Visualizza le categorie

Come connettere MariaDB a Claude/Cursor tramite MCP (Configurazione del server MariaDB tramite MCP)

Tempo di lettura: 24 minuti

SERVER MCP MARIADB

Interroga MariaDB con Claude o Cursor tramite MCP.

Poni domande in linguaggio naturale sui tuoi dati MariaDB (ordini, clienti, cataloghi prodotti, join, aggregazioni) tramite un collegamento cloud sicuro e in uscita, con Schema Intelligence integrata nel connettore MariaDB MCP, in modo che l'IA scriva SQL corretto al primo tentativo.

Nessuna falla nel firewall Una sola chiave, ogni connettore Dati in tempo reale, senza ritardi dovuti alla cache. Porta il tuo strumento di intelligenza artificiale

Query Streams è una piattaforma di integrazione dati sicura e in tempo reale che integra tutti i database e le API SaaS del tuo account in Claude, Cursor, ChatGPT e Grok, tramite un'unica chiave MCP e senza modifiche al firewall. Questa guida illustra nello specifico come configurare il connettore MariaDB MCP, in modo che il tuo strumento di intelligenza artificiale possa rispondere a domande in linguaggio naturale su ordini, clienti, cataloghi di prodotti e qualsiasi altro dato di MariaDB (join, aggregazioni, esplorazione dello schema, report ad hoc) senza dover copiare e incollare file CSV esportati da HeidiSQL, DBeaver o phpMyAdmin. Per saperne di più, visita QueryStreams.com e iscriviti gratuitamente per iniziare a porre al tuo strumento di intelligenza artificiale domande reali su MariaDB.

Cosa offre Query Streams MCP per MariaDB

Altri server "MariaDB MCP" presenti nel panorama open source collegano lo strumento di intelligenza artificiale direttamente a una stringa di connessione MariaDB. Questo funziona, ma inserisce la password del database nella configurazione del client di intelligenza artificiale, limita l'utilizzo dello strumento a un solo endpoint MariaDB e non fornisce alcuna traccia di controllo delle richieste effettivamente effettuate dall'IA. Il server Query Streams MCP per MariaDB risolve un problema più ampio: un'unica chiave, tutti i connettori, traccia di controllo completa e lo strumento di intelligenza artificiale non memorizza mai le credenziali di MariaDB.

Nessuna falla nel firewall in entrata

L'agente di rete apre un singolo collegamento cloud crittografato in uscita verso Query Streams. Il client AI si connette al cloud, mai al tuo host MariaDB. Nessuna porta da aprire, nessun IP da inserire in una lista bianca, nessuna VPN, nessun listener MariaDB esposto a Internet.

Una sola chiave, ogni connettore

La stessa chiave MCP è accessibile a tutti i database e le API SaaS a cui il tuo account è connesso. Aggiungi un connettore Stripe o PostgreSQL domani stesso e lo strumento di intelligenza artificiale lo rileverà accanto alle tue tabelle MariaDB senza bisogno di reinserire la chiave.

Schema Intelligence integrato

L'IA vede descrizioni curate dall'IA, tipi semantici, elenchi di valori enum e chiavi esterne scoperte per ogni colonna di MariaDB, non solo semplici schema_informativo Output. Scrive SQL corretto al primo tentativo, anche su schemi MariaDB legacy con nomi di colonna criptici.

Modalità di sola lettura imposta dall'agente

Nemmeno un LLM allucinatorio può emettere ELIMINARE, AGGIORNAMENTO, o TRONCARE tramite Query Streams MCP. L'agente di rete rifiuta tutto ciò che non è SELEZIONARE, CON, o SPIEGARE prima che MariaDB veda l'SQL.

limiti di frequenza per chiave

60 richieste al minuto e 10 chiamate di esecuzione al minuto per impostazione predefinita, configurabili per chiave. Un ciclo di chiamate a uno strumento di IA fuori controllo coinvolge un bucket di token, non il pool di connessioni MariaDB o la fattura di hosting.

Come funziona senza aprire le porte del firewall

L'agente di rete di Query Streams è un piccolo programma che si installa una sola volta su una macchina in grado di raggiungere il server MariaDB (qualsiasi laptop, server locale, istanza EC2, macchina virtuale Azure o macchina virtuale cloud nella stessa rete dell'host MariaDB). Apre un collegamento cloud TLS in uscita verso il cloud di Query Streams e rimane in attesa delle chiamate degli strumenti. Quando Claude o Cursor pongono una domanda, il cloud inoltra la richiesta all'agente, che esegue la query SQL su MariaDB tramite la rete locale utilizzando il protocollo standard MariaDB/MySQL, e il risultato viene ritrasmesso attraverso lo stesso canale in uscita. Nessun collegamento in entrata. Nessun elemento esposto. Lo strumento di intelligenza artificiale non vede mai la stringa di connessione a MariaDB.

