Stripe-Daten abfragen mit Claude oder Cursor über den Stripe MCP-Server.
Eine 5-minütige Stripe-MCP-Einrichtung ermöglicht es Ihrem KI-Tool, Fragen in natürlicher Sprache zu Ihren Kunden, Abonnements, Gebühren, Rechnungen und Rückerstattungen zu stellen. Der Query-Streams-Agent speichert die Stripe-API in einer lokalen DuckDB-SQL-Oberfläche zwischen, sodass das LLM echte Tabellen anstelle von REST-Endpunkten sieht. Schema Intelligence kümmert sich um die Stripe-spezifischen Besonderheiten (Betragsspalten in Cent, Live-Filterung, Statusaufzählungen, Metadatenvereinfachung), sodass die SQL-Abfrage auf Anhieb korrekt ist.
Fragen Sie Nova und erhalten Sie SQL + Diagramme
Treffen mit Nova
Ein Schlüssel pro Partner. Zugangsdaten werden nicht weitergegeben.
Erstellen Sie eine API
+mehr
Geplante Synchronisierung mit 6+ Plattformen
Erkunden Sie
+mehr
Abfrage von APIs mit SQL, ohne Code
Erkunden Sie
+mehr
Claude, Cursor, ChatGPT & Grok sprechen mit Ihren Daten
Connect AIQuery 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 führt Sie durch die Streifen-MCP Der Pfad ist so konfiguriert, dass Ihr KI-Tool Fragen zu Kunden, Abonnements, Gebühren, Rechnungen und Rückerstattungen in einfacher Sprache beantworten kann, ohne dass Sie CSV-Dateien aus dem Stripe-Dashboard exportieren oder REST-API-Paginierungsaufrufe in einem Skript verketten müssen. Der Netzwerkagent lädt Stripe-API-Daten in einen lokalen DuckDB-Cache, sodass das LLM saubere SQL-Oberflächen (Kunden, Abonnements, Gebühren, Rechnungen, Rückerstattungen, Auszahlungen) anstelle von rohen REST-Endpunkten sieht – wobei Geldspalten als gekennzeichnet sind. Währungs-Mindesteinheit USD Die KI teilt also Beträge automatisch durch 100 und meldet eine Belastung von 1.234,56 $ niemals als „123.456 $“. Weitere Informationen finden Sie unter QueryStreams.com. und kostenlos anmelden Beginnen Sie damit, Ihrem KI-Tool echte Stripe-Fragen zu stellen.
Was Ihnen der Query Streams Stripe MCP-Server bietet
Stripe bietet eine hervorragende KI-Oberfläche aus eigener Herstellung – die Stripe Agent Toolkit – wodurch KI-Agenten Lese- und Schreibzugriff auf Funktionsaufrufe der Stripe REST API erhalten, um Aktionen wie das Anlegen von Kunden, das Generieren von Checkout-Sitzungen, das Ausstellen von Rückerstattungen und das Kündigen von Abonnements durchzuführen. Das ist das richtige Werkzeug, wenn die KI Folgendes benötigt: Tun Dinge auf Stripes Seite. Der Query Streams Stripe MCP-Server löst ein ganz anderes Problem: ein Nur lesbare Analyseoberfläche Ihre Stripe-Daten werden als SQL-Abfrage bereitgestellt, mit demselben Audit-Trail und der gleichen Multi-Connector-Funktionalität wie bei allen anderen Query Streams MCP-Connectoren. Es gibt zwar auch andere Open-Source-Stripe-MCP-Wrapper auf GitHub, die meisten davon senden jedoch rohe Stripe-REST- oder Paginierungs-Cursor an den LLM, ohne SQL-Schnittstelle, ohne Cent-basierte Semantik und ohne Schreibschutz. Query Streams hingegen bietet Ihnen einen einzigen Schlüssel, alle Connectors, einen vollständigen Audit-Trail, der Agent normalisiert Stripe-API-Antworten in SQL-Schnittstellen, und das KI-Tool speichert niemals Ihre Stripe-API-Schlüssel.
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 Ihrem Stripe-Konto oder Ihrem Netzwerk. Es muss kein Port geöffnet, keine IP-Adresse auf die Whitelist gesetzt, kein VPN verwendet und kein Stripe-API-Schlüssel in der KI-Client-Konfiguration hinterlegt werden.
Ein Schlüssel, jeder Stecker
Derselbe MCP-Schlüssel wird an Stripe sowie an alle anderen Datenbanken und SaaS-APIs übermittelt, die mit Ihrem Konto verbunden sind. Fügen Sie morgen einen HubSpot- oder PostgreSQL-Connector hinzu, und das KI-Tool erkennt diesen automatisch neben Ihren Stripe-Daten, ohne dass eine erneute Eingabe erforderlich ist – Connector-übergreifende Joins wie „Stripe-Kunden mit CRM-Kontakten abgleichen“ werden zu einer einzigen SELECT-Anweisung.
