MCP — Model Context Protocol selitettynä pk-päättäjälle

MCP on avoin standardi, jolla annat tekoälymallille rajatun pääsyn yrityksesi omiin järjestelmiin — sähköpostiin, kalenteriin, asiakaslokeihin, taloushallintoon. Älä rakenna omaa integraatiota: käytä valmista MCP-serveriä, anna ensin pelkät lukuoikeudet, kokeile yhdellä järjestelmällä viikko ennen kuin laajennat. Tämän jälkeen ChatGPT tai Claude vastaa “mikä on viime kuukauden tilauskanta” oikealla luvulla eikä yleisellä jaarittelulla.

Tämä on sinulle, joka olet törmännyt seinään: ChatGPT vastaa hienosti yleisiin kysymyksiin, mutta ei tiedä sinun asiakkaitasi, projektejasi, laskutustasi. Olet lukenut RAG:sta ja MCP:stä, mutta termit menevät sekaisin, ja jokainen kirjoittaja näyttää myyvän omaa työkaluaan. Tämä artikkeli kertoo kuinka MCP toimii käytännössä pk-yrityksessä, mihin se sopii ja mihin ei, ja mistä aloitat ilman että hukut konfiguraatioon.

MCP julkistettiin marraskuussa 2024 ja se on pari vuotta yleistynyt riittävästi että suurimmat AI-clientit (Claude.ai, Claude Code, Cursor, ChatGPT Desktop) tukevat sitä natiivisti. Suomeksi siitä on kirjoitettu hämmästyttävän vähän, vaikka käyttötapaukset ovat hyvin lähellä pk-arkea.

---

Mikä MCP oikeasti on

MCP tarkoittaa Model Context Protocolia. Se on avoin standardi, Anthropicin julkaisema, mutta yhteensopiva muiden mallien kanssa — OpenAI ja Google ovat omaksumassa sitä omiin tuotteisiinsa. Tämä on tärkeää: MCP ei ole “Claude-ominaisuus”. Se on samalla tavalla standardi kuin USB-C, ei tuotemerkki.

Yksinkertainen analogia: jos tekoäly on uusi työntekijä, MCP on hänen pääsynsä yrityksen järjestelmiin. Sinä päätät, mihin pääsy on, ja mitä hän saa tehdä — pelkkä lukuoikeus vai myös kirjoitusoikeus. Päätös on aina sinun, ei tekoälyn.

Tekninen erottelu jonka kannattaa muistaa, mutta jolla ei tarvitse jumiutua:

• MCP-server on datan tuottaja. Esimerkiksi Gmail-MCP-server osaa hakea sähköposteja ja kalenteri-MCP-server osaa lukea ja kirjoittaa kalenterimerkintöjä.
• MCP-client on AI joka käyttää näitä servereitä. Claude.ai, Claude Code ja ChatGPT Desktop ovat MCP-clientteja.

Sinä laitat clientiin asetukset siitä, mihin servereihin se saa yhdistää. Server kysyy sinulta erikseen luvan ennen jokaista toimintoa, jos olet niin asettanut.

---

Miksi tämä on tärkeää juuri nyt

Ennen MCP:tä AI-mallit jakautuivat kahteen leiriin: niihin jotka eivät nähneet mitään yrityksen omaa dataa (“yleinen ChatGPT”) ja niihin joihin data oli ladattu massana (“custom GPT” tai oma RAG-systeemi).

Yleinen vastasi hienosti kysymyksiin tekoälystä mutta ei tiennyt mitään asiakkaista. Custom-versio tiesi asiakkaista mutta data oli upotettu kerran eikä päivittynyt — jos teit asiakaspalvelusysteemin maaliskuussa, kesäkuussa tiedot olivat jo vanhentuneet.

MCP ratkaisee tämän väliin jäävän ongelman. Malli saa live-pääsyn tarvittaessa, vain pyydetystä lähteestä, ja vain käyttöhetken ajaksi. Data ei tallennu malliin pysyvästi, ja sinä näet jokaisen pyynnön lokeista jos haluat.

Tämä muuttaa yhden konkreettisen asian: voit kysyä Claudelta tai ChatGPT:ltä “katso viime kuukauden sähköpostit asiakkaalta X ja tee yhteenveto avoinna olevista asioista” ja saat oikean vastauksen. Et ole ladannut viestejä mihinkään. Et ole rakentanut mitään. Asetit kerran Gmail-MCP-serverin paikoilleen, ja se toimii.

---

Mihin MCP soveltuu pk-yrityksessä

Käytännön sovelluksia voi ryhmitellä kolmeen luokkaan:

1. Tiedon haku. “Onko tälle asiakkaalle tehty viimeisen 6 kuukauden aikana tarjousta?” “Kuinka monta tilausta on tullut viime viikolla?” “Milloin viimeksi laskutettiin asiakas Y?” Nämä ovat kysymyksiä, joihin malli vastaa kun se pääsee CRM:ään tai taloushallintoon. Aikaa säästyy pikaisesti, koska sinun ei tarvitse avata järjestelmää itse.

