Consultar datos de administración de Shopify con Claude o Cursor a través del servidor MCP de Shopify.
Una configuración de MCP para Shopify de 5 minutos que permite que tu herramienta de IA haga preguntas sencillas sobre tus pedidos, clientes, productos e inventario. El agente Query Streams almacena en caché la API de administración de Shopify en superficies SQL locales, de modo que LLM ve tablas reales en lugar de puntos finales REST, y Schema Intelligence maneja las convenciones de datos (columnas monetarias almacenadas como cadenas, enumeraciones financial_status / fulfillment_status, presentación de múltiples monedas frente a dinero de la tienda, etiquetas delimitadas por comas) para que el SQL sea correcto al primer intento.
Pregunte a Nova, obtenga SQL + gráficos
Conoce a Nova
Una clave por socio. No se comparten las credenciales.
Crea una API
+más
Sincronización programada con más de 6 plataformas
Explore
+más
Consulta de API con SQL, sin código
Explore
+más
Claude, Cursor, ChatGPT y Grok se comunican con tus datos.
Conectar IAQuery Streams es una plataforma segura de integración de datos en tiempo real que incorpora todas las bases de datos y API SaaS de su cuenta a Claude, Cursor, ChatGPT y Grok, mediante una única clave MCP y sin necesidad de modificar el firewall. Esta guía explica el Shopify MCP Ruta específica, para que su herramienta de IA pueda responder preguntas en lenguaje natural sobre pedidos, clientes, productos, inventario, cumplimiento y reembolsos sin que usted exporte informes desde el panel de administración de Shopify ni combine llamadas a la API de administración GraphQL. El Agente de red extrae datos de la API de administración de Shopify a una caché local de DuckDB, por lo que LLM ve superficies SQL limpias (pedidos, artículos, clientes, productos, variantes, transacciones, cumplimiento) en lugar de paquetes REST sin procesar; y el ámbito de administración de solo lectura significa que este es el complemento de análisis y operaciones para el MCP oficial de la tienda Shopify, no un reemplazo para él. Más información en QueryStreams.com y regístrese gratis Para empezar a hacerle preguntas reales a un administrador de Shopify a tu herramienta de IA.
Lo que te ofrece el servidor Query Streams Shopify MCP
Otros servidores “Shopify MCP” en el ecosistema de código abierto conectan la herramienta de IA directamente a la API REST o GraphQL de administración de Shopify y le envían solicitudes de recursos sin procesar. Esto funciona, pero inserta un token de aplicación privada de Shopify en la configuración de su cliente de IA, hace que LLM analice los sobres REST y los tipos GraphQL en lugar de SQL, limita el alcance de la herramienta de IA solo a Shopify y no proporciona un registro de auditoría de lo que la IA realmente solicitó. El servidor Shopify MCP de Query Streams resuelve un problema más amplio: una sola clave, todos los conectores, registro de auditoría completo, el agente normaliza los datos de administración de Shopify en superficies SQL y la herramienta de IA nunca almacena sus credenciales de Shopify.
Cero agujeros en el firewall de entrada
El agente de red abre un único enlace en la nube cifrado para consultar flujos de datos. Tu cliente de IA se conecta a la nube, nunca a tu token de aplicación privada de Shopify ni a tu red. No hay puertos que abrir, direcciones IP que incluir en la lista de permitidos ni VPN.
Una llave, cada conector
La misma clave MCP llega a Shopify junto con todas las demás bases de datos y API SaaS conectadas a tu cuenta. Si añades un conector de Stripe o PostgreSQL mañana, la herramienta de IA lo detectará junto a tus pedidos de Shopify sin necesidad de volver a introducir la clave. También funciona con múltiples tiendas: cada tienda de Shopify es un conector independiente con la misma clave MCP.
Inteligencia de esquema integrada
La IA ve descripciones curadas por IA, tipos semánticos (currency-string-cast para columnas de dinero, enumeraciones financial_status / fulfillment_status, presentación de múltiples monedas frente a dinero de la tienda, list-string para etiquetas delimitadas por comas), valores de muestra y claves foráneas descubiertas para cada campo de Shopify, no solo nombres de propiedades REST simples. Escribe SQL preciso en el primer intento, incluyendo el precio_total::DOBLE El elenco de talentos que los programas de LLM con esquemas básicos no tienen.
