Kategorien anzeigen

So verbinden Sie Microsoft Access mit Claude / Cursor über MCP (Microsoft Access MCP-Server-Setup)

24 Minuten Lesezeit

MCP-SERVER MICROSOFT ACCESS

Abfragen in Microsoft Access mit Claude oder Cursor via MCP.

Stellen Sie Fragen in einfacher Sprache zu Ihren Microsoft Access-Daten — .accdb und .mdb Dateien, Kunden, Bestellungen, verknüpfte Tabellen – über eine sichere, ausschließlich ausgehende Cloud-Verbindung, wobei Schema Intelligence in den Microsoft Access MCP-Connector integriert ist, sodass die KI beim ersten Versuch korrekten Jet/ACE-SQL schreibt.

Keine Firewall-Lücken Ein Schlüssel, jeder Stecker Live-Daten, keine Cache-Verzögerung Bringen Sie Ihr eigenes KI-Tool mit.

Query Streams ist eine sichere Echtzeit-Datenintegrationsplattform, die jede Datenbank und SaaS-API Ihres Kontos in Claude, Cursor, ChatGPT und Grok integriert – und zwar über einen einzigen MCP-Schlüssel ohne Änderungen an der Firewall. Diese Anleitung beschreibt detailliert die Verkabelung des Microsoft Access MCP-Connectors, damit Ihr KI-Tool Fragen in einfacher Sprache beantworten kann. .accdb und .mdb Daten – Kunden, Bestellungen, Positionen, verknüpfte Tabellen, Ad-hoc-Verknüpfungen und Aggregationen – ohne dass Sie CSV-Dateien aus Access exportieren oder sich mit dem Navigationsbereich herumschlagen müssen. Weitere Informationen finden Sie unter QueryStreams.com. und kostenlos anmelden Beginnen Sie damit, Ihrem KI-Tool echte Microsoft Access-Fragen zu stellen.

Was bietet Ihnen Query Streams MCP für Microsoft Access?

Andere „Microsoft Access MCP“-Server im Open-Source-Bereich verbinden das KI-Tool direkt mit einem einzigen .accdb oder .mdb Dateipfad. Das funktioniert zwar, bindet den KI-Client aber an einen einzelnen Rechner, bietet keine Möglichkeit zur Bereichs- oder Ratenbegrenzung und protokolliert nicht, was die KI tatsächlich angefordert hat. Der Query Streams MCP-Server für Microsoft Access löst ein umfassenderes Problem: Ein einziger Schlüssel, alle Konnektoren, vollständige Protokollierung – und das KI-Tool sieht weder den Dateipfad noch die zugrunde liegende Verbindungszeichenfolge.

Null eingehende Firewall-Lücken

Der Netzwerkagent öffnet eine einzige verschlüsselte Cloud-Verbindung zu Query Streams. Ihr KI-Client verbindet sich mit der Cloud, niemals mit Ihrer Microsoft Access-Datei oder dem Host-Rechner. Es muss kein Port geöffnet, keine Dateifreigabe freigegeben, kein VPN verwendet und kein SharePoint- oder OneDrive-Backend öffentlich zugänglich gemacht werden.

Ein Schlüssel, jeder Stecker

Derselbe MCP-Schlüssel erreicht jede Datenbank und SaaS-API, die mit Ihrem Konto verbunden ist. Fügen Sie morgen einen Stripe- oder PostgreSQL-Connector hinzu, und das KI-Tool erkennt ihn neben Ihren Microsoft Access-Tabellen, ohne dass Sie die Daten erneut eingeben müssen.

Schema Intelligence integriert

Die KI erkennt KI-generierte Beschreibungen, semantische Typen, Enum-Wertelisten und ermittelte Fremdschlüssel für jede Microsoft Access-Spalte – nicht nur die vom ACE OLEDB/Jet-Treiber zurückgegebene Tabellenliste. Sie generiert auf Anhieb korrektes Jet-SQL, selbst für ältere Access-Datenbanken mit kryptischen Feldnamen und Tabellennamen in Klammern. [Bestelldetails].

Schreibgeschützter Zugriff wird vom Agenten erzwungen

Selbst ein halluzinierender LLM kann das nicht ausstellen LÖSCHEN, AKTUALISIEREN, oder FALLEN über Query Streams MCP. Der Netzwerkagent weist alles zurück, was nicht SELECT, MIToder eine Transformations-/Select-Abfrage, bevor der ACE OLEDB-Treiber die SQL-Anweisung überhaupt sieht.

Ratenbegrenzungen pro Tastendruck

Standardmäßig werden 60 Anfragen und 10 Ausführungsaufrufe pro Minute verarbeitet, die Anzahl ist pro Schlüssel konfigurierbar. Eine außer Kontrolle geratene Schleife von KI-Tool-Aufrufen führt zu einem Token-Speicher, nicht zu einer Sperre Ihrer Access-Datei oder dem Rechner, auf dem der Agent ausgeführt wird.

Wie es funktioniert, ohne Firewall-Ports zu öffnen

Der Query Streams Network Agent ist ein kleines Programm, das Sie einmalig auf einem Windows-Rechner installieren und das auf Ihre Microsoft Access-Datei zugreifen kann – egal ob Laptop, Desktop-PC, Dateiserver oder Windows-VM. .accdb oder .mdb Lives, plus die Microsoft Access Database Engine / ACE OLEDB Redistributable. Der Agent öffnet die Datei über den ACE OLEDB / Jet-Provider, sodass das KI-Tool weder Ihren Dateipfad noch Ihre Anmeldeinformationen für verknüpfte Tabellen einsehen kann. So funktioniert der Agentenlink für ausgehende Anrufe →

KI-Client

Cursor, Claude,
ChatGPT, Grok

QS MCP Server

Streamable HTTP
X-MCP-Schlüssel-Authentifizierung

Netzwerk-Agent

In Ihrem Netzwerk
Cloud-Verbindung

Microsoft Access-Datenbank

.accdb- / .mdb-Datei
vom Agenten geöffnet

Kein eingehender Port erforderlich – der Agent wählt aus, niemals umgekehrt.

