Voir les catégories

HubSpot MCP Server : interroger le CRM HubSpot avec Claude / Cursor

31 min de lecture

SERVEUR MCP CRM HUBSPOT

Interrogez HubSpot CRM avec Claude ou Cursor via le serveur HubSpot MCP.

Une configuration HubSpot MCP de 5 minutes permet à votre outil d'IA de poser des questions en langage naturel sur vos contacts, entreprises, transactions, tickets et objets personnalisés. L'agent Query Streams met en cache l'API HubSpot CRM dans une base de données SQL DuckDB locale, permettant ainsi au LLM d'accéder à de véritables tables (avec jointures multi-objets, énumérations prenant en compte le schéma et découverte des étapes de transaction par pipeline) plutôt qu'à des points de terminaison REST. Un modèle différent de l'assistant basé sur une interface utilisateur de HubSpot Breeze AI.

Pas de trous dans le pare-feu Une seule clé, tous les connecteurs Jointures SQL multi-objets Apportez votre propre outil d'IA

Query Streams est une plateforme d'intégration de données sécurisée et en temps réel qui intègre toutes les bases de données et API SaaS de votre compte dans Claude, Cursor, ChatGPT et Grok, grâce à une seule clé MCP et sans modification du pare-feu. Ce guide vous emmène à travers le Hubspot MCP chemin spécifiquement, afin que votre outil d'IA puisse répondre à des questions en langage clair sur les contacts, les entreprises, les transactions, les tickets et les objets personnalisés sans que vous ayez à exporter des fichiers CSV depuis HubSpot ni à vous débattre avec l'API REST v3. L'agent réseau extrait les données CRM HubSpot dans un cache DuckDB local, de sorte que le LLM voit des surfaces SQL propres (contacts, sociétés, offres, billets, propriétaires, objets personnalisés) au lieu d'enveloppes REST — et Schema Intelligence gère les idiomes de HubSpot (par pipeline) stage de négociation énumérations, hs_object_id jointures de chaînes, étape du cycle de vie (énumérations, aplatissement des propriétés des objets personnalisés) pour que la requête SQL soit correcte du premier coup. Pour en savoir plus, rendez-vous sur QueryStreams.com. et Inscrivez-vous gratuitement pour commencer à poser à votre outil d'IA de vraies questions sur HubSpot CRM.

Ce que le serveur Query Streams HubSpot MCP vous offre

D'autres serveurs « HubSpot MCP » open source connectent l'outil d'IA directement à l'API REST HubSpot v3 et lui envoient des requêtes brutes, objet par objet. Cette méthode fonctionne, mais elle ajoute un jeton d'application privée HubSpot à la configuration de votre client d'IA, oblige le LLM à manipuler des ressources REST et des sélecteurs de propriétés au lieu de SQL, limite l'outil d'IA à HubSpot et ne fournit aucun historique des requêtes effectuées. Le serveur HubSpot MCP de Query Streams résout un problème plus global : une seule clé pour tous les connecteurs, un historique complet des requêtes, l'agent normalise les données HubSpot CRM en surfaces SQL multi-objets et l'outil d'IA ne stocke jamais vos identifiants HubSpot.

Aucun trou dans le pare-feu entrant

L'agent réseau établit une unique connexion sortante chiffrée vers Query Streams. Votre client IA se connecte au cloud, jamais à votre jeton d'application privée HubSpot ni à votre réseau. Aucun port à ouvrir, aucune adresse IP à autoriser, aucun VPN.

Une seule clé, tous les connecteurs

La même clé MCP est transmise à HubSpot, ainsi qu'à toutes les autres bases de données et API SaaS connectées à votre compte. Ajoutez un connecteur Stripe ou PostgreSQL demain : l'outil d'IA le détectera au même titre que votre CRM et associera les transactions HubSpot aux frais Stripe en une seule requête SELECT, sans avoir à ressaisir les données.

L'intelligence schématique intégrée

L'IA analyse les descriptions générées par l'IA, les types sémantiques (devise, e-mail, étape du cycle de vie, énumérations des étapes de transaction par pipeline), des exemples de valeurs et les clés étrangères découvertes pour chaque propriété HubSpot, et pas seulement les noms de propriétés en snake_case. Elle génère des requêtes SQL précises dès la première tentative, y compris celles prenant en charge les pipelines multiples. dealstage EN (...) filtres que les LLM à schéma minimal ne prennent pas en compte.

Accès en lecture seule appliqué à l'agent

Même un LLM halluciné ne peut pas mettre à jour un contact, modifier l'étape d'une transaction ou supprimer une entreprise via Query Streams MCP. L'agent réseau rejette tout ce qui n'est pas conforme. SELECTIONNER, AVEC, ou EXPLIQUER avant qu'elle n'atteigne les tables HubSpot mises en cache — et les opérations de mutation HubSpot ne sont jamais exposées à la surface MCP en premier lieu.

Limites de débit par clé

Par défaut, 60 requêtes et 10 exécutions par minute, configurables par clé. Une boucle d'appels d'outil d'IA incontrôlée entraîne la consommation d'un quota de jetons, et non de votre quota quotidien d'API HubSpot, de la limite de débit de votre application privée ou de votre portefeuille.

Comment cela fonctionne sans ouvrir les ports du pare-feu

L'agent réseau Query Streams est un petit programme à installer une seule fois sur une machine connectée à Internet (ordinateur portable, serveur ou machine virtuelle cloud – l'API HubSpot est accessible de partout). Il établit une connexion TLS sortante vers le cloud Query Streams et attend les requêtes des outils. Lorsque Claude ou Cursor pose une question, le cloud la transmet à l'agent, qui appelle l'API REST HubSpot v3 et met en cache la réponse dans une base de données DuckDB locale afin que l'IA puisse accéder à des requêtes SQL propres. contacts, sociétés, offres, billets, propriétaires, pipelinesAinsi que tous les objets personnalisés que vous avez configurés (au lieu d'enveloppes REST), le résultat est renvoyé par le même canal sortant. Aucune donnée entrante. Aucune donnée exposée. L'outil d'IA n'a jamais accès à votre jeton d'application privée HubSpot, à l'ID de votre hub ni à votre jeton d'actualisation OAuth.

