Aliran Kueri MCP
Let your AI think.
We’ll handle the heavy data work.
Find the right tables. Turn large results into compact findings. Keep the data ready for the next question.
Query Streams gives your AI client a partner beside your databases: the Network Agent. Less data to read and move. Fewer repeated requests. More room to work through your question.
Table discovery and read-only queries on Free.
Profiling and follow-up analysis from Personal Core.
Why Query Streams MCP?
Because getting a useful answer takes more than running a query. Your AI client needs to find the data, make sense of it and ask the next question.
Find the right place to start.
A short question finds relevant tables by meaning, even among thousands of coded names. Your AI client reads the schema it needs and gets on with the query.
Less searching. Fewer guesses.Spend tokens on useful context.
The Network Agent profiles and analyses large results beside your database. Your AI client receives compact findings it can use to decide what to explore next.
Less raw data to read and transfer.Ask the next question without starting over.
Filter, group, compare or sample a held result. Follow-up tools reuse the data already on the Network Agent, without another database query.
Fewer round trips. Less repeated work.Work with private data on your terms.
The Network Agent connects out from inside your network. Database credentials stay there, and queries pass a read-only check before they reach your data.
No inbound database ports or VPN.Table discovery is included on Free
Start with the right tables.
Your AI client asks for what it needs in plain words, in any language. Query Streams returns a short, ranked list of matching tables, with a reason for each match. Then your AI client reads the columns it needs and writes the query.
- Ask in your language. Find tables by meaning.Search names, columns and descriptions across a captured database. Semantic Intelligence can add meaning to abbreviated names, and your team’s table choices help improve future searches.
- Works across the whole captured database.New captures become searchable within minutes. Table and description changes are reflected automatically. Finding a table does not query your database.
Measured in development tests on November 6, 2026: about 60 ms median per search; 71 of 72 questions across 12 languages found the right table in the top three. Results vary by database and question.
Find vehicle auction history, then count the records.
auc_uaxmtn.conlibv_pfarbhist1,048 rows · Match in descriptionauc_uaxmtn.conlibv_pfvehcond2,258,576 rows · Name match: vehicle
Read as: vehicle condition
Next: read the matching table's schemaqs_get_table_schema
database: asi
table: auc_uaxmtn.conlibv_pfarbhist
Then: run the read-only querySELECT COUNT(*) AS history_rows
FROM auc_uaxmtn.conlibv_pfarbhist;
See what your AI can do with a head start.
Once the right data is found, the Network Agent can profile it, calculate over it and keep it ready for follow-up questions. Choose an example to see how a large result becomes something your AI client can explain.
Nova

Inti Pribadi dan seterusnya
- 1Pahami hasil faktur
Buat profil data sebelum membaca baris-barisnya.
Nova or your AI client needs to understand a large invoice result. It asks for a local profile, rather than reading batches of invoices to discover the columns and values.
AI memulai dengan peta data yang ringkas.
Nova or your AI clientApa saja yang ada dalam hasil faktur ini, dan kolom mana yang dapat membantu kita menagih saldo yang telah jatuh tempo?
Pahami hasilnya sebelum meminta detail.Kueri tersimpan: Analisis faktur - 2Alat yang dioptimalkan: pembuatan profil hasil
Buat profil hasil faktur yang besar.
Agent memindai hasil di dekat database Anda dan mengembalikan statistik kolom, rentang, serta nilai yang umum. AI dapat mengetahui cara menganalisis faktur tanpa memproses setiap baris sendiri.
Lebih sedikit data mentah dalam konteks model berarti lebih sedikit token yang perlu diproses dan lebih sedikit data yang ditransfer melalui internet.