Die MCP-Taste, die Sie Cursor oder Claude geben, hat einen Gültigkeitsbereich (lesen / analysieren / ausführen), jederzeit widerrufbar und pro Schlüssel ratenbegrenzt. Das KI-Tool ruft diese MCP-Tools auf, um seine Arbeit zu erledigen:

querystreams-mcp · Werkzeugkatalog
qs_list_organizationslesen
Gibt die an den aufrufenden Schlüssel gebundene Organisation zurück.
qs_list_agentslesen
Listet Netzwerkagenten und Online-Status auf.
qs_list_connectorslesen
Listet Datenkonnektoren auf (ein Eintrag pro Datenbankserver oder API).
qs_get_connector_schemalesen
Gibt die Microsoft Access-Tabellen und -Spalten zurück, die die KI abfragen kann (eine logische „Datenbank“ pro registrierter Datenbank). .accdb / .mdb Datei), mit Schema Intelligence-Anreicherung, sofern verfügbar.
qs_profile_tableanalysieren
Beispielwerte, Verteilungen, Enum-Erkennung, semantische Typen – auf Anfrage.
qs_list_saved_querieslesen
Das Team vertraut auf vorgefertigte, parametrisierte SQL-Vorlagen. Die KI führt sie aus, ohne jemals den SQL-Code zu sehen.
qs_run_saved_queryausführen
Führt eine gespeicherte Abfrage aus durch Musterschlüssel mit optionalen Parameterüberschreibungen.
qs_run_queryausführen
Führt eine SELECT-Anweisung gegen einen Konnektor aus. Der schreibgeschützte Validator wird auf dem Agenten ausgeführt, bevor der ACE OLEDB-Treiber die SQL-Anweisung sieht.

Warum Schema Intelligence Query Streams MCP anders macht

Die meisten „MCP für Microsoft Access“-Server im Open-Source-Bereich liefern Ihrem KI-Tool dieselbe einfache Tabellenliste. MSysObjects Gibt einem Fremden. Feldnamen. Jet-Datentypen. Vielleicht ein Primärschlüssel. Der LLM muss raten, was. StatusID = 3 bedeutet, was Kunde Geschäfte oder ob [Bestelldetails].Bestell-ID verbindet sich tatsächlich mit Bestellungen.Bestell-ID (Access zeigt Beziehungen üblicherweise im Fenster „Beziehungen“ an, aber viele ältere Versionen .mdb Die Dateien stammen aus der Zeit davor oder wurden aus externen Quellen exportiert, ohne dass die Beziehungen erhalten blieben. Deshalb ist die erste SQL-Anweisung, die die meisten LLMs gegen ein einfaches Access-Schema schreiben, falsch – nicht weil der LLM schlecht ist, sondern weil ihm die notwendigen Daten fehlen, um korrekt zu sein.

Query Streams MCP gibt dasselbe Schema angereichert zurück mit Schema Intelligence (SI) — KI-gestützte Metadaten, die durch die Profilerstellung Ihrer Daten generiert werden tatsächliches Microsoft Access-Daten, sodass jedes Schema-Tool, das die KI aufruft, das reine Schema plus sechs Ebenen kuratierten Wissens zurückgibt und das LLM aufhört zu raten. Wie Schema Intelligence präzises SQL ermöglicht →

Um das zu verdeutlichen, hier ist, was der KI-Client von einem einzelnen qs_get_table_schema Aufruf an eine typische Microsoft Access Northwind-Datenbank (Kunden, Bestellungen, [Bestelldetails], Produkte) — zuerst ohne Schema Intelligence, dann mit.

Ohne Schema Intelligence Datenquelle: erfasstes Schema
// was der LLM sieht == TABELLE: Kunden == – Kunden-ID Text(5) [PK, NOT NULL] - Name der Firma Text(40) NOT NULL – Kontaktname Text(30) - Land Text(15) == TABELLE: Bestellungen == – Bestellnummer Long [PK, AutoNumber] – Kunden-ID Text(5) – Bestelldatum Datum/Uhrzeit – Versanddatum Datum/Uhrzeit – Fracht Währung == TABELLE: [Bestelldetails] == – Bestellnummer Long NOT NULL – Produkt-ID Long NOT NULL – Einzelpreis Währung NICHT NULL - Menge Ganzzahl NICHT NULL - Rabatt Einzelnes NOT NULL == TABELLE: Produkte == – Produkt-ID Long [PK, AutoNumber] – Produktname Text(40) – Produktkategorie Text(15) – Einheiten auf Lager Ganze Zahl Beziehungen: (keine Antwort vom ACE-Anbieter) si_recommendation: Zustand: „nicht_ausführen“ was_Sie_für_diesen_Aufruf_fehlen: – KI-erkannte Fremdschlüssel – Stichprobenwerte pro Spalte + Enum-Erkennung – Tabellen- und Spaltenbeschreibungen – Semantische Typklassifizierungen – Hinweis zur Kennzeichnung der Geschäftsdomäne: „Nur Typen, kein semantischer Kontext“
Mit Schema Intelligence Datenquelle: Schema-Intelligenz
// was der LLM sieht == TABELLE: Kunden [DIM, domain:customers] == „Kundenstammdaten im Northwind-Stil. Die Kunden-ID ist ein 5-stelliger alphanumerischer Code (ALFKI, ANATR, …).“ – Kunden-ID Text(5) [PK] Kennung - Name der Firma Text(40) org_name Beispiel: „Alfreds Futterkiste“, „Acme Corp.“ - Land Text(15) Ländercode (Aufzählung) USA (38 %) | Deutschland (12 %) | Vereinigtes Königreich (9 %) | Frankreich (8 %) | … == TABELLE: Bestellungen [FAKT, Domäne:Verkäufe] == „Eine Zeile pro Bestellkopfzeile. OrderDate ist das Datum der Bestellaufgabe; ShippedDate ist NULL, bis die Bestellung versandt wird.“ – Bestellnummer Long [PK, AutoNumber] Kennung – Kunden-ID Text(5) Kennung FK -> Customers.CustomerID (100% Übereinstimmung, Konfidenzintervall 0,99) – Bestelldatum Datum/Uhrzeit Datum_ISO Zeitraum: 04.07.2024 .. 01.05.2026 – Versanddatum Datum/Uhrzeit date_iso (nullable; ~12% NULL = nicht versendet) == TABELLE: [Bestelldetails] [FAKT, Domäne:Verkäufe] == „Eine Zeile pro Produkt pro Bestellung. Der Tabellenname in Klammern erhält den Platz. Umsatz = SUMME(Einzelpreis * Menge * (1 – Rabatt)).“ – Bestellnummer Lang Kennung FK -> Orders.OrderID (100% Übereinstimmung, Konfidenzintervall 0,99) – Produkt-ID Lang Kennung FK -> Products.ProductID (100% Übereinstimmung, Konfidenzintervall 0,99) – Einzelpreis Währung Währung - Menge Ganze Zahl Schalter == TABELLE: Produkte [DIM, domain:products] == – Produktname Text(40) text_content – Produktkategorie Text(15) Kategorie (Aufzählung) Getränke (16 %) | Süßwaren (13 %) | Milchprodukte (12 %) | … - Name varchar(200) Personenname == TABELLE: Produkte [DIM, domain:products] == – Name varchar(200) text_content – Artikelnummer varchar(64) Kennung Beispiel: ['QS-001-MINT','QS-014-DARK','QS-027-AMBER']

