Så kopplar du din AI till din byrås verktyg med MCP

För att koppla din AI till din byrås verktyg med MCP skapar du en token i MCP-modulen, pekar din MCP-klient (Claude, Cursor eller någon annan) mot sSystm-endpointen, och din AI kan direkt läsa och agera på ditt riktiga CRM, dina projekt och din fakturering — 29 verktyg och 35 resurser totalt. Läsningar sker omedelbart; varje skrivning läggs som pending tills en människa godkänner den. Det här är en praktisk steg-för-steg-guide till hur du gör det och vad som händer i varje steg.

Vill du ha bakgrundsteorin först, börja med vad MCP är och hur din AI använder det. Det här inlägget är den handfasta följeslagaren: mindre om standarden, mer om att få din egen AI att jobba mot din faktiska arbetsyta.

Vad MCP är, på en rad

MCP (Model Context Protocol) är en öppen standard som låter en AI-klient ansluta till ett externt system över en enda endpoint och använda två saker den exponerar: verktyg (åtgärder den kan utföra) och resurser (data den kan läsa). Se det som en universaladapter — i stället för att varje AI behöver egen kod för att prata med varje app kan vilken MCP-klient som helst prata med vilken MCP-server som helst.

Det är hela idén. Resten av guiden handlar om vad “verktyg” och “resurser” betyder i praktiken, och hur en anslutning ger din AI verklig räckvidd in i din byrås data.

Verktyg kontra resurser: de två sakerna din AI får

När din klient ansluter till sSystm upptäcker den två sorters förmåga. Skillnaden är viktig eftersom den kopplar direkt till säkerhetsmodellen längre ned.

	Resurs	Verktyg
Vad det är	Data AI:n kan läsa	En åtgärd AI:n kan utföra
Adresseras med	En URI, t.ex. sstm://crm/deals	Ett namn + typat schema, t.ex. sstm_crm_add_contact
Exempel	Din levande pipeline, ett projekts fulla kontext	Skapa en kontakt, utkasta en komponent
Ändrar din data?	Nej — bara läsning	Ja — och därför människostyrd
Antal i sSystm	35	29

Resurser är hur AI:n grundar sig i din riktiga data innan den agerar — den läser dina faktiska affärer, tokens eller projektkontext i stället för att gissa. Verktyg är hur den gör något när den förstått situationen. En bra AI-session läser nästan alltid resurser först och föreslår sedan ett verktygsanrop.

Steg för steg: koppla din MCP-klient till sSystm

Så här ser anslutningsflödet ut. De exakta knapptexterna utvecklas i takt med produkten, så det här är de konceptuella stegen snarare än en fast menyväg — men formen är alltid densamma.

1. Öppna MCP-modulen i din arbetsyta och skapa en token. Den här token är det som ger din AI-klient rätt att agera som dig. Behandla den som ett lösenord: spara den i klientens säkra konfiguration, aldrig i delad kod eller ett publikt repo.
2. Lägg till sSystm som en MCP-server i din klient. I Claude Desktop, Claude Code, claude.ai (via en anpassad connector) eller Cursor registrerar du en ny MCP-server genom att ange sSystm-endpointens URL och token du nyss skapade.
3. Låt klienten upptäcka ytan. Vid anslutning läser din klient automatiskt listan över tillgängliga verktyg och resurser. Du kopplar inte upp var och en för hand — de 29 verktygen och 35 resurserna dyker upp som förmågor AI:n nu kan välja bland.
4. Be om något som är grundat i din riktiga data. Prova en läsning först: “sammanfatta mina öppna affärer” eller “visa hela kontexten för Northwind-projektet”. AI:n läser rätt resurs och svarar utifrån din faktiska arbetsyta.
5. Be om en ändring, och godkänn den sedan. Prova nu en skrivning: “lägg till en kontakt för den nya leaden från det där mejlet”. AI:n föreslår anropet sstm_crm_add_contact — och den väntar. Inget skrivs förrän du godkänner det (mer om detta nedan).

Det är hela loopen. När anslutningen är klar jobbar samma AI du redan litar på direkt mot ditt CRM, dina projekt och din fakturering, i stället för att svara på trivia om dem från en påklistrad chattruta.