Cliente AI

Cursor, Claude,
ChatGPT, Grok

Server QS MCP

HTTP in streaming
Autenticazione chiave X-MCP

Agente di rete

Sulla tua rete
Collegamento cloud in uscita

Database MariaDB

stringa di miscelazione
detenuto dall'agente

Non è necessaria alcuna porta in entrata: è l'agente a effettuare la chiamata in uscita, mai il contrario.

Il tasto MCP che assegni al cursore o a Claude è vincolato a un ambito specifico (Leggere / analizzare / eseguire), revocabile in qualsiasi momento e con limitazione di frequenza per chiave. Lo strumento di intelligenza artificiale richiama questi strumenti MCP per svolgere il suo lavoro:

querystreams-mcp · catalogo strumenti
qs_list_organizationsLeggere
Restituisce l'organizzazione associata alla chiave chiamante.
qs_list_agentsLeggere
Elenca gli agenti di rete e lo stato online.
qs_list_connectorsLeggere
Elenca i connettori dati (una voce per ogni server di database o API).
qs_get_connector_schemaLeggere
Restituisce i database, le tabelle e le colonne di MariaDB che l'IA può interrogare, con l'arricchimento tramite Schema Intelligence, ove disponibile.
qs_profile_tableanalizzare
Valori campione, distribuzioni, rilevamento di enumerazioni, tipi semantici: su richiesta.
qs_list_saved_queriesLeggere
Modelli SQL parametrizzati predefiniti di cui il team si fida. L'IA li esegue senza mai visualizzare il codice SQL.
query_salvata_eseguita_qseseguire
Esegue una query salvata tramite chiave_modello con possibilità di sovrascrivere i parametri.
query_di_esecuzione_qseseguire
Esegue una query SELECT su un connettore. Il validatore di sola lettura viene eseguito sull'agente, prima che MariaDB visualizzi la query SQL.

Perché Schema Intelligence rende Query Streams MCP diverso

La maggior parte dei server “MCP per MariaDB” nel panorama open-source consegnano al tuo strumento di IA lo stesso schema_informativo MariaDB consegna uno sconosciuto. Nomi delle colonne. Tipi di dati. Forse una chiave primaria. L'LLM è lasciato a indovinare cosa status_id = 3 significa, cosa usr_eml negozi, o se riga_articolo_ordine_id in realtà si unisce a orders.id (in entrambi i casi non è mai stata dichiarata alcuna chiave esterna, una pratica comune negli schemi legacy dell'era MyISAM, precedenti all'implementazione delle chiavi esterne in InnoDB). Ecco perché la prima query SQL che la maggior parte degli LLM scrive su uno schema vuoto è errata, non perché l'LLM sia inefficiente, ma perché non dispone dei dati necessari per essere corretto.

Query Streams MCP restituisce lo stesso schema arricchito con ciò che chiamiamo Schema Intelligence (SI) — Metadati curati dall'IA generati eseguendo query di profilazione sul tuo reale dati MariaDB prima ancora che il client AI li richieda. Quando SI è abilitato su un connettore e un database, ogni strumento di schema che l'AI chiama (qs_get_connector_schema, qs_get_table_schema, qs_profile_table, qs_get_relationships) restituisce lo schema di base più sei livelli di conoscenza curata. L'LLM smette di fare supposizioni.

Per rendere questo concreto, ecco cosa riceve il client AI da un singolo qs_get_table_schema chiamata contro un tipico database e-commerce MariaDB (ordini, voci di riga, clienti, prodotti) — prima senza Schema Intelligence, poi con essa.

