View Categories

Cara Meng querying Google Search Console dengan Claude atau Cursor melalui MCP

Waktu baca 22 menit

SERVER MCP KONSOL PENCARIAN

Lakukan kueri Google Search Console dengan Claude atau Kursor melalui MCP.

Pengaturan 5 menit yang memungkinkan alat AI Anda mengajukan pertanyaan dalam bahasa Inggris sederhana tentang data SEO Anda — klik, tayangan, CTR, kueri teratas, halaman yang berkinerja buruk — tanpa mengekspos token GSC OAuth ke vendor AI atau membuka port firewall di jaringan Anda.

Tidak ada lubang firewall. Satu kunci, setiap konektor Data langsung, tanpa jeda cache. Bawa alat AI Anda sendiri

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 Google Search Console secara spesifik, sehingga alat AI Anda dapat menjawab pertanyaan dalam bahasa Inggris sederhana tentang klik, tayangan, CTR, dan peringkat halaman tanpa Anda perlu menyalin dan menempel ekspor CSV dari antarmuka web GSC. Pelajari selengkapnya di QueryStreams.com dan Daftar gratis untuk mulai mengajukan pertanyaan SEO yang sebenarnya kepada alat AI Anda.

Apa yang diberikan Query Streams MCP untuk Google Search Console?

Server “Google Search Console MCP” lainnya di ranah sumber terbuka menghubungkan alat AI langsung ke API GSC. Itu berfungsi, tetapi memasukkan token Google OAuth ke dalam konfigurasi klien AI Anda, membatasi alat AI hanya ke Search Console, dan tidak memberi Anda jejak audit tentang apa yang sebenarnya ditanyakan oleh AI. Query Streams MCP memecahkan masalah yang lebih luas: satu kunci, setiap konektor, jejak audit lengkap, dan alat AI tidak pernah menyimpan kredensial Google 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 jaringan Anda. Tidak perlu membuka port, tidak perlu menambahkan IP ke daftar yang diizinkan, tidak perlu VPN.

Satu kunci, setiap konektor

Kunci MCP yang sama menjangkau setiap basis data dan API SaaS yang terhubung ke akun Anda. Tambahkan konektor Stripe atau PostgreSQL besok dan alat AI akan mengenalinya 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 — bukan hanya sekadar teks biasa. skema_informasi Output. Program ini menulis SQL yang akurat pada percobaan pertama.

Mode baca saja diberlakukan di agen.

Bahkan seorang LLM yang berhalusinasi pun tidak bisa menerbitkannya. MENGHAPUS atau MEMPERBARUI melalui Query Streams MCP. Agen Jaringan menolak apa pun yang tidak sesuai. PILIH, DENGAN, atau MENJELASKAN sebelum mencapai sumber data.

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 kuota GSC atau dompet Anda.

Cara kerjanya tanpa membuka port firewall

Agen Jaringan Query Streams diinstal sekali pada mesin mana pun yang dapat terhubung ke Google Search Console dan melakukan satu panggilan TLS keluar ke cloud — ketika AI mengajukan pertanyaan, agen memanggil API GSC, menyimpan respons dalam DuckDB lokal sehingga AI dapat menjalankan SQL terhadapnya, dan mengirimkan hasilnya kembali melalui saluran yang sama, tanpa ada yang masuk yang terekspos dan alat AI tidak pernah melihat token Google OAuth 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

Konsol Pencarian Google

OAuth 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 tabel dan kolom GSC 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 konektor. Validator baca-saja berjalan di agen, sebelum basis data melihat SQL tersebut.

Mengapa Schema Intelligence membuat Query Streams MCP berbeda?

Sebagian besar server “MCP for X” di ranah sumber terbuka memberikan alat AI Anda hal yang sama. skema_informasi Basis data Anda diserahkan kepada orang asing. Nama kolom. Tipe data. Mungkin kunci utama. LLM dibiarkan menebak apa status_id = 3 artinya, apa usr_eml toko, atau apakah ID pelanggan_pesanan.pelanggan sebenarnya bergabung dengan pelanggan.id (tidak ada foreign key yang pernah dideklarasikan dalam kedua kasus). Itulah mengapa SQL pertama yang ditulis sebagian besar LLM terhadap skema kosong salah — bukan karena LLM-nya buruk, tetapi karena tidak memiliki data yang dibutuhkan agar benar.