Die sechs Ebenen der Schema Intelligence fügen hinzu

SI ist optional. (Konnektor, Datenbank) Es wird ein Paar gebildet und als einmaliger Profiling-Durchlauf für Ihre Microsoft Access-Daten ausgeführt – es ändert weder Ihr Schema noch schreibt es in Ihre Daten. .accdb / .mdb Die Datei wird inkrementell aktualisiert, wenn sich Ihr Schema ändert. Mehr zu den sechs Schema Intelligence-Ebenen →

KI-generierte Beschreibungen

Eine leicht verständliche Beschreibung des Zwecks jeder Datenbank, Tabelle und jedes Felds – einmalig generiert und bei Schemaänderungen aktualisiert. Vertrauenswürdigkeitsbasiert; benutzerdefinierte Beschreibungen haben Vorrang.

Bestellungen: „Eine Zeile pro Bestellung“
Header; ShippedDate ist NULL
bis die Bestellung versandt wird.“

Tabellenklassifizierungen

Jede Tabelle ist mit FACT (Transaktionsereignisse), DIM (beschreibende Referenz) oder LOOKUP (kleine Codezuordnungen) sowie einer Geschäftsdomäne gekennzeichnet – Vertrieb, Personalwesen, SEO, Finanzen, Support und 14 weitere.

Bestellungen [FACT, domain:sales]
Kunden [DIM, domain:customers]

Semantische Typen pro Spalte

Achtzehn Datentypen – Währung, E-Mail-Adresse, Datum (ISO), Statuscode, Prozentwert, Rangposition, Kennung, URL, Personenname und mehr. Die KI generiert dialektkorrekten Jet/ACE-SQL-Code, der für jeden Datentyp geeignet ist.

Einzelpreis: Währung
Bestelldatum: date_iso
Firmenname: org_name

Beispielwerte aus realen Daten

Dem LLM werden zufällige Zeilen angezeigt, sodass er Muster erkennt, die kein Schema aufzeigen kann – Formatierungskonventionen, kodierte Werte, Abkürzungsstile und die tatsächliche Struktur Ihrer Zeichenketten.

KundenID: ['ALFKI', 'ANATR',
'ANTON', 'BERGS']

Enum-Erkennung mit Verteilungen

Spalten mit geringer Kardinalität (50 oder weniger unterschiedliche Werte, maximal 5 % der Zeilen eindeutig) werden ihrer vollständigen Werteliste mit Zeilenanzahl zugeordnet. Die KI berücksichtigt weder Groß- noch Kleinschreibung.

Produktkategorie: Getränke (16 %)
| Süßwaren (13 %) | Milchprodukte (12 %)
| Meeresfrüchte (11%) | …

Implizite Fremdschlüsselerkennung

Die Analyse von Datenüberschneidungen zwischen Tabellen findet Verknüpfungen, die im Fenster „Beziehungen“ nie erfasst wurden. Sie werden zusammen mit formalen Fremdschlüsseln und Konfidenzwerten gespeichert und zurückgegeben von qs_get_relationships.

[Bestelldetails].Bestell-ID ->
Bestellungen.Bestell-ID
(100% Überlappung, Konfidenzintervall 0,99)

Gleiche Eingabeaufforderung, unterschiedliches SQL

Der Beweis liegt im SQL-Code, den das KI-Tool tatsächlich schreibt. Dieselbe Cursor-Sitzung, dasselbe Claude-Modell, dieselbe Eingabeaufforderung – „Wer sind unsere zehn umsatzstärksten Kunden in diesem Jahr und welche Produktkategorien kaufen sie am häufigsten?“ Ohne Schema Intelligence muss das LLM raten. Mit ihr weiß das LLM die Wahrheit.