Senza intelligenza di schema origine dati: schema catturato
// ciò che vede l'LLM == TABELLA: ordini == – id int(11) [PK, NOT NULL] – ID cliente int(11) NOT NULL – totale decimal(10,2) NOT NULL – stato varchar(20) NOT NULL – creato_il data e ora NON NULL – spedito_a data e ora == TABELLA: righe_elementi == – id int(11) [PK] – order_id int(11) NOT NULL – product_id int(11) NOT NULL – quantità int(11) NOT NULL – prezzo_unità decimal(10,2) NOT NULL == TABELLA: clienti == – id int(11) [PK] – email varchar(255) - nome varchar(200) == TABELLA: prodotti == – id int(11) [PK] - nome varchar(200) – codice articolo varchar(64) Tasti esterni: (nessuna dichiarazione) si_recommendation: stato: “non_eseguito” cosa_ti_manca_per_questa_chiamata: – Chiavi esterne scoperte dall'IA – Valori campione per colonna + rilevamento enum – Descrizioni di tabelle e colonne – Classificazioni del tipo semantico – Etichettatura del dominio aziendale nota: “Solo tipologie, nessun contesto semantico”
Con Schema Intelligence origine dati: schema_intelligence
// ciò che vede l'LLM == TABELLA: ordini [FATTO, dominio:vendite] == "Righe di intestazione dell'ordine del cliente; una per ogni ordine. Il totale rappresenta l'importo complessivo dell'ordine in USD." - id int(11) [PK] ippocrate – ID cliente int(11) ippocrate FK -> customers.id (sovrapposizione del 100%, conf 0.99) – totale decimale(10,2) valuta Intervallo: 0,00 – 4.820,00 · media 142,30 – stato varchar(20) codice_stato (enum) pagato (62%) | spedito (28%) | rimborsato (6%) | in sospeso (4%) – creato_il data e ora data_iso Esempio: 2026-04-28 14:02:11 – spedito_a data e ora date_iso (nullable) == TABELLA: righe_elementi [FATTO, dominio:vendite] == “Una riga per prodotto per ordine. Ricavo = SOMMA(quantità * prezzo_unitario).” – order_id int(11) ippocrate FK -> orders.id (98% di sovrapposizione, conf 0.95) – product_id int(11) ippocrate FK -> products.id (sovrapposizione del 100%, conf 0.99) – quantità int(11) contatore – prezzo_unità decimale(10,2) valuta == TABELLA: clienti [DIM, dominio:clienti] == – email varchar(255) e-mail Esempio: [email protected], [email protected] - nome varchar(200) nome_persona == TABELLA: prodotti [DIM, dominio:prodotti] == – nome varchar(200) contenuto_testo – codice articolo varchar(64) ippocrate Esempio: ['QS-001-MINT','QS-014-DARK','QS-027-AMBER']

I sei livelli Schema Intelligence aggiungono

Ogni livello affronta una specifica classe di domande a cui l'LLM altrimenti dovrebbe rispondere con delle supposizioni. SI è facoltativo per (connettore, database) Questo processo si associa e viene eseguito come una singola passata di profilazione sui dati di MariaDB: non modifica lo schema, non scrive nel database e si aggiorna in modo incrementale quando lo schema cambia.

Descrizioni generate dall'IA

Descrizione chiara e semplice per ogni database, schema, tabella e colonna: generata una sola volta e aggiornata a ogni modifica dello schema. Valutazione dell'affidabilità; le descrizioni create dagli utenti sono sempre le migliori.

ordini: “Intestazioni degli ordini del cliente;
una fila per cassa."

Classificazioni delle tabelle

Ogni tabella è contrassegnata da un tag FACT (eventi transazionali), DIM (riferimenti descrittivi) o LOOKUP (mappe di codice di piccole dimensioni), oltre a un dominio aziendale: vendite, risorse umane, SEO, finanza, assistenza e altri 14.

ordini [FATTO, dominio:vendite]
clienti [DIM, dominio:clienti]

Tipi semantici per colonna

Diciotto tipi: valuta, email, data_iso, codice_stato, percentuale, posizione_in_classifica, identificativo, URL, nome_persona e altro ancora. L'IA genera codice SQL MariaDB corretto dal punto di vista dialettale, appropriato per ciascun tipo.

totale: valuta · email: email
creato_in: data_iso

Valori di esempio tratti da dati reali

Righe casuali sono emerse nel LLM in modo che esso riconosca modelli che nessuno schema può mostrare: convenzioni di formattazione, valori codificati, stili di abbreviazione e la struttura effettiva delle stringhe.

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

Rilevamento di enumerazioni con distribuzioni

Colonne a bassa cardinalità (50 o meno valori distinti, al massimo il 5% di righe univoche) mappate al loro elenco completo di valori con conteggio delle righe. L'IA non indovina mai la differenza tra maiuscole e minuscole o l'ortografia.

stato: pagato (62%) | spedito (28%)
| rimborsato (6%) | in sospeso (4%)

Scoperta implicita delle chiavi esterne

L'analisi della sovrapposizione dei dati tra tabelle trova le join che non sono dichiarate come vincoli DDL. Memorizzate insieme alle chiavi esterne formali con punteggi di confidenza, restituite da qs_get_relationships.

line_items.order_id -> orders.id
(98% di sovrapposizione, conf 0,95)

Stesso prompt, SQL diverso

La prova sta nel codice SQL che lo strumento di intelligenza artificiale scrive effettivamente. Stessa sessione del cursore, stesso modello di Claude, stesso prompt — Quali sono stati i 5 prodotti con il fatturato più alto negli ultimi 30 giorni? Senza l'intelligenza dello schema, il LLM deve tirare a indovinare. Con essa, il LLM sa.