Solo lectura aplicada en el agente
Incluso un LLM con alucinaciones no puede emitir un reembolso, completar un pedido, ajustar el inventario o modificar un producto a través de Query Streams MCP. El agente de red rechaza todo lo que no sea SELECCIONE, CON, o EXPLICAR antes de que llegue a las tablas almacenadas en caché de Shopify, y las operaciones de modificación de Shopify Admin nunca se exponen a la superficie de MCP en primer lugar.
Límites de tarifa por llave
De forma predeterminada, se permiten 60 solicitudes por minuto y 10 llamadas de ejecución por minuto, configurables por clave. Un bucle de llamadas a herramientas de IA descontrolado alcanza un límite de tokens, no la cuota diaria de la API de administración de Shopify ni el límite de la API de tu tienda.
Cómo funciona sin abrir los puertos del firewall
El agente de red de Query Streams se instala una sola vez en cualquier máquina con acceso a Internet (la API de administración de Shopify es accesible desde cualquier lugar) y establece un enlace TLS saliente a la nube; cuando Claude o Cursor hacen una pregunta, el agente llama a la API de administración de Shopify y almacena en caché la respuesta en una base de datos DuckDB local para que la IA vea superficies SQL limpias. pedidos, líneas de pedido, clientes, productos, variantes, niveles_de_inventario, transacciones, cumplimientos — en lugar de sobres REST, sin que se exponga nada de la información entrante y sin que la herramienta de IA vea nunca el token de tu aplicación privada de Shopify, el dominio de tu tienda o la versión de tu API. Cómo funciona la conexión solo de salida →
Cliente de IA
Cursor, Claude,
ChatGPT, Grok
Servidor QS MCP
HTTP en streaming
Autenticación con clave X-MCP
Agente de red
En tu red
Enlace a la nube fuera
API de administración de Shopify
DuckDB de solo lectura
caché como SQL
La tecla MCP que le das a Cursor o Claude tiene alcance (leer / analizar / ejecutar), revocable en cualquier momento y con límite de uso por clave. La herramienta de IA llama a estas herramientas MCP para realizar su trabajo:
clave_patrón con anulación de parámetros opcional.Por qué Schema Intelligence hace que Query Streams MCP sea diferente
La mayoría de los servidores "MCP para Shopify" en el entorno de código abierto le proporcionan a su herramienta de IA la misma referencia de campo que Shopify publica para desarrolladores, o peor aún, el código fuente en bruto. esquema_de_información de cualquier caché que mantengan. Nombres de campos. Tipos de datos. Tal vez una clave primaria. El LLM se ve obligado a adivinar que precio_total se almacena como una CADENA y necesita convertirse a DOBLE para aritmética, que estado_financiero es una enumeración de pendiente / autorizado / parcialmente_pagado / pagado / reembolsado parcialmente / reintegrado / anulado, o que etiquetas es una cadena delimitada por comas que necesita ser aplanada a una lista. Por eso, la primera consulta SQL que la mayoría de los LLM escriben contra un esquema Shopify vacío es incorrecta, no porque el LLM sea malo, sino porque no tiene los datos necesarios para ser correcto (y "SUM es nulo porque total_price es una cadena" es el tipo de modo de fallo que se convierte en una tarde perdida).
Query Streams MCP devuelve ese mismo esquema de Shopify almacenado en caché enriquecido con lo que llamamos Inteligencia de esquemas (IE) — Metadatos seleccionados por IA que se generan al ejecutar consultas de perfilado contra su actual Datos de Shopify antes de que el cliente de IA los solicite. Cuando SI está habilitado en el conector de Shopify, cada herramienta de esquema que la IA llama (qs_get_connector_schema, qs_get_table_schema, tabla_perfil_qs, qs_obtener_relaciones) devuelve el esquema en caché básico más seis capas de conocimiento seleccionado. El LLM deja de adivinar.
Para concretar esto, aquí está lo que el cliente de IA obtiene de vuelta de una sola qs_get_table_schema Llamada en contra del conector de Shopify pedidos tabla — la tabla de hechos canónica de Shopify que impulsa el 80% de las preguntas analíticas — primero sin Schema Intelligence, luego con ella.
Las seis capas que añade Schema Intelligence
Cada capa aborda un tipo de pregunta que el LLM intentaría adivinar. El proceso de perfilado SI opcional se ejecuta en tus datos de Shopify sin modificar tu esquema ni escribir en tu tienda, y se actualiza de forma incremental cuando añades una nueva definición de metacampo. Qué aporta Schema Intelligence y cómo se mantiene actualizado →
Descripciones seleccionadas por IA
Descripción clara y concisa de cada base de datos, esquema, tabla y columna: se genera una sola vez y se actualiza automáticamente al cambiar el esquema. Se evalúa la fiabilidad; las descripciones escritas por el usuario siempre son las más útiles.
columnas almacenadas como STRING — conversión a ::DOUBLE.”