Schema Intelligence integriert
Die KI erkennt KI-generierte Beschreibungen, semantische Typen (Währung in Cent, Statusaufzählungen, Live-Modus-Kennzeichnung, Metadatenvereinfachung), Beispielwerte und ermittelte Fremdschlüssel für jede Stripe-Tabelle – nicht nur für REST-Endpunkte. Sie generiert auf Anhieb korrektes SQL, einschließlich der Betrag / 100,0 Umwandlung und die Livemodus = wahr Filter, den Bare-Schema-LLMs nicht erkennen.
Schreibgeschützt aufgrund der Konstruktion
Selbst ein halluzinierender LLM kann keine Rückerstattung veranlassen, ein Abonnement kündigen, eine Checkout-Sitzung erstellen oder einen Kunden über Query Streams MCP aktualisieren. Der Netzwerkagent lehnt alles ab, was nicht SELECT, MIT, oder ERKLÄREN bevor es die zwischengespeicherten Stripe-Tabellen erreicht – und Stripe-Schreibvorgänge werden der MCP-Oberfläche von vornherein gar nicht erst zugänglich gemacht.
Ratenbegrenzungen pro Tastendruck
Standardmäßig werden 60 Anfragen und 10 Ausführungsaufrufe pro Minute verarbeitet; dies ist pro Schlüssel konfigurierbar. Eine außer Kontrolle geratene Schleife von KI-Tool-Aufrufen führt zu einem Token-Limit, nicht zu Ihrem Stripe-API-Ratenlimit, Ihrem täglichen Anfragekontingent oder Ihrem Stripe Connect-Plattform-Durchsatzbudget.
Wie es funktioniert, ohne Firewall-Ports zu öffnen
Der Query Streams Network Agent wird einmalig auf jedem Rechner mit Internetzugang installiert (die Stripe-API ist von überall erreichbar) und verfügt über eine einzige ausgehende TLS-Cloud-Verbindung – keine eingehenden Daten, keine Daten werden offengelegt. Speziell für Stripe: Bei einer eingehenden Anfrage paginiert der Agent die Stripe-REST-Endpunkte im Hintergrund und speichert die Antworten in einer lokalen DuckDB zwischen, sodass das LLM saubere SQL-Oberflächen sieht. Kunden, Abonnements, Abonnementartikel, Gebühren, Rechnungen, Erstattungen, Auszahlungen, Preise, Produkte — anstelle von REST-Envelopes. Das KI-Tool sieht niemals Ihren eingeschränkten Stripe-API-Schlüssel, Ihre Stripe Connect-Konto-ID oder Kundenzahlungsdaten. Wie der Agentenlink für ausgehende Anrufe funktioniert →
KI-Client
Cursor, Claude,
ChatGPT, Grok
QS MCP Server
Streamable HTTP
X-MCP-Schlüssel-Authentifizierung
Netzwerk-Agent
In Ihrem Netzwerk
Cloud-Verbindung
Stripe-API
Nur lesbares DuckDB
Cache, SQL-Oberfläche
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:
Musterschlüssel mit optionalen Parameterüberschreibungen.Warum Schema Intelligence Query Streams MCP anders macht
Die meisten „MCP for Stripe“-Server im Open-Source-Bereich liefern Ihrem KI-Tool dieselbe REST-Ressourcenreferenz, die Stripe für Entwickler veröffentlicht – oder schlimmer noch, den Rohdaten. Informationsschema von welchem Cache auch immer sie speichern. Feldnamen. Datentypen. Vielleicht ein Primärschlüssel. Das LLM muss das erraten. Menge muss durch 100 geteilt werden, weil Stripe Geld in Cent speichert. Livemodus = false Die Zeilen stellen Testgebühren dar, die aus den Einnahmen herausgefiltert werden sollten. Abonnementsstatus ist eine Aufzählung von Erprobung / aktiv / überfällig / abgesagt / unbezahlt / unvollständigoder dass erstellt Die Umwandlung muss über die Zeitstempel-Hilfsfunktionen von DuckDB erfolgen. Deshalb ist die erste SQL-Anweisung, die die meisten LLMs gegen ein einfaches Stripe-Schema schreiben, falsch – nicht weil der LLM schlecht ist, sondern weil ihm die notwendigen Daten fehlen, um korrekt zu sein (und die Meldung „1.234.567.890 $ MRR“, weil niemand durch 100 geteilt hat, ist genau die Art von Fehler, die im Slack-Chat Ihres Finanzteams als Screenshot landet).
Query Streams MCP gibt dasselbe zwischengespeicherte Stripe-Schema zurück, angereichert mit dem, was wir nennen Schema Intelligence (SI) — KI-gestützte Metadaten, die durch die Ausführung von Profiling-Abfragen gegen Ihre tatsächliches Stripe-Daten, bevor der KI-Client überhaupt anfragt. Wenn SI im Stripe-Connector aktiviert ist, wird jedes Schema-Tool, das die KI aufruft (qs_get_connector_schema, qs_get_table_schema, qs_profile_table, qs_get_relationships) gibt das reine, zwischengespeicherte Schema sowie sechs Ebenen kuratierten Wissens zurück. Das LLM hört auf zu raten.