2. Dokumenttien lukeminen. “Mitä tämän projektin sopimuksessa sanottiin irtisanomisajasta?” Malli saa pääsyn Google Driveen tai SharePointiin, etsii dokumentin ja vastaa. Tämä on RAG-tyyppinen käyttötapaus ilman että rakennat omaa RAG-systeemiä — MCP toimii live-pohjana.

3. Toiminta. “Lähetä laskumuistutus näille viidelle asiakkaalle.” “Lisää kalenteriin palaveri Marian kanssa torstaina klo 14.” Tämä on kirjoitusoikeus, ja sen kanssa ollaan varovaisempia — yleensä malli pyytää erikseen luvan ennen toiminnan suoritusta, ja sinä hyväksyt kerralla tai viestikohtaisesti.

Mihin MCP ei sovi:

• Yksinkertaiset Q&A:t. Jos kysymys ei vaadi yrityksen omaa dataa, MCP on ylivoima. Yleinen ChatGPT vastaa nopeammin ja halvemmalla.
• Massadatan analyysi. Jos haluat analysoida tuhansia rivejä, RAG tai oma data warehouse on parempi. MCP on hyvä pisteittäisiin kysymyksiin, ei isoihin analyyseihin.
• Kriittiset päätökset ilman ihmistä. Älä anna mallin lähettää laskuja, tehdä ostotilauksia tai vastata asiakkaille ilman että ihminen vahvistaa. MCP mahdollistaa toiminnan, mutta automatisointi on eri päätös.

---

Käytännön esimerkki: oma multi-MCP-setup

Käytän itse useaa MCP-serveriä rinnakkain Kymen.ai:n työnkulussa. Kerron koko setupin auki, koska abstraktit MCP-selitykset eivät auta yhtä paljon kuin yksi konkreettinen esimerkki.

Asennetut MCP-serverit:

• Google Workspace — sähköposti, kalenteri, Drive, Docs. Käytän tätä eniten. Esimerkki: aamulla kysyn “tee yhteenveto eilen tulleista vastausta vaativista viesteistä ja luonnostele vastauksia”, ja saan listan luonnoksia draft-tilassa.
• Supabase — projektien tietokannat (Antikvaari, Bonusway, Friilo, Nopsa). Tästä haetaan tilauskanta, käyttäjämäärät, viime viikon konversioluvut. Read-only-oikeudet, en anna mallin kirjoittaa tuotantotietokantoihin.
• Stripe — laskutus ja tilaustiedot. Esimerkki: “mikä on tämän asiakkaan kuukausilaskutus viimeisen 3 kuukauden ajalta”. Read-only.
• Things3 — tehtävänhallinta. Tämä on luku- ja kirjoitusoikeus, koska tehtävien lisääminen ja kuittaaminen on koko pointti.
• Discord — Loopyn tiimikanavat. Read-only, että tiedän mitä tiimissä on käsitelty kun olen pois.

Yhteensä viisi MCP-serveriä. Setup-aika oli yhteensä ehkä 4 tuntia hajautettuna pari viikkoa, koska lisäsin yhden kerrallaan. Käyttökulut käytännössä nolla — MCP itse on ilmainen protokolla, ja mallikäytön kulut riippuvat siitä paljonko Claudea käytän, mikä on erillinen lasku.

---

Mistä aloitat

Jos sinulla on Claude.ai-tili (ilmainen tai Pro) tai ChatGPT Desktop, MCP:n perusta on jo olemassa. Etsi clientin asetuksista “MCP” tai “Extensions” tai “Connectors” — nimitys vaihtelee, mutta sama asetus.

Suosittelen aloittamaan:

1. Yhdellä järjestelmällä. Valitse joko Gmail tai Google Kalenteri ensin, riippuen kummasta käytät enemmän. Älä lisää kolmea kerralla.
2. Read-only-oikeuksilla. Useimmat MCP-serverit pyytävät oikeudet erikseen — anna vain lukuoikeudet. Kokeile viikko ennen kuin laajennat kirjoitukseen.
3. Konkreettisella käyttötapauksella. Älä mieti yleisesti “mitä voisi tehdä”, vaan päätä etukäteen yksi käyttökerta. Esimerkki: “joka aamu kysyn ‘mitä eilen tuli sähköpostiin asiakkailta’”.

Valmiita MCP-servereitä on jo paljon — virallinen lista löytyy modelcontextprotocol.io-sivustolta, ja yhteisön ylläpitämiä listoja on muutamia. Suomalaisille pk-yrityksille olennaisimmat 2026 ovat:

• Sähköposti: Gmail-MCP tai Outlook-MCP
• Kalenteri: Google Calendar -MCP tai Microsoft 365 -MCP
• Asiakaslokit: HubSpot, Salesforce tai Pipedrive — kaikilla on virallinen tai yhteisön MCP-server
• Taloushallinto: Procountor tai Netvisor — virallista MCP-serveriä ei vielä ole, mutta omaa voi rakentaa Procountorin API:n päälle (ja Kymen.ai on muuten rakentanut tällaisen yhdelle asiakkaalle)
• Slack ja Discord: viestintä, ainakin Slack-MCP on hyvin kypsä

---

Turvallisuus ja tietosuoja

Pk-päättäjän neljä yleisintä kysymystä, suorat vastaukset:

Meneekö data ChatGPT:n koulutukseen? Ei. MCP-pyyntö menee mallin runtime-kontekstiin, ei tallennu malliin. Toisin sanoen: malli “näkee” datan vain sen vastauksen ajan, ei jää muistiin. Tämä on eri asia kuin se että lataisit dokumentin chat-keskusteluun.