Clasificaciones de tablas
Cada tabla está etiquetada como FACT (eventos transaccionales), DIM (referencia descriptiva) o LOOKUP (mapas de código pequeño), además de un dominio comercial: comercio electrónico, marketing, ventas, finanzas, soporte y 14 más.
productos [DIM, dominio:ecommerce]
Tipos semánticos por columna
Dieciocho tipos: currency, currency_string_cast_required, email, date_iso, status_code, list_string, percentage, identifier, url y más. La IA genera SQL correcto para cada dialecto, apropiado para cada tipo, incluyendo el precio_total::DOBLE No se puede crear un LLM de esquema básico.
etiquetas: list_string · creado_en: date_iso
Valores de muestra a partir de datos reales
Se muestran filas aleatorias al LLM para que reconozca patrones que ningún esquema puede mostrar: convenciones de formato, valores codificados, estilos de nomenclatura y la forma real de los títulos de sus productos, etiquetas de clientes y metadatos de pedidos.
“primera vez”, “suscripción mensual”]
Detección de enumeraciones con distribuciones
Columnas de baja cardinalidad (50 o menos valores distintos, como máximo el 5 % de las filas únicas) asignadas a su lista completa de valores con recuentos de filas. La IA nunca adivina mayúsculas/minúsculas ni ortografía en enumeraciones de Shopify como estado_financiero o estado_de_cumplimiento.
pendiente (18%) | reembolsado (8%) | …
Descubrimiento implícito de claves foráneas
El análisis de superposición de datos entre tablas encuentra uniones que no están declaradas como restricciones DDL, incluidos los metacampos personalizados que vinculan objetos personalizados con los estándar. Almacenado junto con las claves foráneas formales con puntuaciones de confianza, devueltas por qs_obtener_relaciones.
customer.id (98% de solapamiento, confianza 0,97)
Misma solicitud, diferente SQL
La prueba está en el SQL que realmente escribe la herramienta de IA. Misma sesión de Cursor, mismo modelo de Claude, misma solicitud. “¿Cuáles son nuestros ingresos y el valor promedio de pedido (AOV) mensual durante los últimos 12 meses, considerando solo los pedidos pagados, en USD?” Sin Schema Intelligence, el LLM tiene que adivinar. Con él, el LLM sabe que total_price es una STRING que necesita conversión, el valor de enumeración financial_status es 'pagado' no 'terminado'y las tiendas multidivisa necesitan un filtro de divisas.
si_recomendación bloque que le indica a la IA lo que le falta, incluyendo una opción de llamada única para habilitar SI en medio de la conversación a través de qs_request_si_analysis. Cómo funciona Schema Intelligence y cuánto tiempo tarda →
Query Streams MCP frente a Shopify Storefront MCP
Shopify envía una superficie MCP OFICIAL llamada Tienda Shopify MCPExpone la API de la tienda online (catálogo, productos, colecciones, datos públicos de clientes) para que los asistentes de compra con IA puedan ayudar a los compradores a explorar productos, obtener recomendaciones y consultar la disponibilidad de stock. Está bien diseñada para experiencias de IA orientadas al comprador. No ve los datos administrativos, operativos ni financieros. Query Streams Shopify MCP es lo opuesto: una interfaz de API de administración de solo lectura para las áreas de operaciones, análisis, finanzas y atención al cliente de Shopify. Los dos servidores MCP resuelven problemas diferentes; a continuación, se explica cómo se complementan.