Client IA

Curseur, Claude,
ChatGPT, Grok

Serveur QS MCP

HTTP en continu
Authentification par clé X-MCP

Agent de réseau

Sur votre réseau
Sortie de liaison cloud

API CRM HubSpot

lecture seule
Cache DuckDB

Aucun port entrant requis — l'agent compose les numéros sortants, jamais l'inverse.

La touche MCP que vous donnez à Cursor ou Claude est limitée (lire / analyser / exécuter), révocable à tout moment et limitée en nombre d'utilisations par clé. L'outil d'IA fait appel à ces outils MCP pour fonctionner :

querystreams-mcp · catalogue d'outils
qs_list_organisationslire
Renvoie l'organisation liée à la clé appelante.
qs_list_agentslire
Liste les agents du réseau et leur état en ligne.
qs_list_connectorslire
Liste les connecteurs de données (une entrée par serveur de base de données ou API).
qs_get_connector_schemalire
Renvoie les tables et colonnes HubSpot mises en cache que l'IA peut interroger (contacts, entreprises, transactions, tickets, propriétaires, pipelines, ainsi que tous les objets personnalisés), avec enrichissement Schema Intelligence lorsque disponible.
table de profils qsanalyser
Valeurs d'échantillon, distributions, détection d'énumérations, types sémantiques — à la demande.
qs_list_saved_querieslire
Des modèles SQL paramétrés préconfigurés, approuvés par l'équipe. L'IA les exécute sans jamais voir le code SQL.
qs_run_saved_queryexécuter
Exécute une requête enregistrée par clé_de_modèle avec des paramètres optionnels de remplacement.
qs_run_queryexécuter
Exécute une requête SELECT sur un connecteur. Un validateur en lecture seule s'exécute au niveau de l'agent, avant que la base de données ne reçoive la requête SQL.

Pourquoi Schema Intelligence rend Query Streams MCP différent

La plupart des serveurs « MCP pour HubSpot » open source transmettent à votre outil d'IA la même référence de propriété v3 que HubSpot publie pour les développeurs, ou pire, la version brute. schéma_information du cache qu'ils conservent. Noms des propriétés. Types de données. Peut-être une clé primaire. Le LLM doit deviner cela. stage de négociation est à valeurs d'énumération et les valeurs d'énumération varient par pipeline, que hs_object_id est une chaîne de caractères (et non numérique), les jointures nécessitent donc une comparaison de chaînes. étape du cycle de vie L'orthographe de « on contacts » diffère de celle d'une colonne portant le même nom dans la section « deals », ou encore les propriétés d'objets personnalisés sont protégées par des identifiants d'API. 2_ id __nom_propriété Ces données doivent être aplaties avant que SQL puisse y accéder. C'est pourquoi la première requête SQL que la plupart des responsables de la relation client (LLM) écrivent sur un schéma HubSpot brut est erronée : non pas parce que le LLM est incompétent, mais parce qu'il ne dispose pas des données nécessaires pour fonctionner correctement (et un filtre par étape du pipeline qui manque silencieusement la moitié de vos transactions est le genre d'erreur qui se traduit par une erreur de prévision trimestrielle).

Query Streams MCP renvoie ce même schéma HubSpot mis en cache, enrichi de ce que nous appelons Intelligence schématique (IS) — Métadonnées sélectionnées par l'IA, générées en exécutant des requêtes de profilage sur votre vrai Les données CRM HubSpot sont disponibles avant même que le client IA ne les demande. Lorsque l'intégration système est activée sur le connecteur HubSpot, chaque outil de schéma appelé par l'IA (qs_get_connector_schema, qs_get_table_schema, table de profils qs, qs_get_relationships) renvoie le schéma mis en cache de base, ainsi que six couches de connaissances organisées. Le LLM cesse de deviner.

Pour concrétiser cela, voici ce que le client IA récupère d'une seule requête. qs_get_table_schema appel contre le connecteur HubSpot offres tableau — l'objet central du pipeline de revenus qui génère 80 % des questions de reporting CRM — d'abord sans Schema Intelligence, puis avec.

Sans intelligence schématique source_de_données : schéma_capturé
// ce que voit le LLM == TABLEAU : offres == Colonnes : – hs_object_id varchar(40) NOT NULL – nom de l'accord varchar(500) - montant décimal(18,2) – étape de négociation varchar(80) – pipeline varchar(80) – fermé date – créé horodatage – hs_lastmodifieddate horodatage – hubspot_owner_id varchar(40) – hubspot_company_id varchar(40) – hs_object_source varchar(80) Index : ix_closedate, ix_pipeline, ix_dealstage Clés étrangères : (aucun déclaré dans le cache) si_recommandation : État: « not_run » Ce qui manque pour cet appel : – listes de valeurs d’énumération par pipeline et par étape de transaction – listes d’énumération par étape de cycle de vie / pipeline / hs_object_source – type sémantique du montant + indications multidevises – découverte de la jointure de chaînes hs_object_id – aplatissement du schéma d’objet personnalisé
Avec l'intelligence schématique source de données : intelligence du schéma
// ce que voit le LLM == TABLEAU : offres [FAIT, domaine : ventes] == « Objet de revenu central : chaque opportunité dans chaque pipeline HubSpot. L’étape de la transaction est une énumération par pipeline — énumérer les étapes de TOUS les pipelines. » ai_analyzed_at: 2026-05-05 · ~14 820 lignes · 4 pipelines Colonnes : – hs_object_id varchar(40) identifiant (chaîne de caractères) ⚠ Type STRING — les jointures utilisent la comparaison de chaînes – nom de l'accord varchar(500) contenu_texte Exemple : « Acme Corp – Renouvellement annuel » - montant décimal(18,2) devise (devise de la transaction) Exemple : 12500,00, 84000,00, 250,00 – étape de négociation varchar(80) code_statut (énumération par pipeline) Ventes : rendez-vous programmés (12 %) | acheteurs qualifiés (24 %) présentations programmées (18 %) | résultats obtenus (38 %) Renouvellement : découverte (15 %) | négociation (22 %) fermés gagnés (45 %) | annulés (18 %) – pipeline varchar(80) FK -> pipelines.id (100%, conf 0.99) par défaut (62 %) | renouvellement (24 %) | partenaire (10 %) | autre (4 %) – fermé date date_iso – créé horodatage horodatage – hubspot_owner_id varchar(40) FK -> owners.hs_object_id (100%, conf 0.99) – hubspot_company_id varchar(40) FK -> companies.hs_object_id (98 %, conf 0,97) – hs_object_source varchar(80) code_statut (énumération) FORMULAIRE (45 %) | IMPORTATION (28 %) | API (18 %) | INTÉGRATION (9 %)