Network Agent, di dalam jaringan AndaAnalisis fakturKompatibel dengan
SQL ServerBuat profil hasil kueriqs_run_saved_query / mode: profile184,902baris yang diprofilkan6kolomTemuan kolom yang dipilih ID Faktur 0 nilai kosong Jumlah 1.140,00 hingga 28.900,00 Status Terbuka, Jatuh tempo, Lunas Wilayah Utara, Selatan, Timur, Barat Hasil lengkap disimpan secara lokalAI menerima profilnya. Agen menyimpan baris-baris tersebut agar siap untuk perhitungan berikutnya. - 3Alat tindak lanjut: kueri hasil yang tersimpan
Tanyakan total yang penting.
Profil tersebut memberikan bidang yang diperlukan AI. AI meminta agen memfilter faktur yang jatuh tempo dan mengelompokkan saldonya menurut wilayah, menggunakan hasil yang sudah tersimpan secara lokal.
Tidak ada kueri basis data kedua dalam contoh ini.
Nova or your AI client follows upKelompokkan saldo yang jatuh tempo menurut wilayah. Dari mana kita harus mulai?
Gunakan hasil yang ditahanFilter faktur yang jatuh tempo dan hitung SUM(amount) menurut wilayah pada hasil yang tersimpan.Agen menggunakan kembali hasil yang sama di dekat data Anda. - 4Empat total, siap dijelaskan
Urutkan saldo terbesar di bagian atas.
Agen mengembalikan empat total regional. AI dapat berfokus pada prioritas penagihan, alih-alih berulang kali meminta, membaca, dan menjumlahkan baris faktur.
184,902 baris tetap tersimpan secara lokal untuk analisis ini. Empat baris yang dikelompokkan menjawab pertanyaan tindak lanjut.
Network Agent, di dalam jaringan AndaKelompokkan saldo yang jatuh tempo secara lokalqs_result / op: kueri
184,902 baris tersimpan secara lokal. Tindak lanjut ini mengembalikan 4 baris ringkasan kepada AI.Wilayah Terlambat Selatan 28,900.00 Utara 17,320.80 Timur 9,765.25 Barat 5,493.95 Total 61,480.00 AI Anda kini dapat menjelaskanSelatan dan Utara mencakup 75.2% dari jumlah yang jatuh tempo. Mulailah penagihan di sana, lalu lanjutkan ke saldo regional yang lebih kecil.
Inti Bisnis dan seterusnya
- 1Tinjau seluruh katalog
Temukan stok yang perlu diperhatikan.
AI meminta pengelompokan alami berdasarkan cakupan stok dan waktu pengiriman. AI tidak perlu menarik 1,284 data produk ke dalam konteksnya untuk mengetahui produk mana yang memiliki perilaku serupa.
Hasil yang tersimpan sudah mencakup cakupan stok dan interval perkiraan pengiriman.
Nova or your AI clientLini stok mana yang memiliki perilaku serupa, dan kelompok mana yang berisiko sebelum pengiriman berikutnya?
Temukan kelompok yang tidak biasa di seluruh katalog, lalu identifikasi produknya.Kueri tersimpan: Cakupan stok dan pengiriman - 2Alat yang dioptimalkan: segmentasi hasil tersimpan
Temukan kelompok dengan cakupan stok yang serupa.
Agen mengelompokkan bidang numerik secara lokal dan mengembalikan jumlah serta nilai rata-rata setiap segmen. Satu kelompok kecil tampak menonjol: rata-rata waktu pengirimannya lebih lama daripada waktu hingga stoknya habis.
Tiga ringkasan segmen memberi AI titik fokus untuk diselidiki.
Network Agent, di dalam jaringan AndaCakupan stok dan pengirimanKompatibel dengan
PostgreSQLTemukan kelompok alami dalam hasil yang tersimpanqs_result / op: segmen1,284 lini stok diringkas menjadi tiga ringkasan segmen.
- Cakupan singkat2 produk
Cakupan rata-rata 2.5 hari
Rata-rata waktu pengiriman 4.5 hari - Cakupan stabil882 produk
Cakupan rata-rata 18 hari
Rata-rata waktu pengiriman 5 hari - Cakupan panjang400 produk
Cakupan rata-rata 45 hari
Rata-rata waktu pengiriman 4 hari
- 3Alat tindak lanjut: filter hasil yang tersimpan
Periksa lebih dekat produk yang berisiko.