Senza intelligenza di schema
— Il primo tentativo di LLM contro lo schema nudo: SELEZIONARE ID prodotto, SOMMA(prezzo_unitario) AS entrate DA voci di riga DOVE creato_al >= '2024-01-01' ORDINATO DA entrate DESC LIMITE 5 ERRORE: la colonna "created_at" non esiste created_at è presente negli ordini, non nelle righe nessun JOIN — line_items non è dotato di timestamp SOMMA(prezzo_unitario) ignora la quantità — ricavo errato data fissa — “ultimi 30 giorni” è dinamico restituisce product_id, non il nome del prodotto
Con Schema Intelligence
— Primo tentativo di LLM con SI abilitato: SELEZIONARE p.id, p.name, SOMMA(quantità_li * prezzo_unità_li) AS entrate DA ordini o CONGIUNGERE voci_di_linea li ON li.order_id = o.id CONGIUNGERE prodotti p ON p.id = li.product_id DOVE o.created_at >= ORA() – INTERVALLO 30 GIORNO GRUPPO PER p.id, p.name ORDINATO DA entrate DESC LIMITE 5 5 righe. Corretto al primo tentativo. I tag FACT/DIM hanno guidato la struttura di unione La scoperta della chiave esterna ha portato all'emersione di order_id -> orders.id created_at ha visto il tipo semantico = date_iso MariaDB-idiomatic NOW() – INTERVAL 30 DAY
Non vuoi eseguire Schema Intelligence? MCP funziona ancora. Senza SI, gli strumenti di schema restituiscono metadati nudi (tipi, chiavi primarie, chiavi esterne formali, indici) e ogni risposta degradata porta un si_recommendation blocco che dice all'IA esattamente cosa le manca, inclusa un'opzione di chiamata singola per abilitare SI a metà conversazione tramite qs_request_si_analysisIl tuo client AI può offrire di avviare immediatamente un'esecuzione di Schema Intelligence ("vuoi che abiliti prima Schema Intelligence su questo database? Viene eseguita in background tramite il tuo Network Agent e migliorerà notevolmente le mie risposte"). Scala temporale di esecuzione in base al numero di tabelle: Un piccolo database con meno di 100 tabelle viene analizzato in circa 10 minuti; un database di medie dimensioni (poche centinaia di tabelle) impiega dai 15 ai 25 minuti; un grande database aziendale con oltre 1.500 tabelle può richiedere dai 45 ai 60 minuti per una scansione completa. Gli aggiornamenti successivi alle modifiche dello schema sono incrementali e molto più veloci della prima esecuzione. Schema Intelligence è un servizio opzionale. Siamo certi che non vorrete disattivarlo.
Nova AI

MCP non fa per te? Prova Nova AI.

Se modificare i file di configurazione JSON ti sembra più complicato di quanto ti aspettassi, lascia perdere MCP. Nova AI è integrata nel portale web Query Streams senza necessità di configurazione.. Poni le stesse domande in un linguaggio semplice (ad esempio “Mostrami gli ordini MariaDB che non sono stati spediti da più di 7 giorni”) attraverso lo stesso connettore MariaDB, lo stesso agente e la stessa Schema Intelligence — semplicemente senza alcuna configurazione MCP da parte tua.

Scopri Nova AI

Prerequisiti

Prima di iniziare, assicurati di avere:

  1. Un account Query Streams gratuito su my.querystreams.com.
  2. L'agente di rete Query Streams installato su una macchina in grado di raggiungere il server MariaDB — vedere Scarica l'agente Query Streams.
  3. Un connettore MariaDB configurato contro l'agente — vedere quello esistente configurazione del connettore Guide per la stringa di connessione. L'agente conserva la password dell'utente MariaDB (o le credenziali PAM/GSSAPI); lo strumento di intelligenza artificiale non le modifica mai.
  4. Qualsiasi client AI compatibile con MCP. In questa guida mostreremo Cursor, Claude Desktop, ChatGPT e Grok; se utilizzi Windsurf, Zed, Continue, Cline, VS Code Copilot, Codex o Goose, il blocco di configurazione è sostanzialmente lo stesso.
  5. Cinque minuti.
L'agente va configurato una sola volta. Lo stesso agente che alimenta i componenti aggiuntivi di Query Streams per Excel e Fogli Google, il generatore di query web e Nova AI, è utilizzato anche per MCP. Aggiungere MCP a un account Query Streams esistente significa semplicemente generare una chiave: l'agente e il connettore MariaDB sono già in esecuzione.
1

Genera una chiave MCP

Dal /mcp Nella pagina Query Streams, crea una chiave con gli ambiti desiderati.