Les six couches de l'intelligence schématique ajoutent

Chaque niveau aborde une catégorie spécifique de questions auxquelles le LLM devrait autrement répondre par supposition. L'intégration de SI est optionnelle. (connecteur, base de données) Pair et s'exécute comme une passe de profilage unique sur vos données — il ne modifie pas votre schéma, n'écrit pas dans votre base de données et s'actualise de manière incrémentielle lorsque votre schéma change.

Descriptions sélectionnées par l'IA

Description claire et concise de chaque base de données, schéma, table et colonne — générée une seule fois et mise à jour lors de toute modification de votre schéma. Évaluation de la fiabilité : les descriptions rédigées par les utilisateurs sont toujours privilégiées.

accords : « Objet central de recettes : chaque
« Une opportunité dans chaque pipeline HubSpot. »

Classification des tableaux

Chaque table est étiquetée FACT (événements transactionnels), DIM (référence descriptive) ou LOOKUP (petites tables de correspondance), plus un domaine d'activité — ventes, marketing, support, finance, RH, SEO et 14 autres.

offres [FAIT, domaine:ventes]
contacts [DIM, domaine:ventes]

Types sémantiques par colonne

Dix-huit types — devise, email, date_iso, code_statut, pourcentage, identifiant, URL, nom_personne, etc. L'IA génère du SQL adapté au dialecte et approprié à chaque type, y compris… hs_object_id Le traitement par jointure de chaînes de caractères qu'aucun LLM à schéma nu ne maîtrise correctement.

montant : devise · courriel : courriel
hs_object_id : identifiant (chaîne de caractères)

Valeurs d'exemple issues de données réelles

Des lignes aléatoires sont apparues au LLM afin qu'il reconnaisse des modèles qu'aucun schéma ne peut montrer : les conventions de formatage, les valeurs encodées, les styles de dénomination et la forme réelle des noms de vos transactions.

Nom de l'accord : [« Acme Corp – Renouvellement annuel »,
« Globex – Nouveau logo – T3 », « Initech – Expansion »]

Détection d'énumérations avec distributions

Les colonnes à faible cardinalité (50 valeurs distinctes ou moins, au maximum 5 % des lignes uniques) ont été mappées sur leur liste de valeurs complète avec le nombre de lignes. Par pipeline pour stage de négociation et hs_pipeline_stage — Le LLM permet de voir toutes les étapes d'un pipeline, et pas seulement une seule.

Étape de la négociation [Ventes] : conclue, présentations programmées
étape de négociation [Renouvellement] : fermé, gagné, remanié, découverte

Découverte implicite de clés étrangères

L'analyse du chevauchement des données entre les tables détecte les jointures qui ne sont pas déclarées comme des contraintes DDL, y compris les jointures entre objets personnalisés et objets standard via le hs_object_id Modèle d'association. Stocké avec les clés étrangères formelles et leurs scores de confiance, renvoyé par qs_get_relationships.

deals.hubspot_company_id ->
companies.hs_object_id (chevauchement de 98 %, confiance de 0,97)

Même invite de commande, requête SQL différente

La preuve se trouve dans le code SQL que l'outil d'IA écrit réellement. Même session Cursor, même modèle Claude, même invite. « Montrez-moi les contrats conclus au cours des 90 derniers jours, avec le propriétaire du contact et l'entreprise, uniquement via des pipelines activés. » Sans intelligence schématique, le LLM doit deviner. Avec elle, le LLM sait. stage de négociation Les valeurs varient selon le pipeline. hs_object_id est une chaîne de caractères, et le graphe de jointure est compatible avec les objets personnalisés.

Sans intelligence schématique
— Première tentative de LLM contre un schéma nu : SELECTIONNER d.nom_de_l'accord, d.montant, c.prénom, nom_de_l'entreprise AS entreprise DE transactions d JOINDRE contacts c ON d.hubspot_owner_id = c.hs_object_id JOINDRE entreprises co ON d.hubspot_company_id = co.id d.étape_de_transaction = « fermé » ET d.closedate >= '2026-02-06' « closedwon » correspond uniquement au pipeline des ventes —    manque le « gain serré » de Renewal (avec trait d'union) co.id incorrect — les entreprises utilisent hs_object_id hubspot_owner_id correspond au propriétaire, et non au contact. Date fixe — la période de « 90 derniers jours » devrait être dynamique
Avec l'intelligence schématique
— Première tentative de LLM avec SI activé : SELECTIONNER nom de l'offre, montant, courriel AS adresse_courriel_du_propriétaire, nom_de_l'entreprise AS entreprise DE transactions d JOINDRE propriétaires de ON d.hubspot_owner_id = o.hs_object_id JOINDRE entreprises co ON d.hubspot_company_id = co.hs_object_id d.étape de vente IN (« fermé », « gagné de justesse ») ET d.closedate >= DATE('maintenant', '-90 jours') Toutes les variantes fermées gagnées des pipelines correspondaient La chaîne hs_object_id est une jointure entre les propriétaires et les entreprises. hubspot_owner_id est correctement résolu en propriétaires DATE('now', '-90 days') est correct selon le dialecte Connaissance des énumérations par pipeline à partir de SI
Vous ne souhaitez pas exécuter Schema Intelligence ? MCP fonctionne toujours. Sans SI, les outils de schéma renvoient des métadonnées brutes (types, clés primaires, clés étrangères formelles, index) et chaque réponse dégradée contient un si_recommandation bloquer l'IA en lui indiquant précisément ce qui lui manque, y compris une option permettant d'activer l'intégration de systèmes en cours de conversation via qs_request_si_analyseVotre client IA peut proposer de déclencher une exécution SI sur-le-champ (« Souhaitez-vous que j'active d'abord Schema Intelligence sur cette base de données ? Cela s'exécute via votre agent réseau en arrière-plan et améliorera considérablement mes réponses »). Le temps d'exécution varie en fonction du nombre de tables : L'analyse d'une petite base de données (moins de 100 tables) prend environ 10 minutes ; celle d'une base de données de taille moyenne (quelques centaines de tables) prend entre 15 et 25 minutes ; et celle d'une grande base de données d'entreprise (plus de 1 500 tables) peut nécessiter entre 45 et 60 minutes. Les actualisations suivantes, après modification du schéma, sont incrémentales et beaucoup plus rapides que la première. L'option « Intelligence du schéma » est activée par défaut. Nous sommes convaincus que vous ne voudrez pas vous en passer.