Ohne Schema Intelligence
— LLMs erster Versuch gegen das reine Schema: SELECT Name der Firma, SUMME(Einzelpreis) AS Einnahmen VON Kunden c, Bestellungen o, Bestelldetails od WHERE c.CustomerID = o.CustomerID UND o.OrderID = od.OrderID UND Versanddatum >= '2026-01-01' GROUP BY Name der Firma ORDER BY Einnahmen DESC; FEHLER: Die Tabelle „Order_Details“ ist nicht gültig. Der richtige Name enthält ein Leerzeichen: [Bestelldetails] Versanddatum ausgewählt (wann es versendet wurde, nicht (als es bestellt wurde) — falsche Semantik SUM(UnitPrice) ignoriert die Menge – falscher Umsatz keine Zeilenbegrenzung, gibt jeden Kunden zurück; Spalte Der Typ „Währung“ formatiert das falsche Format als „Gleitkommazahl“. Im Ergebnis ist keine Produktkategoriedimension vorhanden.
Mit Schema Intelligence
— LLMs erster Versuch mit aktiviertem SI: SELECT SPITZE 10 c.Firmenname, SUMME(od.UnitPrice * od.Quantity) AS Einnahmen, ERSTE(p.Produktkategorie) AS Topkategorie VON ((Kunden c INNERER VERBINDUNG Bestellungen o ON c.CustomerID = o.CustomerID) INNERER VERBINDUNG [Bestelldetails] od ON o.OrderID = od.OrderID) INNERER VERBINDUNG Produkte p ON od.ProductID = p.ProductID WHERE o.OrderDate >= DateAdd(„yyyy“, –1, Datum()) GROUP BY c.Firmenname ORDER BY SUMME(od.UnitPrice * od.Quantity) DESC; 10 Zeilen. Beim ersten Versuch richtig. FACT/DIM-Tags steuerten die 4-Tabellen-Join-Struktur FK-Erkennung verknüpft OrderID und ProductID [Bestelldetails] Die Klammerung erfolgte anhand von Beispieldaten. TOP N + DateAdd()/Date() = korrekter Jet/ACE-Dialekt Einzelpreis * Menge = Umsatz, nicht nur der Preis.
Sie möchten Schema Intelligence nicht ausführen? MCP funktioniert weiterhin – Schema-Tools liefern nur die grundlegenden Metadaten zurück, und jede fehlerhafte Antwort enthält eine si_recommendation Blockierung, die der KI genau mitteilt, was ihr fehlt, mit einer Option zur Aktivierung der Systemintegration mitten im Gespräch per Anruf. qs_request_si_analysisDie meisten Microsoft Access-Datenbanken sind klein (ein paar Dutzend Tabellen), daher ist ein erster SI-Scan in der Regel in weniger als 10 Minuten abgeschlossen. Wann Schema Intelligence aktivieren? →
Nova AI

MCP ist nichts für Sie? Versuchen Sie stattdessen Nova AI.

Die JSON-Konfigurationsdateien können komplett übersprungen werden. Nova AI ist direkt in das Query Streams-Webportal integriert. und beantwortet dieselben Fragen in einfacher Sprache über Ihren Microsoft Access Connector und jeden anderen Connector in Ihrem Konto hinweg, ohne dass eine Einrichtung oder ein separates Abonnement eines KI-Anbieters erforderlich ist.

Lernen Sie Nova AI kennen

Voraussetzungen

Bevor Sie beginnen, stellen Sie sicher, dass Sie Folgendes haben:

  1. Ein kostenloses Query Streams-Konto bei mein.querystreams.de.
  2. Der Query Streams Network Agent ist auf einem Windows-Rechner installiert, der Ihren Computer erreichen kann. .accdb oder .mdb Datei (plus die Microsoft Access Database Engine / ACE OLEDB Redistributable) — siehe Laden Sie den Query Streams Agent herunter..
  3. Ein für den Agenten konfigurierter Microsoft Access-Connector – siehe den vorhandenen Anschluss-Einrichtung Anleitungen für die Dateipfadeinstellungen. Der Agent verwaltet den Dateipfad sowie alle Datenbankpasswörter und Arbeitsgruppenanmeldeinformationen; das KI-Tool greift niemals darauf zu.
  4. Jeder MCP-fähige KI-Client. In diesem Leitfaden zeigen wir Cursor, Claude Desktop, ChatGPT und Grok; wenn Sie Windsurf, Zed, Continue, Cline, VS Code Copilot, Codex oder Goose verwenden, ist der Konfigurationsblock im Wesentlichen derselbe.
  5. Fünf Minuten.
Sie müssen den Agenten nur einmal einrichten. Derselbe Agent, der die Excel- und Google Sheets-Add-ons von Query Streams, den Web-Abfragegenerator und Nova AI steuert, dient auch MCP. Um MCP zu einem bestehenden Query Streams-Konto hinzuzufügen, wird lediglich ein Schlüssel generiert – der Agent und der Microsoft Access-Connector sind bereits aktiv.
1

Generieren Sie einen MCP-Schlüssel

vom /mcp Seite in Query Streams, prägen Sie einen Schlüssel mit den gewünschten Scopes.

2

Fügen Sie es Ihrem KI-Client hinzu.

Ein JSON-Ausschnitt für Cursor, Claude, ChatGPT oder Grok. Überall derselbe Schlüssel.

3

Eine Frage stellen

„Zeig mir die umsatzstärksten Kunden der letzten 30 Tage.“ – Die KI ruft die richtigen Tools auf, und Sie erhalten die Antwort.

Schritt 1: Generieren eines MCP-Schlüssels in Query Streams

Melden Sie sich bei Query Streams an und öffnen Sie die MCP-Seite (oder melden Sie sich zuerst an unter mein.querystreams.de und klicken Sie MCP (in der linken Navigation). Klicken Sie Schlüssel generierenGeben Sie dem Schlüssel einen einprägsamen Namen (etwa so etwas wie Cursor-Laptop oder claude-desktop), und wählen Sie die Gültigkeitsbereiche aus, die dieser Schlüssel haben soll:

  • lesen — Die KI kann Konnektoren durchsuchen und Schemata lesen. Für alles andere erforderlich.
  • analysieren Die KI kann Tabellenprofile erstellen und Beziehungen (Stichprobenwerte, Verteilungen, semantische Typen) erkennen. Dies ist optional, aber für Microsoft Access-Anwendungen dringend empfohlen, da das Verständnis der Datenstruktur und der Konventionen für Tabellennamen in Klammern wichtig ist, wenn der LLM Joins generiert.
  • ausführen — Die KI kann tatsächlich SQL ausführen. Ohne diese Fähigkeit kann die KI nur auf Schema-Metadaten zugreifen.