Kuka näkee mitä? Sinä päätät. MCP-server konfiguroidaan sallimaan vain tietyt entityt tai näkymät. Esimerkki: Gmail-MCP voi nähdä vain inboxin, ei lähetetyt viestit. Supabase-MCP voi nähdä vain yhden taulun, ei koko tietokantaa. Tarkista oletukset, koska osa servereistä antaa kaikki oikeudet jos et muuta — ja se on yleensä liikaa.

GDPR? Riippuu mistä client toimii. Claude.ai tarjoaa EU-region-vaihtoehdon, jolloin data ei poistu EU:sta. ChatGPT toimii pääosin USA:sta, jolloin tarvitset Standard Contractual Clauses -sopimuksen jos käsittelet henkilötietoja. Yritystilauksissa nämä ovat usein osa peruspakettia, mutta varmista oman tilauksesi tasolta.

Lokit? Useimmat MCP-serverit tallentavat pyyntölokin. Tämä on hyvä asia — auditoinnissa voit jäljittää mitä on kysytty, milloin, ja mitä malli sai vastaukseksi. Pidä lokitus päällä, vaikka et koskaan käyttäisi sitä — yhdellä kerralla kun käytät, säästät kaksi päivää selvitystyössä.

---

Miten tämä eroaa RAG:sta

RAG on käsite jota näet usein samassa lauseessa MCP:n kanssa, ja niiden ero on sekoittava. Lyhyt erottelu:

• RAG (Retrieval-Augmented Generation) on tapa rakentaa pre-indeksoitu hakukerros yrityksen dokumenteille. Otat 1000 PDF:ää, indeksoit ne kerran, ja malli hakee niistä paloja kun kysyt jotain. Data on staattista — jos lisäät uuden dokumentin, pitää indeksoida uudelleen.
• MCP on live-pääsy järjestelmiin. Data on aina ajan tasalla, koska se haetaan suoraan lähteestä joka pyynnöllä.

Käytännössä nämä täydentävät toisiaan. Jos sinulla on:

• Paljon staattista dokumentaatiota (sopimukset, käsikirjat, vanhat raportit) → RAG
• Eläviä järjestelmiä joissa data muuttuu jatkuvasti (CRM, sähköposti, taloushallinto) → MCP
• Molempia → molempia

Useimmat pk-yritykset hyötyvät MCP:stä ensin, koska se on yksinkertaisempi käyttöönotto eikä vaadi infrastruktuuria. RAG tulee mukaan vasta kun on iso määrä strukturoimatonta dataa jota halutaan hakea.

---

Yhteenveto

1. MCP on avoin standardi joka antaa AI-mallille rajatun pääsyn yrityksen järjestelmiin live-pohjalta.
2. Aloita yhdellä järjestelmällä ja read-only-oikeuksilla.
3. Konkreettiset käyttötapaukset: sähköpostin tiivistys, CRM-haku, dokumenttien lukeminen, kalenterin merkinnät.
4. Ei sovellu massa-analyysiin tai kriittisiin automaatiopäätöksiin ilman ihmistä välissä.
5. Konfiguroi turvallisuus ennen käyttöönottoa — oletukset ovat usein liian sallivia.

MCP on yksi vuoden 2026 nopeimmin yleistyvistä AI-rajapinnoista, ja sen ymmärtäminen kannattaa pk-päättäjälle vaikket itse rakentaisi mitään. Kun konsultti, alihankkija tai järjestelmätoimittaja seuraavan kerran ehdottaa “AI-integraatiota”, osaat kysyä: “käytetäänkö MCP:tä vai rakennetaanko oma rajapinta”, ja vastaus kertoo paljon siitä onko ehdotus 2026-tasoa vai 2023-tasoa.

Jos haluat käydä läpi missä prosessissa MCP olisi sinulla järkevä aloituspiste, 60 minuutin kartoituksessa keskustellaan konkreettisista käyttötapauksista ja siitä mitä olemassa olevat järjestelmäsi (Gmail, kalenteri, CRM, taloushallinto) tukevat. Lopputuotteena saat joko aloituslistan tai päätöksen “vielä ei kannata” — molemmat ovat oikeita vastauksia ja säästävät kuukauden tuhlaustyön.

---

Liittyvät artikkelit

• Iso kuva — viiden askeleen kartta (pillar)
• Sähköposti-AI-triage Gmailille (konkreettinen MCP-käyttötapaus)
• Konteksti on kuningas (miksi MCP ja RAG ratkaisevat saman ongelman eri tavoin)