Comparaison de Query Streams MCP, HubSpot Breeze AI et des interfaces d'IA officielles de HubSpot.

HubSpot intègre sa propre IA : IA BreezeHubSpot est un assistant intégré qui rédige des textes marketing, suggère les actions les plus pertinentes pour les transactions et prépare des e-mails pour les commerciaux directement depuis l'interface utilisateur. Une interface officielle de type MCP, en constante évolution, permet également d'exposer certains objets HubSpot à des clients externes via des appels de fonction spécifiques à chaque objet. Ce sont des produits concrets qui répondent à un besoin réel : une IA performante pour les créateurs HubSpot. à l'intérieur HubSpot. Query Streams HubSpot MCP se présente sous une forme différente : une interface SQL programmatique au-dessus de complet Modèle de données CRM (chaque objet standard et chaque objet personnalisé) pour les outils d'IA en fonctionnement dehors HubSpot, avec des jointures multi-objets, une portée inter-connecteurs et le même audit + application de la lecture seule avec chaque connecteur Query Streams MCP.

Dimension
Flux de requêtes HubSpot MCP
HubSpot Breeze IA
MCP officiel HubSpot (partiel)
Surface
SQL programmatique via MCP
Copilote d'interface utilisateur In-HubSpot
Appels de fonctions MCP par objet (partiels)
Couverture d'objet
Tous les objets standard + tous les objets personnalisés
Tous les objets HubSpot (liés à l'interface utilisateur)
Partiel — contacts, entreprises, transactions, et autres
Jointures SQL multi-objets
Oui — arbitraire JOINDRE à travers les objets CRM + les objets personnalisés
N/A (interface utilisateur, pas SQL)
Limité par appel
Raccords de connexion croisée
Oui — HubSpot + Stripe + Postgres + Snowflake + Shopify dans une seule requête
Non
Non
Application en lecture seule
Couche agent codée en dur VIOLATION EN LECTURE SEULE validateur
N/A (lié aux autorisations d'interface utilisateur)
Cela dépend de la portée de l'application
Piste d'audit
journaux d'événements par appel (organisation / utilisateur / clé / étendue / latence)
Journal d'activité HubSpot (limité à l'interface utilisateur)
Journal de l'application HubSpot (variable selon l'application)
Compatible avec ChatGPT / Claude / Cursor / Grok / Windsurf / Zed / Continue / Cline / Codex
Oui — une seule clé, tous les clients
Non applicable (interface utilisateur HubSpot uniquement)
Configuration par application et par client
Prise en charge des objets personnalisés
Oui — SI détecte et aplatit automatiquement
Oui (interface utilisateur)
Couverture par application

Ils coexistent bien. Breeze AI est conçu pour les créateurs HubSpot : commerciaux, spécialistes marketing et agents du support travaillant dans l’interface HubSpot et souhaitant un assistant intégré pour la génération de contenu, les suggestions d’actions optimales et la rédaction d’e-mails. La couverture officielle du MCP HubSpot s’étend et convient parfaitement aux agents IA ayant besoin d’accéder à certains objets HubSpot spécifiques via des appels de fonction. Query Streams HubSpot MCP est destiné aux outils d’IA. dehors HubSpot — Claude, Cursor, ChatGPT, Grok, Windsurf, Zed et autres — nécessite une interface SQL programmatique pour l'ensemble de votre modèle de données CRM, avec des jointures multi-objets, une connectivité croisée vers vos données Stripe/Postgres/Snowflake/Shopify et un plan d'accès unique en lecture seule et auditable. La plupart des équipes qui acquièrent Query Streams HubSpot MCP continuent d'utiliser Breeze AI au sein de HubSpot. Le choix se fait par outil et par agent d'IA, et non par organisation.

Nova AI

MCP ne vous convient pas ? Essayez plutôt Nova AI.

Si la modification des fichiers de configuration JSON et l'installation des clients de bureau AI vous semblent représenter plus de travail que prévu, vous pouvez tout à fait ignorer MCP. Nova AI est intégrée directement au portail web Query Streams — aucune installation, aucune configuration et aucun abonnement supplémentaire à un fournisseur d'IA en plus de votre forfait Query Streams. Connectez-vous, cliquez Demandez à Novaet posez le même genre de questions en langage clair : «Quel est le taux de conversion du pipeline en revenus par étape et quelle étape connaît la plus forte baisse ?" ou "Afficher les 20 premiers comptes par ARR avec une date de renouvellement dans les 90 prochains jours, classés par score de risque de désabonnementNova connaît déjà tous les connecteurs que vous avez ajoutés (HubSpot, vos bases de données, Stripe, Shopify, Google Ads, etc.). Aucune configuration n'est donc nécessaire. Même agent réseau, même application du mode lecture seule, même intelligence de schéma pour les requêtes SQL. Seule l'infrastructure MCP est à votre charge. Chaque abonnement Query Streams inclut des crédits Nova AI ; leur utilisation est déduite de votre forfait, comme pour Excel, Sheets et le générateur de requêtes.