Für einen typischen Workflow, bei dem Claude meine Microsoft Access-Daten analysiert, sind alle drei Bereiche geeignet. Wenn Sie einen Schlüssel an einen Teamkollegen oder einen weniger vertrauenswürdigen Kunden weitergeben, sollten Sie den Bereich „Schlüssel“ entfernen. ausführen und lassen Sie sie nur stöbern. Sie können jeden Schlüssel jederzeit auf derselben Seite widerrufen; der KI-Client wird dies sehen. MCP_KEY_REVOKED Beim nächsten Aufruf wird die Verbindung sofort eingestellt. Es gibt keine Ausbreitungsverzögerung.

Kopieren Sie jetzt den Schlüssel – Query Streams zeigt ihn nur einmal an und speichert anschließend nur einen Hash. Falls Sie ihn verlieren, generieren Sie einen neuen. Der Schlüssel sieht folgendermaßen aus: qsmcp_ gefolgt von 48 zufälligen Zeichen, und das ist das, was Ihr KI-Client sendet. X-MCP-Schlüssel Anfrageheader.

Schritt 2: Fügen Sie Query Streams MCP zu Ihrem KI-Client hinzu

Die Konfiguration ist bei allen MCP-fähigen Clients gleich – ein MCP-Server-Einstiegspunkt, der auf … verweist. https://mcp.querystreams.com mit Ihrem Schlüssel im X-MCP-Schlüssel Kopfzeile. Wählen Sie unten Ihren Kunden aus.

Cursor
Cursor ~/.cursor/mcp.json
// Bearbeiten Sie ~/.cursor/mcp.json
{
  "mcpServers": {
    "Querystreams": {
      "URL": "https://mcp.querystreams.com",
      "Überschriften": {
        "X-MCP-Key": "qsmcp_PASTE_KEY_HERE"
      }
    }
  }
}
Claude Desktop
Claude Desktop claude_desktop_config.json
// Einstellungen → Entwickler → Konfiguration bearbeiten
{
  "mcpServers": {
    "Querystreams": {
      "URL": "https://mcp.querystreams.com",
      "Überschriften": {
        "X-MCP-Key": "qsmcp_PASTE_KEY_HERE"
      }
    }
  }
}
ChatGPT
ChatGPT Apps & Konnektoren
// Einstellungen → Apps & Konnektoren → MCP hinzufügen
Server-URL  https://mcp.querystreams.com
Authentifizierungsheader X-MCP-Schlüssel
Headerwert qsmcp_PASTE_KEY_HERE

// Erfordert einen kostenpflichtigen ChatGPT-Tarif.
// (Plus / Pro / Team / Enterprise).
Grok
Grok Remote MCP Tools
// Grok → Einstellungen → Werkzeuge
{
  "mcp_servers": [{
    "Name": "Querystreams",
    "URL": "https://mcp.querystreams.com",
    "auth_header": "X-MCP-Key",
    "auth_value": "qsmcp_..."
  }]
}

Starten Sie Ihren KI-Client neu. Beim nächsten Start erkennt er die acht oben aufgeführten Query Streams MCP-Tools und zeigt sie in seiner Werkzeugpalette an. In Cursor und Claude Desktop können Sie dies überprüfen, indem Sie Folgendes eingeben: „Verbindungen auflisten“ — die KI sollte anrufen qs_list_connectors und senden Sie Ihren Microsoft Access Connector zusammen mit allen anderen Konfigurationen zurück.

Schritt 3: Stellen Sie der KI eine Microsoft Access-Frage

Sie schreiben kein SQL – das übernimmt die KI. Sie stellen eine Frage, die KI wählt das passende MCP-Tool aus, und der Agent führt die Abfrage auf Ihrem System aus. .accdb / .mdb Die Datei wird angezeigt, und die Antwort wird als Text mit Tabellen zurückgegeben. Drei Beispielaufforderungen zum Ausprobieren:

„Zeigen Sie mir die umsatzstärksten Kunden der letzten 30 Tage.“
Kunden
Die KI wird anrufen qs_get_connector_schema um die Kunden, Bestellungen, [Bestelldetails], und Produkte Tabellen, dann qs_run_query mit WÄHLE DIE TOP 10 Beitritt Kunden zu Bestellungen zu [Bestelldetails] mit WHERE OrderDate >= DateAdd("d", -30, Date()), Informatik SUMME(Einzelpreis * Menge) Die Ergebnisse werden pro Unternehmen und in absteigender Reihenfolge angezeigt. Zusätzlich erhalten Sie eine schriftliche Interpretation – welche Kunden die Nase vorn haben, die durchschnittliche Bestellmenge und die geografische/kategoriebezogene Verteilung –, die die KI aus den Northwind-Daten abgeleitet hat.
„Bei welchen Produkten geht der Lagerbestand zur Neige?“
Bestandsaufnahme
Die KI nutzt das Bewusstsein der Schema-Intelligenz, dass Verfügbare Einheiten ist ein Zähler auf Produkte und schreibt SELECT TOP 20 ProductName, ProductCategory, UnitsInStock FROM Products WHERE UnitsInStock < ReorderLevel ORDER BY UnitsInStock ASC — oder, falls die Bestellmengen nicht erfasst werden, ein fester Schwellenwert wie Verfügbare Einheiten < 10Das Ergebnis ist eine übersichtliche Liste mit Produktname, Kategorie und verbleibender Menge, sortiert nach dem niedrigsten Bestand. Die KI gruppiert die Artikel mit dem größten Bestand typischerweise nach Kategorie (Getränke, Milchprodukte usw.) und kennzeichnet alle Artikel mit einem Bestand von null als dringende Nachbestellungsprioritäten.
„Liste der Bestellungen auf, die noch nicht versandt wurden.“
Betrieb
Die KI weiß dank Schema Intelligence, dass Bestellungen.Versanddatum ist nullbar (ca. 12 % NULL = nicht ausgeliefert), daher filtert es nach WHERE ShippedDate IS NULL und verbindet sich mit Kunden für den Firmennamen. Das Ergebnis ist SELECT o.OrderID, c.CompanyName, o.OrderDate, DateDiff("d", o.OrderDate, Date()) AS DaysOpen FROM Orders o INNER JOIN Customers c ON o.CustomerID = c.CustomerID WHERE o.ShippedDate IS NULL ORDER BY o.OrderDate — Normalerweise sortiert die KI die ältesten Bestellungen zuerst und kennzeichnet alle Bestellungen, die länger als 7 Tage offen sind. Eskalationen des Fulfillment-TeamsSie können tiefer ins Detail gehen, indem Sie fragen „Warum ist Auftrag 10248 noch offen?“ und die KI wird die einzelnen Positionen abrufen.