Query Streams MCP mengembalikan skema yang sama yang diperkaya dengan apa yang kami sebut Kecerdasan Skema (SI) — Metadata yang dikurasi AI yang dihasilkan dengan menjalankan kueri pembuatan profil terhadap data Anda sebenarnya data sebelum klien AI memintanya. Saat SI diaktifkan pada konektor dan basis data, setiap alat skema yang dipanggil AI (qs_get_connector_schema, qs_get_table_schema, tabel_profil_qs, qs_get_relationships) mengembalikan skema dasar ditambah enam lapisan pengetahuan yang telah dikurasi. LLM menghentikan proses menebak-nebak.

Untuk memperjelas hal ini, berikut adalah apa yang diterima klien AI dari satu permintaan saja. qs_get_table_schema panggilan terhadap konektor GSC analisis pencarian tabel — pertama tanpa Schema Intelligence, lalu dengan Schema Intelligence.

Tanpa Kecerdasan Skema sumber_data: skema_tertangkap
// apa yang dilihat LLM == TABEL: search_analytics == Kolom: - pengenal bilangan bulat [PK, BUKAN NULL] – site_url varchar(500) TIDAK NULL – kunci varchar(2000) - negara karakter(3) - perangkat varchar(20) – klik bilangan bulat TIDAK NULL – kesan bilangan bulat TIDAK NULL - posisi desimal(8,2) - tanggal bilangan bulat TIDAK NULL Indeks: ix_tanggal, ix_situs_url 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
Dengan Kecerdasan Skema sumber_data: kecerdasan_skema
// apa yang dilihat LLM == TABEL: search_analytics [FAKTA, domain:seo] == “Metrik kinerja pencarian GSC yang diagregasi setiap hari per kombinasi kueri, halaman, negara, dan perangkat.” ai_analyzed_at: 2026-04-30 · ~487,233 baris Kolom: - pengenal int [PK] pengidentifikasi – site_url varchar(500) URL Contoh: “sc-domain:querystreams.com” FK -> sites.url (tumpang tindih 97%, kepercayaan 0,9%) – kunci varchar(2000) konten teks “Permintaan|halaman|negara|perangkat yang dipisahkan oleh tanda pipa” - negara karakter(3) lokasi Contoh: ['usa','gbr','can','aus','deu'] - perangkat varchar(20) kode_status (enum) DESKTOP (61%) | MOBILE (34%) | TABLET (5%) – klik int menangkal Rentang: 0 – 9.432 – kesan int menangkal Rentang: 0 – 124.510 - posisi desimal(8,2) posisi_peringkat Rentang: 1,00 – 100,00 - tanggal int tanggal_yyyymmdd ⚠ BUKAN tanggal SQL – format integer YYYYMMDD Contoh: 20260428, 20260427, 20260426

Kecerdasan Skema enam lapisan menambahkan

Setiap lapisan membahas kelas pertanyaan spesifik yang jika tidak, LLM harus menebak jawabannya. SI bersifat opsional. (konektor, basis data) Proses ini berjalan sebagai satu kali proses pembuatan profil terhadap data Anda — proses ini tidak mengubah skema Anda, tidak menulis ke basis data Anda, dan memperbarui secara bertahap ketika skema Anda berubah.

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.

search_analytics: “Agregat harian GSC
performa pencarian per kueri/halaman.”

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.

search_analytics [FACT, domain:seo]
situs [DIM, domain:seo]

Tipe semantik per kolom

Delapan belas tipe — mata uang, email, tanggal_yyyymmdd, kode_status, persentase, posisi_peringkat, pengidentifikasi, url, nama_orang, dan banyak lagi. AI menghasilkan SQL yang sesuai dengan dialek dan cocok untuk setiap tipe.

posisi: posisi_peringkat
klik: penghitung · tanggal: tanggal_yyyymmdd

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.

negara: ['usa', 'gbr', 'can', 'aus', 'deu']

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.

Perangkat: DESKTOP (61%) | MOBILE (34%)
| TABLET (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.

search_analytics.site_url -> sites.url
(Tumpang tindih 97%, kepercayaan 0,9)

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 — “Tunjukkan kepada saya 10 kueri GSC teratas dengan CTR tertinggi bulan lalu, di mana tayangannya lebih dari 100.” Tanpa Kecerdasan Skema, LLM harus menebak. Dengan adanya Kecerdasan Skema, LLM mengetahuinya.