Nilai segmen memandu tindak lanjut yang tepat. AI meminta agen mengembalikan produk yang cakupan stoknya lebih singkat daripada interval pengirimannya, menggunakan baris tersimpan yang sama.
Tidak ada kueri basis data kedua dalam contoh ini.
Nova or your AI client follows upProduk mana yang cakupan stoknya lebih singkat daripada waktu pengirimannya?
Gunakan hasil yang ditahanBaca baris tersimpan dengan stock_cover_days kurang dari delivery_days.Agen menggunakan kembali hasil yang sama di dekat data Anda. - 4Dua produk, dua kesenjangan yang jelas
Atasi kesenjangan pengisian ulang.
Agen mengembalikan dua produk yang cocok beserta intervalnya. AI dapat menyebutkan lini yang terdampak dan menjelaskan risiko selama dua hari tanpa memilah seluruh katalog.
Agen melakukan pengelompokan dan pemfilteran; AI menjelaskan tindakan yang perlu dilakukan.
Network Agent, di dalam jaringan AndaFilter dan hitung pada baris stok yang tersimpanqs_result / op: kueriCakupan stokKesenjangan hingga pengirimanKotak kemasanKesenjangan 2 hariStok cukup untuk 2 hari. Pengiriman tiba dalam 4 hari.
1,284 baris tersimpan secara lokal. Hanya dua produk yang berisiko dikembalikan untuk tindak lanjut ini.Kantong suratKesenjangan 2 hariStok cukup untuk 3 hari. Pengiriman tiba dalam 5 hari.
AI Anda kini dapat menjelaskanGrup stok dengan cakupan pendek berisi dua produk yang rentan. Keduanya akan kehabisan stok dua hari sebelum pengiriman. Majukan jadwal pengisian ulang; grup lainnya memiliki cakupan stok yang jauh lebih besar.
Inti Bisnis dan seterusnya
- 1Selidiki perubahan kinerja
Tanyakan apa yang berubah dari waktu ke waktu.
AI memulai dengan hasil pengiriman harian yang berisi tanggal, jumlah keterlambatan, jumlah yang dikirim, tingkat keterlambatan, dan label periode. AI meminta agen mencari perubahan pada rangkaian jumlah keterlambatan.
Hasil yang ditahan berisi 90 pengamatan harian, bukan aliran baru pesanan individual yang perlu dibaca.
Nova or your AI clientMengapa pengiriman terlambat tetap tinggi? Apakah ini lonjakan sesaat atau perubahan pola?
Deteksi perubahan dari waktu ke waktu, lalu uji ukuran yang lebih bermanfaat.Kueri tersimpan: Kinerja pengiriman harian - 2Alat yang dioptimalkan: anomali deret waktu
Deteksi perubahan yang berkelanjutan.
Agen memeriksa rangkaian numerik berurutan untuk mencari lonjakan dan perubahan tingkat. Contoh ini menyoroti pergeseran dari sekitar tiga pengiriman terlambat per hari menjadi sekitar dua belas, sehingga AI memiliki pola untuk diselidiki.
AI menerima temuan detektor alih-alih memeriksa seluruh rangkaian itu sendiri.
Network Agent, di dalam jaringan AndaKinerja pengiriman harianKompatibel dengan
MySQLDeteksi lonjakan dan perubahan tingkatqs_result / op: anomaliPola sebelumnyaPerubahan terdeteksi Perubahan tingkat pada rangkaian jumlah keterlambatanDari sekitar 3 menjadi sekitar 12 pengiriman terlambat per hari.Hari-hari terpilih dari hasil 90 hari yang ditahan. Agen mengembalikan titik-titik yang ditandai dan ringkasan.
- 3Alat tindak lanjut: bandingkan grup yang ditahan
Periksa tingkatnya, bukan hanya jumlahnya.
