Sondres KI-agent bestiller mat på Oda
– Men agenten får ikke frie tøyler, skriver Sondre Andersen. Slik bygget hobbyutvikleren en privat KI-agent som skal fjerne hverdagsfriksjonen for familien.
Publisert
Jeg er ikke utvikler. Det jeg er god på er å se behov, finne friksjon og få ideer til hvordan ting kan løses enklere.
Det siste halvannet året har jeg holdt mye på med vibe coding. Jeg har lært ved å bare teste, prøve, feile og prøve på nytt. Noen ganger fungerer ting overraskende bra, andre ganger ødelegger jeg noe som fungerte fem minutter tidligere.
Men det er også sånn jeg har lært mest.
Nylig brukte jeg tre kvelder på å bygge noe jeg har tenkt på lenge. En privat AI-agent som skal fjerne friksjon i hverdagen for familien.
Selve familieagenten ble bygget på under tre dager.
Middag og kjøkkenskap
Som mange andre kjøpte jeg en Mac mini og tenkte først at hele agenten skulle bo der. Underveis ble det mer naturlig å bygge en hybrid løsning mellom lokale verktøy og skytjenester.
Målet var ikke å lage enda en chatbot. Jeg ville ha en agent som faktisk kjenner arbeidsflytene våre, holder oversikt, tar initiativ, ber om godkjenning når det er nødvendig og utfører jobbene.
Den første store oppgaven jeg tok tak i var matinnkjøp.
Agenten hjelper oss med å planlegge middagene gjennom uka. Vi velger oppskrifter i vårt eget dashboard, og ingrediensene blir automatisk gjort om til handlebehov.
Vi har også laget et digitalt pantry. Der holder vi oversikt over basisvarer vi vanligvis har hjemme, som kaffe, pasta, melk, dopapir og lignende.
Når det begynner å bli lite av noe, blir det automatisk gjort om til et handlebehov. Pantryet henger dermed sammen med både ukesmenyen og maten som skal kjøpes inn.
Roser MCP-løsning
Alt samles i én intern handleliste. Men «melk» er jo ikke nødvendigvis ett bestemt produkt. Det kan være lettmelk, helmelk, laktosefri melk eller mange andre varianter.
Derfor får ikke agenten bare legge inn tilfeldig fritekst i handlekurven.
Hver ingrediens og hvert handlebehov må først matches mot en konkret vare hos Oda. Vi får opp bilde, produktnavn, pakning, pris og tilgjengelighet, og velger den varen vi faktisk ønsker.
Her må jeg virkelig skryte av Oda. De har laget en MCP-løsning som gjør det mulig for AI-verktøy å kommunisere med Oda på en strukturert måte. Det synes jeg er skikkelig fremoverlent og utrolig kult å kunne bygge direkte mot.
Når handlelisten er ferdig, får jeg oversikt over varene og prisen. Jeg trykker godkjenn, og agenten fyller Oda-kurven automatisk med det som mangler.
Jeg åpner deretter Oda, tar en siste kontroll og bekrefter levering og betaling.
Dagen etter kan maten stå på døra. Ingen butikkrunde. Ingen manuell handleliste. Ingen leting etter alle ingrediensene fra ukas oppskrifter. Nesten hele jobben frem til den siste kontrollen er automatisert.
Telegram som klient
Telegram fungerer som den mobile inngangen til agenten.
Der kan jeg blant annet be agenten finne en vare, se handlelisten og godkjenne at de valgte produktene legges i Oda-kurven.
Hvis jeg skriver at vi trenger Pepsi, søker agenten hos Oda og viser konkrete produkter direkte i Telegram. Først når jeg velger riktig produkt, blir det lagt i den interne handlelisten.
Det er et viktig prinsipp i løsningen.
Agenten skal gjerne gjøre mest mulig av jobben, men jeg ønsker fortsatt kontroll når den skal gjøre noe som har en faktisk konsekvens.
Derfor er godkjenning en del av selve systemet og ikke bare noe AI-en blir bedt om å huske.
Digigerer hytte-utleie
Mat er heller ikke det eneste vi bruker agenten til. Vi leier ut en hytte, og der går det fort mye tid til å følge med på bookinger, varsle familien, oppdatere kalender og holde vårt eget bookingsystem oppdatert.
Når en booking kommer inn, fanger agenten opp informasjonen og varsler oss på Telegram.
Etter godkjenning oppdaterer den kalenderen og vårt egenutviklede bookingsystem gjennom API-et vårt. Den samme flyten håndterer også endringer og kanselleringer.
Hver enkelt oppgave er kanskje ikke så stor. Men summen av alle disse små oppgavene og avbrytelsene blir mye friksjon i hverdagen. Det er akkurat den friksjonen jeg ønsker at agenten skal fjerne.
Løsningen er bygget med blant annet OpenAI, Codex, Telegram, Supabase, Netlify, n8n, Google Calendar og Oda MCP.
Telegram er den enkle inngangen på mobilen. Supabase holder på den interne tilstanden. Netlify kjører dashboardet og funksjonene, mens n8n brukes til enkelte avgrensede integrasjonsflyter.
En samarbeidspartner
Jeg har blitt skikkelig glad i Codex gjennom dette prosjektet.
For meg føles det ikke bare som et verktøy som skriver kode. Det fungerer mer som en samarbeidspartner som hjelper meg med å forstå problemene, utfordre løsningene, finne feil, teste og få ting helt ut i produksjon.
Jeg beskriver behovet, reglene og hvordan jeg vil at flyten skal fungere. Så jobber vi oss frem til løsningen sammen.
Det betyr ikke at alt fungerer på første forsøk. Absolutt ikke.
Men terskelen fra idé til noe som faktisk virker har blitt utrolig mye lavere. For oss som er gode på behov og ideer, men ikke har bakgrunn som utviklere, åpner dette helt nye muligheter.
Får ikke frie tøyler
Samtidig har jeg erfart at man må tenke nøye på sikkerhet og kontroll.
Agenten får ikke frie tøyler til å bestille varer eller endre eksterne systemer. Tilganger er avgrenset, hemmeligheter ligger på serversiden og viktige handlinger krever godkjenning.
Det er kanskje ikke den delen som ser kulest ut på en video, men det er det som gjør forskjellen mellom en morsom demo og noe familien faktisk kan bruke.
For meg er dette forskjellen på AI man chatter med, og AI som faktisk gjør jobben.
Og dette er bare starten. DETTE ER 2026! 🤖
Foretrekk oss i Google Discover
Ved å legge oss til som foretrukket kilde i Google vil du blant annet få opp flere av sakene våre i Google Discover. Tusen takk for støtten!