Um das zu verdeutlichen, hier ist, was der KI-Client von einem einzelnen qs_get_table_schema Kritik am Stripe-Connector Gebühren table – die zentrale Transaktionstabelle, die 90 % der Umsatzfragen beantwortet – zuerst ohne Schema Intelligence, dann mit ihr.
Die sechs Ebenen der Schema Intelligence fügen hinzu
Jede Ebene behandelt eine spezifische Frageklasse, die das LLM sonst nur erahnen könnte. SI ist optional. (Konnektor, Datenbank) Das Paar wird als einmaliger Profiling-Durchlauf für Ihre Daten ausgeführt – es ändert weder Ihr Schema noch schreibt es in Ihre Datenbank, und es wird inkrementell aktualisiert, wenn sich Ihr Schema ändert.
KI-generierte Beschreibungen
Eine leicht verständliche Zweckbeschreibung für jede Datenbank, jedes Schema, jede Tabelle und jede Spalte – einmalig generiert und bei Schemaänderungen aktualisiert. Vertrauenswürdigkeitsbasiert; benutzerdefinierte Beschreibungen haben Vorrang.
Der Betrag ist in Cent angegeben (1,00 USD = 100).
Tabellenklassifizierungen
Jede Tabelle ist mit FACT (Transaktionsereignisse), DIM (Beschreibende Referenz) oder LOOKUP (Kleincode-Zuordnungen) sowie einer Geschäftsdomäne gekennzeichnet – Finanzen, Vertrieb, Marketing, Personalwesen, Support und 14 weitere.
Kunden [DIM, Domäne: Finanzen]
Semantische Typen pro Spalte
Achtzehn Typen – Währung, Währungs-Minderheitseinheit (USD), E-Mail, Datum (ISO), Statuscode, Prozentsatz, Rangposition, Kennung, URL und mehr. Die KI generiert dialektkorrektes SQL, das für jeden Typ geeignet ist, einschließlich der Betrag / 100,0 Die Konvertierung ohne Bare-Schema-LLM funktioniert nicht richtig.
erstellt: timestamp_iso · Status: status_code
Beispielwerte aus realen Daten
Dem LLM werden zufällige Zeilen angezeigt, sodass es Muster erkennt, die kein Schema zeigen kann – Stripe-Objekt-ID-Präfixe (ch_, cus_, Unter_, In_), Formatierungskonventionen, kodierte Werte und die tatsächliche Form Ihrer Kundenbeschreibungen.
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 bei Stripe-Enumerationen.
Implizite Fremdschlüsselerkennung
Die tabellenübergreifende Datenüberlappungsanalyse findet Joins, die nicht als DDL-Constraints deklariert sind. Sie werden zusammen mit formalen Fremdschlüsseln und Konfidenzwerten gespeichert und zurückgegeben von qs_get_relationships.
(97 % 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 – „Welche Kunden haben in den letzten 30 Tagen am meisten ausgegeben, wobei nur erfolgreiche Produktionsaufträge berücksichtigt werden?“ Ohne Schema Intelligence muss das LLM raten. Mit ihr weiß das LLM, dass der Betrag in Cent angegeben ist, die Status-Enumeration gefiltert werden muss, livemode = true der Produktionsfilter ist und der Kunden-FK es ihm ermöglicht, Kunden für lesbare E-Mails zu verknüpfen.
si_recommendation Blockierung, um der KI genau mitzuteilen, was ihr fehlt – einschließlich einer Option, mit einem einzigen Anruf die Systemintegration während eines Gesprächs zu aktivieren. qs_request_si_analysisIhr KI-Client kann anbieten, einen SI-Lauf sofort auszulösen („Möchten Sie, dass ich Schema Intelligence zuerst für diese Datenbank aktiviere? Es läuft über Ihren Netzwerkagenten im Hintergrund und wird meine Antworten deutlich verbessern“). Die Laufzeit skaliert mit der Anzahl der Tabellen: Ein Stripe-Connector speichert typischerweise 12–15 Tabellen im Cache und ist in 5–10 Minuten fertig. Bei einer großen Unternehmensdatenbank mit über 1.500 verbundenen Tabellen kann allein der vollständige Scan 45–60 Minuten dauern. Nachfolgende Aktualisierungen nach Schemaänderungen erfolgen inkrementell und sind deutlich schneller als der erste Durchlauf. Schema Intelligence ist optional. Wir sind jedoch überzeugt, dass Sie diese Funktion nicht mehr deaktivieren möchten.