2

Inseriscilo nel tuo client AI

Un unico frammento JSON per Cursor, Claude, ChatGPT o Grok. La stessa chiave ovunque.

3

Poni una domanda

"Quali sono stati i nostri 10 clienti principali in termini di valore a vita?" — l'IA seleziona gli strumenti giusti e tu ottieni la risposta.

Passaggio 1: Generare una chiave MCP in Query Streams

Accedi a Query Streams e apri il Pagina MCP (oppure accedi prima a my.querystreams.com e clicca MCP nella navigazione a sinistra). Fare clic Genera chiave, dare alla chiave un nome riconoscibile (qualcosa come cursore-laptop o claude-desktop), e seleziona gli ambiti che desideri assegnare a questa chiave:

  • Leggere — L'IA può esplorare i connettori e leggere lo schema. Necessario per tutto il resto.
  • analizzare — L'IA può profilare le tabelle e scoprire le relazioni (valori campione, distribuzioni, tipi semantici). Opzionale ma fortemente consigliato per lavorare con MariaDB, dove comprendere la struttura dei dati è fondamentale quando LLM genera join tra schemi legacy.
  • eseguire — l'IA è effettivamente in grado di eseguire query SQL. Senza questa funzionalità, l'IA può accedere solo ai metadati dello schema in sola lettura.

Per un tipico flusso di lavoro "lascia che Claude analizzi i miei dati MariaDB", tutti e tre gli ambiti sono appropriati. Per una chiave che stai consegnando a un collega o a un cliente meno affidabile, elimina eseguire e consentire loro solo di navigare. È possibile revocare qualsiasi chiave in qualsiasi momento dalla stessa pagina; il client AI vedrà MCP_KEY_REVOCATA alla sua prossima chiamata e smette di funzionare immediatamente. Non c'è ritardo di propagazione.

Copia la chiave ora: Query Streams la mostra una sola volta, poi memorizza solo un hash. Se la perdi, generane una nuova. La chiave ha questo aspetto: qsmcp_ seguito da 48 caratteri casuali ed è ciò che il tuo client AI invia nel Chiave X-MCP intestazione della richiesta.

Passaggio 2: Aggiungi Query Streams MCP al tuo client AI

La configurazione ha la stessa forma su ogni client compatibile con MCP: una voce del server MCP che punta a https://mcp.querystreams.com con la tua chiave nella Chiave X-MCP Intestazione. Seleziona il tuo cliente qui sotto.

Cursore
Cursore ~/.cursor/mcp.json
// Modifica ~/.cursor/mcp.json
{
  "mcpServers": {
    "querystreams": {
      "url": "https://mcp.querystreams.com",
      "intestazioni": {
        "X-MCP-Key": "qsmcp_INSERISCI_QUI_LA_CHIAVE"
      }
    }
  }
}
Claude Desktop
Claude Desktop claude_desktop_config.json
// Impostazioni → Sviluppatore → Modifica configurazione
{
  "mcpServers": {
    "querystreams": {
      "url": "https://mcp.querystreams.com",
      "intestazioni": {
        "X-MCP-Key": "qsmcp_INSERISCI_QUI_LA_CHIAVE"
      }
    }
  }
}
ChatGPT
ChatGPT App e connettori
// Impostazioni → App e connettori → Aggiungi MCP
URL del server  https://mcp.querystreams.com
Intestazione di autorizzazione Chiave X-MCP
Valore dell'intestazione qsmcp_INSERISCI_QUI_LA_CHIAVE

// Richiede un piano ChatGPT a pagamento
// (Plus / Pro / Team / Enterprise).
Grok
Grok Strumenti MCP remoti
// Grok → Impostazioni → Strumenti
{
  "mcp_servers": [{
    "nome": "querystreams",
    "url": "https://mcp.querystreams.com",
    "auth_header": "X-MCP-Key",
    "valore_di_autenticazione": "qsmcp_..."
  }]
}

Riavvia il tuo client AI. Al successivo avvio, rileverà gli otto strumenti Query Streams MCP elencati sopra e li renderà disponibili nella sua tavolozza degli strumenti. In Cursor e Claude Desktop puoi verificarlo digitando “connettori di elenco” — l'IA dovrebbe chiamare qs_list_connectors e restituisci il connettore MariaDB insieme a tutto il resto che hai configurato.