Wenn die KI zum ersten Mal ein Tool aufruft, kann Ihr Client eine Bestätigungsabfrage anzeigen, in der Sie um Ihre Zustimmung gebeten werden – dies ist der Standard-Zustimmungsprozess von MCP und keine Ergänzung von Query Streams. Nach der einmaligen Zustimmung kann die KI die weitere Kommunikation problemlos fortsetzen. Sie können die Zustimmung jederzeit in den Einstellungen Ihres Clients erneut aufrufen.

Ehrlicher Abrechnungshinweis: Die MCP-Nutzung wird auf Basis unkomprimierter Bytes abgerechnet.

Die Excel-Add-Ins von Query Streams, Google Sheets-Add-Ons, der Web-Query-Builder und Nova AI laufen alle über unsere komprimierte Cloud-Verbindung – wir messen und berechnen den Verbrauch. komprimierte Bytes gegen Ihren Datenbereich. Der MCP-Transport (Streamable HTTP gemäß der offiziellen MCP-Spezifikation) unterstützt keine zuverlässige durchgängige Komprimierung über alle Clients und zwischengeschalteten Proxys hinweg, daher messen und berechnen wir die Komprimierung individuell. unkomprimierte Bytes für MCP-Datenverkehr.

  • Was das bedeutet: Ein 1 MB großes Microsoft Access-Ergebnis-Set beansprucht über MCP etwa 1 MB Ihres Datenbereichs, im Vergleich zu etwa 150–250 KB über Excel/Sheets/Nova/den Abfrage-Generator. Eine aggregierte Abfrage mit 10.000 Zeilen, die über MCP als etwa 2 MB JSON ankommt, hätte über die Clients Excel/Sheets/Nova/den Abfrage-Generator etwa 300–400 KB LZ4-komprimierter Bytes umfasst. Gleiche Daten, unterschiedlicher Transport, unterschiedliche abrechnungsrelevante Größe.
  • Was dies nicht ist: Es handelt sich weder um einen Aufschlag noch um eine Strafe für die Verwendung von MCP. Wir leiten die tatsächlich übertragenen Bytes weiter. Die anderen Clients sind günstiger, da die Komprimierung bei diesen Transportprotokollen zuverlässig funktioniert; wir bestrafen Sie nicht für Ihre Protokollwahl, müssen aber die Kostenstruktur transparent darlegen.
  • Was Sie tun können: Bei sehr großen, wiederkehrenden Abfragen (z. B. Exporte von über 100.000 Zeilen) empfiehlt sich die Verwendung von Excel/Sheets/Nova. Für interaktive KI-Tool-Aufrufe (die typische Microsoft Access-Antwort mit 100–5.000 Zeilen, die in einen LLM-Kontext passt) ist MCP die richtige Wahl, und der Kostenunterschied liegt im Cent-Bereich.

