> For the complete documentation index, see [llms.txt](https://docs.geopard.tech/geopard-tutorials/llms.txt). Markdown versions of documentation pages are available by appending `.md` to page URLs; this page is available as [Markdown](https://docs.geopard.tech/geopard-tutorials/dnk/produktguide-webapp/geopard-mcp.md).

# GeoPard MCP

en intelligent tovejsbro, der forbinder bedriftsdata med AI-agenter og LLM-drevet agronomisk ræsonnement.

GeoPard MCP er en AI-bro til datadrevet landbrug. Den forbinder GeoPards bedriftsdata med MCP-kompatible assistenter og gør det muligt for agronomer, landmænd og avlere at arbejde med agronomisk og geospatial kontekst på en struktureret måde. I stedet for at stole på generiske AI-prompts kan teams bruge GeoPard MCP til at fortolke markforhold, hente datasætstatistik, forklare variationer og omsætte indsigter til praktiske handlinger såsom anbefalingskort og strategier for variabel tildeling.

## Vision

GeoPard MCP er designet til at arbejde med dine bedriftsdata i et kontrolleret miljø, i tråd med GeoPards overordnede politik om, at kundedata forbliver deres, og at de håndteres sikkert af GeoPard.

GeoPard MCP formaterer og strømliner bedriftsdata, så AI-agenter og LLM-drevne assistenter kan behandle dem effektivt, mens den agronomiske og geospatiale kontekst bevares.

GeoPard MCP omdanner også AI-genererede indsigter tilbage til handlingsrettede resultater, herunder anbefalingskort og strategier for variabel tildeling.

{% @arcade/embed url="<https://app.arcade.software/share/rc1JfabDJ6Fge2X9CZSw>" flowId="rc1JfabDJ6Fge2X9CZSw" %}

## Funktioner

* Forbind dine GeoPard-bedriftsdata med MCP-kompatible AI-agenter og assistenter.
* Bevar den agronomiske og geospatiale kontekst, så AI kan ræsonnere mere præcist over markdata.
* Hent markdata og datasætstatistik til analyse og anbefalinger.
* Omsæt AI-genererede indsigter til handlingsrettede resultater, herunder anbefalingskort og strategier for variabel tildeling.

Se [GeoPard MCP-funktioner](/geopard-tutorials/dnk/produktguide-webapp/geopard-mcp/geopard-mcp-funktioner.md) for den fulde funktionsreference.

## Hvem det er til

* Agronomer, der ønsker hurtigere og mere ensartede digitale agronomiske arbejdsgange.
* Landmænd og avlere, der ønsker hurtigere fortolkning af markforhold og klarere næste skridt.
* Landbrugsteams, der vil skalere ekspertisen ud på flere marker med AI-assisteret analyse.

## Anvendelsesområder

1. Analyser jordkomprimering og fastlæg [Optimal jordbearbejdningsdybde](/geopard-tutorials/dnk/produktguide-webapp/geopard-mcp/optimal-jordbearbejdningsdybde.md).
2. [Forklar vegetationsmønstre](/geopard-tutorials/dnk/produktguide-webapp/geopard-mcp/forklar-vegetationsmonstre.md) på tværs af marker.
3. [Opdag afvigelser i udbyttedatasæt og igangsæt datarensning og kalibrering](/geopard-tutorials/dnk/produktguide-webapp/geopard-mcp/rens-og-kalibrer-udbyttedata.md).

## Forretningsværdi

* Reducerer manuel fortolkning af mark- og datasætinformation.
* Fremskynder agronomisk beslutningstagning.
* Hjælper teams med mere konsekvent at gå fra rå data til operationelle anbefalinger.

## Kom i gang

1. [Forbind GeoPard MCP](/geopard-tutorials/dnk/produktguide-webapp/geopard-mcp/forbind-geopard-mcp.md) til Claude, ChatGPT, Cursor og andre MCP-klienter.
2. [Sørg for, at GeoPard MCP-forbindelsen er aktiv](/geopard-tutorials/dnk/produktguide-webapp/geopard-mcp/verificer-geopard-mcp-forbindelsen.md) før du udfører nogen handlinger.
3. Når du er forbundet, kan du køre arbejdsflows på markniveau.

Start med forbindelse og verifikation, og udforsk derefter markklare AI-arbejdsgange. Flere GeoPard MCP-arbejdsgange og integrationer vil blive tilføjet over tid.


---

# Agent Instructions
This documentation is published with GitBook. GitBook is the documentation platform designed so that both humans and AI agents can read, navigate, and reason over technical content effectively. Learn more at gitbook.com.

## Querying This Documentation
If you need additional information that is not directly available in this page, you can query the documentation by asking a question.

Perform an HTTP GET request on the following URL with the `ask` and `goal` query parameters:

```
GET https://docs.geopard.tech/geopard-tutorials/dnk/produktguide-webapp/geopard-mcp.md?ask=<question>&goal=<user_goal>
```

`ask` is the immediate question: it should be specific, self-contained, and written in natural language.
`goal` is what the user is ultimately trying to achieve, the reason they need the answer. Sharing it helps GitBook give you a better, more relevant answer. A goal is most helpful when it describes the outcome the user wants rather than restating the question. For example, with `ask=how do I create an API token`, a goal like `automate deployments from our CI pipeline` lets GitBook tailor the answer to that use case.

The response will contain a direct answer to the question and relevant excerpts and sources from the documentation.

Use this mechanism when the answer is not explicitly present in the current page, you need clarification or additional context, or you want to retrieve related documentation sections.