View Categories

Cara Menghubungkan MySQL ke Claude/Cursor melalui MCP (Pengaturan Server MySQL MCP)

Waktu baca 28 menit

SERVER MCP MYSQL

Meng querying MySQL dengan Claude atau Kursor melalui MCP.

Hubungkan MySQL — on-premise, AWS RDS, Azure Database for MySQL, atau Google Cloud SQL — ke Claude atau Cursor dengan satu kunci MCP. Schema Intelligence menangani kekhasan dialek (kolasi yang tidak peka huruf besar/kecil, kata-kata yang dipesan dengan tanda kutip backtick, SEKARANG() - INTERVAL n HARI, BATAS n) sehingga AI dapat menulis konfigurasi MySQL yang valid pada percobaan pertama.

Tidak ada lubang firewall. Satu kunci, setiap konektor Data langsung, tanpa jeda cache. Bawa alat AI Anda sendiri
Mulai Gratis Telusuri semua panduan MCP
Lihat semua yang dapat dilakukan Query Streams di luar panduan ini Mulai Gratis
Dukungan
SQL Server PostgreSQL MySQL MariaDB SQLite MS Access Oracle BigQuery DuckDB
+ lagi
Excel Lembar
Data Langsung

Mengganti ekspor dengan SQL sesuai permintaan

Excel Lembar
Nova
Analisis BI & AI

Tanya Nova, dapatkan grafik SQL +

Temui Nova
API REST
API REST Basis Data

Satu kunci per mitra. Tidak ada kredensial yang dibagikan.

Membangun API
Airtable Lembar pintar Baserow SeaTable + lagi
Otomatisasi

Sinkronisasi terjadwal ke 6+ platform

Jelajahi
Stripe HubSpot Shopify GA + lagi
API ke SQL

Kueri API dengan SQL, tanpa kode

Jelajahi
MCP Claude Kursor ChatGPT Grok + lagi
Basis Data AI MCP

Claude, Cursor, ChatGPT & Grok berbicara dengan data Anda.

Hubungkan AI

Query Streams adalah platform integrasi data real-time yang aman yang membawa setiap basis data dan API SaaS di akun Anda ke Claude, Cursor, ChatGPT, dan Grok — melalui satu kunci MCP tanpa perubahan firewall. Panduan ini akan menjelaskan cara menghubungkan konektor MySQL MCP secara spesifik, sehingga alat AI Anda dapat menjawab pertanyaan dalam bahasa Inggris sederhana tentang pesanan, pelanggan, katalog produk, dan data MySQL lainnya — penggabungan, agregasi, eksplorasi skema, pelaporan ad-hoc — tanpa Anda perlu menyalin dan menempel ekspor CSV dari MySQL Workbench, phpMyAdmin, DBeaver, atau HeidiSQL. Pelajari selengkapnya di QueryStreams.com dan Daftar gratis untuk mulai mengajukan pertanyaan MySQL sungguhan kepada alat AI Anda.

Apa yang diberikan Query Streams MCP untuk MySQL?

Server “MySQL MCP” lainnya di ranah sumber terbuka menghubungkan alat AI langsung ke string koneksi MySQL. Itu berfungsi, tetapi memasukkan kata sandi basis data ke dalam konfigurasi klien AI Anda, membatasi alat AI hanya pada satu titik akhir MySQL tersebut, dan tidak memberi Anda jejak audit tentang apa yang sebenarnya diminta oleh AI. Server Query Streams MCP untuk MySQL memecahkan masalah yang lebih luas: satu kunci, setiap konektor, jejak audit lengkap, dan alat AI tidak pernah menyimpan kredensial MySQL Anda.

Tidak ada celah firewall masuk.

Agen Jaringan membuka satu tautan cloud terenkripsi keluar ke Query Streams. Klien AI Anda terhubung ke cloud, bukan ke host MySQL Anda. Tidak ada port yang perlu dibuka, tidak ada IP yang perlu diizinkan, tidak ada VPN, dan tidak ada listener MySQL yang terekspos ke internet publik.

Satu kunci, setiap konektor

Kunci MCP yang sama menjangkau setiap basis data dan API SaaS yang terhubung dengan akun Anda. Tambahkan konektor Stripe atau PostgreSQL besok dan alat AI akan melihatnya di samping tabel MySQL Anda tanpa perlu memasukkan kunci ulang.

Kecerdasan Skema terintegrasi

AI tersebut melihat deskripsi yang dikurasi AI, tipe semantik, daftar nilai enum, dan kunci asing yang ditemukan untuk setiap kolom MySQL — bukan hanya sekadar teks biasa. skema_informasi output. Ia menulis SQL yang akurat pada percobaan pertama, bahkan pada skema MySQL lama dengan nama kolom yang rumit.

Mode baca saja diberlakukan di agen.

Bahkan seorang LLM yang berhalusinasi pun tidak bisa menerbitkannya. MENGHAPUS, MEMPERBARUI, atau MEMOTONG melalui Query Streams MCP. Agen Jaringan menolak apa pun yang tidak sesuai. PILIH, DENGAN, atau MENJELASKAN sebelum MySQL melihat SQL tersebut.

Batasan laju per tombol

Secara default, 60 permintaan per menit dan 10 panggilan eksekusi per menit, dapat dikonfigurasi per kunci. Loop panggilan alat AI yang tak terkendali akan mengenai token bucket, bukan kumpulan koneksi MySQL Anda atau tagihan hosting Anda.

Cara kerjanya tanpa membuka port firewall

Query Streams Network Agent diinstal sekali pada mesin yang dapat terhubung ke server MySQL Anda dan melakukan satu panggilan TLS keluar ke cloud melalui protokol kabel MySQL standar — tidak ada data masuk yang pernah terekspos, dan alat AI tidak pernah melihat string koneksi MySQL Anda. Cara kerja koneksi khusus keluar →

Klien AI

Kursor, Claude,
ChatGPT, Grok

Server QS MCP

Streaming HTTP
Otentikasi X-MCP-Key

Agen Jaringan

Di jaringan Anda
Tautan awan keluar

Basis data MySQL

String koneksi
dipegang oleh agen

Tidak diperlukan port masuk — agen melakukan panggilan keluar, bukan sebaliknya.