Häufig gestellte Fragen

Muss ich Ports öffnen oder ein VPN einrichten, um dies zu nutzen? +
Keine eingehenden Regeln, Portweiterleitung, NAT-Durchleitung oder VPN. Der Netzwerkagent stellt eine ausgehende TLS-Verbindung (Port 443) her, und Ihr KI-Client erreicht... https://mcp.querystreams.com aus dem öffentlichen Internet – wenn ausgehendes HTTPS auf dem Agenten-Host funktioniert, funktioniert MCP. So funktioniert die Verbindung, die nur ausgehende Verbindungen zulässt →
Welche KI-Tools kann ich mit Query Streams MCP verwenden? +
Jeder Client, der das offene Model Context Protocol unterstützt – Claude Desktop, Claude Code, Cursor, ChatGPT (kostenpflichtig), Grok, Gemini CLI, Windsurf, Zed und über 500 weitere. Bringen Sie Ihr gewohntes KI-Tool mit; ein Wechsel ist nicht erforderlich. Vollständige Liste der unterstützten KI-Clients →
Kann ich einen MCP-Schlüssel widerrufen? +
Ja – drei unabhängige Not-Aus-Schalter (pro Taste vom /mcp Seite, pro Organisation über Planeinstellungen und Plattformebene), wobei keine der Optionen eine Datenbankpasswortrotation oder einen Agentenneustart erfordert. Mehr zur MCP-Schlüsselsicherheit →
Wie wird die MCP-Nutzung meinem Datenbereich in Rechnung gestellt? +
MCP-Ausführungsaufrufe werden aus demselben Datenbereichsbudget abgezogen, auf das auch Ihre Nutzung von Excel, Google Sheets, Web Query Builder und Nova AI bereits zugreift – ein einheitliches Verbrauchsbudget für alle Zugriffsmethoden. Die für MCP gemessene Größe ist unterschiedlich. Die anderen Kunden laufen über unsere komprimierte Cloud-Verbindung (wir stellen Ihnen die Kosten in Rechnung). komprimierte BytesMCP läuft über Streamable HTTP, welches die durchgängige Komprimierung nicht zuverlässig über alle Clients und Proxys hinweg unterstützt, daher berechnen wir dies separat. unkomprimierte BytesEin 1 MB großes Ergebnis aus Microsoft Access, das in Excel importiert wird, beansprucht in der Regel ca. 150–250 KB Ihrer Daten; dasselbe 1 MB große Ergebnis, das über MCP in Cursor importiert wird, beansprucht ca. 1 MB. Wir legen Wert auf Transparenz, damit Sie von Anfang an Bescheid wissen und am Ende des Abrechnungszeitraums keine böse Überraschung erleben.
Funktioniert Query Streams MCP mit meinem .accdb / .mdb Datei? Wie sieht es mit verknüpften Tabellen in Access in SQL Server oder SharePoint aus? +
Ja – der Netzwerkagent verbindet sich über den Standard-Microsoft-Access-Datenbank-Engine-Provider (ACE OLEDB), der sowohl moderne Datenbanken als auch Datenbanken lesen kann. .accdb Dateien (Access 2007+) und ältere Formate .mdb Dateien (Access 97 / 2000 / 2002 / 2003) mit dem gleichen Verbindungstyp. Verknüpfte Tabellen werden transparent weitergeleitet: Wenn der LLM eine Access-Tabelle abfragt, die in Wirklichkeit eine verknüpfte SQL Server-, SharePoint-, dBASE- oder Textdateiquelle ist, verwendet der Agent das native Passthrough-Verhalten von Access, und Schema Intelligence erkennt das zugrunde liegende verknüpfte Schema. Tipp: jede .accdb / .mdb Die Datei ist ein separater Konnektor, sodass Sie mehrere Dateien registrieren können (z. B. inventory.accdb + crm.accdb + eine Ära aus dem Jahr 2003 legacy_orders.mdb) und der LLM wählt den richtigen anhand des Namens aus. Datenbankpasswörter, Arbeitsgruppensicherheit (system.mdw), und alle SQL-Server-Anmeldeinformationen hinter verknüpften Tabellen werden ausschließlich vom Agenten verwaltet – das KI-Tool sieht sie niemals. UNC-Pfade und gemeinsam genutzte Netzwerkverbindungen .accdb Die Dateien funktionieren, solange das Windows-Konto des Agenten über Lesezugriff verfügt. Microsoft 365 Access (die Desktop-App) und Access Runtime werden beide unterstützt; Access aus dem Microsoft Store funktioniert ebenfalls, sobald die ACE-Laufzeitumgebung installiert ist.
Worin unterscheidet sich das vom Betrieb eines Open-Source-Microsoft-Access-MCP-Servers in Eigenregie? +
Ein direkter Microsoft Access MCP-Server (Community-Projekte auf GitHub existieren) benötigt einen MCP pro Datei. Um Claude Zugriff auf Ihre Access-Datenbank, die Google Search Console, Ihr Stripe-Konto und Ihr Snowflake-Data-Warehouse zu ermöglichen, bräuchten Sie vier separat konfigurierte MCP-Server auf jedem KI-Client – jeder mit eigenen Anmeldeinformationen, eigenem Scope-Modell und eigenem Audit-Protokoll. Query Streams MCP hingegen benötigt nur einen Schlüssel, der alle mit Ihrem Konto verbundenen Konnektoren erreicht. Zusätzlich profitieren Sie von Schema Intelligence, der Durchsetzung von Schreibschutz auf Agentenebene, Ratenbegrenzungen pro Schlüssel und einem Audit-Protokoll. Ereignisprotokolleund die gleiche Abrechnungspipeline für den Datenbereich, die Sie bereits verwenden – all das bietet Ihnen ein direkter Microsoft Access MCP nicht.
Was passiert, wenn die KI versucht, Daten zu schreiben oder zu löschen? +
Es wird vom Agenten abgelehnt, bevor die Datenquelle die SQL-Anweisung sieht. Jedes Mal qs_run_query Der Aufruf wird von einem fest codierten, schreibgeschützten Validator analysiert, der nur SELECT, MIT, und ERKLÄREN Aussagen; alles andere gibt zurück READONLY_VIOLATION und erreicht niemals den ACE OLEDB-Treiber oder Ihren .accdb / .mdb Die Validierung erfolgt im Agentenprozess Ihres Netzwerks, nicht in der Cloud. Daher kann eine kompromittierte Cloud-Oberfläche sie nicht umgehen. (Zur Sicherheit können Sie zusätzliche Sicherheitsvorkehrungen auf Dateisystemebene treffen – markieren Sie die entsprechende Stelle.) .accdb (Datei auf NTFS-Ebene schreibgeschützt, dem Windows-Konto des Agenten NTFS-Leseberechtigungen erteilen oder die Arbeitsgruppensicherheit von Access nutzen, um dem Verbindungsbenutzer Leserechte zu gewähren – der Validator des Agenten ist unabhängig von der gewählten Methode.)