| Flujos de consulta Shopify MCP | Tienda Shopify MCP | |
|---|---|---|
| Alcance | API de administración: pedidos, finanzas, operaciones, inventario | Tienda online: catálogo, productos, público. |
| Leer o escribir | Solo lectura por construcción | Solo lectura |
| Caso de uso | Operaciones + análisis + finanzas + soporte | Inteligencia artificial orientada al comprador |
| Alcance en múltiples tiendas | Sí, SQL entre almacenes con múltiples conectores | Por tienda |
| Uniones de conectores cruzados | Sí — Shopify + Stripe + HubSpot + Postgres | No |
| metadatos del esquema | Descripciones seleccionadas por IA, tipos semánticos como conversión de cadena de moneda requerida, listas de valores de enumeración, asignaciones de metacampos descubiertas por IA |
Especificación de la API de Storefront |
| Registro de auditoría | registros_de_eventos por llamada con org / usuario / clave / ámbito / latencia |
El alcance del registro de auditoría de Shopify depende de las necesidades. |
| Datos personalizados (metacampos / metaobjetos / datos personalizados de funciones) | Sí, detectado automáticamente por Schema Intelligence. | Cobertura por aplicación |
Los dos servidores MCP coexisten sin problemas, y muchas organizaciones que utilizan Shopify Plus implementan ambos. Utilice Shopify Storefront MCP para experiencias de compra con IA orientadas al comprador: agentes de IA que ayudan a los compradores a explorar el catálogo, obtener recomendaciones de productos o responder a la pregunta "¿tienen esto en mi talla?". Utilice Query Streams en Shopify MCP Herramientas de IA que se comunican con tu equipo: flujos de trabajo de operaciones, finanzas, soporte y análisis que requieren información sobre pedidos, transacciones, cumplimiento, valor de vida del cliente, niveles de inventario, reembolsos, códigos de descuento y tarjetas de regalo, además del resto de tus datos comerciales. Diferentes audiencias, diferentes alcances, ambos de solo lectura: se complementan en lugar de competir.
¿MCP no es para ti? Prueba Nova AI en su lugar.
Omita por completo la configuración JSON: Nova AI está integrada en el portal web Query Streams. y responde a las mismas preguntas sencillas de administración de Shopify (ingresos por producto, acuerdos de nivel de servicio de cumplimiento, retención de cohortes) en todos los conectores que hayas añadido, con el mismo agente, la misma aplicación de solo lectura y la misma inteligencia de esquema, sin necesidad de la infraestructura de MCP.
Conozca a Nova AIRequisitos previos
Antes de comenzar, asegúrese de tener:
- Una cuenta gratuita de Query Streams en mi.querystreams.com.
- El agente de red de Query Streams instalado en una máquina con acceso a Internet — ver Descargar el agente de flujos de consultasLa API de administración de Shopify es accesible desde cualquier lugar, por lo que el agente no necesita estar en una red específica.
- Un conector de tienda Shopify configurado contra el agente; consulte el existente. Configuración del conector API Guías para el emparejamiento de aplicaciones privadas. El agente almacena el token de la aplicación privada de Shopify y el dominio de tu tienda; la herramienta de IA nunca accede a ninguno de ellos. Cada tienda que quieras consultar es un conector independiente, por lo que una cuenta multi-tienda simplemente añade los conectores uno a uno.
- Cualquier cliente de IA compatible con MCP. En esta guía mostraremos Cursor, Claude Desktop, ChatGPT y Grok; si usa Windsurf, Zed, Continue, Cline, VS Code Copilot, Codex o Goose, el bloque de configuración es prácticamente el mismo.
- Cinco minutos.
Generar una clave MCP
Desde /mcp En la página de Flujos de consulta, cree una clave con los ámbitos que desee.
Introdúzcalo en su cliente de IA
Un fragmento JSON para Cursor, Claude, ChatGPT o Grok. La misma clave en todas partes.
Haz una pregunta
“¿Cuál es nuestro producto estrella en términos de ingresos este mes?” — la IA activa las herramientas adecuadas y usted obtiene la respuesta.
Paso 1: Generar una clave MCP en Query Streams
Inicie sesión en Query Streams y abra el Página MCP (o inicie sesión primero en mi.querystreams.com y haga clic MCP en la navegación izquierda). Haga clic Generar clave, dale a la clave un nombre reconocible (algo así como cursor-portátil o escritorio claude), y seleccione los ámbitos que desea que tenga esta clave:
leer— La IA puede examinar conectores y leer esquemas. Necesario para todo lo demás.analizar— La IA puede perfilar tablas y descubrir relaciones (valores de muestra, distribuciones, tipos semánticos). Opcional, pero muy recomendable para el comercio electrónico, donde es importante comprender la estructura de los datos de los pedidos y la semántica de las columnas monetarias (precios almacenados como cadenas de texto, múltiples divisas, estados de enumeración).ejecutar— La IA puede ejecutar SQL. Sin esto, la IA solo puede leer los metadatos del esquema.