Vad din AI faktiskt når

sSystm:s MCP-yta är 29 verktyg och 35 resurser som täcker hela arbetsytan, inte en demo-skiva. Ett urval av vad det spänner över:

Område	Exempel på verktyg	Exempel på resurser
CRM	sstm_crm_add_contact, sstm_crm_add_deal	sstm://crm/deals, sstm://crm/contacts
Projekt	sstm_project_create, sstm_project_link	sstm://project/{id}/context, sstm://projects
Designsystem	sstm_design_add_token, sstm_component_create	sstm://design/tokens, sstm://component/recipe
Innehåll & marknad	sstm_content_draft, sstm_campaign_create	sstm://content, sstm://newsletters
Dokument & kalender	sstm_calendar_add_event	sstm://documents, sstm://calendar/events

För ett genomarbetat CRM-exempel — att koppla en AI till kontakter, företag och affärer, och vad den kan och inte kan göra där — se så kopplar du din AI till ditt CRM. Hela MCP-berättelsen kartlägger varje verktyg och resurs i detalj.

Hur mänskligt godkännande håller skrivningar säkra

Det här är delen som gör det klokt snarare än vårdslöst att koppla en AI till levande kunddata. Läsåtkomst över MCP är omedelbar — i samma stund din klient är ansluten kan den läsa din pipeline eller ett projekts kontext. Skrivningar följer en striktare regel: varje åtgärd som ändrar tillstånd läggs som pending, en människa granskar exakt vad den vill göra, och inget körs förrän det är godkänt.

Konkret ser flödet för en skrivning ut så här:

1. Din AI föreslår ett verktygsanrop — säg att skapa en affär — med de exakta argument den tänker använda.
2. sSystm lägger anropet som pending i stället för att köra det.
3. En person i ditt team ser precis vad som kommer hända och godkänner eller avvisar det.
4. Först vid godkännande körs åtgärden. Varje körning, godkänd eller avvisad, registreras så att hela teamet kan granska den — inte bara den som klickade.

Automationer som körs på Cloudflare får ett extra skydd: de riskklassas innan de körs, så en lågrisk-läsning och en tillståndsändrande deploy behandlas inte lika. Principen är konstant oavsett om AI:n som agerar är sSystm:s egen plattformsagent eller din externt anslutna klient: AI:n föreslår, en människa släpper fram. För hela mekaniken, se så fungerar det.

Varför datan förblir din hela tiden

En rimlig oro när du kopplar en AI till ditt CRM är: vart tar all den här datan vägen? Med sSystm är svaret ingenstans nytt. sSystm är BYOC — Bring Your Own Cloud — vilket betyder att det inte finns någon central leverantörsdatabas. När du registrerar dig skapas en dedikerad Cloudflare D1-databas på ditt konto, i regionen du väljer.

Så varje läsning och skrivning din AI gör över MCP landar i den databasen, på ditt konto, under ditt jurisdiktionsval. Du skickar inte kundposter genom någon annans centrala lager för att göra AI:n användbar. Samma ägandegaranti som gäller ditt team gäller din AI — en poäng vi utforskar i kan AI bygga din mjukvara utan att låsa in dig?

En snabb checklista innan du kopplar

Kopplar du upp en klient för första gången, gå igenom det här:

• Skapa en färsk token i MCP-modulen i stället för att återanvända en — och spara den i klientens säkra konfiguration, aldrig i ett repo.
• Börja med läsningar för att bekräfta att AI:n ser din riktiga arbetsyta innan du låter den föreslå skrivningar.
• Bestäm vem som godkänner. Eftersom skrivningar är människostyrda: kom överens i teamet om vem som granskar väntande åtgärder, så inget blir liggande.
• Kolla regionen som din D1-databas är låst till om dataresidens spelar roll för dig eller dina kunder.
• Återkalla när du är klar om du kopplade en klient för en engångsuppgift — token är AI:ns nyckel att agera som dig.

Kortversionen

Att koppla din AI till din byrås verktyg med MCP är tre riktiga steg: skapa en token, registrera sSystm som en MCP-server i din klient, och be den om något grundat i din data. Därifrån läser din egen AI — Claude, Cursor eller vad ni nu standardiserar på — över 35 resurser och agerar genom 29 verktyg, med varje skrivning hållen som pending tills en människa godkänner den och varje post liggande på ditt eget Cloudflare-konto. Det är skillnaden mellan en AI som pratar om din byrå och en som faktiskt hjälper till att driva den. Se hela MCP-ytan för att utforska allt din AI kan nå.