Kann ich sehen, was die KI tatsächlich gefragt hat? +
Ja. Jeder Aufruf des MCP-Tools schreibt eine Zeile in die Tabelle. Ereignisprotokolle mit Organisation, Benutzer, Schlüssel, Bereich, Latenz und Ergebniscode. Der Organisationsadministrator kann mit einer einzigen Abfrage die Frage beantworten: „Wer hat MCP letzte Woche verwendet, welchen Connector und welche Anfrage wurde gestellt?“ Beachten Sie, dass wir dies protokollieren. Werkzeugname und MetadatenNicht der SQL-Text oder die zurückgegebenen Zeilen – diese werden über die Cloud-Verbindung übertragen und landen nie in den Cloud-Protokollen. Wenn Sie eine vollständige SQL-Überwachung auf der Access-Seite wünschen, kann der Netzwerkagent selbst ein Protokoll jeder ausgeführten Anweisung pro Konnektor erstellen (eine agentenspezifische Einstellung). Dies lässt sich mit der Windows-Dateisystemüberwachung kombinieren. .accdb / .mdb Um nachzuverfolgen, wer die Datei sonst noch geöffnet hat, ist ein Pfad erforderlich. Microsoft Access verfügt im Gegensatz zu größeren Programmen nicht über ein serverseitiges Überwachungs-Plugin; daher ist dieser zweistufige Ansatz (Agentenprotokoll + Windows-Überwachung) die praktikable Alternative.
Muss ich Schema Intelligence ausführen, um Query Streams MCP verwenden zu können? +
NEIN - Schema Intelligence ist optional. (Konnektor, Datenbank) PaarMCP funktioniert auch ohne diese Funktion einwandfrei. Die KI erhält das Basisschema (Typen, Primärschlüssel, formale Fremdschlüssel, Indizes) und schreibt einfache Abfragen. Mit aktiviertem SI erhält die KI sechs zusätzliche Ebenen kuratierter Metadaten: (1) KI-generierte Beschreibungen zu jeder Datenbank, Tabelle und Spalte; (2) Tabellenklassifizierungen (FACT für Transaktionsereignisse, DIM für beschreibende Referenzen, LOOKUP für kleine Codezuordnungen) plus ein Geschäftsdomänen-Tag (Vertrieb, Personalwesen, SEO, Finanzen, Support und 14 weitere); (3) Ein semantischer Typ für jede Spalte (Währung, E-Mail, Datum_ISO, Statuscode, Prozentsatz, Rangposition, Kennung, URL, Personenname und 9 weitere), der die dialektkorrekte Jet/ACE-SQL-Generierung steuert (TOP) n, Datum() / DateAdd(), in Klammern gesetzte Tabellennamen, Währungsformatierung); (4) Stichprobenwerte aus Ihren realen Daten, damit das LLM Muster erkennt, die kein Schema aufzeigen kann; (5) Enum-Erkennung mit vollständigen Wertverteilungen für Spalten mit niedriger Kardinalität; und (6) KI-erkannte Fremdschlüssel basierend auf Datenüberschneidungen zwischen Tabellen, die durch qs_get_relationshipsOhne SI enthält jede Schema-Tool-Antwort auch eine si_recommendation Die Liste enthält genau, was für den Anruf fehlt – die KI kann dies lesen und anbieten, SI mitten im Gespräch auszulösen. qs_request_si_analysisDie Laufzeit skaliert mit der Tabellenanzahl: Eine kleine Datenbank mit weniger als 100 Tabellen ist in etwa 10 Minuten fertig; eine typische mittelgroße Datenbank (einige hundert Tabellen) in 15–25 Minuten; eine große Unternehmensdatenbank mit über 1.500 Tabellen kann für einen vollständigen Scan 45–60 Minuten benötigen. Die meisten Microsoft Access-Datenbanken liegen im unteren Bereich dieser Skala (einige Dutzend Tabellen), sodass SI in der Regel in unter 10 Minuten abgeschlossen ist. SI wird über Ihren Netzwerkagenten auf Ihren Daten ausgeführt (niemals in der Cloud) und schreibt niemals auf Ihre Datenbank. .accdb / .mdb Die Datei ändert Ihr Schema nie und wird bei Schemaänderungen inkrementell aktualisiert – daher sind nachfolgende Ausführungen nach dem Hinzufügen oder Ändern von Tabellen deutlich schneller als die erste. Der Gesamteffekt: Mit aktiviertem SI schreibt Ihr KI-Client viel häufiger beim ersten Versuch korrektes Jet/ACE-SQL als gegen einen „MCP für Microsoft Access“-Server, der dem LLM lediglich die Tabellenliste übergibt.
Was passiert, wenn ich später einen weiteren Konnektor hinzufüge, wie zum Beispiel Stripe oder PostgreSQL? +
Auf Clientseite ändert sich nichts – derselbe Schlüssel erreicht den neuen Konnektor, sobald der Agent ihn koppelt (qs_list_connectors (Wird automatisch erkannt). Ein Konfigurationsblock deckt Ihr gesamtes Konto ab, sowohl die aktuellen als auch die zukünftigen. Warum ein Schlüssel alle Anschlüsse abdeckt →
Muss ich MCP einrichten, nur um mit meinen Daten zu chatten? +
NEIN - Nova AI ist in das Query Streams-Portal integriert. Nova funktioniert mit allen Konnektoren (einschließlich Microsoft Access) ohne MCP-Einrichtung oder Konfigurationsdateien. Nutzen Sie Nova, um mit Ihren Daten in Query Streams zu kommunizieren; verwenden Sie MCP, wenn Ihr eigener KI-Client (Claude, Cursor, ChatGPT usw.) auf dieselben Daten zugreifen soll – derselbe Agent, dieselben Konnektoren, dieselbe zugrunde liegende Schema Intelligence. Erfahren Sie mehr über Nova AI →

Los geht's!

Verbinden Sie Ihr KI-Tool in fünf Minuten mit Ihren Microsoft Access-Daten.

Ein einziger MCP-Schlüssel ermöglicht den Zugriff auf Microsoft Access, alle anderen Datenbanken und alle API-Konnektoren Ihres Query Streams-Kontos – mit vollständiger Protokollierung, Ratenbegrenzungen pro Schlüssel und ohne Firewall-Änderungen. Claude, Cursor, ChatGPT und Grok sind sofort einsatzbereit.

Verwandte Leitfäden: Laden Sie den Query Streams Agent herunter. | Einrichtung des Datenbank-Connectors | Alle MCP-Server-Anleitungen | Nova AI Text-zu-SQL

Kategorie: MCP-Server

Schlagwörter: mcp, claude, Cursor, Microsoft Access, Datenbank, Office 365, Desktop-Datenbank

Metabeschreibung: Verbindet Microsoft Access (.accdb / .mdb) über Query Streams MCP mit Claude oder Cursor. Nur ausgehend, Einrichtung in 5 Minuten.

Aktualisiert am 16. Juni 2026

Angetrieben durch BetterDocs