Para un flujo de trabajo típico de "dejar que Claude analice mis datos de administración de Shopify", los tres alcances son apropiados. Para una clave que le entregas a un compañero de equipo o a un cliente menos confiable, deja caer ejecutar y dejarles solo navegar. Puede revocar cualquier clave en cualquier momento desde la misma página; el cliente de IA verá CLAVE MCP REVOCADA en su siguiente llamada y deja de funcionar inmediatamente. No hay retardo de propagación.
Copia la clave ahora: Query Streams la muestra una vez y luego solo almacena un hash. Si la pierdes, genera una nueva. La clave se ve así: qsmcp_ seguido de 48 caracteres aleatorios y es lo que su cliente de IA envía en el Clave X-MCP encabezado de la solicitud.
Paso 2: Agregue Query Streams MCP a su cliente de IA.
La configuración tiene la misma forma en todos los clientes compatibles con MCP: una entrada de servidor MCP que apunta a https://mcp.querystreams.com con su llave en el Clave X-MCP Encabezado. Seleccione su cliente a continuación.
// Editar ~/.cursor/mcp.json { "mcpServers": { "flujos de consulta": { "url": "https://mcp.querystreams.com", "encabezados": { "Clave X-MCP": "qsmcp_PEGAR_CLAVE_AQUÍ" } } } }
// Ajustes → Desarrollador → Editar configuración { "mcpServers": { "flujos de consulta": { "url": "https://mcp.querystreams.com", "encabezados": { "Clave X-MCP": "qsmcp_PEGAR_CLAVE_AQUÍ" } } } }
// Ajustes → Aplicaciones y conectores → Agregar MCP URL del servidor https://mcp.querystreams.com Encabezado de autenticación Clave X-MCP Valor del encabezado qsmcp_PEGAR_CLAVE_AQUÍ // Requiere un plan de pago de ChatGPT // (Plus / Pro / Equipo / Empresa).
// Grok → Configuración → Herramientas { "mcp_servers": [{ "nombre": "flujos de consulta", "url": "https://mcp.querystreams.com", "encabezado_autenticación": "Clave X-MCP", "auth_value": "qsmcp_..." }] }
Reinicie su cliente de IA. En su próximo inicio, detectará las ocho herramientas de Query Streams MCP enumeradas anteriormente y las mostrará en su paleta de herramientas. En Cursor y Claude Desktop puede verificarlo escribiendo “conectores de lista” — la IA debería llamar qs_list_connectors y devolverá su(s) tienda(s) de Shopify (cada tienda aparece como su propio conector si ha emparejado varias) junto con cualquier otra cosa que haya configurado.
Paso 3: Hazle una pregunta a la IA sobre Shopify.
No tienes que escribir SQL; la IA lo hace. Haces una pregunta, la IA selecciona la herramienta MCP adecuada, el agente ejecuta la consulta en tus datos de administración de Shopify almacenados en caché y la respuesta se devuelve en formato de texto y tablas. Tres ejemplos de preguntas para probar primero:
pedidos a líneas de pedido en id_pedido, repartos line_items.price::DOUBLE * cantidad para ingresos, filtros estado_financiero = 'pagado' y creado_en >= FECHA_TRUNC('mes', AHORA()), luego grupos por título y nombre_de_origen para la división del canal. Verá la tabla de resultados en línea más una interpretación escrita: qué productos se están escalando, cuáles están bloqueados y de qué canales depende cada producto. Detección de enumeraciones de Schema Intelligence en estado_financiero Esto impidió que la IA incluyera los pedidos reembolsados o pendientes en el total de ingresos.pedidos a filas donde estado_financiero = 'pagado', estado_de_cumplimiento es nulo o parcial, y fecha_de_creación es hace más de 5 días, luego se enriquece con el nivel de cliente (desde clientes.etiquetas — SI convierte la cadena delimitada por comas en una lista) y el valor total del pedido (cast precio_total::DOBLE), y los pedidos por presencia de etiqueta VIP primero, luego el valor total descendente. Debajo de la tabla, la IA normalmente anotará qué pedidos parecen incumplimientos genuinos de SLA frente a retenciones de almacén (artículos de envío directo, productos grabados personalizados etiquetados como tales). La consulta opuesta: “¿Qué rutas de distribución tienen el tiempo medio de envío más lento?” — es la mitad operativa del mismo flujo de trabajo.clientes.etiquetas (a través del aplanamiento de listas de SI), con una tasa de recompra a los 30/60/90 días. La herramienta de IA generalmente resaltará las cohortes que divergen más de la media del canal (las cohortes de redes sociales pagadas a menudo se degradan más rápido que las cohortes de búsqueda orgánica en las tiendas de suscripción) y propondrá un seguimiento: “¿Quieres que analice en detalle el grupo con peor rendimiento según la combinación de SKU para ver qué compraron primero?” Detección de enumeraciones de Schema Intelligence en divisa garantiza que las tiendas multidivisa no estén contabilizando los ingresos dos veces. Dólar estadounidense y EUR pedidos en la misma cohorte.La primera vez que la IA llame a una herramienta, es posible que su cliente muestre una solicitud de confirmación para que usted apruebe la llamada. Este es el flujo de consentimiento estándar de MCP, no una función adicional de Query Streams. Una vez aprobada, la IA continuará con el resto de la conversación sin problemas. Puede revisar el consentimiento en cualquier momento en la configuración de su cliente.