Découvrez Nova AI

Conditions préalables

Avant de commencer, assurez-vous d'avoir :

  1. Un compte Query Streams gratuit sur mon.querystreams.com.
  2. L'agent réseau Query Streams installé sur une machine ayant accès à Internet — voir Téléchargez l'agent Query StreamsL'API HubSpot est accessible de partout, l'agent n'a donc pas besoin d'être connecté à un réseau spécifique.
  3. Un connecteur HubSpot configuré avec l'agent — voir l'existant Configuration du connecteur API Guides pour l'association de jetons d'application privée (recommandé) ou applications de contexte utilisateur OAuth. L'agent conserve le jeton d'application privée HubSpot, votre ID de hub et les jetons d'actualisation OAuth ; l'outil d'IA n'y a jamais accès.
  4. Tout client d'IA compatible MCP. Ce guide présente Cursor, Claude Desktop, ChatGPT et Grok ; si vous utilisez Windsurf, Zed, Continue, Cline, VS Code Copilot, Codex ou Goose, la configuration reste globalement la même.
  5. Cinq minutes.
Vous ne configurez l'agent qu'une seule fois. Le même agent qui alimente les modules complémentaires Excel et Google Sheets de Query Streams, le générateur de requêtes Web et Nova AI est également utilisé par MCP. L'ajout de MCP à un compte Query Streams existant se résume à la génération d'une clé ; l'agent et les connecteurs sont déjà opérationnels.
1

Générer une clé MCP

De la part de /mcp Dans la page Flux de requêtes, créez une clé avec les étendues souhaitées.

2

Déposez-le dans votre client IA

Un seul extrait JSON pour Cursor, Claude, ChatGPT ou Grok. La même clé partout.

3

Poser une question

« Quelle est la valeur du pipeline par étape ce trimestre ? » — L'IA utilise les outils appropriés et vous obtenez la réponse.

Étape 1 : Générer une clé MCP dans les flux de requêtes

Connectez-vous à Query Streams et ouvrez le page MCP (ou connectez-vous d'abord à mon.querystreams.com et cliquez MCP (dans le menu de navigation de gauche). Cliquez Générer une clé, donnez à la clé un nom reconnaissable (quelque chose comme curseur-ordinateur portable ou bureau de Claude), et choisissez les portées que vous souhaitez associer à cette clé :

  • lire — L'IA peut parcourir les connecteurs et lire les schémas. Indispensable pour tout le reste.
  • analyser L'IA peut profiler les tables et découvrir les relations (valeurs d'exemple, distributions, types sémantiques). Cette fonctionnalité est optionnelle, mais fortement recommandée pour les applications CRM, où il est essentiel de comprendre la structure des données de vos transactions et les énumérations par étape du pipeline.
  • exécuter — L'IA peut effectivement exécuter des requêtes SQL. Sans cela, elle ne peut lire que les métadonnées du schéma.

Pour un flux de travail classique du type « laisser Claude analyser mes données HubSpot CRM », les trois niveaux de portée conviennent. En revanche, pour une donnée clé que vous confiez à un collègue ou à un client moins digne de confiance, évitez d'en confier une autre. exécuter et autorisez-les uniquement à consulter. Vous pouvez révoquer n'importe quelle clé à tout moment depuis cette même page ; le client IA le verra. CLÉ_MCP_RÉVOQUÉE Lors de son prochain appel, le fonctionnement s'arrête immédiatement. Il n'y a pas de délai de propagation.

Copiez la clé maintenant : Query Streams l’affiche une seule fois, puis ne conserve qu’un hachage. Si vous la perdez, générez-en une nouvelle. La clé ressemble à ceci : qsmcp_ suivi de 48 caractères aléatoires, ce que votre client IA envoie dans le Clé X-MCP En-tête de requête.

Étape 2 : Ajoutez Query Streams MCP à votre client d’IA

La configuration est identique pour tous les clients compatibles MCP : une entrée de serveur MCP pointant vers https://mcp.querystreams.com avec votre clé dans le Clé X-MCP En-tête. Choisissez votre client ci-dessous.

Curseur
Curseur ~/.cursor/mcp.json
// Modifier ~/.cursor/mcp.json
{
  "mcpServers": {
    "flux de requêtes": {
      "url": "https://mcp.querystreams.com",
      "en-têtes": {
        "Clé X-MCP": "qsmcp_CLÉ_PASSER_ICI"
      }
    }
  }
}
Claude Desktop
Claude Desktop claude_desktop_config.json
// Paramètres → Développeur → Modifier la configuration
{
  "mcpServers": {
    "flux de requêtes": {
      "url": "https://mcp.querystreams.com",
      "en-têtes": {
        "Clé X-MCP": "qsmcp_CLÉ_PASSER_ICI"
      }
    }
  }
}
ChatGPT
ChatGPT Applications et connecteurs
// Paramètres → Applications et connecteurs → Ajouter un MCP
URL du serveur  https://mcp.querystreams.com
En-tête d'authentification Clé X-MCP
Valeur d'en-tête qsmcp_COLLER_LA_CLÉ_ICI

Nécessite un abonnement ChatGPT payant
// (Plus / Pro / Team / Enterprise).
Grok
Grok Outils MCP distants
// Grok → Paramètres → Outils
{
  "mcp_servers": [{
    "nom": "flux de requêtes",
    "url": "https://mcp.querystreams.com",
    "auth_header": "Clé X-MCP",
    "auth_value": "qsmcp_..."
  }]
}

Redémarrez votre client IA. Au prochain démarrage, il détectera les huit outils Query Streams MCP mentionnés ci-dessus et les affichera dans sa palette d'outils. Dans Cursor et Claude Desktop, vous pouvez le vérifier en saisissant : « liste des connecteurs » — l'IA devrait appeler qs_list_connectors et renvoyez votre connecteur HubSpot ainsi que tout autre élément que vous avez configuré.