Kunci MCP yang Anda berikan kepada Cursor atau Claude bersifat terbatas (scoped).membaca / menganalisa / menjalankan), dapat dicabut kapan saja, dan dibatasi laju per kunci. Alat AI memanggil alat MCP ini untuk melakukan pekerjaannya:

querystreams-mcp · katalog alat
qs_daftar_organisasimembaca
Mengembalikan organisasi yang terikat pada kunci pemanggil.
qs_list_agentsmembaca
Mencantumkan agen jaringan dan status online.
konektor_daftar_qsmembaca
Menampilkan daftar konektor data (satu entri per server basis data atau API).
qs_get_connector_schemamembaca
Mengembalikan basis data MySQL, tabel, dan kolom yang dapat diakses oleh AI, dengan pengayaan Schema Intelligence jika tersedia.
tabel_profil_qsmenganalisa
Nilai sampel, distribusi, deteksi enum, tipe semantik — sesuai permintaan.
qs_list_saved_queriesmembaca
Template SQL berparameter siap pakai yang dipercaya oleh tim. AI menjalankannya tanpa pernah melihat kode SQL-nya.
qs_run_saved_querymenjalankan
Menjalankan kueri yang tersimpan dengan kunci pola dengan penggantian parameter opsional.
qs_jalankan_kuerimenjalankan
Menjalankan perintah SELECT terhadap sebuah konektor. Validator baca-saja berjalan di agen, sebelum MySQL melihat SQL tersebut.

Mengapa Schema Intelligence membuat Query Streams MCP berbeda?

Sebagian besar server “MCP for MySQL” di ranah sumber terbuka memberikan alat AI Anda hal yang sama. skema_informasi MySQL memberikan sesuatu yang asing. Nama kolom. Tipe data. Mungkin kunci utama. LLM dibiarkan menebak apa status_id = 3 artinya, apa usr_eml toko, atau apakah item pesanan.id pesanan sebenarnya bergabung dengan orders.id (Tidak ada foreign key yang pernah dideklarasikan, baik dengan cara apa pun — hal ini umum pada skema MyISAM lama yang mendahului penegakan FK InnoDB, dan pada skema MySQL 5.6 di mana pengembang melewatkan deklarasi FK untuk "kinerja"). Itulah mengapa SQL pertama yang ditulis sebagian besar LLM terhadap skema kosong salah — bukan karena LLM-nya buruk, tetapi karena LLM tersebut tidak memiliki data yang dibutuhkan agar benar.

Query Streams MCP mengembalikan skema yang sama yang diperkaya dengan Kecerdasan Skema (SI) — Metadata yang dikurasi AI dan diprofilkan dari data Anda sebenarnya Data MySQL, sehingga setiap alat skema mengembalikan skema dasar ditambah enam lapisan pengetahuan yang telah dikurasi dan LLM berhenti menebak-nebak. Mengapa Schema Intelligence membedakan Query Streams MCP →

Untuk memperjelas hal ini, berikut adalah apa yang diterima klien AI dari satu permintaan saja. qs_get_table_schema melakukan panggilan terhadap basis data e-commerce MySQL standar (pelanggan, pesanan, barang pesanan, produk, pembayaran, kategori) — pertama tanpa Schema Intelligence, lalu dengan Schema Intelligence.

Tanpa Kecerdasan Skema sumber_data: skema_tertangkap
// apa yang dilihat LLM == TABEL: pelanggan == – id int(11) [PK, NOT NULL] – email varchar(255) TIDAK NULL – nama varchar(200) – dibuat pada stempel waktu TIDAK NULL == TABEL: pesanan == – id int(11) [PK] – ID pelanggan int(11) TIDAK NULL – jumlah_total desimal(10,2) TIDAK NULL – status varchar(20) TIDAK NULL – tanggal_pesanan stempel waktu TIDAK NULL == TABEL: order_items == – id int(11) [PK] – order_id int(11) TIDAK NULL – ID produk int(11) TIDAK NULL - kuantitas int(11) TIDAK NULL - harga satuan desimal(10,2) TIDAK NULL == TABEL: produk == – id int(11) [PK] – nama varchar(200) – kategori varchar(80) – sku varchar(64) == TABEL: pembayaran == – id int(11) [PK] – order_id int(11) TIDAK NULL – metode varchar(20) TIDAK NULL - jumlah desimal(10,2) TIDAK NULL == TABEL: kategori == – id int(11) [PK] – nama varchar(80) Kunci Asing: (tidak ada yang dinyatakan) rekomendasi si: negara: “tidak_dijalankan” Yang Anda lewatkan untuk panggilan ini: – Kunci asing yang ditemukan AI – Nilai sampel per kolom + deteksi enum – Deskripsi tabel dan kolom – Klasifikasi tipe semantik – Penandaan domain bisnis Catatan: “Hanya tipe, tanpa konteks semantik”
Dengan Kecerdasan Skema sumber_data: kecerdasan_skema
// apa yang dilihat LLM == TABEL: pelanggan [DIM, domain:pelanggan] == “Satu baris per pelanggan terdaftar. Email bersifat unik untuk setiap pelanggan aktif.” - pengenal int(11) [PK] pengidentifikasi – email varchar(255) email Contoh: [email protected], [email protected] – nama varchar(200) nama_orang – dibuat pada cap waktu tanggal_iso Contoh: 2026-04-28 14:02:11 == TABEL: pesanan [FAKTA, domain:penjualan] == “Baris header pesanan pelanggan; satu per checkout. total_amount adalah total keseluruhan dalam USD.” - pengenal int(11) [PK] pengidentifikasi – ID pelanggan bilangan bulat (11) pengidentifikasi FK -> customers.id (tumpang tindih 100%, conf 0.99) – jumlah_total desimal(10,2) mata uang_usd Rentang: 0,00 – 4.820,00 · rata-rata 142,30 – status varchar(20) kode_status (enum) Dibayar (54%) | Dikirim (24%) | Terkirim (12%) | Tertunda (5%) Dibatalkan (3%) | Dikembalikan (2%) – tanggal_pesanan cap waktu tanggal_iso == TABEL: order_items [FAKTA, domain:penjualan] == “Satu baris per produk per pesanan. Pendapatan = JUMLAH(kuantitas * harga_satuan).” – order_id bilangan bulat (11) pengidentifikasi FK -> orders.id (tumpang tindih 98%, kepercayaan 0,95) – ID produk bilangan bulat (11) pengidentifikasi FK -> products.id (tumpang tindih 100%, conf 0.99) - kuantitas bilangan bulat (11) menangkal - harga satuan desimal(10,2) mata uang_usd == TABEL: produk [DIM, domain:produk] == – nama varchar(200) konten teks – kategori varchar(80) kode_kategori (enum) FK -> categories.name (tumpang tindih 100%, conf 0.99) – sku varchar(64) pengidentifikasi Contoh: ['QS-001-MINT','QS-014-DARK','QS-027-AMBER'] == TABEL: pembayaran [FAKTA, domain:keuangan] == – order_id bilangan bulat (11) pengidentifikasi FK -> orders.id (tumpang tindih 100%, kepercayaan 0,99) – metode varchar(20) metode_pembayaran (enum) Kartu (78%) | PayPal (14%) | Transfer Bank (6%) | Tunai (2%) - jumlah desimal(10,2) mata uang_usd