Tanpa Kecerdasan Skema
— Upaya pertama LLM melawan skema dasar: PILIH TERATAS 10 tombol, klik, tayangan, (klik * 1.0 / kesan) AS pusat DARI analisis pencarian DI MANA tanggal DI ANTARA '2026-04-01' DAN '2026-04-30' DAN kesan > 100 PESAN OLEH pusat DESC KESALAHAN: “Konversi gagal saat mengkonversi tanggal” Tanggal adalah bilangan bulat YYYYMMDD, bukan tipe data DATE SQL. Tidak ada GROUP BY — banyak baris per kueri/halaman Risiko pembagian dengan nol pada baris tanpa tayangan
Dengan Kecerdasan Skema
— Upaya pertama LLM dengan SI diaktifkan: PILIH TERATAS 10 kunci, JUMLAH(klik) AS total_klik, JUMLAH(kesan) AS jumlah_tayangan, PUTARAN(JUMLAH(klik) * 100.0 / NULL(JUMLAH(kesan), 0), 2) AS ctr_pct DARI analisis pencarian DI MANA tanggal DI ANTARA 20260401 DAN 20260430 DAN kesan > 100 KELOMPOKKAN BERDASARKAN kunci PESAN OLEH ctr_pct DESC 10 baris. Benar pada percobaan pertama. Tipe semantik tanggal = date_yyyymmdd klik/tayangan melihat tipe semantik = penghitung NULLIF mencegah pembagian dengan nol.
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 →
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 data Google Search Console Anda — “Apa saja 10 kueri GSC teratas saya minggu lalu?”— agen yang sama, penegakan hanya baca 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 dengan akses internet — lihat Unduh Agen Query Streams.
  3. Konektor Google Search Console yang dikonfigurasi terhadap agen — lihat yang sudah ada. Pengaturan Konektor API Panduan untuk pemasangan OAuth. Agen memegang token Google OAuth; 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 menghasilkan kunci — agen dan konektor 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

“Halaman mana yang kehilangan klik terbanyak bulan lalu?” — AI akan memanggil alat yang tepat, dan Anda akan 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 SEO, di mana pemahaman tentang bentuk kueri Anda sangat penting.
  • menjalankan — AI tersebut sebenarnya dapat menjalankan SQL. Tanpa ini, AI hanya dapat membaca metadata skema saja.

Untuk alur kerja tipikal "biarkan Claude menganalisis data Search Console 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 Google Search Console Anda beserta semua konfigurasi lain yang telah Anda buat.

Langkah 3: Ajukan pertanyaan Google Search Console kepada AI

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

“Sepuluh halaman mana saja yang mengalami penurunan klik terbesar bulan lalu dibandingkan bulan sebelumnya?”
Audit SEO
AI akan menelepon qs_get_connector_schema untuk menemukan tabel GSC, lalu qs_jalankan_kueri Dengan perintah SELECT yang menggabungkan klik berdasarkan halaman dan rentang tanggal, menggabungkan ke bulan sebelumnya, mengurutkan berdasarkan delta, dan mengembalikan 10 teratas. Anda akan melihat tabel hasil secara langsung, ditambah interpretasi tertulis tentang halaman mana yang mengalami penurunan dan kemungkinan penyebabnya (penurunan CTR, penurunan posisi peringkat, pergeseran campuran kueri) yang disimpulkan AI dari data tersebut.
“Pertanyaan apa saja yang menghasilkan klik minggu lalu, dan mana di antaranya yang memiliki CTR di bawah rata-rata situs?”
Peluang
AI menghitung CTR seluruh situs dari data GSC, kemudian menyaring kueri yang berada di bawahnya. Kueri dengan CTR di bawah rata-rata biasanya Calon penulis ulang judul dan meta-deskripsi — Anda sudah berada di peringkat atas, masalahnya adalah rasio klik-tayang (CTR). AI biasanya akan menandai 5-10 kandidat teratas dan menjelaskan mengapa masing-masing menjadi masalah CTR (posisi terlalu rendah untuk menarik klik, judul tidak menyertakan kata kunci pencarian secara persis, dll.).
“Bandingkan CTR 28 hari terakhir berdasarkan negara untuk kueri yang berisi 'database'.”
Geo
Analisis per negara dengan data klik, tayangan, posisi, dan CTR. Alat AI biasanya akan menyoroti pembagian geografis yang paling menyimpang dari rata-rata situs, dan mengusulkan kueri lanjutan — “Apakah Anda ingin saya memecah ini berdasarkan kueri untuk tiga negara teratas?” — jika Anda ingin menelusuri lebih dalam. Balasan bersifat percakapan; Anda tidak perlu mengatur ulang konteks.

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.

