Tjänster
AI-agenter och LLM-integration
Dahlinius bygger in språkmodeller i era system: AI-agenter som utför arbete, MCP-servrar som ger modellerna kontrollerad tillgång till er data, och integrationer mot Azure OpenAI, Anthropic eller andra leverantörer. I er egen kod.
Vad vi bygger
Modeller från Anthropic, OpenAI via Azure och öppna modeller, valda efter krav på datahantering, kostnad och kvalitet.
- AI-agenter som anropar era verktyg och API:er, med bekräftelse där det får konsekvenser
- MCP-servrar som exponerar era system för valfri LLM på ett kontrollerat sätt
- LLM-integration i befintliga .NET-, Java- eller Python-system
- Sök över interna dokument med rätt behörigheter
- Utvärdering, loggning och kostnadskontroll
Så går det till
Vi börjar med ett konkret användningsfall, inte en strategi. Kort avstämning av data och behörigheter, sedan en fungerande prototyp i er kod inom några veckor.
Det som fungerar härdas: felhantering, utvärdering, loggning och driftsättning i Azure.
Erfarenhet
Skogsradar har en RAG-grundad assistent som svarar på frågor om användarens egen fastighet, med källhänvisning i varje svar. AgentPurge kör en egen MCP-server med över 16 verktyg och agentloopar över Anthropic, OpenAI, Gemini, Groq och Ollama. Båda är i drift idag.
Allt det här är byggt i våra egna produkter, där vi tagit besluten och driftat resultatet själva. I er miljö blir motsvarande Azure AI Foundry, Azure OpenAI eller Semantic Kernel, med striktare gränser.
Datahantering
Er data kan stanna i er miljö. Azure OpenAI i europeisk region, tydliga gränser för vad modellen får göra, loggning av varje anrop. Vad som får lämna miljön bestämmer ni, och det är första frågan vi ställer.
Vanliga frågor
Vilka LLM-leverantörer arbetar ni med?
Anthropic, OpenAI via Azure OpenAI och öppna modeller. Valet styrs av datahantering, kostnad och kvalitet.
Vad är en MCP-server?
En öppen standard, Model Context Protocol, som låter en språkmodell anropa verktyg och läsa data kontrollerat. Bygg integrationen en gång, byt modell fritt.
Kan ni bygga in AI i befintliga system?
Ja, och så föredrar vi att arbeta. I .NET, Java eller Python, i den kod ni redan har, hellre än något vid sidan om.
Hur hindrar man en agent från att göra fel?
Begränsa verktygen, kräv bekräftelse för handlingar med konsekvenser, logga allt och utvärdera mot riktiga fall innan den agerar själv.
Har ni ett användningsfall?
Beskriv det i några rader, så bedömer vi vad som är rimligt att bygga.