Passaggio 3: Poni una domanda a MariaDB all'IA

Non sei tu a scrivere il codice SQL, lo fa l'IA. Poni una domanda, l'IA seleziona lo strumento MCP più adatto, l'agente esegue la query sul tuo database MariaDB e la risposta viene restituita in formato testo e tabelle. Ecco tre esempi di query da provare inizialmente:

"Chi sono i nostri 10 clienti con il più alto valore a vita del cliente (LTV) e quali categorie di prodotti acquistano?"
Clienti
L'IA chiamerà qs_get_connector_schema per scoprire le tabelle degli ordini, delle voci, dei clienti e dei prodotti, quindi query_di_esecuzione_qs con una SELECT che unisce clienti a ordini a voci di riga a prodotti, calcola SOMMA(quantità * prezzo_unitario) per cliente, e restituisce i 10 prodotti con il valore a vita più alto, insieme alle categorie di prodotti più acquistate. Vedrai la tabella dei risultati direttamente nel testo, oltre a un'interpretazione scritta (quali clienti si raggruppano in quali categorie, modelli di acquisto ripetuto, dimensione media dell'ordine) che l'IA ha dedotto dai dati di MariaDB.
Qual è stata la nostra linea di prodotti con il fatturato più alto nell'ultimo trimestre?
Reddito
L'IA utilizza l'aritmetica delle date idiomatica di MariaDB per delimitare il trimestre di calendario precedente (QUARTO(o.created_at) = QUARTO(ORA() - INTERVALLO 1 QUARTO)), si unisce ordini Attraverso voci di riga a prodottie aggregati SOMMA(quantità_li * prezzo_unità_li) per linea di prodotto. Il risultato è una tabella classificata con linea, unità vendute, fatturato lordo e percentuale sul totale: l'IA in genere segnala automaticamente il prodotto con le migliori prestazioni e quello che ha registrato la maggiore crescita rispetto al trimestre precedente, senza che sia necessario richiederlo.
"Mostrami gli ordini MariaDB che non sono stati spediti da più di 7 giorni."
Operazioni
L'IA utilizza il rilevamento enum di Schema Intelligence su stato degli ordini per filtrare a 'pagato' ordini con un valore NULL spedito_a e un creato_il più vecchio di ORA() - INTERVALLO 7 GIORNI. Il risultato è un elenco mirato con ID ordine, email del cliente, totale e giorni trascorsi dal pagamento: di solito l'IA ordina dal più vecchio al più recente e segnala le righe più preoccupanti come segnalazioni al team di evasione piuttosto che errori di arrotondamento. Puoi approfondire chiedendo “Perché l’ordine 4821 è ancora in sospeso?” e l'IA estrarrà le righe pertinenti.

La prima volta che l'IA richiama uno strumento, il tuo client potrebbe visualizzare una richiesta di conferma per autorizzare la chiamata allo strumento: si tratta del flusso di consenso standard di MCP, non di una funzionalità aggiunta da Query Streams. Approva una volta e l'IA procederà liberamente con il resto della conversazione. Puoi rivedere il consenso in qualsiasi momento nelle impostazioni del tuo client.

Avviso di fatturazione trasparente: l'utilizzo di MCP viene addebitato in base ai byte non compressi.

I client compressi (Excel, Fogli, Query Builder, Nova) fatturano byte compressi, ma il trasporto Streamable HTTP di MCP non comprime in modo affidabile end-to-end, quindi fattura byte non compressi — un set di risultati MariaDB da 1 MB costa circa 1 MB tramite MCP contro circa 150-250 KB tramite gli altri client. Non si tratta di un ricarico; per una tipica risposta interattiva MariaDB da 100 a 5.000 righe la differenza è di pochi centesimi, ma per esportazioni con oltre 100.000 righe è preferibile utilizzare Excel/Fogli/Nova. Perché il traffico MCP viene misurato senza compressione →