Kecerdasan Skema enam lapisan menambahkan

Setiap lapisan menangani kelas pertanyaan yang biasanya ditebak oleh LLM. Proses pembuatan profil SI yang bersifat opsional berjalan terhadap data MySQL Anda tanpa mengubah skema atau menulis ke basis data Anda, dan diperbarui secara bertahap ketika skema Anda berubah. Apa yang ditambahkan oleh Schema Intelligence dan bagaimana cara agar tetap mutakhir →

Deskripsi yang dikurasi oleh AI

Penjelasan sederhana dan mudah dipahami untuk setiap basis data, skema, tabel, dan kolom — dibuat sekali, diperbarui saat skema Anda berubah. Dinilai berdasarkan tingkat kepercayaan; deskripsi yang dibuat pengguna selalu diutamakan.

pesanan: “Header pesanan pelanggan;
satu baris per kasir.”

Klasifikasi tabel

Setiap tabel diberi tag FACT (peristiwa transaksional), DIM (referensi deskriptif), atau LOOKUP (peta kode kecil), ditambah domain bisnis — penjualan, SDM, SEO, keuangan, dukungan, dan 14 lainnya.

pesanan [FAKTA, domain:penjualan]
pelanggan [DIM, domain:customers]

Tipe semantik per kolom

Delapan belas tipe — currency_usd, email, date_iso, status_code, percentage, ranking_position, identifier, url, person_name, dan banyak lagi. AI menghasilkan SQL MySQL yang sesuai dengan dialek dan cocok untuk setiap tipe.

jumlah_total: mata_mata_uang_usd
email: email · order_date: date_iso

Nilai sampel dari data nyata

Baris-baris acak ditampilkan ke LLM sehingga dapat mengenali pola yang tidak dapat ditunjukkan oleh skema apa pun — konvensi pemformatan, nilai yang dikodekan, gaya singkatan, dan bentuk sebenarnya dari string Anda.

SKU: ['QS-001-MINT', 'QS-014-DARK',
'QS-027-AMBER']

Deteksi enum dengan distribusi

Kolom dengan kardinalitas rendah (50 nilai berbeda atau kurang, paling banyak 5% baris unik) dipetakan ke daftar nilai lengkapnya dengan jumlah baris. AI tidak pernah menebak huruf besar/kecil atau ejaan.

Status: Terbayar (54%) | Terkirim (24%)
| terkirim (12%) | tertunda (5%) …

Penemuan kunci asing implisit

Analisis tumpang tindih data lintas tabel menemukan penggabungan yang tidak dideklarasikan sebagai batasan DDL. Disimpan bersama dengan kunci asing formal dengan skor kepercayaan, dikembalikan oleh qs_get_relationships.

order_items.order_id -> orders.id
(Tumpang tindih 98%, kepercayaan 0,95)

Perintah yang sama, SQL yang berbeda.

Buktinya ada pada SQL yang sebenarnya ditulis oleh alat AI tersebut. Sesi Cursor yang sama, model Claude yang sama, perintah yang sama — “Apa saja 5 produk teratas berdasarkan pendapatan dalam 30 hari terakhir?” Tanpa Kecerdasan Skema, LLM harus menebak. Dengan adanya Kecerdasan Skema, LLM mengetahuinya.

Tanpa Kecerdasan Skema
— Upaya pertama LLM melawan skema dasar: PILIH ID produk, JUMLAH(harga satuan) AS pendapatan DARI barang pesanan DI MANA tanggal_pesanan >= '2024-01-01' DAN status = 'Dibayar' PESAN OLEH pendapatan DESC BATAS 5 ✕ KESALAHAN: order_date / status tidak ada pada order_items ✕ Tanggal_pemesanan dan status tersimpan pada pesanan, bukan pada item. ✕ tidak ada JOIN — order_items tidak diberi cap waktu ✕ SUM(harga_satuan) mengabaikan kuantitas — pendapatan salah ✕ Tanggal yang ditetapkan secara permanen — “30 hari terakhir” bersifat dinamis. ✕ 'Paid' salah penulisan huruf besar/kecil (nilai sebenarnya menggunakan huruf kecil) ✕ Mengembalikan product_id, bukan nama produk.
Dengan Kecerdasan Skema
— Upaya pertama LLM dengan SI diaktifkan: PILIH ID pengguna, nama pengguna, JUMLAH(kuantitas minyak * harga satuan minyak) AS pendapatan DARI pesanan o GABUNG order_items oi ON oi.order_id = o.id GABUNG produk p ON p.id = oi.product_id DI MANA o.tanggal_pesanan >= SEKARANG() – SELANG 30 HARI DAN o.status = 'dibayar' KELOMPOKKAN BERDASARKAN ID pengguna, nama pengguna PESAN OLEH pendapatan DESC BATAS 5 ✓ 5 baris. Benar pada percobaan pertama. ✓ Tag FACT/DIM memandu struktur penggabungan. ✓ Penemuan FK memunculkan order_id -> orders.id ✓ order_date melihat tipe semantik = date_iso ✓ Pencarian enum memilih huruf kecil 'paid' yang benar. ✓ MySQL-idiomatic NOW() – INTERVAL 30 DAY
Tidak ingin menjalankan Schema Intelligence? MCP masih berfungsi — alat skema mengembalikan metadata mentah (tipe, kunci utama, kunci asing formal, indeks) dan setiap respons yang terdegradasi membawa sebuah rekomendasi si Memblokir dan memberi tahu AI apa yang kurang, termasuk opsi satu kali panggilan untuk mengaktifkan SI di tengah percakapan melalui qs_request_si_analysis. Bagaimana Schema Intelligence bekerja dan berapa lama waktu yang dibutuhkan →

