So verbinden Sie Snowflake mit Claude / Cursor über MCP (Snowflake MCP Server-Einrichtung)

Sehen Sie alles, was Query Streams über diesen Leitfaden hinaus leisten können Startet kostenlos

Unterstützt

+mehr

Live-Daten

Ersetzen Sie Exporte durch On-Demand-SQL

Excel Blätter

BI & KI-Analytik

Fragen Sie Nova und erhalten Sie SQL + Diagramme

Treffen mit Nova

REST-API für Datenbanken

Ein Schlüssel pro Partner. Zugangsdaten werden nicht weitergegeben.

Erstellen Sie eine API

+mehr

Automatisierung

Geplante Synchronisierung mit 6+ Plattformen

Erkunden Sie

+mehr

API zu SQL

Abfrage von APIs mit SQL, ohne Code

Erkunden Sie

+mehr

KI-Datenbank MCP

Claude, Cursor, ChatGPT & Grok sprechen mit Ihren Daten

Connect AI

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 die Einrichtung des Snowflake MCP-Connectors, damit Ihr KI-Tool Fragen zu Ihrem Snowflake-Data-Warehouse in einfacher Sprache beantworten kann – z. B. zu Multi-Datenbank-Analysen, Kundenkohorten, Umsatzaggregationen, Zeitreisevergleichen und semistrukturierten Daten. VARIANTE Traversierung – ohne dass Sie CSV-Exporte aus Snowsight, DBeaver oder DataGrip kopieren und einfügen müssen. Weitere Informationen finden Sie unter QueryStreams.com. und kostenlos anmelden Beginnen Sie damit, Ihrem KI-Tool echte Snowflake-Fragen zu stellen.

Was bietet Ihnen Query Streams MCP für Snowflake?

Snowflake liefert seine eigenen KI-Oberflächen aus — Cortex-Agenten Für KI-Workloads innerhalb von Data Warehouses sowie für Snowflake MCP-Server von Community- und Partnern, die Claude oder Cursor direkt auf ein Snowflake-Konto verweisen, gibt es verschiedene Lösungen. Sie funktionieren, aber jede bietet unterschiedliche Vorteile. Cortex Agents halten die KI-Workload innerhalb der Snowflake-Rechenressourcen (nur Snowflake-Daten, nur Snowflake-seitige semantische Modelle). Direkte Snowflake MCP-Server benötigen entweder ein öffentlich erreichbares Snowflake-Konto oder eine VPN-/PrivateLink-Verbindung zwischen dem LLM und Snowflake. Der Snowflake MCP-Server von Query Streams löst ein umfassenderes Problem: ein Netzwerk-Agent nur für ausgehende Verbindungen, ein einziger Schlüssel für mehrere Konnektoren (Snowflake plus Postgres, Stripe und HubSpot – alles unter einem MCP-Konfigurationsblock), schreibgeschützte Zugriffe auf Agentenebene und ein vollständiges Audit-Trail. Wir werden den Vergleich weiter unten detailliert erläutern; zunächst die Grundlagen.

Wie es funktioniert, ohne Firewall-Ports zu öffnen

Der Query Streams Network Agent wird einmalig auf einem Rechner installiert, der Ihr Snowflake-Konto über ausgehendes HTTPS erreichen kann. *.snowflakecomputing.com, führt SQL über den offiziellen Snowflake-Treiber unter Verwendung der von Ihrem Konto bevorzugten Authentifizierungsmethode aus (RSA-Schlüsselpaar empfohlen) und stellt eine ausgehende TLS-Verbindung zur Cloud her – es werden niemals eingehende Daten offengelegt, und das KI-Tool sieht niemals Ihre Snowflake-Konto-URL oder Ihren privaten Schlüssel. wie die ausschließlich ausgehende Verbindung funktioniert →

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:

Warum Schema Intelligence Query Streams MCP anders macht

Die meisten „MCP for Snowflake“-Server stellen Ihrem KI-Tool lediglich die grundlegenden Funktionen zur Verfügung. INFORMATIONSSCHEMAsodass der LLM raten muss, was STATUS = '3' bedeutet, was EREIGNISSE.NUTZLAST hält unter seiner VARIANTE Verpackung oder ob LINE_ITEMS.ORDER_ID verbindet sich mit ORDERS.ID (Snowflake-Fremdschlüssel sind Empfehlungen, sie werden nicht erzwungen) – deshalb ist die erste SQL-Abfrage gegen ein einfaches Warehouse-Schema in der Regel falsch. Warum das bloße Schema LLMs zum Raten zwingt →

Query Streams MCP gibt dasselbe Schema angereichert zurück mit Schema Intelligence (SI) — KI-gestützte Metadaten, die durch die Profilerstellung Ihrer Daten generiert werden tatsächliches Snowflake-Daten, daher jedes Schema-Tool (qs_get_connector_schema, qs_get_table_schema, qs_profile_table, qs_get_relationships) gibt das reine Schema plus warehousespezifische Hinweise zurück, STATUS ist ein fünfwertiger Enum, EREIGNISSE.NUTZLAST ist ein VARIANTE mit auffindbaren Dickdarmpfaden wie :user_id::STRINGund Zeitreiseanfragen können verwendet werden AT(OFFSET => -3600)Der LLM hört auf zu raten.

Um das zu verdeutlichen, hier ist, was der KI-Client von einem einzelnen qs_get_table_schema Aufruf an ein typisches Snowflake-Analytics-Warehouse (ANALYTICS_DB.PUBLIC.ORDERS, LINE_ITEMS, KUNDEN, PRODUKTE, VERANSTALTUNGEN) — zuerst ohne Schema Intelligence, dann mit.

Die sechs Ebenen der Schema Intelligence fügen hinzu

Jede Ebene behandelt eine Frageklasse, die das LLM sonst nur vermuten würde. Der optionale SI-Profiling-Durchlauf wird auf Ihren Snowflake-Daten ausgeführt, ohne Ihr Schema zu ändern – und da das Profiling wie jede Leseabfrage Snowflake-Rechenressourcen verbraucht, verwendet der Agent ein kleines Data Warehouse und berücksichtigt Ihre Einstellungen zur Data-Suspendierung. Was Schema Intelligence bietet und wie sie aktuell bleibt →

Gleiche Eingabeaufforderung, unterschiedliches SQL

Der Beweis liegt im SQL-Code, den das KI-Tool tatsächlich schreibt. Dieselbe Cursor-Sitzung, dasselbe Claude-Modell, dieselbe Eingabeaufforderung – „Welche Kundengruppe hat in den letzten 30 Tagen die Top 10 der umsatzstärksten Kunden belegt?“ Ohne Schema Intelligence muss das LLM Snowflake-spezifische Idiome erraten. Mit ihr kennt das LLM sie.

Abfrage von Streams MCP vs. Snowflake Cortex Agents und Snowflake MCP-Servern

Snowflake liefert seine eigenen KI-Oberflächen für Lagerdaten. Snowflake Cortex Agents Führen Sie KI-Workloads innerhalb der Rechenkapazität von Snowflake aus, mit semantischen Modellvorlagen und direktem Zugriff auf Ihre in Snowflake gespeicherten Daten. Direkte Snowflake MCP-Server (Community-Projekte, einschließlich der eigenen von Snowflake Labs) verweisen Claude oder Cursor auf ein Snowflake-Konto anstatt auf den offiziellen Snowflake-Treiber. Beide funktionieren. Beide sind für manche Teams geeignet. Query Streams' Snowflake MCP löst ein anderes Problem – ausschließlich ausgehende Verbindungen, mehrere Konnektoren, Agentenebene erforderlich – und es ist ratsam, die jeweiligen Einsatzmöglichkeiten zu kennen, bevor man sich für eine Lösung entscheidet.

