Da Anthropic introduserte Model Context Protocol, lovet de å forenkle bruken av agenter. MCP gjør det mulig for en AI å forstå hvilke verktøy som står til rådighet: nettsøk, filredigering og e-postutarbeidelse for eksempel. Ti måneder senere analyserte vi 200 MCP-verktøy for å forstå hvilke kategorier utviklere faktisk bruker. Tre bruksmønstre har dukket opp fra dataene: Utviklingsinfrastrukturverktøy dominerer med 54 % av alle økter til tross for at de bare er halvparten av tilgjengelige servere. Terminaltilgang, kodegenerering og infrastrukturtilgang er de mest populære. Mens de koder, drar ingeniører nytte av muligheten til å sende til GitHub, kjøre kode i en terminal og starte opp databaser. Disse verktøyene effektiviserer arbeidsflyter og reduserer kontekstbytte. Informasjonsinnhenting fanger opp 28 % av øktene med færre verktøy, noe som viser høy effektivitet. Nettsøk, kunnskapsbaser og dokumentinnhenting er nøkkelaktører. Disse systemene brukes sannsynligvis mer i produksjon, på vegne av brukere, enn under utvikling. Alt annet, inkludert underholdning, personlig administrasjon, innholdsskaping, deler de resterende 18 %. Filmanbefalinger, oppgaveledere og Formel 1-tidsplaner fyller spesifikke nisjer. MCP-adopsjon er fortsatt tidlig. Ikke alle AI-er støtter MCP. Av de som gjør det, topper Claude, Claude Code, Cursor listen (allitterasjon i AI). Utviklerfokuserte produkter og tidlige tekniske brukere er flertallet av brukerne. Men etter hvert som forbrukernes bruk av AI-verktøy vokser og MCP-støtten utvides, bør vi forvente å se et mye større mangfold av verktøybruk.