Hubungkan AWS RDS, Azure Database, atau Google Cloud SQL MySQL ke Claude.

Sebagian besar MySQL produksi saat ini berjalan pada layanan cloud terkelola, bukan pada server yang dihosting sendiri. Query Streams MCP bekerja dengan cara yang sama terhadap MySQL terkelola di setiap cloud utama — satu-satunya perbedaan adalah di mana Anda menginstal Agen Jaringan dan metode otentikasi yang Anda pilih. Di bawah ini adalah tiga skenario penerapan yang paling umum dengan pengaturan yang direkomendasikan untuk masing-masing skenario.

AWS RDS untuk MySQL / Aurora MySQL

Rekan EC2 / VPC

Instal Agen Jaringan pada instance EC2 kecil di VPC dan grup subnet yang sama sebagai instance RDS Anda untuk latensi jaringan di bawah milidetik. db.t4g.mikro Kapasitas connection pool yang ada sudah lebih dari cukup untuk lalu lintas MCP tipikal; tingkatkan kapasitas hanya jika Anda memiliki banyak pengguna yang menyimpan kueri secara bersamaan.

  • Otorisasi: Autentikasi basis data IAM Disarankan; otentikasi kata sandi didukung sebagai cadangan.
  • Aurora MySQL: arahkan agen ke klaster pembaca endpoint — MCP bersifat read-only di agen, jadi endpoint penulis tidak pernah dibutuhkan.
  • Failover multi-AZ: RDS menanganinya secara transparan; agen akan terhubung kembali secara otomatis.
  • Keluar: jalur keluar HTTPS agen ke agent.querystreams.com Berfungsi melalui gateway NAT standar atau rute keluar VPC apa pun — tanpa aturan firewall khusus.

Azure Database for MySQL (Server Fleksibel)

VNet / tautan pribadi

Instal Agen Jaringan pada VM Azure di VNet yang sama sebagai Server Fleksibel Anda (atau gunakan titik akhir pribadi / tautan pribadi). FQDN diakhiri dengan *.mysql.database.azure.com; Burstable B1ms merupakan tingkatan awal yang bagus untuk host agen.

  • Otorisasi: Azure AD / Microsoft Entra ID Autentikasi direkomendasikan untuk lingkungan produksi; autentikasi SQL (nama pengguna/kata sandi) didukung.
  • SSL: Azure mewajibkan TLS secara default — agen menerapkannya secara otomatis dan mengunci bundel Microsoft RootCA.
  • Server Tunggal (lama): Masih didukung untuk saat ini; jadwal penghentian dukungan Microsoft berlaku. Migrasi ke Flexible Server bila memungkinkan — string koneksi agen berubah tetapi semua yang ada di atas agen tetap identik.
  • Keluar: Pengaturan egress VNet Azure standar berfungsi tanpa perubahan; tidak diperlukan penambahan aturan Firewall Azure.

Google Cloud SQL untuk MySQL

GCE / Cloud Run

Instal Agen Jaringan pada VM GCE di proyek dan wilayah yang sama sebagai instance Cloud SQL Anda, atau jalankan di Cloud Run dengan Direct VPC egress. IP publik diperbolehkan, tetapi IP privat melalui koneksi layanan privat Cloud SQL adalah pola yang direkomendasikan.

  • Otorisasi: Autentikasi basis data IAM Disarankan; otentikasi kata sandi didukung.
  • Proksi Otentikasi Cloud SQL: Kompatibel — agen terhubung melalui proxy saat dikonfigurasi. Sebagian besar instalasi melewati proxy karena agen sudah berada di dalam VPC.
  • Generasi: Semua generasi Cloud SQL for MySQL didukung (protokol transfer data menggunakan MySQL standar).
  • Keluar: Cloud Run + Direct VPC egress, atau instance GCE dengan egress default, keduanya mencapai agent.querystreams.com tanpa perubahan firewall.
Agen yang melakukan panggilan keluar sama di ketiga cloud tersebut. Baik MySQL Anda berada di AWS RDS, Azure Database for MySQL, atau Google Cloud SQL, tautan cloud dari Network Agent ke Query Streams menggunakan HTTPS keluar yang sama. agent.querystreams.com pada port 443. Tidak ada perubahan firewall masuk yang diperlukan pada cloud mana pun, tidak ada daftar IP yang diizinkan, tidak ada VPN, tidak ada NAT punchthrough. Sesuai panduan keamanan Microsoft, AWS, dan Google, lebih baik gunakan autentikasi basis data IAM/Azure AD daripada kata sandi jangka panjang jika mesin mendukungnya — penyimpanan kredensial agen menangani ketiganya.
Nova AI

MCP tidak cocok untuk Anda? Coba Nova AI sebagai gantinya.

Lewati konfigurasi JSON sepenuhnya: Nova AI terintegrasi ke dalam portal web Query Streams. dan mengajukan pertanyaan-pertanyaan sederhana yang sama terhadap konektor MySQL Anda — agen yang sama, penegakan baca-saja yang sama, Kecerdasan Skema yang sama, tanpa infrastruktur MCP.