Aviso de facturación transparente: El uso de MCP se factura por bytes sin comprimir.
El complemento de Excel de Query Streams, el complemento de Google Sheets, el generador de consultas web y Nova AI se ejecutan a través de nuestro enlace comprimido en la nube; medimos y facturamos. bytes comprimidos contra su dominio de datos. El transporte MCP (HTTP Streamable según la especificación oficial de MCP) no admite de forma fiable la compresión de extremo a extremo en todos los clientes y proxies intermedios, por lo que medimos y facturamos. bytes sin comprimir para el tráfico MCP.
- Lo que esto significa: Una consulta de análisis de Shopify de 2,5 MB (pedidos + artículos combinados de los últimos 12 meses en todas tus tiendas) cuesta ~2,5 MB de tu dominio de datos cuando se obtiene a través de MCP, frente a ~300–500 KB a través de Excel / Hojas de cálculo / Nova / el Generador de consultas. Las respuestas de la API de administración de Shopify contienen muchas cadenas de enumeración, marcas de tiempo y atributos de producto; LZ4 a través del enlace en la nube suele lograr una reducción de 6 a 8 veces en los agregados de pedidos. El modelo de actualización de caché de DuckDB elimina las llamadas duplicadas a la API de Shopify para que no consumas dos veces la cuota diaria de 100 000 llamadas. Mismos datos, diferente transporte, diferente tamaño facturable.
- Lo que esto no es: Un recargo o una penalización por usar MCP. Transmitimos los bytes reales enviados. Los demás clientes son más baratos porque la compresión funciona de forma fiable en esos protocolos; no te penalizamos por la elección del protocolo, pero debemos ser transparentes sobre la estructura de costes.
- Qué puedes hacer: Para exportaciones recurrentes de gran volumen (por ejemplo, pedidos multianuales, artículos y tablas cruzadas de transacciones en varias tiendas), se recomienda utilizar Excel, Google Sheets o Nova. Para llamadas interactivas a herramientas de IA (el típico agregado de Shopify de 100 a 5000 filas que se ajusta a un contexto LLM), MCP es la opción correcta y la diferencia de precio es mínima.
Preguntas frecuentes
¿Necesito abrir puertos o usar una VPN para poder usar esto? +
https://mcp.querystreams.com Desde Internet pública: si el HTTPS saliente funciona en el host del agente, MCP funcionará. Vea cómo funciona la conexión solo de salida →
¿Qué herramientas de IA puedo usar con Query Streams MCP? +
¿Puedo revocar una clave MCP? +
/mcp página, por organización a través de la configuración del plan y a nivel de plataforma), ninguno de los cuales requiere una rotación de su token de aplicación privada de Shopify o un reinicio del agente. Más información sobre la seguridad de las claves MCP →
¿Cómo se factura el uso de MCP a mi dominio de datos? +
bytes comprimidos); MCP se ejecuta sobre Streamable HTTP, que no admite de forma fiable la compresión de extremo a extremo a través de todos los clientes y proxies, por lo que facturamos bytes sin comprimirUna consulta de análisis de Shopify de 2,5 MB que se devuelve a Excel suele ocupar entre 300 y 500 KB de tus datos (los datos de la API de administración de Shopify con cadenas de enumeración repetidas, marcas de tiempo y atributos de producto se comprimen entre 6 y 8 veces mediante LZ4); el mismo resultado de 2,5 MB que se devuelve a Cursor a través de MCP ocupa aproximadamente 2,5 MB. Somos transparentes al respecto porque preferimos que lo sepas de antemano a que te lleves una sorpresa al final del ciclo de facturación.
