--- title: "Utveckling av AI-agenter och MCP-servrar | Royan AB" url: https://royan.se/sv/tjanster/ai-agenter/ lang: sv description: "Royan AB i Stockholm bygger AI-agenter som anropar era API:er och slutför uppgifter i flera steg, med MCP-servrar, godkännandesteg, utvärderingar och loggar." --- # AI-agenter som slutför uppgiften, och visar vad de gjorde. Vi utformar och bygger AI-agenter som planerar, anropar era API:er och slutför arbete i flera steg. Varje agent har snäva behörigheter, stannar där en människa ska fatta beslutet och lämnar en logg som går att granska. [Boka ett samtal](mailto:contact@royan.se?subject=AI-agentprojekt) [Se våra projekt](https://royan.se/work/) Vad vi bygger ## Agenter, verktygen de använder och kontrollerna runt dem. En agent blir aldrig bättre än verktygen den kan anropa och gränserna den arbetar inom. Vi bygger alla tre delarna: agentloopen, verktygslagret och kontrollerna. ### Uppgiftsagenter Agenter som tar emot ett mål, gör en plan, anropar era system steg för steg och rapporterar resultatet. Byggda på Claude, OpenAI eller öppna modeller. ### MCP-servrar Servrar enligt Model Context Protocol som gör era API:er, databaser och interna verktyg tillgängliga för Claude, Cursor, Codex och era egna agenter, med typade indata och avgränsad åtkomst. ### Automatisering av arbetsflöden Administrativt arbete som sortering, registrering, rapportutkast och ärendefördelning flyttas från människor till en agent som arbetar av kön. ### Mänskligt godkännande När det gäller pengar, kunddata eller en åtgärd som inte går att ångra stannar agenten, visar vad den tänker göra och väntar på ett ja. ### Utvärderingar En testuppsättning byggd på era verkliga fall. Den körs vid varje ändring, så att ni vet om en ny prompt eller en ny modell gjorde agenten bättre eller sämre. ### Loggar och spårning Varje modellanrop, verktygsanrop och beslut sparas. Ni kan spela upp en körning och se varför agenten gjorde som den gjorde. Så går ett projekt till ## En uppgift först. Sedan nästa. Agentprojekt misslyckas när de börjar för brett. Vi börjar med en uppgift som har ett tydligt resultat, bevisar den med siffror och bygger sedan vidare. ### Avgränsa Vecka 1 Vi väljer en uppgift tillsammans med er, skriver ner hur ett korrekt resultat ser ut och samlar in verkliga exempel. - En uppgift, en ägare - Skriftliga kriterier för vad som är rätt - 30 till 100 verkliga exempel ### Bygga Vecka 2 till 6 Vi bygger agenten, dess verktyg och utvärderingen samtidigt. Ni får en fungerande demo varje vecka. - Verktyg med snäva behörigheter - Utvärdering vid varje ändring - Demo och skriftlig uppdatering varje vecka ### Drifta Efter lansering Agenten tas i drift bakom godkännandesteg och kostnadstak, med övervakning. Vi lämnar över koden och driftdokumentationen. - Godkännandesteg och gränser - Översikt över kostnad och kvalitet - Kod och konton är era Vanliga frågor ## Frågor om AI-agenter. ### Vad är en AI-agent? En AI-agent är programvara där en språkmodell avgör vilka steg som behövs för att nå ett mål. Den anropar verktyg, till exempel era API:er eller er databas, läser resultaten och fortsätter tills uppgiften är klar eller tills den behöver en människa. ### Vad är en MCP-server, och behöver vi en? Model Context Protocol (MCP) är en öppen standard som låter AI-program använda externa verktyg och data. En MCP-server gör era system tillgängliga för alla MCP-klienter, till exempel Claude, Cursor eller er egen agent, utan en särskild integration för var och en. Ni behöver en när flera AI-verktyg ska använda samma system. ### Vilka modeller och ramverk använder ni? Anthropic Claude, OpenAI:s GPT-modeller och öppna modeller. För orkestrering använder vi LangGraph eller en egen agentloop, beroende på vad som är enklast för uppgiften. Vi väljer modell genom att köra era exempel genom en utvärdering. ### Hur hindrar ni en agent från att ställa till skada? Varje verktyg har den minsta behörighet som räcker. Riskfyllda åtgärder kräver mänskligt godkännande. Det finns tak för kostnad och antal steg, och varje åtgärd loggas. Före lansering testar vi agenten mot promptinjektion och osäker verktygsanvändning. ### Kan agenten och våra data stanna inom EU? Ja. Vi kan drifta applikationen och dess data i EU-regioner och välja modelleverantörer och inställningar som uppfyller era krav på databehandling. Vi utformar lösningen för GDPR från början. Relaterat ## Se det i praktiken. ### Oh My Android Vår Mac-app innehåller en MCP-server som låter Claude Code, Codex och Cursor se och styra Android-emulatorn. [Läs om projektet (på engelska)](https://royan.se/work/oh-my-android/) ### RAG-system När agenten ska svara utifrån era egna dokument är det sökningen som avgör kvaliteten. [Utveckling av RAG-system](https://royan.se/sv/tjanster/rag/) ### Konsulttjänster Osäker på om en agent är rätt verktyg? En AI-genomlysning ger svar innan ni lägger pengar på ett bygge. [Så arbetar vi som konsulter](https://royan.se/sv/konsult/) Royan AB · Stockholm ## Har ni en uppgift i åtanke för en agent? Berätta för oss. [Boka ett samtal](mailto:contact@royan.se?subject=AI-agentprojekt)