Query Streams MCP vs. Stripe Agent Toolkit
Stripe versendet die Stripe Agent Toolkit — ein offizieller Satz von Funktionsaufruf-Wrappern für die Stripe REST API, entwickelt für LangChain, das OpenAI Agents SDK, das Vercel AI SDK und ähnliche Agenten-Frameworks. Es ist von Grund auf für Lese- und Schreibzugriff ausgelegt: Ein KI-Agent mit Zugriff auf das Agent Toolkit kann Kunden erstellen, Abonnements kündigen, refunds.create, checkout.sessions.createund so weiter. Das ist genau die richtige Form, wenn die KI Folgendes tun soll: Akt Stripe-Daten werden von einem Support-Assistenten für Rückerstattungen, einem Onboarding-Bot zur Erstellung von Checkout-Links und einem Vertriebsmitarbeiter zur Aktualisierung von Kundendaten verarbeitet. Query Streams MCP hingegen löst ein anderes Problem: Es bietet eine schreibgeschützte Analyseoberfläche für Stripe-Daten, die als SQL bereitgestellt werden. Die beiden Tools beantworten unterschiedliche Fragen. Im Folgenden vergleichen wir sie hinsichtlich der Dimensionen, die bei der Analyse von Stripe-Daten durch KI-Tools tatsächlich relevant sind.
| Dimension | Query Streams Stripe MCP | Stripe Agent Toolkit |
|---|---|---|
| Lesen oder schreiben | Schreibgeschützt aufgrund der Konstruktion | Lesen und Schreiben – von Grund auf neu entwickelt |
| Mutationssicherheit | Agentenschicht fest codiert READONLY_VIOLATION Validierung bei jedem weitergeleiteten Anruf |
Was auch immer die Agentenaufforderung und die Framework-Leitlinien zulassen |
| Mehrfachanschlussreichweite | Ja – Stripe + Postgres + Snowflake + HubSpot + Shopify unter einem MCP-Schlüssel | Stripe-only |
| Kreuzverbinder | Ja – z. B. Stripe-Kunden mit Ihren CRM-Kontakten und Ihren Produktdatenbankbenutzern in einer einzigen SELECT-Anweisung verknüpfen | Nein |
| Gespeicherte Abfragen (LLM sieht niemals SQL) | Ja, via qs_list_saved_queries + qs_run_saved_query |
Nicht zutreffend |
| Prüfprotokoll | Ereignisprotokolle pro Aufruf: Organisation / Benutzer / Schlüssel / Bereich / Latenz / SQL-Fingerabdruck / Fehler |
Was auch immer Ihre LangChain / OpenAI Agent SDK-Protokollierung erfasst |
| Schema-Metadaten, die an LLM bereitgestellt werden | KI-generierte Beschreibungen, semantische Typen wie Währungs-Mindesteinheit USD, Aufzählungswertelisten, KI-erkannte Beziehungen, Beispielwerte |
Stripe REST-API-Spezifikation |
| Anwendungsfallanpassung | Analysen, Finanzberichte, Kontextabfrage im Kundensupport, Compliance-Audits | Aktionsassistenten, Support-Bots, die Rückerstattungen veranlassen, Onboarding-Abläufe, die Checkout-Sitzungen erstellen |
Sie ergänzen sich, sie konkurrieren nicht miteinander. Viele Organisationen nutzen beides: Query Streams MCP für die Datenverarbeitung (die KI liest Stripe-Analysen, verknüpft sie mit CRM- und Produktdaten und erstellt Berichte) und das Stripe Agent Toolkit für die Aktionen (die KI veranlasst Rückerstattungen, kündigt Abonnements und erstellt Checkout-Links). Die Entscheidung wird pro Tool und pro KI-Agent getroffen, nicht pro Organisation. Manche Teams beschränken den Zugriff auf das Agent Toolkit auf manuelle Genehmigungsworkflows und auf Query Streams MCP auf uneingeschränkten Analysezugriff – der schreibgeschützte Zugriff ermöglicht eine problemlose Freigabe. Wenn Sie einen KI-Assistenten einrichten, der … Tun Für Transaktionen mit Stripe verwenden Sie das Stripe Agent Toolkit. Wenn Sie einen KI-Assistenten einrichten, der … verstehen Was bei Stripe passiert (und idealerweise sollten Sie auch Ihre Postgres-, Snowflake-, HubSpot- und Shopify-Systeme in die Betrachtung einbeziehen), verwenden Sie Query Streams MCP. Die meisten ausgereiften Implementierungen nutzen beides.
MCP ist nichts für Sie? Versuchen Sie stattdessen Nova AI.
Überspringen Sie MCP komplett und stellen Sie Stripe Fragen wie:Wie hat sich unser MRR-Trend in den letzten 12 Monaten entwickelt?" oder "Welche Abonnements sind in den nächsten 30 Tagen gefährdet?„direkt vom Query Streams-Portal – keine Konfigurationsdateien, derselbe Network Agent und dieselbe Schema Intelligence im Hintergrund.“
Lernen Sie Nova AI kennenVoraussetzungen
Bevor Sie beginnen, stellen Sie sicher, dass Sie Folgendes haben:
- Ein kostenloses Query Streams-Konto bei mein.querystreams.de.
- Der Query Streams Network Agent ist auf einem Rechner mit Internetzugang installiert – siehe Laden Sie den Query Streams Agent herunter.Die Stripe-API ist von überall aus erreichbar, daher muss sich der Agent nicht in einem bestimmten Netzwerk befinden.