Étape 3 : Poser une question HubSpot à l’IA

Vous n'écrivez pas de SQL : c'est l'IA qui s'en charge. Vous posez une question, l'IA choisit l'outil MCP approprié, l'agent exécute la requête sur vos données HubSpot mises en cache et la réponse s'affiche sous forme de texte et de tableaux. Voici trois exemples de requêtes à tester :

« Quelle est la valeur du pipeline par étape actuellement et comment évolue le taux de conversion d'un mois à l'autre ? »
Pipeline
L'IA appellera qs_get_connector_schema pour découvrir les tables HubSpot mises en cache et les énumérations par étape du pipeline, puis qs_run_query avec une requête SELECT contre offres groupés par pipeline + stage de négociation, en additionnant montant, filtrés pour ne retenir que les pipelines actifs et les deux derniers mois. Vous verrez un récapitulatif par étape pour chaque pipeline, accompagné d'une interprétation écrite : quelles étapes sont performantes, lesquelles sont bloquées et où le taux de conversion est en baisse. La détection par énumération de Schema Intelligence pour chaque pipeline évite le problème classique de « … »OÙ dealstage = 'closedwon'« une erreur qui vous fait rater silencieusement des opportunités dans votre pipeline de renouvellement (où l’étape est orthographiée fermé gagné avec un trait d'union).
« Lister les transactions bloquées au stade de la proposition depuis plus de 30 jours, avec le nom du propriétaire et la dernière tentative de contact. »
Vitesse de transaction
L'IA rejoint offres à propriétaires via hubspot_owner_id = owners.hs_object_id (comparaison de chaînes — le type sémantique chaîne d'identifiant de SI empêche l'erreur inhérente à LLM de traiter la colonne comme numérique), filtres stage de négociation aux étapes équivalentes à une proposition dans tous vos pipelines, calcule le nombre de jours dans chaque étape à partir de hs_lastmodifieddateet extrait les plus récentes fiançailles Activité par responsable de dossier. Le résultat est une liste de travail triée des dossiers bloqués, avec l'adresse e-mail du représentant et un paragraphe expliquant quels dossiers semblent nécessiter une décision de clôture ou d'abandon. La requête inverse — « Quels sont les porteurs de projets qui affichent le taux de clôture le plus élevé ce trimestre ? » — Il s'agit de la même requête SQL inversée, et l'IA la traite de la même manière.
« Veuillez m’indiquer les revenus attribués au marketing par canal source pour les 90 derniers jours. »
Attribution
Un pivot par contacts.hs_analytics_source (ou hs_object_source (si vous avez configuré des propriétés d'attribution personnalisées) rejoint un groupe fermé offres via contacts.hs_object_id et l'association transaction-contact, en somme montant par canal source. L'outil d'IA mettra généralement en évidence les canaux surperformants et sous-performants par rapport à leur part dans le pipeline de contact (recherche organique vs réseaux sociaux payants vs contact direct vs parrainage) et proposera un suivi. « Voulez-vous que je superpose cette même vue par étape du cycle de vie pour voir où chaque canal convertit le mieux ? » Détection d'énumérations par Schema Intelligence hs_object_source garantit que l'IA ne confonde pas les catégories FORMULAIRE / IMPORTATION / API / INTÉGRATION qui varient d'un portail à l'autre.

Lors du premier appel à un outil par l'IA, votre client peut afficher une fenêtre de confirmation vous demandant d'approuver cet appel. Il s'agit du flux de consentement standard de MCP, et non d'une fonctionnalité ajoutée par Query Streams. Une fois l'approbation donnée, l'IA poursuivra la conversation sans problème. Vous pouvez modifier ce consentement à tout moment dans les paramètres de votre client.

Avis de facturation transparent : l’utilisation de MCP est facturée en octets non compressés.

Les modules complémentaires Excel et Google Sheets de Query Streams, ainsi que son générateur de requêtes web et Nova AI, fonctionnent tous via notre connexion cloud compressée ; nous mesurons et facturons en conséquence. octets compressés par rapport à votre environnement de données. Le transport MCP (HTTP en flux continu, conformément à la spécification MCP officielle) ne prend pas en charge de manière fiable la compression de bout en bout sur tous les clients et proxys intermédiaires. C'est pourquoi nous mesurons et facturons. octets non compressés pour le trafic MCP.

  • Ce que cela signifie : Une requête HubSpot CRM de 2 Mo (opportunités, contacts et entreprises du trimestre, avec tous vos pipelines) occupe environ 2 Mo de votre espace de données lorsqu'elle est extraite via MCP, contre environ 250 à 400 Ko via Excel, Sheets, Nova ou le générateur de requêtes. Les données HubSpot se compressent efficacement : les chaînes d'énumération en snake_case, les libellés d'étape répétés, les identifiants de propriétaire et les horodatages se répètent sur plusieurs lignes. Ainsi, la compression LZ4 via la connexion cloud permet généralement une réduction de 6 à 8 fois par rapport aux autres méthodes de transport. Mêmes données, transport différent, taille facturable différente.
  • Ce que ceci n'est pas : Nous ne facturons aucune majoration ni pénalité pour l'utilisation de MCP. Nous facturons le volume réel de données transmises. Les autres clients sont moins chers car la compression fonctionne de manière fiable sur ces protocoles ; nous ne vous pénalisons pas pour le choix du protocole, mais nous devons être transparents quant à l'impact sur les coûts.
  • Ce que vous pouvez faire : Pour les exportations récurrentes de très grande taille (par exemple, des tableaux croisés pluriannuels de contacts, transactions et activités), privilégiez Excel, Sheets ou Nova. Pour les appels à des outils d'IA interactifs (comme les agrégats HubSpot classiques de 100 à 5 000 lignes, adaptés à un contexte LLM), MCP est la solution idéale, et la différence de coût est minime.