Temui Nova AI

Prasyarat

Sebelum memulai, pastikan Anda memiliki:

  1. Akun Query Streams gratis di my.querystreams.com.
  2. Agen Jaringan Query Streams diinstal pada mesin yang dapat menjangkau server MySQL Anda — lihat Unduh Agen Query Streams.
  3. Konektor MySQL yang dikonfigurasi terhadap agen — lihat yang sudah ada. pengaturan konektor panduan untuk string koneksi. Agen menyimpan kata sandi pengguna MySQL (atau kredensial IAM / Azure AD untuk MySQL cloud terkelola); alat AI tidak pernah menyentuhnya.
  4. Klien AI apa pun yang kompatibel dengan MCP. Kami akan menunjukkan Cursor, Claude Desktop, ChatGPT, dan Grok dalam panduan ini; jika Anda menggunakan Windsurf, Zed, Continue, Cline, VS Code Copilot, Codex, atau Goose, blok konfigurasinya pada dasarnya sama.
  5. Lima menit.
Anda hanya perlu mengatur agen sekali saja. Agen yang sama yang mendukung add-on Excel dan Google Sheets Query Streams, Query Builder web, dan Nova AI juga melayani MCP. Menambahkan MCP ke akun Query Streams yang sudah ada hanya memerlukan pembuatan kunci — agen dan konektor MySQL sudah berjalan.
1

Hasilkan kunci MCP

Dari /mcp Di halaman Query Streams, buat kunci dengan cakupan yang Anda inginkan.

2

Masukkan ke dalam klien AI Anda.

Satu cuplikan JSON untuk Cursor, Claude, ChatGPT, atau Grok. Kunci yang sama di mana pun.

3

Ajukan pertanyaan

“Siapa saja 10 pelanggan teratas kami berdasarkan nilai seumur hidup?” — AI memanggil alat yang tepat, Anda mendapatkan jawabannya.

Langkah 1: Hasilkan kunci MCP di Query Streams

Masuk ke Query Streams dan buka Halaman MCP (atau masuk terlebih dahulu di my.querystreams.com lalu klik MCP (di navigasi sebelah kiri). Klik Hasilkan kunci, beri nama yang mudah dikenali pada kunci tersebut (sesuatu seperti kursor-laptop atau claude-desktop), dan pilih cakupan yang Anda inginkan untuk tombol ini:

  • membaca — AI dapat menelusuri konektor dan membaca skema. Diperlukan untuk semua hal lainnya.
  • menganalisa — AI dapat membuat profil tabel dan menemukan relasi (nilai sampel, distribusi, tipe semantik). Opsional tetapi sangat disarankan untuk pekerjaan MySQL, di mana pemahaman tentang bentuk data Anda penting ketika LLM menghasilkan penggabungan di seluruh skema lama.
  • menjalankan — AI tersebut sebenarnya dapat menjalankan SQL. Tanpa ini, AI hanya dapat membaca metadata skema saja.

Untuk alur kerja tipikal "biarkan Claude menganalisis data MySQL saya", ketiga cakupan tersebut sesuai. Untuk kunci yang Anda berikan kepada rekan tim atau klien yang kurang tepercaya, hilangkan menjalankan dan biarkan mereka hanya melihat-lihat. Anda dapat mencabut kunci apa pun kapan saja dari halaman yang sama; klien AI akan melihat KUNCI MCP DICABUT pada panggilan berikutnya dan berhenti bekerja seketika. Tidak ada penundaan propagasi.

Salin kuncinya sekarang — Query Streams menampilkannya sekali, lalu hanya menyimpan hash-nya. Jika Anda kehilangannya, buat yang baru. Kuncinya terlihat seperti ini: qsmcp_ diikuti oleh 48 karakter acak dan itulah yang dikirimkan oleh klien AI Anda. Kunci X-MCP Header permintaan.

Langkah 2: Tambahkan Query Streams MCP ke klien AI Anda

Konfigurasinya memiliki bentuk yang sama di setiap klien yang mendukung MCP — entri server MCP yang mengarah ke https://mcp.querystreams.com dengan kunci Anda di Kunci X-MCP Header. Pilih klien Anda di bawah ini.

Kursor
Kursor ~/.cursor/mcp.json 
// Edit ~/.cursor/mcp.json
{
  "mcpServers": {
    "aliran kueri": {
      "url": "https://mcp.querystreams.com",
      "header": {
        "Kunci X-MCP": "qsmcp_PASTE_KEY_HERE"
      }
    }
  }
}
Claude Desktop
Claude Desktop claude_desktop_config.json 
// Pengaturan → Pengembang → Edit Konfigurasi
{
  "mcpServers": {
    "aliran kueri": {
      "url": "https://mcp.querystreams.com",
      "header": {
        "Kunci X-MCP": "qsmcp_PASTE_KEY_HERE"
      }
    }
  }
}
ChatGPT
ChatGPT Aplikasi & Konektor 
// Pengaturan → Aplikasi & Konektor → Tambahkan MCP
URL Server  https://mcp.querystreams.com
Header otentikasi Kunci X-MCP
Nilai header qsmcp_PASTE_KEY_HERE

// Membutuhkan paket ChatGPT berbayar
// (Plus / Pro / Team / Enterprise).
Grok
Grok Alat MCP Jarak Jauh 
// Grok → Pengaturan → Alat
{
  "server mcp": [{
    "nama": "aliran kueri",
    "url": "https://mcp.querystreams.com",
    "header otentikasi": "Kunci X-MCP",
    "nilai_otorisasi": "qsmcp_..."
  }]
}

Restart klien AI Anda. Pada saat dijalankan berikutnya, klien akan menemukan delapan alat Query Streams MCP yang tercantum di atas dan menampilkannya di palet alatnya. Di Cursor dan Claude Desktop, Anda dapat memverifikasinya dengan mengetik “konektor daftar” — AI harus menelepon konektor_daftar_qs dan kembalikan konektor MySQL Anda beserta semua konfigurasi lain yang telah Anda buat.

