Vad är MCP, och hur använder din AI det i sSystm?

MCP (Model Context Protocol) är den öppna standard sSystm använder för att låta din egen AI läsa och skriva i din arbetsyta — i stället för att leverera en inbyggd chatbot. Ditt CRM, dina projekt, ditt designsystem och dina dokument exponeras som 29 verktyg och 35 resurser över en enda endpoint, så att vilken MCP-kompatibel AI-klient som helst (Claude, Cursor eller annan) blir en äkta medarbetare i din byrås faktiska data, inte en fastskruvad frågelåda.

Problemet med inbyggda AI-chatbottar

De flesta “AI-drivna” SaaS-produkter följer samma mönster: en chattbubbla i hörnet, backad av en generisk modell med en systemprompt, som tar ett påslag på varje token. Den svarar på frågor om din data men agerar sällan på den — och när den gör det är den låst till vad leverantören råkade bygga det här kvartalet.

Den modellen har tre strukturella problem:

1. Du sitter fast med leverantörens modellval. Om du redan litar på Claude, eller ditt team standardiserar på en specifik klient, bryr sig en leverantörs fastskruvade chatbot inte — du får deras, till deras pris.
2. AI:n gör bara det leverantören levererade. En chatbot är en fast uppsättning förbyggda flöden. Ny förmåga betyder att vänta på leverantörens roadmap.
3. Den skriver sällan något på riktigt. De flesta inbyggda assistenter är skrivskyddad fråga-och-svar över din data, eftersom att ge en chatbot verklig skrivåtkomst på ett säkert sätt är ett svårt problem de flesta leverantörer inte löser.

Vad MCP faktiskt är

MCP vänder på det här: i stället för att plattformen bäddar in en AI exponerar plattformen sig själv för vilken AI du än tar med. En klient (Claude Desktop, Claude Code, claude.ai, Cursor) ansluter till en enda endpoint och får två sorters förmåga:

• Verktyg — åtgärder AI:n kan anropa, som sstm_crm_add_contact eller sstm_wireframe_build. Varje verktyg har ett typat schema, så AI:n vet exakt vilka argument den behöver.
• Resurser — data AI:n kan läsa, adresserad via URI, som sstm://crm/deals eller sstm://project/{id}/context. Resurser är hur AI:n förankrar sig i din verkliga data innan den agerar.

Eftersom det är ett öppet protokoll fungerar samma AI-klient som jobbar med sSystm också med varje annan MCP-server den är konfigurerad för — det finns ingen integration per leverantör att bygga eller underhålla.

Vad sSystm exponerar över MCP

sSystm:s MCP-yta är 29 verktyg och 35 resurser, som täcker hela arbetsytan, inte en kuraterad demoskiva:

Domän	Exempelverktyg	Exempelresurser
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
Wireframes	sstm_wireframe_build	sstm://wireframe/{id}, sstm://wireframe/recipe
Innehåll & marknadsföring	sstm_content_draft, sstm_campaign_create	sstm://content, sstm://newsletters
Dokument & kalender	sstm_calendar_add_event	sstm://documents, sstm://calendar/events

Ett konkret flöde ser ut så här: be din AI att “bygga en priskortskomponent i vår brand”, så läser den sstm://design/tokens och sstm://component/recipe för att lära sig ditt faktiska token-vokabulär och dina prop-konventioner, och anropar sedan sstm_component_create — resultatet landar i ditt delade komponentbibliotek, i rätt brand, granskningsbart av ditt team. sSystm genererar aldrig åt AI:n; det serverar receptet, och din AI är byggaren. Se hela MCP-berättelsen för resurskartan i detalj.

Människan i kontroll: så grindas skrivningar

Läsåtkomst över MCP är omedelbar — en AI kan fråga din pipeline eller ett projekts sammanhang i samma stund den är ansluten. Åtgärder som ändrar tillstånd följer en striktare regel inuti sSystm:s eget agentläge: varje skrivning stegas upp som väntande, en människa granskar exakt vad den vill göra, och inget körs förrän det godkänts. Varje körning — godkänd eller avvisad — registreras i agentloggen, så historiken är granskningsbar av hela ditt team, inte bara personen som godkände.

Det är samma princip oavsett om AI:n som agerar är sSystm:s inbyggda plattformsagent eller din egen MCP-anslutna klient: AI:n föreslår, en människa grindar. Läs mer om mekaniken i Säkerhet & datamodell.

Inbyggd chatbot kontra MCP-yta

	Inbyggd chatbot	sSystm:s MCP-yta
Vilken AI du använder	Vad leverantören valde	Vilken MCP-klient du redan litar på
Vad den kan göra	Fast uppsättning förbyggda flöden	29 verktyg, utökas allteftersom plattformen växer
Prismodell	Påslag per token inbakat i din räkning	Ta med ditt eget AI-abonnemang
Skrivåtkomst	Oftast ingen, eller smal	Hela arbetsytan, grindad av människa
Dataförankring	Leverantörens kontextfönster	Riktiga resurser — din faktiska pipeline, tokens, dokument

Så kopplar du din AI till sSystm

1. Öppna MCP-modulen i din arbetsyta och generera en token.
2. Peka din klient — Claude Desktop, Claude Code, claude.ai eller Cursor — mot endpointen med den tokenen.
3. Be den om något förankrat i din verkliga data: sammanfatta öppna affärer, skriv utkast till en komponent i din brand, eller lista ett projekts fulla sammanhang.

Eftersom sSystm inte har någon central databas landar varje läsning och skrivning din AI gör över MCP på databasen som skapats på ditt Cloudflare-konto — samma BYOC-garanti som gäller för ditt team gäller för din AI. Utforska hela modulkatalogen för att se allt din AI kan nå.