Sowohl Cortex Agents als auch Query Streams MCP sind gültige Antworten – sie existieren nebeneinander. Wählen Snowflake Cortex Agents Wenn die KI-Verarbeitung vollständig innerhalb der Snowflake-Rechenressourcen auf Snowflake-eigenen Daten stattfindet und Sie die KI-Workload im selben Rechenzentrum wie das Data Warehouse platzieren möchten, wählen Sie eine direkter Snowflake MCP-Server Wenn Sie Claude oder Cursor nur für ein einziges Snowflake-Konto benötigen, die Netzwerkexposition für Sie akzeptabel ist und der Konfigurationsaufwand pro Konto in Ordnung ist, wählen Sie Query Streams MCP Wenn das KI-Tool auch Ihre Postgres-, Stripe-, HubSpot-CRM- oder Shopify-Bestellungen über eine einzige Zugriffsebene lesen muss – oder wenn die Protokollierung und die Durchsetzung des Schreibschutzes auf Agentenebene aus Compliance-Gründen unerlässlich sind –, setzen viele Teams sowohl Cortex Agents (für KI-Workflows im Data Warehouse) als auch Query Streams MCP (für systemübergreifende KI-Tools) auf demselben Snowflake-Konto ein; es gibt keine Überschneidungen.

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

Die JSON-Konfiguration kann komplett übersprungen werden: Nova AI ist in das Query Streams-Webportal integriert. und stellt die gleichen Fragen in einfacher Sprache über Ihren Snowflake-Connector sowie jeden anderen Connector in Ihrem Konto – derselbe Agent, dieselbe Schreibschutz-Erzwingung, dieselbe Schema Intelligence, keine MCP-Verbindung.

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 Rechner installiert, der Ihr Snowflake-Konto über ausgehendes HTTPS erreichen kann – siehe Laden Sie den Query Streams Agent herunter.Für eine optimale Leistung sollte sich der Agent in derselben Cloud/Region wie Ihr Snowflake-Konto befinden (z. B. eine EC2-Instanz in derselben AWS-Region wie ein Snowflake-on-AWS-Konto).
3. Ein Snowflake-Connector, der für die Agenten-Konto-URL konfiguriert ist (account.region.cloud.snowflakecomputing.com), Standardlager und Anmeldeinformationen. Die Schlüsselpaar-Authentifizierung (RSA) wird empfohlen. Über Benutzername/Passwort; der Agent speichert den verschlüsselten privaten Schlüssel, und das KI-Tool greift niemals darauf zu. Die Snowflake-Benutzerrolle benötigt nur SELECT auf den Datenbanken, die die KI abfragen soll.
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.

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. Sie ist besonders für Snowflake-Projekte geeignet, da… VARIANTE Die Erkennung von Doppelpunkten, die Enumerationserkennung und die implizite Fremdschlüsselinferenz basieren alle darauf – Warehouse-Schemas deklarieren selten erzwungene Fremdschlüssel.
• 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 mein Snowflake-Data-Warehouse analysiert, sind alle drei Bereiche geeignet. Wenn Sie einen Schlüssel an ein Teammitglied oder einen weniger vertrauenswürdigen Kunden weitergeben, sollten Sie den Bereich „Schlüssel“ verwenden. 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/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_config.json

// Einstellungen → Entwickler → Konfiguration bearbeiten
{
  "mcpServers": {
    "Querystreams": {
      "URL": "https://mcp.querystreams.com",
      "Überschriften": {
        "X-MCP-Key": "qsmcp_PASTE_KEY_HERE"
      }
    }
  }
}

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 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 Snowflake-Connector zusammen mit allen anderen von Ihnen konfigurierten Komponenten zurück.

Schritt 3: Stelle der KI eine Snowflake-Frage

Sie schreiben kein SQL – das übernimmt die KI. Sie stellen eine Frage, die KI wählt das passende MCP-Tool aus, der Agent führt die Abfrage in Ihrem Snowflake-Data-Warehouse aus, und die Antwort wird als Text und Tabellen zurückgegeben. Drei Beispiel-Abfragen zum Ausprobieren:

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.

Häufig gestellte Fragen

Los geht's!

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, Snowflake, Data Warehouse, Enterprise, Snowflake Cortex, Cortex-Agenten, Schlüsselpaar-Authentifizierung, Analytik

Meta-Beschreibung: Verbindet Snowflake über Query Streams MCP mit Claude oder Cursor. Ausgehender, schreibgeschützter Datenverkehr, Multi-Connector. Einrichtung in 5 Minuten.