- Ein für den Agenten konfigurierter Stripe-Connector – siehe bestehende API-Konnektor-Einrichtung Anleitungen zum Stripe-Pairing. Verwenden Sie eine Stripe-API-Schlüssel beschränkt (empfohlen), damit Sie den Lesezugriff des Agenten auf bestimmte Ressourcen einschränken können (z. B. Lesezugriff auf …).
Gebühren/Abonnements/Kunden/Rechnungen, kein Zugriff aufGleichgewicht/Auszahlungen/Konten(falls Sie sie nicht benötigen). Der Agent verwaltet den Stripe-API-Schlüssel; das KI-Tool greift niemals darauf zu. - 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.
- Fünf Minuten.
Generieren Sie einen MCP-Schlüssel
vom /mcp Seite in Query Streams, prägen Sie einen Schlüssel mit den gewünschten Scopes.
Fügen Sie es Ihrem KI-Client hinzu.
Ein JSON-Ausschnitt für Cursor, Claude, ChatGPT oder Grok. Überall derselbe Schlüssel.
Eine Frage stellen
„Wie hoch ist unser monatlich wiederkehrender Umsatz?“ – 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.analysierenDie KI kann Tabellenprofile erstellen und Beziehungen erkennen (Stichprobenwerte, Verteilungen, semantische Typen). Optional, aber dringend empfohlen für Finanzaufgaben, da hier das Verständnis der Struktur Ihrer Gebühren-/Abonnement-/Rechnungsdaten und der Metriksemantik (Cent-basierte Geldspalten, Statusaufzählungen, Live-Modus-Kennzeichnung) wichtig ist.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 Stripe-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“ 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.
// Bearbeiten Sie ~/.cursor/mcp.json { "mcpServers": { "Querystreams": { "URL": "https://mcp.querystreams.com", "Überschriften": { "X-MCP-Key": "qsmcp_PASTE_KEY_HERE" } } } }
// Einstellungen → Entwickler → Konfiguration bearbeiten { "mcpServers": { "Querystreams": { "URL": "https://mcp.querystreams.com", "Überschriften": { "X-MCP-Key": "qsmcp_PASTE_KEY_HERE" } } } }
// 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 → 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 Stripe-Connector zurück (zusammen mit allen anderen von Ihnen konfigurierten Einstellungen, einschließlich zusätzlicher Stripe Connect-Plattformen, falls Sie mehrere Konten gekoppelt haben).
Schritt 3: Stelle der KI eine Stripe-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 für Ihre zwischengespeicherten Stripe-Daten aus, und die Antwort wird als Text und Tabellen zurückgegeben. Drei Beispielabfragen zum Ausprobieren:
Abonnements -> Abonnementartikel -> Preise Zur Berechnung des monatlich wiederkehrenden Umsatzes pro aktivem Abonnement werden alle in Cent gespeicherten Beträge durch 100 geteilt, monatliche/jährliche/wöchentliche Intervalle auf einen monatlichen Wert normalisiert und gefiltert. Livemodus = wahr und subscriptions.status IN ('aktiv', 'Testphase')und Gruppen nach DATE_TRUNC('month', subscriptions.created)Sie erhalten die Trendtabelle direkt im Browser sowie eine schriftliche Interpretation – welche Akquisitionskohorte gewachsen ist, welche schrumpft und ein Folgeangebot wie „Soll ich das nach Tarifstufen aufschlüsseln?„Die Enum-Erkennung von Schema Intelligence half der KI, den richtigen Abonnementstatusfilter auszuwählen; ohne SI hätte das LLM möglicherweise Folgendes eingeschlossen: überfällig und abgesagt und überhöhte aktuelle MRR.Abonnements -> Preise -> Produkte Abonnements nach Stufe gruppieren (die Produktname oder Preise.Spitzname Die KI berechnet anschließend die Anzahl der Kündigungen und den Nenner der aktiven Kohorte pro Monat anhand der Stripe-Standardformel für Kundenabwanderung. Unterhalb der Tabelle zeigt die KI in der Regel an, welche Tarife den schnellsten Kundenverlust verzeichnen, und schlägt Folgemaßnahmen vor. „Soll ich mir die Entwicklung des monatlich wiederkehrenden Umsatzes (MRR) nach Stufen im selben Zeitraum ansehen?