Foire aux questions

Dois-je ouvrir des ports ou utiliser un VPN pour cela ? +
Aucune règle de trafic entrant, redirection de ports, NAT punchthrough ni VPN. L'agent réseau établit une connexion TLS sortante (port 443) et votre client IA atteint https://mcp.querystreams.com depuis l'internet public — si le protocole HTTPS sortant fonctionne sur l'hôte de l'agent, MCP fonctionne. Découvrez comment fonctionne une connexion sortante uniquement →
Quels outils d'IA puis-je utiliser avec Query Streams MCP ? +
Tout client compatible avec le protocole MCP (Model Context Protocol) ouvert — Claude Desktop, Claude Code, Cursor, ChatGPT (payant), Grok, Gemini CLI, Windsurf, Zed et plus de 500 autres. Utilisez votre outil d'IA habituel ; vous n'avez pas besoin d'en changer. Consultez tous les clients d'IA compatibles →
Puis-je révoquer une clé MCP ? +
Oui — trois interrupteurs d'arrêt d'urgence indépendants (un par touche à partir du /mcp page, par organisation via les paramètres du plan et au niveau de la plateforme), aucune de ces opérations ne nécessitant une rotation du jeton d'application privée HubSpot ou un redémarrage de l'agent. Plus d'informations sur la révocation des clés MCP →
Comment l'utilisation de MCP est-elle facturée en fonction de mon espace de données ? +
Les appels d'exécution MCP puisent dans le même budget de données qu'Excel, Sheets, le générateur de requêtes et Nova AI, mais MCP fonctionne sur Streamable HTTP non compressé. Ainsi, un résultat HubSpot CRM de 2 Mo qui coûte environ 250 à 400 Ko via les clients compressés (les énumérations d'étape répétées, les identifiants de propriétaire et les horodatages sont compressés 6 à 8 fois via LZ4) coûte la totalité des ~2 Mo sur MCP. Comment l'utilisation du MCP est mesurée →
Est-ce que Query Streams MCP fonctionne avec les niveaux HubSpot Free / Starter / Professional / Enterprise, les applications de contexte utilisateur OAuth par rapport aux jetons d'application privée et les objets personnalisés HubSpot ? +
Oui. HubSpot Free, Starter, Professional et Enterprise sont tous pris en charge. L'agent utilise l'API REST v3 de HubSpot, identique quel que soit le niveau de service ; vous obtenez uniquement des objets supplémentaires (par exemple). objectifs, soumissions_de_commentaires, prise en charge complète des objets personnalisés) sur les versions Professionnelle et Entreprise. Auth. Jetons d'application privée (recommandés pour une utilisation serveur à serveur) ou applications de contexte utilisateur OAuth (pour l'accès délégué). Les applications privées sont plus faciles à gérer : générez un jeton dans Paramètres → Intégrations → Applications privéesLimitez l'accès à la lecture seule aux objets spécifiques que vous souhaitez rendre accessibles à l'IA (par exemple, contacts CRM, transactions CRM, entreprises CRM) et stockez-le dans le coffre-fort numérique chiffré de l'agent. La rotation du jeton s'effectue par simple régénération et échange ; aucun mot de passe n'est requis. Objets personnalisés sont automatiquement détectées par Schema Intelligence — l'analyse SI lit les données de HubSpot schémas Ce point de terminaison expose tous les objets personnalisés que vous avez configurés sous forme de table SQL claire avec des noms de colonnes conviviaux (l'API renvoie des identifiants de propriété comme 2_12345__nom_de_propriété; SI les aplatit à nom_de_propriété avec le préfixe entier conservé pour lever l'ambiguïté du nom de table). Jointures d'objets personnalisés à des objets standard (par exemple, liaison d'un objet personnalisé factures s'opposer à sociétés) utiliser la norme hs_object_id Ce modèle d'association fonctionne en SQL exactement comme n'importe quelle autre jointure.
En quoi cela diffère-t-il du fait d'exécuter moi-même un serveur HubSpot MCP open-source ? +
Un serveur MCP HubSpot direct (des projets communautaires existent sur GitHub, principalement des wrappers REST v3 légers) nécessite un MCP par source de données. La plupart d'entre eux génèrent des enveloppes REST brutes ou des sélecteurs de propriétés au niveau du LLM, sans interface SQL, sans énumération par étape de pipeline ni aplatissement du schéma des objets personnalisés. Pour que Claude puisse lire les données de HubSpot, de votre PostgreSQL, de votre compte Stripe et de votre entrepôt Snowflake, il vous faudrait quatre serveurs MCP configurés séparément dans chaque client AI, chacun avec ses propres identifiants, son propre modèle de portée et son propre historique d'audit. Query Streams MCP est une solution unique qui permet d'accéder à tous les connecteurs associés à votre compte. L'agent normalise les données HubSpot en interfaces SQL multi-objets propres et jointables, avec une interface par pipeline. stage de négociation La prise en charge des énumérations est intégrée. Vous bénéficiez également de l'intelligence du schéma, de l'application du mode lecture seule au niveau de l'agent, des limites de débit par clé et d'un journal d'audit. journaux d'événements, et le même pipeline de facturation de domaine de données que vous utilisez déjà — autant d'éléments qu'un MCP direct ne vous offre pas.
Que se passe-t-il si l'IA tente d'écrire ou de supprimer des données ? +
Elle est rejetée au niveau de l'agent, avant même que les données HubSpot mises en cache ne voient la requête SQL : un validateur codé en dur n'autorise que SELECTIONNER / AVEC / EXPLIQUER et retours VIOLATION EN LECTURE SEULE Pour tout le reste, il existe une seconde couche spécifique à HubSpot : les opérations d’écriture/modification (création de contacts, mise à jour des étapes d’une transaction, suppression d’entreprises, envoi d’e-mails) ne sont jamais exposées à l’interface MCP. L’agent n’effectue donc que des appels API v3 en lecture seule, et le LLM ne dispose d’aucune fonction permettant de modifier votre CRM. Comment fonctionne l'application du mode lecture seule au niveau de l'agent →
Puis-je voir la question exacte posée par l'IA ? +