Langkah 3: Ajukan pertanyaan MySQL kepada AI

Anda tidak perlu menulis SQL — AI yang melakukannya. Anda mengajukan pertanyaan, AI memilih alat MCP yang tepat, agen menjalankan kueri terhadap basis data MySQL Anda, dan jawabannya akan dikembalikan berupa teks beserta tabel. Tiga contoh perintah untuk dicoba terlebih dahulu:

“Bagaimana tren pendapatan harian kita selama 30 hari terakhir?”
Pendapatan
AI itu menelepon qs_get_connector_schema untuk menemukan pesanan, barang pesanan, pelanggan, dan produk meja, lalu qs_jalankan_kueri dengan perintah SELECT yang mengelompokkan berdasarkan TANGGAL(o.order_date), bergabung pesanan ke barang pesanan, dan agregat JUMLAH(kuantitas minyak * harga satuan minyak)Ini menggunakan cara penulisan yang lazim digunakan MySQL. WHERE o.order_date >= NOW() - INTERVAL 30 DAY untuk batas waktu dan nilai enum yang ditemukan SI. 'dibayar' untuk mengecualikan pesanan yang tertunda dan dibatalkan. Anda mendapatkan hasil 30 baris yang berisi hari, pendapatan kotor, jumlah pesanan, dan AOV — AI biasanya menandai penurunan di akhir pekan, pertumbuhan dari minggu ke minggu, dan anomali apa pun yang ditemukannya tanpa Anda perlu bertanya.
“Produk mana saja yang stoknya menipis?”
Persediaan
AI memeriksa produk untuk kolom inventaris atau stok (Schema Intelligence menampilkannya sebagai menangkal tipe semantik), berkorelasi dengan 30 hari terakhir dari jumlah_barang_pesanan AI menghitung permintaan, dan memproyeksikan jumlah hari yang tersedia. Hasilnya adalah tabel peringkat dengan nama produk, stok saat ini, permintaan harian rata-rata, dan proyeksi hari hingga kehabisan stok. AI biasanya menyoroti produk yang berada di bawah ambang batas ketersediaan 14 hari. menyusun ulang kandidat dan mengelompokkannya berdasarkan kategori sehingga tim pengadaan dapat mengelompokkan pesanan pembelian mereka.
“Tunjukkan kepada saya pelanggan utama yang belum melakukan pemesanan dalam 60 hari atau lebih.”
Penyimpanan
AI tersebut menggunakan pelanggan bergabung dengan pesanan dengan MAX(o.order_date) jumlah total per pelanggan, difilter menjadi HAVING MAX(o.order_date) < NOW() - INTERVAL 60 DAY, dan diurutkan berdasarkan nilai seumur hidup historis (JUMLAH(0.jumlah_total) (di seluruh riwayat pelanggan). Hasilnya adalah daftar terfokus pelanggan bernilai tinggi yang berhenti berlangganan dengan email, tanggal pesanan terakhir, jumlah hari sejak pesanan terakhir, dan total pengeluaran seumur hidup — AI biasanya menyarankan kampanye untuk mendapatkan kembali pelanggan dan menandai pelanggan yang berhenti berlangganan bertepatan dengan pengembalian dana atau peningkatan dukungan. Anda dapat menelusuri lebih lanjut dengan “Mengapa Acme-Corps berhenti memesan?” dan AI akan menarik pembayaran dan riwayat pesanan.

Saat AI pertama kali memanggil suatu alat, klien Anda mungkin akan menampilkan prompt konfirmasi yang meminta Anda untuk menyetujui panggilan alat tersebut — itu adalah alur persetujuan standar MCP, bukan sesuatu yang ditambahkan oleh Query Streams. Setujui sekali dan AI akan melanjutkan percakapan selanjutnya dengan bebas. Anda dapat meninjau kembali persetujuan tersebut kapan saja di pengaturan klien Anda.

Pemberitahuan tagihan yang jujur: Penggunaan MCP dikenakan biaya berdasarkan byte yang tidak terkompresi.

Transport HTTP Streamable milik MCP tidak dapat melakukan kompresi ujung-ke-ujung secara andal, sehingga dikenakan biaya. Byte yang tidak dikompresi tempat klien Excel, Sheets, Query Builder, dan Nova melakukan penagihan byte terkompresiSebuah kueri agregat MySQL berukuran 3 MB membutuhkan biaya sekitar 3 MB melalui MCP dibandingkan dengan sekitar 400–600 KB pada transport tersebut, karena data MySQL dengan nilai enum VARCHAR yang berulang (status, kategori, metode pembayaran) dikompresi sekitar 5–7 kali lipat melalui LZ4. Data yang sama, transport yang berbeda, ukuran yang dapat ditagih berbeda. Cara kerja penagihan ranah data di berbagai transportasi →