“ Schema Intelligences Enum-Erkennung auf Abonnementsstatus stellt sicher, dass die KI unterscheidet abgesagt ab unbezahlt und von unvollständig_abgelaufen — drei verschiedene Gründe für die Beendigung eines Abonnements, mit sehr unterschiedlichen finanziellen Auswirkungen.Abonnements, anstehende Rechnungen (oder die Rechnungen Tabelle für den nächsten Erneuerungszyklus), Kunden, und ZahlungsmethodenDie KI wendet den Cent-bewussten Filter an Betrag > 500000 (d. h. 5.000 US-Dollar in Cent), analysiert die card.exp_month / card.exp_year gegen die nächsten 30 Tage und kehrt zurück zu Kunden-E-Mail für menschenlesbare Ausgaben. Schema Intelligence Währungs-Mindesteinheit USD Der semantische Typ bestimmt automatisch den richtigen Cent-Schwellenwert. Die KI schlägt in der Regel eine Folgemaßnahme vor: „Soll ich eine Liste mit den Kontaktdaten des Kunden, einschließlich E-Mail-Adresse und zuständigem Account Manager, erstellen, damit das Success-Team vor der Vertragsverlängerung Kontakt aufnehmen kann?“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: Eine 1,5 MB große Stripe-Analytics-Abfrage (12 Monate Gebühren + Kunden + abgeschlossene Abonnements) beansprucht bei Abruf über MCP ca. 1,5 MB Ihres Datenbereichs, im Vergleich zu ca. 200–350 KB über Excel / Sheets / Nova / den Abfrage-Builder. Stripe-Daten enthalten viele Enumerationen (
Status,Währung,LivemodusZeitstempel und frei formulierte Metadaten – daher erzielt die LZ4-Komprimierung über die Cloud-Verbindung typischerweise eine 7- bis 9-fache Reduzierung gegenüber anderen Transportarten. Gleiche Daten, anderes Transportmedium, andere abrechnungsfähige 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: Für sehr große, wiederkehrende Exporte (z. B. mehrjährige Kunden-, Gebühren- und Rechnungs-Kreuztabellen) empfiehlt sich die Verwendung von Excel, Google Sheets oder Nova. Für interaktive KI-Tool-Aufrufe (die typischen Stripe-Analytics-Aggregate mit 100–5.000 Zeilen, die in einen LLM-Kontext passen) ist MCP die richtige Wahl, und der Kostenunterschied liegt im Cent-Bereich. Der DuckDB-Cache dedupliziert zudem wiederholte Stripe-API-Aufrufe, sodass Sie Ihr Stripe-Ratenlimit nicht zweimal für dieselbe Abfrage verbrauchen.
Häufig gestellte Fragen
Muss ich Ports öffnen oder ein VPN einrichten, um dies zu nutzen? +
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? +
Kann ich einen MCP-Schlüssel widerrufen? +
/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? +
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 BytesEine 1,5 MB große Stripe-Analytics-Aggregatdatei, die an Excel zurückgegeben wird, beansprucht typischerweise ca. 200–350 KB Ihrer Daten (Stripe-Daten mit wiederholten Statusaufzählungen, Währungsbezeichnungen und Live-Modus-Booleschen Werten werden mit LZ4 um den Faktor 7–9 komprimiert); dasselbe 1,5 MB große Ergebnis, das über MCP an Cursor zurückgegeben wird, beansprucht ca. 1,5 MB. Wir legen Wert auf Transparenz, damit Sie im Voraus Bescheid wissen und am Ende des Abrechnungszeitraums keine Überraschung erleben.
Funktioniert Query Streams MCP mit eingeschränkten Stripe-API-Schlüsseln, Stripe Connect-Plattformen und historischen Daten, die älter als das Standard-API-Fenster sind? +
Gebühren / Abonnements / Kunden / Rechnungen, kein Zugriff auf Gleichgewicht / Auszahlungen / KontenDer schreibgeschützte Validator des Agenten erzwingt zusätzlich SQL-seitige Einschränkungen, sodass das KI-Tool doppelt geschützt ist. Standardmäßige Stripe-API-Schlüssel funktionieren ebenfalls, bieten aber einen größeren Anwendungsbereich. Stripe Connect-Plattformen werden unterstützt – der Agent verbindet sich mit Ihrem Plattformkonto und verwendet die Stripe-Konto Header für Abfragen verbundener Konten; jedes verbundene Konto kann ein separater Query Streams-Connector sein, wenn Sie eine LLM-seitige Disambiguierung wünschen („Zeig mir den Umsatz des verbundenen Kontos“). Konto_xxx“), oder Sie können sie für kontoübergreifende Analysen zusammenführen. Historische Daten Daten, die über das standardmäßige 90-Tage-API-Fenster von Stripe hinausgehen, werden im DuckDB-Cache des Agenten gespeichert: Sobald der Agent einen Datensatz abgerufen hat, bleibt dieser lokal erhalten. Sie können historische Gebühren, Kunden und Abonnements abfragen, selbst nachdem die Stripe-API diese aus der Live-Antwort entfernt hat. Die Aktualisierungsrichtlinie für den Agenten-Cache ist pro Ressource konfigurierbar (z. B. Aktualisierung). Abonnements stündlich aktualisieren Gebühren Alle 5 Minuten aktualisieren Kunden täglich), sodass Sie den Kompromiss zwischen Aktualität und Stripe API-Kontingentverbrauch kontrollieren können.