¿Funciona Query Streams MCP con mis datos personalizados de Shopify Plus / Shopify Advanced / Shopify estándar, múltiples tiendas y Shopify Functions? +
empresas B2B, mercados, metaobjetos) en Shopify Plus, y Schema Intelligence los detecta automáticamente cuando están presentes. Multitienda: Cada tienda Shopify es un conector separado con su propio token de aplicación privado; el LLM puede realizar consultas Shopify Estados Unidos vs Shopify_eu por nombre, o ejecute agregaciones entre almacenes combinando los resultados de varios conectores en una sola consulta SQL. Datos personalizados de Shopify Functions (metacampos, metaobjetos, datos de tienda personalizados adjuntos a pedidos/productos/clientes/variantes) son descubiertos automáticamente por Schema Intelligence: el escaneo SI lee definiciones_de_campos_de_meta y definiciones_de_metobject, luego las muestra como columnas SQL limpias con nombres descriptivos. Metacampos personalizados en pedidos / productos / clientes se aplanan automáticamente y se pueden consultar como cualquier otra columna. Las uniones de objetos personalizados con objetos estándar (por ejemplo, vincular un objeto personalizado) términos de garantía metaobjeto a pedidos) funciona en SQL exactamente igual que cualquier otra unión.
¿En qué se diferencia esto de ejecutar yo mismo un servidor Shopify MCP de código abierto? +
precio_total::DOBLE Lanzamiento de dinero de cadena, filtrado consciente de enumeraciones en estado_financiero / estado_de_cumplimientoy normalización de múltiples monedas incorporada. También obtienes inteligencia de esquema, aplicación de solo lectura en la capa del agente, límites de tasa por clave, registro de auditoría en registros_de_eventosy el mismo sistema de facturación del dominio de datos que ya utiliza, algo que un MCP directo no le ofrece.
¿Qué ocurre si la IA intenta escribir o borrar datos? +
qs_run_query La llamada es analizada por un validador de solo lectura codificado que solo permite SELECCIONE, CON, y EXPLICAR declaraciones; cualquier otra cosa devuelve SOLO LECTURA_VIOLACIÓN y nunca llega a las tablas en caché de Shopify. El validador se ejecuta en el proceso del agente, no en la nube, por lo que una superficie de nube comprometida no podría eludirlo. Hay una segunda capa de seguridad adicional: las operaciones de escritura/modificación del administrador de Shopify (crear pedidos, emitir reembolsos, completar pedidos, ajustar el inventario, modificar productos, aplicar descuentos) simplemente no están expuestas a la superficie de MCP en primer lugar; el agente solo realiza llamadas a la API de administración de Shopify en modo de lectura. Por lo tanto, incluso si el validador se eludiera de alguna manera, LLM no tiene nada que pueda llamar para modificar su tienda.
¿Puedo ver qué preguntó exactamente la IA? +
registros_de_eventos con la organización, el usuario, la clave, el alcance, la latencia y el código de resultado. El administrador de la organización puede responder "¿quién usó MCP la semana pasada, qué conector y qué preguntaron?" con una sola consulta. Tenga en cuenta que registramos el nombre de la herramienta y metadatos, no el texto SQL ni las filas devueltas: esas fluyen a través del enlace en la nube y nunca llegan a los registros de la nube. La API de administración de Shopify expone su propio registro de auditoría (el recurso de eventos), pero es por tienda y no siempre lo suficientemente granular como para rastrear una consulta específica impulsada por MCP, por lo que para la actividad entre tiendas el agente registros_de_eventos Es la auditoría unificada más clara que puedes obtener sobre "¿qué preguntó la IA, a qué tienda de Shopify y cuándo?". La respuesta está en tu propia base de datos, no dividida entre un administrador de Shopify por tienda.