Pertanyaan yang sering diajukan

Apakah saya perlu membuka port atau menjalankan VPN untuk menggunakannya? +
Tidak ada aturan masuk, penerusan port, NAT punchthrough, atau VPN. Agen Jaringan membuat satu koneksi TLS keluar (port 443) dan klien AI Anda terhubung. https://mcp.querystreams.com dari internet publik — jika HTTPS keluar berfungsi pada host agen, MCP akan berfungsi. Lihat cara kerja koneksi khusus keluar →
Alat AI apa saja yang dapat saya gunakan dengan Query Streams MCP? +
Klien apa pun yang mendukung protokol Model Context terbuka — Claude Desktop, Claude Code, Cursor, ChatGPT (berbayar), Grok, Gemini CLI, Windsurf, Zed, dan 500+ lainnya. Bawa alat AI Anda sendiri; Anda tidak perlu beralih. Daftar lengkap klien AI yang didukung →
Bisakah saya mencabut kunci MCP? +
Ya — tiga sakelar pemutus independen (per tombol dari /mcp halaman, per-organisasi melalui pengaturan paket, dan tingkat platform), yang semuanya tidak memerlukan rotasi kata sandi basis data atau memulai ulang agen. Selengkapnya tentang keamanan kunci MCP →
Bagaimana penggunaan MCP ditagihkan ke dalam data realm saya? +
Panggilan eksekusi MCP mengurangi anggaran ranah data yang sama dengan yang sudah digunakan oleh Excel, Google Sheets, Web Query Builder, dan Nova AI Anda — satu anggaran konsumsi di setiap metode akses. Ukuran yang diukur untuk MCP berbeda-beda. Klien lainnya menggunakan tautan cloud terkompresi kami (kami yang menagih). byte terkompresi); MCP berjalan melalui Streamable HTTP, yang tidak secara andal mendukung kompresi ujung-ke-ujung melalui setiap klien dan proxy, jadi kami menagih Byte yang tidak dikompresiHasil agregasi MySQL sebesar 3 MB yang dikembalikan ke Excel biasanya memakan sekitar 400–600 KB dari data Anda (LZ4 mengompresi nilai enum VARCHAR yang berulang sebanyak 5–7 kali); hasil 3 MB yang sama yang dikembalikan ke Cursor melalui MCP hanya memakan sekitar 3 MB. Kami transparan mengenai hal ini karena kami lebih suka Anda mengetahuinya di awal daripada terkejut di akhir siklus penagihan.
Apakah Query Streams MCP kompatibel dengan MySQL 5.7 / 8.0 / 8.1, Percona Server, atau Aurora MySQL? +
Ya — Agen Jaringan menggunakan driver MySQL Connector/NET standar. MySQL 5.7+ (Edisi Komunitas + Edisi Perusahaan), MySQL 8.0 dan 8.1, Server Percona untuk MySQL (pengganti langsung dengan mesin XtraDB), MariaDB sebagai MySQL (pengganti langsung) (kompatibel dengan protokol kabel pada lapisan koneksi), dan AWS Aurora MySQL semuanya didukung. Untuk klaster Aurora MySQL, arahkan agen ke titik akhir pembaca klaster — agen hanya berjalan PILIH Kueri melalui penegakan baca-saja MCP, sehingga titik akhir penulis tidak pernah dibutuhkan. Opsi otentikasi meliputi kata sandi asli mysql, caching_sha2_password (standar MySQL 8), Autentikasi basis data AWS IAM, Azure AD / Microsoft Entra ID pada Azure Database untuk MySQL, dan Otentikasi basis data Google IAM Pada Cloud SQL untuk MySQL. SSL/TLS dengan sertifikat CA kustom didukung sepenuhnya. Untuk instance MySQL 5.6 yang lebih lama, hubungi dukungan — ada jalur driver cadangan untuk itu. Tip: Daftarkan setiap instance MySQL yang Anda operasikan sebagai konektornya sendiri. “production-oltp-mysql” dan “warehouse-replica-mysql” Anda dapat berupa dua konektor terpisah pada kunci yang sama, dan LLM memilih yang tepat berdasarkan pertanyaan (pencarian titik masuk ke OLTP, agregasi besar masuk ke replika baca atau gudang data). Server MCP tidak melihat kredensial; hanya agen yang melihatnya.
Apa perbedaannya dengan menjalankan server MySQL MCP sumber terbuka sendiri? +
Server MySQL MCP langsung (proyek komunitas di GitHub memang ada) adalah satu MCP per sumber data. Untuk membuat Claude membaca dari MySQL Anda + Google Search Console + akun Stripe Anda + gudang data Snowflake Anda, Anda memerlukan empat server MCP yang dikonfigurasi secara terpisah di setiap klien AI, masing-masing dengan kredensialnya sendiri, masing-masing dengan model cakupannya sendiri, masing-masing dengan cerita auditnya sendiri. Query Streams MCP adalah satu kunci yang menjangkau setiap konektor yang telah dipasangkan akun Anda. Anda juga mendapatkan Schema Intelligence, penegakan baca-saja lapisan agen, batasan laju per kunci, jejak audit di log_peristiwa, dan alur penagihan ranah data yang sama yang sudah Anda gunakan — yang semuanya tidak diberikan oleh MySQL MCP secara langsung.
Apa yang terjadi jika AI mencoba menulis atau menghapus data? +
Permintaan tersebut ditolak di agen sebelum sumber data melihat SQL. Setiap qs_jalankan_kueri Panggilan tersebut diuraikan oleh validator baca-saja yang dikodekan secara permanen yang hanya mengizinkan PILIH, DENGAN, dan MENJELASKAN pernyataan; hal lain apa pun akan dikembalikan PELANGGARAN HANYA BACA dan tidak pernah mencapai MySQL. Validator berjalan dalam proses agen di jaringan Anda, bukan di cloud, sehingga permukaan cloud yang disusupi tidak dapat melewatinya. (Anda dapat menambahkan pengguna baca-saja di sisi MySQL (misalnya BERIKAN HAK AKSES SELECT PADA db.* kepada yang berdedikasi qs_readonly (pengguna) di bagian atas jika Anda menginginkan pengamanan ganda — validator agen independen dari apa pun yang telah Anda konfigurasikan di MySQL.)
Bisakah saya melihat apa yang sebenarnya ditanyakan oleh AI? +
Ya. Setiap panggilan alat MCP menulis satu baris ke log_peristiwa dengan informasi organisasi, pengguna, kunci, cakupan, latensi, dan kode hasil. Admin organisasi dapat menjawab pertanyaan “siapa yang menggunakan MCP minggu lalu, konektor mana, dan apa yang mereka tanyakan?” hanya dengan satu kueri. Perhatikan bahwa kami mencatatnya. nama alat dan metadata, bukan teks SQL atau baris yang dikembalikan — itu mengalir melalui tautan cloud dan tidak pernah masuk ke log cloud. Jika Anda menginginkan audit SQL lengkap, aktifkan audit sisi basis data pada mesin yang mendasarinya; khusus untuk MySQL, itu adalah log_audit plugin (MySQL Enterprise Audit), the Plugin Log Audit Percona untuk instalasi komunitas/Percona, atau pipeline log kueri lambat/umum Anda yang sudah ada.
Apakah saya harus menjalankan Schema Intelligence untuk menggunakan Query Streams MCP? +
TIDAK - Schema Intelligence bersifat opsional per (konektor, basis data) pasangan, dan MCP berfungsi dengan baik tanpa itu. AI mendapatkan skema dasar (tipe, kunci utama, kunci asing formal, indeks) dan menulis kueri dasar. Dengan SI diaktifkan, AI mendapatkan enam lapisan metadata tambahan yang telah dikurasi: (1) Deskripsi yang disusun oleh AI pada setiap basis data, tabel, dan kolom; (2) klasifikasi tabel (FACT untuk peristiwa transaksional, DIM untuk referensi deskriptif, LOOKUP untuk peta kode kecil) ditambah tag domain bisnis (penjualan, SDM, SEO, keuangan, dukungan, dan 14 lainnya); (3) Tipe semantik pada setiap kolom (currency_usd, email, date_iso, status_code, percentage, ranking_position, identifier, url, person_name, dan 9 lainnya) yang mendorong pembuatan SQL MySQL yang sesuai dengan dialek; (4) ambil nilai sampel dari data asli Anda sehingga LLM dapat mengenali pola yang tidak dapat ditunjukkan oleh skema apa pun; (5) deteksi enum dengan distribusi nilai penuh untuk kolom berkardinalitas rendah; dan (6) Kunci asing yang ditemukan AI berdasarkan tumpang tindih data lintas tabel, muncul melalui qs_get_relationshipsTanpa SI, setiap respons alat skema juga membawa sebuah rekomendasi si Dengan mencantumkan secara tepat apa yang kurang dalam panggilan tersebut — AI dapat membaca ini dan menawarkan untuk memicu SI di tengah percakapan melalui qs_request_si_analysisWaktu eksekusi berbanding lurus dengan jumlah tabel: basis data kecil di bawah 100 tabel selesai dalam waktu sekitar 10 menit; basis data ukuran menengah (beberapa ratus tabel) selesai dalam 15–25 menit; basis data perusahaan besar dengan 1.500+ tabel dapat memakan waktu 45–60 menit untuk pemindaian penuh. SI berjalan melalui Agen Jaringan Anda terhadap data Anda (tidak pernah di cloud), tidak pernah menulis ke basis data Anda, tidak pernah mengubah skema Anda, dan memperbarui secara bertahap ketika skema Anda berubah — sehingga eksekusi selanjutnya setelah Anda menambahkan atau mengubah tabel jauh lebih cepat daripada yang pertama. Efek ujung-ke-ujung: dengan SI diaktifkan, klien AI Anda menulis SQL yang benar pada percobaan pertama jauh lebih sering daripada terhadap server "MCP for X" mana pun yang hanya memberikan LLM. skema_informasi.
Bagaimana jika saya menambahkan konektor lain nanti, seperti Stripe atau PostgreSQL? +
Tidak ada yang berubah di sisi klien — kunci yang sama mencapai konektor baru pada saat agen memasangkannya (konektor_daftar_qs (diambil secara otomatis). Satu blok konfigurasi membeli seluruh akun Anda, saat ini dan di masa mendatang. Mengapa satu kunci mencakup semua konektor →
Apakah saya harus mengatur MCP hanya untuk mengobrol dengan data saya? +
TIDAK - Nova AI terintegrasi ke dalam portal Query Streams. dan berfungsi dengan setiap konektor (termasuk MySQL) tanpa pengaturan MCP atau file konfigurasi. Gunakan Nova untuk berinteraksi dengan data Anda di dalam Query Streams; gunakan MCP ketika Anda ingin klien AI Anda sendiri (Claude, Cursor, ChatGPT, …) mengakses data yang sama — agen yang sama, konektor yang sama, dan Schema Intelligence yang sama di baliknya. Pelajari lebih lanjut tentang Nova AI →
Apakah Query Streams MCP kompatibel dengan AWS RDS for MySQL, Azure Database for MySQL, atau Google Cloud SQL for MySQL? +
Ya — layanan MySQL terkelola di setiap cloud utama didukung sepenuhnya. AWS RDS untuk MySQL (penyebaran instance tunggal dan Multi-AZ), AWS Aurora MySQL klaster (arahkan ke titik akhir pembaca klaster — agen hanya berjalan) PILIH), Azure Database untuk MySQL (baik Server Tunggal maupun Server Fleksibel), dan Google Cloud SQL untuk MySQL (semua generasi) semuanya berfungsi tanpa perlu konfigurasi tambahan. Instal Agen Jaringan di VPC, VNet, atau wilayah GCP yang sama dengan instance DBaaS Anda untuk kueri latensi rendah. Agen menggunakan kredensial MySQL standar — Autentikasi basis data IAM di RDS, Azure AD / Microsoft Entra ID pada Azure Database untuk MySQL, Autentikasi basis data IAM pada Cloud SQL, atau autentikasi kata sandi biasa pada salah satunya. Tautan cloud dari agen ke Query Streams identik terlepas dari DBaaS mana yang menjadi host mesin Anda; semua yang berada di bawah agen adalah infrastruktur Anda yang sudah ada, dan Query Streams tidak pernah melihat kredensial basis data.