Worin unterscheidet sich das vom Betrieb eines Open-Source-Stripe-MCP-Servers in Eigenregie? +
Livemodus Filterhinweis: Um Claude dazu zu bringen, Daten von Stripe, Ihrer PostgreSQL-Datenbank, Ihrem HubSpot CRM und Ihrem Snowflake Data Warehouse auszulesen, benötigen Sie vier separat konfigurierte MCP-Server auf jedem KI-Client. Jeder Server müsste über eigene Zugangsdaten, ein eigenes Scope-Modell und eine eigene Audit-Story verfügen. Query Streams MCP ist ein einziger Schlüssel, der alle mit Ihrem Konto verbundenen Konnektoren erreicht. Der Agent normalisiert die Stripe-API-Antworten in saubere SQL-Abfragen. Währungs-Mindesteinheit USD Semantische Typisierung ist integriert (sodass LLM automatisch durch 100 teilt). Außerdem erhalten Sie Schema Intelligence, die Durchsetzung von Schreibschutz auf Agentenebene, Ratenbegrenzungen pro Schlüssel und einen Audit-Trail. Ereignisprotokolleund die gleiche Abrechnungspipeline für den Datenbereich, die Sie bereits verwenden – all das bietet Ihnen ein direkter MCP nicht.
Was passiert, wenn die KI versucht, Daten zu schreiben oder zu löschen? +
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 die zwischengespeicherten Stripe-Tabellen. Der Validator läuft im Agentenprozess, nicht in der Cloud, sodass eine kompromittierte Cloud-Schnittstelle ihn nicht umgehen kann. Zusätzlich gibt es eine weitere Sicherheitsebene: Stripe-Schreibvorgänge (Erstellen von Rückerstattungen, Kündigen von Abonnements, Aktualisieren von Kundendaten, Generieren von Checkout-Sitzungen) werden der MCP-Schnittstelle von vornherein nicht zugänglich gemacht – der Agent sendet ausschließlich lesende REST-Aufrufe an die Stripe-API. Selbst wenn der Validator also irgendwie umgangen werden sollte, hat der LLM keine Möglichkeit, Ihren Stripe-Status zu verändern. (Wenn Sie Tun Wenn Sie einen KI-Agenten benötigen, der Aktionen auf Stripe ausführt, ist das Stripe Agent Toolkit genau das Richtige für Sie (siehe Vergleichsabschnitt oben).
Kann ich sehen, was die KI tatsächlich gefragt hat? +
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 fließen über die Cloud-Verbindung und landen nie in den Cloud-Protokollen. Das Stripe-Dashboard zeigt API-Anfrageprotokolle aus der Perspektive des Agenten an (Aufrufe, die mit dem eingeschränkten API-Schlüssel des Agenten getätigt wurden). Für Stripe-Daten ergibt sich daher folgende Kombination: die des Agenten Ereignisprotokolle In Ihrem Query Streams-Konto sehen Sie, welche Anfragen die KI wann gestellt hat; der Tab „Entwickler → Protokolle“ im Stripe-Dashboard zeigt Ihnen die daraufhin vom Agenten ausgelösten API-Aufrufe an. Zusammen ergeben sie einen vollständigen Prüfpfad aller KI-gesteuerten Lesezugriffe auf Ihre Stripe-Daten – ideal für SOC 2-/PCI-/Finanzprüfungen.
Muss ich Schema Intelligence ausführen, um Query Streams MCP verwenden zu können? +
(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 (Finanzen, Vertrieb, Marketing, Personalwesen, Support und 14 weitere); (3) ein semantischer Typ für jede Spalte (currency, currency_minor_unit_usd, email, date_iso, status_code, percentage, identifier, url, person_name und 9 weitere), der die dialektkorrekte SQL-Generierung steuert; (4) Beispielwerte aus Ihren realen Daten, damit das LLM Muster erkennt, die kein Schema aufzeigen kann (Stripe-ID-Präfixe, Metadatenschlüsselstruktur, Konventionen für Kundenbeschreibungen); (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: Ein Stripe-Connector benötigt typischerweise 5–10 Minuten (12–15 zwischengespeicherte Tabellen); eine typische mittelgroße Datenbank auf demselben Agenten (einige hundert Tabellen) ist in 15–25 Minuten fertig; eine große Unternehmensdatenbank mit über 1.500 Tabellen kann für einen vollständigen Scan 45–60 Minuten benötigen. SI wird über Ihren Netzwerkagenten auf Ihre Daten angewendet (niemals in der Cloud), schreibt niemals in Ihre Datenbank, ändert niemals Ihr Schema und aktualisiert sich inkrementell, wenn sich Ihr Schema ändert – daher sind nachfolgende Ausführungen nach dem Hinzufügen oder Ändern von Tabellen viel schneller als die erste. Der End-to-End-Effekt: Mit aktiviertem SI schreibt Ihr KI-Client viel häufiger beim ersten Versuch korrektes SQL als gegen einen beliebigen „MCP für X“-Server, der lediglich den LLM übergibt. Informationsschema.