Domande frequenti

Devo aprire delle porte o usare una VPN per poterlo utilizzare? +
Nessuna regola in entrata, port forwarding, NAT punchthrough o VPN. L'agente di rete effettua una connessione TLS in uscita (porta 443) e il tuo client AI raggiunge https://mcp.querystreams.com dalla rete internet pubblica: se HTTPS in uscita funziona sull'host dell'agente, MCP funziona. Scopri come funziona la connessione solo in uscita →
Quali strumenti di intelligenza artificiale posso utilizzare con Query Streams MCP? +
Qualsiasi client che supporti il protocollo aperto Model Context Protocol (MCP) — Claude Desktop, Claude Code, Cursor, ChatGPT (a pagamento), Grok, Gemini CLI, Windsurf, Zed e oltre 500 altri. Utilizza il tuo strumento di intelligenza artificiale; non è necessario cambiarlo. Elenco completo dei client AI supportati →
Posso revocare una chiave MCP? +
Sì — tre interruttori di sicurezza indipendenti (per tasto dal /mcp pagina, per organizzazione tramite impostazioni del piano e a livello di piattaforma), nessuna delle quali richiede la rotazione della password del database o il riavvio dell'agente. Maggiori informazioni sulla sicurezza delle chiavi MCP →
Come viene fatturato l'utilizzo di MCP sul mio dominio dati? +
MCP attinge allo stesso budget di dati di Excel, Fogli, Generatore di query e Nova AI, ma la dimensione misurata è diversa: i clienti compressi fatturano byte compressi mentre MCP (Streaming HTTP, nessuna compressione end-to-end affidabile) fattura byte non compressiIn pratica, un risultato di MariaDB da 1 MB costa circa 150-250 KB tramite Excel, ma circa 1 MB tramite Cursor su MCP. Come viene misurata la fatturazione MCP →
Query Streams MCP è compatibile con il mio cluster MariaDB (Galera, MaxScale, ColumnStore)? +
Sì, Query Streams MCP funziona con qualsiasi endpoint MariaDB raggiungibile dall'agente di rete tramite TCP, indipendentemente dalla topologia. In particolare, sono supportati: Server MariaDB autonomo (qualsiasi versione 10.x o 11.x), MariaDB Galera Cluster (puntare al nodo di scrittura o a qualsiasi replica sincrona per carichi di lavoro prevalentemente di lettura), MariaDB MaxScale (router/proxy davanti a una flotta Galera: trattalo come un singolo endpoint e lascia che MaxScale gestisca il routing), MariaDB ColumnStore per carichi di lavoro analitici, MariaDB Enterprise, SkySQL (MariaDB Cloud), AWS RDS per MariaDBe MariaDB self-hosted su EC2, macchine virtuali Azure, Google Compute Engine o hardware on-premise. L'agente gestisce la stringa di connessione: sono supportati l'autenticazione pluggable (mysql_native_password, ed25519, GSSAPI/Kerberos, PAM), SSL/TLS con certificati CA personalizzati e il routing read-replica. Suggerimento: Registra ogni endpoint MariaDB come connettore separato. Il tuo database transazionale Galera e il tuo motore di analisi ColumnStore possono essere due connettori distinti sulla stessa chiave, e LLM seleziona quello corretto in base alla query (le ricerche puntuali vanno al cluster OLTP, le aggregazioni di grandi dimensioni vanno a ColumnStore). Il server MCP non visualizza le credenziali; solo l'agente le vede.
In che cosa si differenzia questo dall'utilizzare autonomamente un server MariaDB MCP open-source? +
Un server MariaDB MCP diretto (esistono progetti della community su GitHub) è un MCP per ogni origine dati. Per far sì che Claude legga da MariaDB + Google Search Console + il tuo account Stripe + il tuo data warehouse Snowflake, avresti bisogno di quattro server MCP configurati separatamente in ogni client AI, ognuno con le proprie credenziali, ognuno con il proprio modello di ambito, ognuno con la propria storia di audit. Query Streams MCP è una chiave che raggiunge ogni connettore associato al tuo account. Ottieni anche Schema Intelligence, applicazione della sola lettura a livello agente, limiti di frequenza per chiave, traccia di audit in registri eventie la stessa pipeline di fatturazione del data realm che già utilizzi, nessuna delle quali è fornita direttamente da MariaDB MCP.
Cosa succede se l'IA tenta di scrivere o cancellare dati? +
Viene rifiutato dall'agente prima che l'origine dati veda l'SQL. Ogni query_di_esecuzione_qs la chiamata viene analizzata da un validatore di sola lettura hardcoded che consente solo SELEZIONARE, CON, e SPIEGARE dichiarazioni; qualsiasi altro risultato VIOLAZIONE DI SOLA LETTURA e non raggiunge mai MariaDB. Il validatore viene eseguito nel processo dell'agente sulla rete, non nel cloud, quindi una superficie cloud compromessa non potrebbe aggirarlo. (È possibile aggiungere un utente di sola lettura lato MariaDB (ad esempio, concedere solo SELEZIONARE (sui database pertinenti) in aggiunta, se si desidera una maggiore sicurezza: il validatore dell'agente è indipendente da qualsiasi concessione MariaDB configurata.)
Posso vedere cosa ha chiesto esattamente l'IA? +
