Tilgængelighedstest via MCP: hvad AI-agenter kan i dag

Hvad MCP betyder for tilgængelighed

Model Context Protocol (MCP) er en åben standard udviklet af Anthropic, som lader AI-assistenter forbinde sig til eksterne værktøjer, API’er og datakilder på en standardiseret måde. I stedet for at en AI er begrænset til sine træningsdata, gør MCP ethvert værktøj, du kan beskrive, til noget en AI kan bruge efter behov — midt i en samtale, midt i en arbejdsgang, midt i en kodegennemgang.

For tilgængelighedstest er dette skift betydningsfuldt. Indtil for nylig krævede det at køre en tilgængelighedsscanning, at du forlod din editor, åbnede en browserudvidelse, navigerede til den rigtige URL, ventede på resultater og derefter fortolkede dem manuelt. MCP fjerner den friktion fuldstændigt.

Hvorfor tilgængelighed hører hjemme i AI-arbejdsgangen

Moderne udvikling er i stigende grad AI-assisteret. Udviklere skriver kode med AI-hjælp. Designgennemgange foregår i AI-drevne værktøjer. Dokumentation bliver skrevet i AI-chatgrænseflader. Deployment-pipelines overvåges med AI.

Tilgængelighed er imidlertid historisk blevet klistret på til sidst — en audit, der finder sted, efter et site er bygget, hvor omkostningen ved udbedring er højest. MCP ændrer dette ved at gøre det muligt at indlejre tilgængelighedstest på ethvert punkt i arbejdsgangen, ikke kun til sidst.

Når en AI-assistent kan kalde en tilgængelighedsscanner direkte, kan den:

• Fremhæve overtrædelser, mens du stadig er i gang med at skrive komponenten
• Blokere en merge request, hvis der findes kritiske problemer
• Inkludere et tilgængelighedsresumé i hver designgennemgang
• Teste igen efter hver deployment for at fange regressioner

Dette er ikke teoretisk. Det er, hvad der sker, når du forbinder en AI-kodeassistent til et MCP-aktiveret tilgængelighedsværktøj.

Sådan fungerer QualiBooths MCP-server

QualiBooth tilbyder allerede en MCP-server, som AI-assistenter — herunder Claude — kan forbinde sig til. Når forbindelsen er etableret, kan AI’en køre rigtige WCAG-tilgængelighedsscanninger mod enhver offentlig URL, modtage strukturerede resultater og fremhæve handlingsorienterede fund, uden at udvikleren nogensinde forlader sit værktøj.

En typisk interaktion ser sådan ud: en udvikler beder en AI-assistent om at gennemgå en netop udrullet staging-side for tilgængelighedsproblemer. AI’en kalder QualiBooths MCP-værktøj, sender URL’en videre og modtager en fuld overtrædelsesrapport — konsekvensniveauer, antal berørte elementer, henvisninger til WCAG-kriterier og vejledning i udbedring. AI’en præsenterer derefter fundene i kontekst, knyttet til den kode, udvikleren aktivt arbejder på.

Ingen browserudvidelse. Ingen separat fane. Ingen manuel kopiering og indsætning. Scanningen sker inde i arbejdsgangen.

Hvad scanningen dækker

QualiBooths MCP-server kører axe-core-drevne kontroller mod den live-renderede side — den samme motor, som tilgængelighedsspecialister bruger til professionelle audits. Resultaterne omfatter:

• Samlet tilgængelighedsscore (0-100) og risikoniveau for retssager
• Overtrædelser efter konsekvens: kritisk, alvorlig, moderat, mindre
• Vigtigste rettelser: de højest prioriterede problemer at tage fat på først, med antal berørte elementer og links til vejledning i udbedring
• Fuld axe-core-detalje for overtrædelser: til når du har brug for at grave dybere

Det betyder, at AI’en har den samme information, som en tilgængelighedsingeniør ville have — og kan ræsonnere om den i konteksten af jeres kodebase.

Hvad dette muliggør for teams

Teams, der forbinder QualiBooth til deres AI-værktøjer, får praktiske muligheder, som tidligere var besværlige at implementere.

Løbende tilgængelighedsovervågning. En AI-agent, der kører efter en tidsplan, kan tjekke hver side på jeres site efter hver deployment og rapportere regressioner, før brugerne støder på dem.

Kodegennemgang med blik for tilgængelighed. Når en AI-assistent gennemgår en pull request med UI-ændringer, kan den scanne preview-URL’en og inkludere tilgængelighedsfund sammen med sin kodefeedback.

Audit efter behov i CI/CD. En AI, der orkestrerer en deployment-pipeline, kan kalde QualiBooth midt i udrulningen, lade releasen fejle, hvis der findes kritiske overtrædelser, og sende fundene tilbage til udvikleren.

Lavere barriere for tilgængelighedsnybegyndere. Udviklere, der ikke er tilgængelighedsspecialister, kan bede AI’en forklare, hvad en overtrædelse betyder, hvorfor den har betydning for en bestemt brugergruppe, og hvordan den rettes — med scanningsresultaterne som kontekst.

WCAG-overensstemmelse i AI-assisteret udvikling

En risiko ved AI-assisteret udvikling er, at AI-værktøjer gengiver tilgængelighedsmønstre, der ser korrekte ud, men fejler i forhold til WCAG. Når en AI genererer en modal, en rullemenu eller en formular, er der ingen garanti for, at den genererede kode opfylder WCAG 2.2 niveau AA uden ekstern verificering.

At forbinde QualiBooth via MCP lukker dette kredsløb. AI’en genererer kode, AI’en scanner resultatet, AI’en retter det, den finder. Denne tætte feedbackcyklus — generér, test, udbedr, alt sammen i samme session — er, hvordan AI-assistance reelt kan forbedre frem for gradvist at udhule et sites tilgængelighedsniveau.

Det betyder også, at når tilgængelighedsproblemer faktisk dukker op i produktion, kan tiden fra opdagelse til rettelse skrumpe fra uger (ventetid på den næste planlagte audit) til minutter (AI’en finder det, forklarer det og retter det i samme arbejdsgang).

Kom i gang

QualiBooths MCP-server er tilgængelig nu. Hvis du allerede bruger Claude eller en anden MCP-kompatibel AI-assistent, kan du tilføje QualiBooth-værktøjet til din konfiguration og begynde at køre tilgængelighedsscanninger direkte fra din AI-arbejdsgang.

For teams, der vil videre — tilbagevendende scanninger, VPAT-udarbejdelse, manuelle ekspertgennemgange — bygger QualiBooths fulde platform på den samme tilgængelighedsmotor. Alt, hvad MCP-værktøjet fremhæver, kan eskaleres til en fuld auditopgave.

Spørgsmålet er ikke, om tilgængelighed hører hjemme i din AI-arbejdsgang. Det gør den, af samme grund som den hører hjemme overalt ellers: jo tidligere du fanger problemer, jo billigere er de at rette. MCP er vejen dertil.