11. juni 2026
Introduktion
Model Context Protocol (MCP) er en ramme for at give kunstig intelligens adgang til kontekst på en kontrolleret og struktureret måde. For teams, der udvikler AI-integrationer til Microsoft Dynamics 365 Business Central (BC), ændrer MCP måden, vi leverer forretningsdata til modeller på — fra store sammenblandede prompt-tekster til målrettede, verificerede kontekstpakker.
Hvad er MCP i korte træk?
MCP beskriver hvordan en klient (fx Business Central) kan tilbyde modeller præcist afgrænset kontekst: hvilke data der er relevante, hvordan de er struktureret, og hvordan modellen kan anmode om yderligere information. I praksis betyder det en protokol for kontekstudveksling med fokus på sikkerhed, versionering og minimalt datadeling.
Nøgleprincipper
- Selektiv deling: kun relevante felter og poster bliver eksponeret.
- Struktur og schema: konteksten følger et foruddefineret skema, så modellen får data i forventet format.
- Anmodningsdrevet: modellen kan bede om yderligere fragmenter i stedet for at få alt opfront.
- Styring og audit: hver konteksttransaktion kan logges og begrænses af politikker.
Hvorfor det betyder noget for Business Central (BC‑AI)
For Business Central åbner MCP mulighed for mere præcise og sikkerhedsfokuserede Copilot‑oplevelser. I stedet for at bygge store prompt-templates, kan udviklere levere små, relevante kontekstpakker (kundehistorik, ordrestatus, lagerplacering) som modellen bruger til at generere svar. Det reducerer noise i prompten, mindsker token-forbrug og forbedrer svarenes relevans.
Praktiske implikationer for udviklere og arkitekter
- Kontekstleverandører: Byg komponenter i BC, der kan mappe tabeller og felter til MCP-skemaer. Gør det let at udpege hvilke felter der er følsomme.
- Datafiltrering og anonymisering: Indfør mekanismer til automatisk at fjerne eller maskere person- og finansielle data, før de eksponeres som kontekst.
- Versionering og skemaer: Arbejd med versioner af kontekstskemaer, så model- og klientopgraderinger ikke bryder integrationen.
- Performance: Overvej caching og chunking til store datasæt, og indfør throttling for at undgå latency-problemer.
- Sikkerhed og governance: Implementer adgangskontrol, logning og revision af hvilke kontekstpakker der er blevet delt.
Arkitekturovervejelser
Design en mellemware, der håndterer kontekstopsamling, validering og politikhåndhævelse. Denne mellemware kan fungere som gatekeeper mellem BC-databasen og AI-modellen, og sørge for at kun godkendt og skematisk korrekt data når modellen.
Hvad betyder det for dig?
- Som udvikler: Begynd at tænke i små, skemadrevne kontekstpakker frem for store prompts.
- Som arkitekt: Planlæg en sikker mellemware, versionering og overvågning af kontekstflowet.
- Som beslutningstager: MCP gør det muligt at udnytte BC-data i AI-tjenester med bedre kontrol over privatliv, compliance og omkostninger.
MCP er ikke kun en teknisk detalje — det er et designmønster, der gør BC‑AI mere præcis, ansvarlig og skalerbar. Start med at kortlægge hvilke datatyper, der skal kunne deles, og byg en sikker pipeline til at levere dem.
Kilde: Microsoft Tech Community