Mulai

Hubungkan alat AI Anda ke data MySQL Anda dalam lima menit.

Satu kunci MCP menjangkau MySQL — di lokasi, AWS RDS, Azure Database for MySQL, atau Google Cloud SQL — setiap basis data lainnya, dan setiap konektor API di akun Query Streams Anda, dengan jejak audit lengkap, batasan laju per kunci, dan tanpa perubahan firewall. Claude, Cursor, ChatGPT, dan Grok semuanya berfungsi tanpa perlu konfigurasi tambahan.

Daftar Gratis Unduh Agen

Panduan terkait: Unduh Agen Query Streams | Pengaturan Konektor Basis Data | Semua panduan Server MCP | Konversi teks ke SQL Nova AI

Kategori: Server MCP

Tag: mcp, claude, kursor, mysql, basis data, basis data sumber terbuka, aws-rds, basis data azure, cloud-sql, aurora-mysql

Deskripsi Meta: Hubungkan MySQL ke Claude atau Cursor melalui Query Streams MCP. Siap untuk RDS, Azure, Cloud SQL. Hanya untuk pengiriman data keluar, pengaturan 5 menit.

Updated on 16 Juni 2026
aurora-mysql aws-rds basis data azure Claude cloud-sql kursor basis data mcp mysql basis data sumber terbuka

What are your Feelings

  • Happy
  • Normal
  • Sad

Powered by BetterDocs