¿Es necesario ejecutar Schema Intelligence para usar Query Streams MCP? +
(conector, base de datos) pary MCP funciona bien sin él. La IA recibe el esquema básico (tipos, claves primarias, claves foráneas formales, índices) y escribe consultas básicas. Con SI habilitado, la IA recibe seis capas adicionales de metadatos seleccionados: (1) Descripciones elaboradas por IA en cada base de datos, tabla y columna; (2) clasificaciones de tablas (FACT para eventos transaccionales, DIM para referencia descriptiva, LOOKUP para mapas de código pequeños) más una etiqueta de dominio comercial (comercio electrónico, ventas, marketing, finanzas, soporte y 14 más); (3) un tipo semántico en cada columna (currency, currency_string_cast_required, email, date_iso, status_code, list_string, percentage, identifier, url, person_name y 8 más) que impulsa la generación de SQL correcta según el dialecto; (4) Muestra valores de tus datos reales para que el LLM reconozca patrones que ningún esquema puede mostrar; (5) Detección de enumeraciones con distribuciones de valores completos para columnas de baja cardinalidad; y (6) Claves foráneas descubiertas por IA basadas en la superposición de datos entre tablas, que salieron a la luz a través de qs_obtener_relaciones. Sin SI, cada respuesta de la herramienta de esquema también conlleva una si_recomendación listar exactamente lo que falta para la llamada: la IA puede leer esto y ofrecer activar SI en medio de la conversación a través de qs_request_si_analysisEl tiempo de ejecución varía según la cantidad de tablas: una tienda Shopify pequeña con menos de 100 tablas (solo superficies estándar, sin metaobjetos) se completa en aproximadamente 10 minutos; una tienda mediana típica (unos cientos de tablas, incluidas columnas con metacampos aplanados) finaliza en 15-25 minutos; una tienda Shopify Plus con más de 1500 tablas en varias definiciones de metaobjetos y datos personalizados de Shopify Functions puede tardar entre 45 y 60 minutos en un escaneo completo. SI se ejecuta a través de su Agente de red contra sus datos (nunca en la nube), nunca escribe en su tienda Shopify, nunca cambia su esquema y se actualiza incrementalmente cuando su esquema cambia, por lo que las ejecuciones posteriores a la adición o modificación de definiciones de metacampos son mucho más rápidas que la primera. El efecto de extremo a extremo: con SI habilitado, su cliente de IA escribe SQL correcto al primer intento con mucha más frecuencia que contra cualquier servidor "MCP para X" que simplemente entrega el LLM. esquema_de_información.
¿Qué ocurre si añado otro conector más adelante, como Stripe o PostgreSQL? +
qs_list_connectors (lo recoge automáticamente). Un bloque de configuración compra toda tu cuenta, presente y futura. Por qué una sola llave sirve para todos los conectores →
¿Tengo que configurar MCP solo para chatear con mis datos? +
¿Por qué usar Query Streams MCP para datos de Shopify si Shopify ya incluye Storefront MCP? +
Shopify Estados Unidos, Shopify_eu, y Shopify_APAC tiendas de una sola vez. El MCP de la tienda es por tienda. (3) Alcance del conector cruzado. Combina los pedidos de Shopify con los datos de tus facturas de Stripe, tus contactos de HubSpot CRM y tu catálogo de productos de Postgres en la misma conversación de Claude. Pregunta: «Asocia los clientes de Shopify con los contactos de HubSpot y muéstrame qué clientes de pago tienen tickets de soporte abiertos»: una unión de tres vías entre proveedores. Storefront MCP solo ve los datos de la tienda de Shopify. Conviven bien. Utilice Storefront MCP para experiencias de compra con IA orientadas al comprador; utilice Query Streams MCP para flujos de trabajo de IA en contextos de operaciones, finanzas, análisis y atención al cliente. Muchas organizaciones de Shopify Plus implementan ambos.
Comience
Conecta tu herramienta de IA con los datos de administración de Shopify en cinco minutos.
Una sola clave MCP llega a Shopify, a todas las bases de datos y a todos los demás conectores API de tu cuenta de Query Streams, con un registro de auditoría completo, límites de uso por clave, consultas entre conectores de varias tiendas y sin necesidad de modificar el firewall. Claude, Cursor, ChatGPT y Grok funcionan sin configuración adicional.
Guías relacionadas: Descargar el agente de flujos de consultas | Configuración del conector API | Todas las guías del servidor MCP | Nova AI texto a SQL
Categoría: Servidor MCP
Etiquetas: mcp, claude, cursor, shopify, api-connector, comercio electrónico, shopify-admin, shopify-storefront-mcp, multi-tienda, read-only-mcp
Meta Descripción: Consulta datos de administración de Shopify con Claude o Cursor a través de MCP. Superficies SQL en caché, multi-tienda, sin vulnerabilidades en el firewall. Gratis.
English 
Spanish 
German 
French 
Portuguese 
Japanese 
Korean 
Chinese 
Italian 
Dutch 
Indonesian 
Polish