Jumlah yang lebih tinggi bisa mencerminkan pesanan yang lebih banyak. AI meminta agen membandingkan tingkat keterlambatan harian pada kedua periode, menggunakan label periode yang sudah ada dalam hasil yang ditahan.
Tidak ada kueri basis data kedua dalam contoh ini.
Nova or your AI client follows upApakah tingkat pengiriman terlambat juga meningkat? Bandingkan periode sebelumnya dan periode terkini.
Gunakan hasil yang ditahanBandingkan late_rate antara dua grup periode dalam hasil yang ditahan.Agen menggunakan kembali hasil yang sama di dekat data Anda. - 4Perbandingan dengan konteks yang bermanfaat
Ukur perubahan antarkurun waktu.
Agen mengembalikan ringkasan untuk 62 hari sebelumnya dan 28 hari terkini. AI dapat menjelaskan perubahan proporsi pesanan yang terlambat, alih-alih menganggap setiap kenaikan jumlah sebagai masalah yang sama.
Lebih sedikit permintaan data berulang memberi model lebih banyak ruang untuk penjelasan.
Network Agent, di dalam jaringan AndaBandingkan tingkat keterlambatan antargrup yang ditahanqs_result / op: bandingkanRata-rata tingkat pengiriman terlambat harian
Periode sebelumnya62 hari2.0%Periode terkini28 hari6.2%+4,2 poin persentaseProporsi pesanan yang terlambat juga meningkat.90 baris harian ditahan secara lokal. Dua ringkasan grup ditampilkan dari hasil perbandingan.AI Anda kini dapat menjelaskanRata-rata tingkat keterlambatan meningkat dari 2,0% menjadi 6,2%, naik 4,2 poin persentase. Proporsi pesanan yang terlambat lebih besar, jadi selidiki proses pengiriman selama periode terkini, selain volume pesanan.
Data ilustratif dan alur kerja yang disederhanakan. Tidak ada permintaan MCP yang dikirim. Pemrofilan dan kueri hasil yang ditahan memerlukan Personal Core atau lebih tinggi. Segmentasi, deteksi anomali, dan perbandingan memerlukan Business Core atau lebih tinggi, sesuai batas paket Anda. Paket Free mencakup kueri MCP baca-saja standar.
Fondasi Network Agent yang sama mendukung Nova, analis AI bawaan kami.
The Network Agent advantage
The heavy work belongs beside your data.
Profiles, calculations and held results stay close to the database. Your AI client receives the findings it asks for, with less data to transfer and less repeated processing.
Standard MCP queries return query results. With the optional analysis tools, your AI client can request a compact profile or calculation instead of the full result.
- Your database credentials stay inside.Your AI client signs in to Query Streams or uses a revocable MCP key. It never needs your database password.
- One outbound, encrypted connection.Requests and results travel over a connection opened by the Network Agent. Your database needs no inbound port or VPN for Query Streams.
- Read-only is enforced beside the data.The Network Agent checks every query and refuses statements that would change your data.
Bring the data your business actually runs on.
Use the same MCP connection across supported databases, files, logs and API-connected services. Saved queries and cross-source queries give your AI client more ways to work with the data you already have.
Explore supported sources- DatabaseSQL Server, PostgreSQL, MySQL, Oracle and more, on your network or in the cloud.
- File dan logWork with CSV, Excel, Parquet and log data through supported file connectors.
- Connected servicesQuery service data and join it with your other sources, within your plan limits.
Start free. Add deeper analysis when you need it.
Gratis
Find the right tables and run read-only queries. Use saved queries and join up to two sources.
- Table discovery in plain language
- One API key, 30 calls per minute
- Up to 1,000 rows per query
Inti Pribadi
Give your AI client compact findings and data it can reuse.
- Size checks and column profiles
- Compact result summaries
- Held results for follow-up questions
Inti Bisnis
Go deeper into quality, patterns and changes across your data.
- Pemeriksaan kualitas data
- Anomali, segmen, dan perbandingan
- Nova, analis AI bawaan.
