsnit. Et eksempel på, hvad det spænder over:

Domæne	Eksempelværktøjer	Eksempler på ressourcer
CRM	sstm_crm_add_contact, sstm_crm_add_deal	sstm://crm/deals, sstm://crm/contacts
Projekter	sstm_project_create, sstm_project_link	sstm://project/{id}/context, sstm://projects
Design system	sstm_design_add_token, sstm_component_create	sstm://design/tokens, sstm://component/recipe
Indhold og markedsføring	sstm_content_draft, sstm_campaign_create	sstm://content, sstm://newsletters
Dokumenter & kalender	sstm_calendar_add_event	sstm://dokumenter, sstm://kalender/begivenheder

For et bearbejdet CRM eksempel — at forbinde en AI til kontakter, virksomheder og aftaler, og hvad den kan og ikke kan der - se hvordan forbinder du din AI til din CRM. Den fulde MCP-historie kortlægger hvert værktøj og hver ressource i detaljer.

Hvordan menneskelig godkendelse holder skriver sikkert

Dette er den del, der gør det mere fornuftigt at forbinde en AI til live klientdata end hensynsløs. Læseadgang over MCP er øjeblikkelig - i det øjeblik, din klient er forbundet, kan det forespørge på din pipeline eller et projekts kontekst. Skriver følger en strengere regel: hver handling, der ændrer tilstand, er iscenesat som afventende, et menneske gennemgår præcis, hvad det vil gøre, og intet udføres, før det er det godkendt.

Helt konkret ser flowet for en skrivning sådan ud:

1. Din AI foreslår et værktøjsopkald - f.eks. oprettelse af en aftale - med det nøjagtige argumenter, den agter at bruge.
2. sSystm stadier, der kalder som afventende i stedet for at køre det.
3. En person på dit hold ser præcist, hvad der vil ske og godkender eller afviser det.
4. Kun ved godkendelse udføres handlingen. Hver kørsel, godkendt eller afvist, optages, så hele teamet kan auditere det - ikke kun den person, der klikkede.

Automatiseringer, der kører på Cloudflare, får en ekstra vagt: det er de risikoklassificeret før de kører, så en lavrisikolæsning og en tilstandsændrende indsættelse behandles ikke ens. Princippet er konstant, om AI handler er sSystms egen platformsagent eller din eksternt tilsluttede klient: AI foreslår, en menneskelig port. For den fulde mekanik, se [hvordan det virker](/hvordan-det-virker det).

Hvorfor dataene forbliver dine hele tiden

En rimelig bekymring, når du forbinder en AI til din CRM, er: hvor bliver alle disse data gå? Med sSystm er svaret intet nyt. sSystm er BYOC — Bring Your Own Cloud - hvilket betyder, at der ikke er nogen central leverandørdatabase. Når du tilmelder dig, a dedikeret Cloudflare D1 database er klargjort på din konto, i region du vælger.

Så hver læsning og skrivning af din AI gør over MCP lander på den database, på din konto, under dit valg af jurisdiktion. Du overfører ikke klientregistreringer gennem en andens centrale butik for at gøre AI nyttig. Samme ejerskab garanti, der gælder for dit team, gælder for din AI - et punkt, der er udforsket i kan AI bygge din software uden at låse dig inde?

En hurtig tjekliste, før du opretter forbindelse

Hvis du tilslutter en klient for første gang, skal du gennemgå dette:

• Generer et nyt token i MCP-modulet i stedet for at genbruge et - og gem det i din klients sikre konfiguration, aldrig i en repo.
• Start med aflæsninger for at bekræfte, at AI ser dit rigtige arbejdsområde før du lader det foreslå skriver.
• Beslut hvem der godkender. Fordi det er menneskeligt, så vær enige om dit hold med hensyn til, hvem der anmelder afventende handlinger, så intet venter.
• Tjek regionen din D1-database er fastgjort til, hvis data-residency er vigtig til dig eller dine kunder.
• Tilbagekald, når du er færdig, hvis du tilsluttede en klient til en engangsopgave — tokenet er AI’ens nøgle til at agere som dig.

Den korte version

At forbinde din AI til din bureaustak med MCP er tre rigtige trin: generer et token, registrer sSystm som en MCP-server i din klient, og spørg den om noget forankret i dine data. Derfra din egen AI — Claude, Cursor, eller hvad du nu standardisere på — læser på tværs af 29 ressourcer og handler gennem 29 værktøjer, med hver skrivning holdes som afventende, indtil et menneske godkender den, og hver post, der lever på din egen Cloudflare-konto. Det er forskellen mellem en AI, der taler om dit bureau og et, der faktisk hjælper med at køre det. Se den fuld MCP overflade for at udforske alt, hvad din AI kan nå.