Oui, chaque appel d'outil MCP écrit une ligne dans journaux d'événements (organisation, utilisateur, clé, étendue, latence, code de résultat), en consignant le nom de l'outil et les métadonnées plutôt que le texte SQL ou les lignes. Étant donné que le journal d'activité de HubSpot capture l'activité de l'interface utilisateur mais n'expose pas l'accès à l'IA tierce sous une forme interrogeable, l'agent journaux d'événements Il s'agit de l'enregistrement le plus clair de « ce que l'IA a demandé, à quel portail HubSpot et quand » — dans votre propre base de données, et non réparti entre la piste d'audit de HubSpot et l'historique de votre client IA. Plus d'informations sur la piste d'audit MCP →
Dois-je exécuter Schema Intelligence pour utiliser Query Streams MCP ? +
Non — SI est optionnel par (connecteur, base de données) Pair et MCP fonctionnent sur un schéma minimal sans cela, mais son activation ajoute six couches de métadonnées organisées (descriptions, classifications FACT/DIM/LOOKUP, types sémantiques par colonne, exemples de valeurs réelles, distributions d'énumérations et clés étrangères découvertes) qui permettent à l'IA d'écrire du SQL correct du premier coup. Pour HubSpot, la couche décisive est par pipeline stage de négociation énumération — le LLM examine les différentes étapes de chaque pipeline (y compris fermé vs le trait d'union fermé gagné) plus le hs_object_id Le traitement par jointure de chaînes, un schéma nu ne le révèle jamais. Qu'apporte l'intelligence schématique et combien de temps dure une analyse ? →
Et si j'ajoute un autre connecteur plus tard, comme Stripe ou PostgreSQL ? +
Rien ne change côté client — la même clé atteint le nouveau connecteur dès que l'agent l'appaire (qs_list_connectors (Il le récupère automatiquement). Un seul bloc de configuration couvre l'intégralité de votre compte, actuel et futur. Pourquoi une seule touche couvre tous les connecteurs →
Dois-je configurer MCP juste pour discuter avec mes données ? +
Non - Nova AI est intégré au portail Query Streams et fonctionne avec tous les connecteurs (HubSpot inclus) sans installation ni fichiers de configuration MCP. Utilisez Nova pour interagir avec vos données dans Query Streams ; utilisez MCP lorsque vous souhaitez que votre propre client IA (Claude, Cursor, ChatGPT, etc.) accède aux mêmes données HubSpot : même agent, mêmes connecteurs, même intelligence schématique sous-jacente. En savoir plus sur Nova AI →
Pourquoi utiliser Query Streams MCP pour les données HubSpot si HubSpot propose Breeze AI et une interface officielle similaire à MCP ? +
Différentes formes de problèmes. HubSpot Breeze IA L'assistant IA intégré à HubSpot est accessible directement depuis l'interface utilisateur. Il génère des textes marketing, suggère les actions les plus pertinentes à entreprendre pour les transactions, rédige des e-mails pour les commerciaux et est étroitement lié à l'expérience utilisateur HubSpot. Il s'agit d'un outil de création et de copilotage, et non d'une plateforme MCP programmatique pour des clients IA externes. Intégrations officielles de HubSpot de type MCP expose certains objets via des points de terminaison de fonction par appel, mais la couverture est inégale et principalement liée à l'interface utilisateur. Flux de requêtes HubSpot MCP La troisième forme est une interface SQL programmatique couvrant l'intégralité du modèle de données CRM (chaque objet standard et chaque objet personnalisé configuré), conçue pour les outils d'IA. dehors HubSpot. Trois raisons concrètes de le privilégier pour les flux de travail d'IA analytique : (1) Jointures SQL multi-objets. Demandez « quelles transactions appartiennent à des entreprises californiennes dont les responsables de contact ne se sont pas connectés depuis 14 jours ? » — cela correspond à une jointure à quatre voies. offres / sociétés / contacts / propriétaires. Breeze AI intégré à HubSpot peut répondre aux questions portant sur un seul enregistrement ; Query Streams MCP peut répondre aux requêtes analytiques multi-objets. (2) Clé unique multiconnecteur. Combinez les données HubSpot avec vos revenus Stripe et votre base de données produits Postgres dans une même conversation Claude. Demandez : « Affichez-moi les transactions HubSpot sans frais Stripe au cours des 30 derniers jours, segmentées par responsable des ventes » — une jointure inter-systèmes que Breeze AI ne peut pas réaliser. (3) Programmatique + auditable. Chaque appel MCP de Query Streams atterrit dans journaux d'événements Avec les critères suivants : organisation, utilisateur, clé, étendue et latence, les équipes de conformité peuvent répondre en une seule requête à la question : « Qui a interrogé les données HubSpot CRM la semaine dernière et quelles étaient ces questions ? ». L’activité de Breeze AI est consignée dans le journal d’audit dédié de HubSpot, indépendamment de l’utilisation de vos autres outils d’IA. Ils coexistent bien. Utilisez Breeze AI pour les tâches de création au sein de HubSpot ; utilisez Query Streams MCP lorsque les outils d’IA externes à HubSpot ont besoin de données CRM avec des jointures inter-systèmes.

Commencer

Connectez votre outil d'IA à vos données CRM HubSpot en cinq minutes.

Une seule clé MCP permet d'accéder à HubSpot, à toutes les bases de données et à tous les autres connecteurs API de votre compte Query Streams, avec un historique complet des accès, des limites de débit par clé, la prise en charge des jointures SQL multi-objets et des objets personnalisés, sans aucune modification du pare-feu. Claude, Cursor, ChatGPT et Grok sont immédiatement opérationnels.

Guides associés : Téléchargez l'agent Query Streams | Configuration du connecteur API | Tous les guides du serveur MCP | Nova AI text-to-SQL

Catégorie : Serveur MCP

Mots-clés : mcp, Claude, curseur, HubSpot, connecteur API, CRM, analyse des ventes, analyse marketing, Breeze AI, MCP en lecture seule

Description : Interrogez HubSpot CRM avec Claude ou Cursor via MCP. Jointures SQL multi-objets, objets personnalisés, aucune faille de sécurité au niveau du pare-feu. Gratuit.

Updated on 19 août 2026

Powered by BetterDocs