Was passiert, wenn ich später einen weiteren Konnektor hinzufüge, wie z. B. HubSpot oder PostgreSQL? +
qs_list_connectors wird automatisch erkannt), sodass ein Konfigurationsblock Ihr gesamtes Konto, sowohl das aktuelle als auch das zukünftige, abdeckt. Cross-Connector-Verbindungen wie „Stripe-Kunden-IDs mit HubSpot-Kontakten abgleichen und zahlende Kunden finden, die sich seit 30 Tagen nicht mehr angemeldet haben.Dann arbeiten Sie mit einer einzigen Abfrage. Warum ein Schlüssel alle Anschlüsse abdeckt →
Muss ich MCP einrichten, nur um mit meinen Stripe-Daten zu chatten? +
Warum sollte man Query Streams MCP für Stripe-Daten verwenden, wenn Stripe das Agent Toolkit mitliefert? +
SELECT ab Gebühren / Abonnements / Rechnungen / Kunden / Erstattungen / usw. über SQL, aber der Stripe-Status kann nicht verändert werden. Drei konkrete Gründe, warum Query Streams für analytische Anwendungsfälle vorzuziehen sind: (1) Konstruktionsbedingt schreibgeschützt. Ein halluzinierender LLM mit Zugriff auf das Agent Toolkit kann theoretisch eine Rückerstattung veranlassen, ein Abonnement kündigen oder einen Stripe-Checkout-Link mit falschen Parametern erstellen – die Eingabeaufforderung und die Systemvorkehrungen sind die einzige Verteidigungslinie. Mit Query Streams MCP gibt der fest codierte, schreibgeschützte Validator des Agenten einen Fehler zurück. READONLY_VIOLATION für alle Nicht-SELECT / nicht-MIT / nicht-ERKLÄREN Aussage – das LLM kann den Stripe-Zustand physikalisch nicht verändern, egal wie kreativ man es auch anregen mag. (2) Mehrfachsteckverbinder mit Einzeltaste. Ein einziger Query Streams MCP-Schlüssel ermöglicht Claude / Cursor / ChatGPT / Grok den Zugriff auf Ihre Stripe-Daten UND Ihre Postgres- + Snowflake- + HubSpot- + Shopify-Daten, die alle in derselben Konversation mit Cross-Connector-Joins abgefragt werden können („Die Stripe-Kunden-IDs sollen mit meinen CRM-Kontakten abgeglichen werden, und mir soll angezeigt werden, welche zahlenden Kunden sich seit 30 Tagen nicht mehr im Produkt angemeldet haben.“). Das Agent Toolkit erkennt nur Stripe. (3) Prüfprotokoll. Jeder Query Streams MCP-Aufruf schreibt eine Zeile in Ereignisprotokolle mit Organisation / Benutzer / Schlüssel / Bereich / Latenz / SQL-Fingerabdruck / Fehlercode. Compliance- und Finanzteams können antworten: „Wer hat letzte Woche Stripe-Daten abgefragt, was genau wurde abgefragt und wie viele Daten wurden zurückgegeben?„mit einer einzigen Abfrage. Die Protokollierung des Agent Toolkits hängt davon ab, was Ihre LangChain-/OpenAI-Agent-SDK-/Vercel-AI-SDK-Konfiguration erfasst; die Disziplin liegt in Ihrer Verantwortung.“ Nutzen Sie das Agenten-Toolkit wenn die KI dies benötigt durchführen Stripe-Aktionen (Assistenten-Bots, die Rückerstattungen veranlassen, Onboarding-Abläufe, die Checkout-Sitzungen erstellen, Support-Bots, die Kundenmetadaten aktualisieren) und Sie haben das Verhalten des Agenten geprüft. Verwenden Sie Query Streams MCP Wenn die KI Analysen, Finanzberichte, Kundensupport-Kontextabfragen, Compliance-Audits oder andere rein lesebasierte Aufgaben durchführt, nutzen viele Organisationen beides, allerdings auf unterschiedlichen KI-Systemen.
Los geht's!
Verbinden Sie Ihr KI-Tool in fünf Minuten mit Ihren Stripe-Daten.
Ein einziger MCP-Schlüssel ermöglicht den Zugriff auf Stripe, jede Datenbank und jeden anderen API-Connector in Ihrem Query Streams-Konto – mit vollständigem Audit-Trail, Ratenbegrenzungen pro Schlüssel, eingeschränkter API-Schlüssel-Authentifizierung, Stripe Connect-Unterstützung und ohne Firewall-Änderungen. Der Schlüssel ist standardmäßig schreibgeschützt; die operative Seite wird vom Stripe Agent Toolkit abgedeckt. Claude, Cursor, ChatGPT und Grok sind sofort einsatzbereit.
Verwandte Leitfäden: Laden Sie den Query Streams Agent herunter. | API-Konnektor-Einrichtung | Alle MCP-Server-Anleitungen | Nova AI Text-zu-SQL
Kategorie: MCP-Server
Tags: mcp, claude, cursor, stripe, api-connector, payments, saas-metrics, mrr, stripe-agent-toolkit, read-only-mcp
Metabeschreibung: Abfragen von Stripe mit Claude oder Cursor über MCP. Schreibgeschützte SQL-Oberfläche, centbasierte Semantik, eingeschränkte API-Schlüssel, keine Firewall-Änderungen erforderlich. Kostenlos.
English 
Spanish 
German 
French 
Portuguese 
Japanese 
Korean 
Chinese 
Italian 
Dutch 
Indonesian 
Polish