Add-in Excel Query Streams, add-on Google Sheets, Query Builder web, dan Nova AI semuanya berjalan melalui tautan cloud terkompresi kami — kami mengukur dan menagihnya. byte terkompresi terhadap ranah data Anda. Transportasi MCP (Streamable HTTP sesuai spesifikasi resmi MCP) tidak secara andal mendukung kompresi ujung-ke-ujung di setiap klien dan proxy perantara, jadi kami mengukur dan menagihnya. Byte yang tidak dikompresi untuk lalu lintas MCP.

  • Artinya: Satu set baris hasil GSC berukuran 1 MB membutuhkan sekitar 1 MB ruang data Anda saat diambil melalui MCP, dibandingkan dengan sekitar 150–250 KB melalui Excel/Sheets/Nova/Query Builder. Data yang sama, metode transportasi yang berbeda, ukuran yang dapat ditagih berbeda.
  • Ini bukan: Apakah ini semacam markup atau hukuman karena menggunakan MCP? Kami hanya meneruskan byte aktual yang dikirim. Klien lain lebih murah karena kompresi bekerja dengan andal pada transport tersebut; kami tidak menghukum Anda karena pilihan protokol, tetapi kami harus transparan tentang bentuk biayanya.
  • Yang dapat Anda lakukan: Untuk kueri berulang yang sangat besar (misalnya ekspor 100.000+ baris), lebih baik gunakan jalur Excel/Sheets/Nova. Untuk panggilan alat AI interaktif (respons tipikal 100–5.000 baris yang sesuai dalam konteks LLM), MCP adalah pilihan yang tepat dan perbedaan biayanya hanya beberapa sen.

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? +
Semua metode akses menggunakan satu anggaran ranah data; hanya ukuran yang diukur yang berbeda — klien terkompresi (Excel, Sheets, Query Builder, Nova AI) menagih byte terkompresi, sedangkan tagihan MCP melalui Streamable HTTP Byte yang tidak dikompresi (hasil 1 MB adalah sekitar 150–250 KB melalui klien terkompresi dibandingkan dengan sekitar 1 MB melalui MCP). Bagaimana penggunaan MCP diukur →
Apakah Query Streams MCP kompatibel dengan akun Google Workspace saya? +
Ya. Konektor Google Search Console melakukan autentikasi dengan kredensial Google yang sama yang sudah dimiliki pengguna GSC mana pun — pemberian OAuth standar yang digunakan Google untuk akses API Search Console. Token OAuth tersimpan di host Agen Jaringan (dienkripsi saat tidak aktif), diperbarui secara otomatis, dan tidak pernah dikirim ke vendor AI. Jika Anda sudah menyiapkan Search Console untuk alur kerja Query Streams lainnya (laporan Excel, sinkronisasi Sheets, kueri terjadwal), konektor sudah terpasang dan MCP akan berjalan secara otomatis.
Apa perbedaannya dengan menjalankan server GSC MCP sumber terbuka sendiri? +
Server MCP GSC langsung (proyek komunitas di GitHub memang ada) adalah satu MCP per sumber data. Untuk membuat Claude membaca dari GSC + PostgreSQL Anda + 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 MCP langsung kepada Anda.
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 Google Search Console. Validator berjalan dalam proses agen di jaringan Anda, bukan di cloud, sehingga permukaan cloud yang disusupi tidak dapat melewatinya. (API Search Console sendiri juga hanya baca, tetapi perlindungan yang sama berlaku untuk setiap konektor lain yang mungkin Anda tambahkan — PostgreSQL, MySQL, dll.)
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 GSC, itu adalah entri log audit Google Workspace.
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 (mata uang, email, tanggal_yyyymmdd, kode_status, persentase, posisi_peringkat, pengidentifikasi, url, nama_orang, dan 9 lainnya) yang mendorong pembuatan SQL 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 Google Search Console) tanpa pengaturan MCP atau file konfigurasi. Gunakan Nova untuk berinteraksi dengan data Anda di dalam Query Streams; gunakan MCP saat 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 →

Mulai

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

Satu kunci MCP menjangkau Google Search Console, setiap basis data, dan setiap konektor API lainnya 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.

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

Kategori: Server MCP

Tag: mcp, claude, kursor, chatgpt, grok, google-search-console, gsc, seo, ai

Deskripsi Meta: Hubungkan Claude atau Cursor ke Google Search Console melalui MCP. Lakukan query data SEO dengan AI dalam bahasa Inggris yang mudah dipahami. Gratis.

Updated on 16 Juni 2026

Powered by BetterDocs