Legacy REST-tjenester og AI-agenter
De fleste virksomheder sidder på et betydeligt lager af REST-tjenester, som allerede løser forretningskritiske opgaver: ordreopslag, lagerstatus, kundedata, fakturering. Problemet opstår, når man vil lade en AI-agent tale med de systemer. En agent forstår ikke automatisk et REST-endpoint. Den har brug for en beskrivelse af, hvad værktøjet gør, hvilke parametre det tager, og hvordan svaret skal fortolkes. Løsningen hedder et agentic overlay, og pointen er, at man ikke rører ved den underliggende tjeneste.
Hvad et agentic overlay konkret er
Et agentic overlay er et tyndt lag, der lægger sig oven på en eksisterende API og oversætter mellem to verdener: den verden, hvor et system kaldes med faste endpoints og skemaer, og den verden, hvor en AI-agent skal forstå formålet med et værktøj og selv beslutte, hvornår det giver mening at bruge det. For at forstå den anden verden, kan det være nyttigt at kende hvad en AI-agent grundlæggende er. Overlayet ændrer intet i backend-koden. Det tilføjer en beskrivelseslag ovenpå, typisk i form af strukturerede metadata om, hvad hvert endpoint gør, hvilke input det forventer, og hvilket output det leverer.
Det gør overlayet til en oversætter, ikke en erstatning. Forretningslogikken, databasekaldene og valideringsreglerne ligger fortsat i den originale tjeneste. Overlayet beskriver blot tjenesten på et sprog, en agent kan handle på.
Sådan bliver en REST-tjeneste til en AI-agent
Processen starter typisk med at kortlægge de eksisterende endpoints og deres kontrakt: hvilke parametre er påkrævede, hvilke er valgfrie, og hvad returneres ved success og fejl. Den kortlægning omsættes til en værktøjsbeskrivelse, som en agent kan læse og forstå uden menneskelig mellemled.
Dernæst tilføjes et lag med semantisk kontekst. Et endpoint, der hedder /orders/{id}, fortæller ikke ret meget i sig selv. En god værktøjsbeskrivelse forklarer, at dette endpoint henter ordredetaljer, inklusive status, leveringsdato og linjeposter, og at det bør kaldes, når en bruger spørger til en specifik ordre. Den slags kontekst er det, der gør forskellen mellem et API, som kun udviklere kan bruge, og et værktøj, en agent selv kan vælge at aktivere. Beslægtet er brugen af et selvlærende kontekstlag til agenter, som løser en lignende udfordring.
Sluttelig sættes autorisation og rate-limiting op i overlayet, så agenten aldrig får bredere adgang end den tjeneste, den kalder, allerede tillader. Det er en vigtig detalje: overlayet udvider ikke rettighederne i systemet. Det eksponerer blot eksisterende rettigheder på en ny måde.
REST API som MCP-værktøj uden at omskrive noget
Model Context Protocol, MCP, er blevet den de facto standard for, hvordan en AI-agent finder og bruger værktøjer. Et agentic overlay er i praksis det, der oversætter en klassisk REST-kontrakt til et MCP-værktøj. Overlayet eksponerer hvert relevant endpoint som et separat værktøj med en klar beskrivelse, et defineret input-skema og en forventet output-struktur, alt sammen uden at ændre en linje i den bagvedliggende service. Et konkret eksempel på dette mønster er MCP-servere oven på en eksisterende platform.
Det samme mønster gælder for Agent2Agent-protokollen, A2A, hvor flere agenter koordinerer opgaver indbyrdes. Her fungerer overlayet som den grænseflade, der lader en ekstern agent forstå, hvad jeres system kan bidrage med i en større arbejdsgang, uden at den eksterne agent nogensinde rører selve kildekoden.
Der er et nyt lag, der beskriver det gamle lag bedre.
Hvad det betyder for virksomheder med legacy-systemer
Den strategiske pointe er, at agent-parathed ikke kræver en modernisering af hele teknologistakken. Mange virksomheder har brugt år på at diskutere, om deres legacy-systemer skal udskiftes, før de kan drage nytte af AI. Det agentic overlay-mønster vender det spørgsmål om: man kan gøre eksisterende systemer nyttige for agenter først og udskyde den store modernisering, til den faktisk giver mening af andre grunde.
For tekniske beslutningstagere betyder det en lavere risikoprofil. Et overlay kan bygges, testes og rulles ud isoleret fra produktionstrafikken på den underliggende tjeneste. Går noget galt i overlayet, rammer det ikke kernesystemet. Det gør det muligt at eksperimentere med agent-adgang til kritiske systemer uden at sætte stabiliteten på spil.
Det betyder også, at investeringen i årtiers forretningslogik ikke går tabt. Den kode, der allerede håndterer komplekse regler om priser, lagerstyring eller kreditvurdering, forbliver den autoritative kilde. Overlayet gør den kode tilgængelig for en ny type bruger, nemlig en autonom agent, uden at man skal genopfinde reglerne et andet sted.