Agentisk utvikling

Hvorfor: Konsulenthus leser mange utlysninger for å finne de få som passer. Dette er et perfekt første AI-prosjekt: tydelig input, tydelig output, og lett å se om det fungerer.

Tilnærming: Doffin har et offentlig API (gratis nøkkel). Hent utlysninger for siste døgn → send hver til en billig modell med en beskrivelse av kompetanseprofilen → få tilbake {relevant, score, begrunnelse, frist} som strukturert output → lag en HTML-side eller Slack-melding.

Utvidelser: Last ned konkurransegrunnlaget (PDF) for de relevante og trekk ut kravmatrisen. Kjør som planlagt jobb (GitHub Action, cron eller en planlagt Claude-rutine). Mål presisjon mot utlysninger dere faktisk har budt på.

Hvorfor: Uttrekk fra lange dokumenter er det LLM-er gjør best i næringslivet — og der det er lettest å bli lurt. Poenget her er å bygge inn verifikasjon fra start.

Tilnærming: PDF rett inn i modellen (begge API-ene tar PDF direkte) → JSON-skjema for krav → sjekk programmatisk at hvert sitat faktisk står i dokumentet. Krav uten gyldig sitat flagges i stedet for å stoles på.

Samme mønster: Kontrakter, tilstandsrapporter, revisjonsrapporter, reguleringsplaner, API-dokumentasjon fra en kunde. Alt som er strukturert informasjon i ustrukturerte dokumenter.

Hvorfor: MCP er blitt standardkoblingen mellom agenter og systemer. Én server med 3–5 gode verktøy gir mer enn en stor server med 40 dårlige.

Uten internt system?: Bruk norske åpne API-er: Enhetsregisteret (Brønnøysund), Entur (GraphQL), MET/Yr, Kartverket stedsnavn og adresser, SSB statistikkbank, Stortingets data, strømpriser. Ingen krever nøkkel, men MET krever en User-Agent som identifiserer deg.

Det som er vanskelig: Verktøybeskrivelsene. Skriv dem for modellen, ikke for et menneske: når skal verktøyet brukes, hva returneres, hvor mye. Test med MCP Inspector før du kobler det til Claude.

Merk: MCP-spesifikasjonen fra 28. juli 2026 er tilstandsløs (ingen initialize-håndtrykk, ingen sesjoner). Mange eksempler på nettet er skrevet for den gamle. Be Claude lese den nye changelogen først.

Hvorfor: Konsulenter bytter kodebase ofte. Den første uka i et nytt repo er der agenter sparer mest tid — og der det er lettest å se forskjellen på en god og en dårlig arbeidsflyt.

Tilnærming: Start i plan-modus. For et stort repo: la en dynamisk workflow eller subagenter kartlegge hver sin del parallelt, og la hovedsesjonen sette sammen. Output: én selvstendig HTML-side med diagrammer, lenker til filer og en liste over «ting jeg ville spurt teamet om».

Neste steg: Gjør det om til en skill som hele teamet kan kjøre på neste oppdrag. Sjekk den inn i repoet eller i en plugin.

Hvorfor: «Hvilken modell skal vi bruke?» er spørsmålet alle kunder stiller. Svaret er nesten alltid: den billigste som består evalen din. Uten eval har du ikke et svar.

Tilnærming: Velg en oppgave (klassifisere henvendelser, trekke ut felter, oppsummere saker). Lag et lite fasit-sett. Kjør 3–4 modeller, logg tokens og kostnad, la en modell fra en annen familie vurdere der fasit ikke holder. Iterer på prompten før du bytter modell.

Poenget: Du lærer mer om modellvalg og prompting på to timer her enn av å lese sammenligninger. Prisforskjellen mellom billigste og dyreste modell i tabellen under er 100×.

Tilnærming: Start med én modell, ett verktøy og en løkke du har skrevet selv (30 linjer). Når du forstår løkka, bytt til et SDK. Legg til verktøy ett og ett, og lag en test for hvert.

Det som skiller demo fra produkt: Hva skjer når verktøyet feiler? Når brukeren ber om noe verktøyene ikke dekker? Når samtalen blir lang? Logg alt, og se på loggene.

Stack: Vercel AI SDK 7 for web (har verktøygodkjenning innebygd). Claude Agent SDK eller OpenAI Agents SDK når agenten skal jobbe selvstendig med filer og kommandoer. Claude Managed Agents eller OpenAI Agents API hvis du ikke vil drifte sandkassen selv.

Tilnærming: Gjør oppgaven én gang manuelt sammen med Claude. Når den fungerer: «lag en skill av det vi nettopp gjorde». Skills er en mappe med en SKILL.md og eventuelle skript — Claude laster den når oppgaven dukker opp.

Hooks: For det som alltid skal skje: formatering etter filendringer, blokkere farlige kommandoer, varsling når en lang jobb er ferdig. Hooks er kode som harness-en kjører — ikke noe modellen kan glemme.

Deling: Pakk skills, hooks og kommandoer som en plugin. Admin kan dele den med hele organisasjonen fra claude.ai, og claude plugin eval måler om den faktisk hjelper mot en baseline uten plugin.

Hvorfor: Den raskeste måten å forstå hva agentisk utvikling kan, er å bygge noe du selv bruker hver dag. Det er også her folk fortsetter å jobbe etter workshopen.

Tilnærming: Expo for mobil (development build på egen telefon, ingen App Store nødvendig), eller en PWA. Bruk kameraet med en vision-modell, mikrofonen med tale-til-tekst, og en modell med strukturert output for å gjøre det om til data.

Tips: Be Claude sette opp en måte å teste appen på selv (Playwright, simulator, skjermbilder) før du ber den bygge funksjoner. Da kan den se sine egne feil.

Tilnærming: CSV/JSON-eksport, direkte API-tilgang, eller en MCP-server mot kilden. Be om én selvstendig HTML-fil. Iterer: «hvorfor er det en topp tirsdag?» er et bedre neste prompt enn «gjør det penere».

Eksempler: Responstider med avviksdeteksjon, feilrater mot deploys, brukerreiser som Sankey, strømpris mot forbruk, kollektivforsinkelser fra Entur.

Pipeline: Hent → filtrer hvert element med en billig modell («er dette interessant for meg?») → la en sterkere modell skrive oppsummeringen → send på e-post, Slack eller push.

Kostnadspoeng: Filtrering av hundrevis av elementer med en billig modell koster øre. Dette er øvelsen som gjør modellvalg konkret.

Kjør det: Lokalt først. Deretter GitHub Actions, en cron på en liten VM, eller en Claude Code-routine i skyen.

Bruk: Onboarding av nye på et prosjekt, forklare en arkitektur for en kunde, intern faglunsj.

Tips: Be om step-by-step-kontroller og parametere du kan justere. Iterer til du faktisk forstår det — det er testen.

Med AI: Kontekstmeny som oppsummerer, oversetter eller forklarer markert tekst via et API-kall. Eller en sidepanel-assistent for et internt system.

Oppsett: chrome://extensions → Developer mode → Load unpacked. Ingen Web Store nødvendig.

Tilnærming: Tale-til-tale direkte med en sanntidsmodell, eller STT → LLM → TTS når du trenger mer kontroll. Gi agenten 2–3 verktøy — det er der det blir imponerende.

Vanskelig del: Avbrytelser, ventetid og hva agenten sier mens et verktøy jobber.