Sì. Ogni chiamata dello strumento MCP scrive una riga su registri eventi con l'organizzazione, l'utente, la chiave, l'ambito, la latenza e il codice del risultato. L'amministratore dell'organizzazione può rispondere a "chi ha utilizzato MCP la scorsa settimana, quale connettore e cosa ha chiesto?" con una singola query. Nota che registriamo il nome dello strumento e metadati, non il testo SQL o le righe restituite: questi transitano attraverso il collegamento cloud e non finiscono mai nei log cloud. Se desideri un audit SQL completo, abilita l'audit lato database sul motore sottostante; per MariaDB nello specifico, questo è il audit del server plugin (il MariaDB Audit Plugin) o la pipeline di log generale/per query lente esistente.
Devo necessariamente eseguire Schema Intelligence per utilizzare Query Streams MCP? +
NO - Schema Intelligence è facoltativo (connettore, database) paioe MCP funziona bene anche senza. L'IA riceve lo schema di base (tipi, chiavi primarie, chiavi esterne formali, indici) e scrive query di base. Con SI abilitato, l'IA riceve sei livelli aggiuntivi di metadati curati: (1) Descrizioni generate dall'intelligenza artificiale per ogni database, tabella e colonna; (2) Classificazioni delle tabelle (FATTO per gli eventi transazionali, DIM per i riferimenti descrittivi, CERCA per le mappe di codice di piccole dimensioni) più un tag di dominio aziendale (vendite, risorse umane, SEO, finanza, supporto e altri 14); (3) un tipo semantico su ogni colonna (valuta, email, data_iso, codice_stato, percentuale, posizione_in_classifica, identificatore, URL, nome_persona e altre 9) che guida la generazione SQL di MariaDB corretta dal dialetto; (4) Campiona i valori dai tuoi dati reali in modo che LLM riconosca i modelli che nessuno schema può mostrare; (5) rilevamento enum con distribuzioni di valori complete per colonne a bassa cardinalità; e (6) Chiavi esterne scoperte dall'IA basate sulla sovrapposizione dei dati tra tabelle, rese visibili attraverso qs_get_relationships. Senza SI, ogni risposta dello schema-tool porta anche un si_recommendation blocco che elenca esattamente ciò che manca per la chiamata: l'IA può leggerlo e offrire di attivare SI a metà conversazione tramite qs_request_si_analysisIl tempo di esecuzione varia in base al numero di tabelle: un piccolo database con meno di 100 tabelle viene completato in circa 10 minuti; un database di medie dimensioni (poche centinaia di tabelle) termina in 15-25 minuti; un grande database aziendale con oltre 1.500 tabelle può richiedere 45-60 minuti per una scansione completa. SI viene eseguito tramite il tuo Network Agent sui tuoi dati (mai nel cloud), non scrive mai sul tuo database, non modifica mai il tuo schema e si aggiorna in modo incrementale quando lo schema cambia, quindi le esecuzioni successive all'aggiunta o alla modifica delle tabelle sono molto più veloci della prima. L'effetto end-to-end: con SI abilitato, il tuo client AI scrive SQL corretto al primo tentativo molto più spesso di quanto non faccia con qualsiasi server "MCP per X" che si limita a passare l'LLM schema_informativo.
E se in seguito aggiungessi un altro connettore, come Stripe o PostgreSQL? +
Sul lato client dell'IA non cambia nulla: la stessa chiave raggiunge il nuovo connettore nel momento in cui l'agente termina l'accoppiamento (qs_list_connectors (lo rileva automaticamente). Un singolo blocco di configurazione ti dà diritto all'intero account, presente e futuro. Perché una sola chiave copre tutti i connettori →
Devo configurare MCP solo per chattare con i miei dati? +
NO - Nova AI è integrata nel portale Query Streams. e funziona con qualsiasi connettore (MariaDB incluso) senza necessità di configurazione o file di configurazione MCP. Usa Nova per interagire con i tuoi dati all'interno di Query Streams; usa MCP quando vuoi che il tuo client AI (Claude, Cursor, ChatGPT, ...) acceda agli stessi dati: stesso agente, stessi connettori, stessa intelligenza dello schema sottostante. Scopri di più su Nova AI →

Inizia

Collega il tuo strumento di intelligenza artificiale ai tuoi dati MariaDB in cinque minuti.

Una singola chiave MCP consente di accedere a MariaDB, a qualsiasi altro database e a ogni connettore API presente nel tuo account Query Streams, con tracciabilità completa, limiti di frequenza per chiave e senza modifiche al firewall. Claude, Cursor, ChatGPT e Grok funzionano immediatamente.

Guide correlate: Scarica l'agente Query Streams | Configurazione del connettore del database | Tutte le guide del server MCP | Nova AI text-to-SQL

Categoria: Server MCP

Tag: mcp, claude, cursore, mariadb, database, mariadb-mcp, ai

Meta Description: Connetti MariaDB a Claude o Cursor tramite Query Streams MCP. Solo in uscita, sola lettura, configurazione in 5 minuti.

Updated on 16 giugno 2026

Powered by BetterDocs