Features are available within each plan’s allowances. Compare plans and limits
Connect your data once. Bring your AI client.
Install the Network Agent on Windows, Mac or Linux and connect your data sources. Then connect your AI client through SSO or a revocable MCP key.
Masuk dengan SSO
For AI clients that support sign-in
Tambahkan Query Streams di aplikasi AI Anda, masuk dengan akun Query Streams Anda, lalu setujui akses. Tidak perlu menyalin kunci API.
Hubungkan dengan kunci API
Untuk alat yang mendukung koneksi dengan kunci API
Buat kunci MCP yang dapat dicabut di panduan koneksi portal, lalu tambahkan alamat server dan kunci ke pengaturan alat Anda.
Server settings for API-key clients
Kedua metode membuat login database Anda tetap berada di Network Agent. Cabut akses dari portal kapan saja.
Pertanyaan yang pertama kali diajukan orang
Does it work on a very large database?
Yes. Your AI client asks for what it needs and gets matching tables ranked, with a reason for each match, whether the database has 40 tables or 20,000. It can find the right table without reading the whole list.
Does my AI need to know my table names?
No. Your AI client can ask in plain words, in any language. Table names, column names, descriptions and captured sample values help find matches. Semantic Intelligence can add meaning to abbreviated or coded names, but it is optional.
Does finding a table use my data allowance?
Only the small reply itself. Finding a table reads nothing from your database.
What happens right after I connect a big database?
It becomes searchable within minutes of schema capture, with nothing to configure. Until then, your AI client is told the index is still building and how far along it is, and it can list tables the usual way. Changes to tables and descriptions are reflected automatically.
Does finding a table send my schema to an AI vendor?
Finding a table runs entirely inside Query Streams; no third-party AI service performs the search. Your connected AI client receives the matching table names and reasons. If it asks for a table’s schema or query results, those replies are returned to that client too.
Apakah saya perlu membuka port atau menjalankan VPN?
No. The agent runs inside your network and opens one outbound, encrypted connection to Query Streams. Requests and results travel both ways over it. Your AI client connects to Query Streams, never to your database, so there is no inbound port, no IP allowlist and no VPN. The agent runs on a laptop, a VM, on-prem hardware or any cloud that allows outbound HTTPS.
Dapatkah saya menggunakan SSO atau kunci API?
Yes. If your AI client supports SSO, connect with your Query Streams account. For clients that use API-key authentication, create a revocable MCP key in the portal and add it with the server address. Your database login stays on the Network Agent with either method.
Apakah klien AI saya melihat baris-baris data saya?
Standard MCP queries return query results to your AI client. Optional profiling and analysis tools send compact findings instead of the full result. Held results stay on your Network Agent, and your AI client receives only the rows or summaries it requests.
Apa yang dimaksud dengan hasil yang ditahan?
A result your AI client asks the agent to keep for a while. Follow-up questions are answered from that copy, with no second database query: filter it, group it, sort it, page through it or take a sample. Query Streams' servers never store those rows. It is released when its hold time ends, when the assistant releases it, or when someone clears held results on the Data Agents page. Held results are on Personal Core and up.
Bagaimana jika AI mencoba menulis atau menghapus data?
Setiap kueri menjalani pemeriksaan hanya-baca di agent sebelum diteruskan ke database Anda. SELECT, WITH, dan EXPLAIN dapat dijalankan; perintah lainnya ditolak. Pemeriksaan ini berjalan di dalam jaringan Anda, bukan di cloud.
Paket mana saja yang menyertakannya?
Table discovery and read-only MCP queries are included on every plan, including Free. Free never expires and includes one key, 30 calls a minute and up to 1,000 rows per query. Profiling and held-result analysis start on Personal Core; deeper analysis starts on Business Core. Nova, the AI analyst built into Query Streams, starts on Business Core. Bandingkan paket.
Give your AI a head start on its next answer.
Find the right tables. Let the Network Agent prepare the data. Give your AI client more room to think.

