Visualizza le categorie

Come connettere un database Oracle a Claude/Cursor tramite MCP (Configurazione del server Oracle MCP)

Tempo di lettura: 24 minuti

SERVER MCP DATABASE ORACLE

Interroga il database Oracle con Claude o Cursor tramite MCP.

Collega Oracle Database (on-premise, RAC, Exadata, Autonomous o 19c) a Claude o Cursor con una sola chiave MCP. Schema Intelligence gestisce i dialetti PL/SQL, consentendo all'IA di scrivere codice SQL Oracle valido al primo tentativo, tramite un collegamento cloud sicuro in uscita e senza port forwarding.

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 Oracle MCP, in modo che il tuo strumento di intelligenza artificiale possa rispondere a domande in linguaggio naturale su dipendenti, reparti, ordini, dati finanziari e qualsiasi altro dato del database Oracle (join, aggregazioni, sintassi specifica del dialetto PL/SQL, esplorazione dello schema, report ad hoc), senza dover copiare e incollare file CSV esportati da SQL Developer, Toad o SQL*Plus. Che tu stia utilizzando Oracle 19c on-premise, Oracle Autonomous Database in OCI, Oracle XE su una workstation di sviluppo o un cluster RAC su Exadata, il server Oracle MCP li connette tutti al tuo client di intelligenza artificiale tramite un'unica chiave. Per saperne di più, visita QueryStreams.com e iscriviti gratuitamente per iniziare a porre al tuo strumento di intelligenza artificiale domande reali su Oracle.

Cosa offre Query Streams MCP per Oracle Database

Altri server "Oracle MCP" open source collegano lo strumento di intelligenza artificiale direttamente a una stringa di connessione Oracle TNS. Questo funziona, ma inserisce una password di database (e spesso anche un wallet) nella configurazione del client di intelligenza artificiale, limita l'utilizzo dello strumento a un solo endpoint Oracle e non fornisce alcuna traccia di controllo delle richieste effettivamente effettuate dall'IA. Il server Query Streams MCP per Oracle 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 Oracle.

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 Oracle. Nessuna porta da aprire, nessun IP da inserire in una lista bianca, nessuna VPN, nessun listener Oracle TNS 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 ai tuoi schemi Oracle 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 con punteggio di affidabilità per ogni colonna Oracle, non solo semplici TUTTE LE COLONNE DELLA SCHEDA Output. Scrive codice SQL Oracle accurato al primo tentativo, anche su schemi legacy con troncamento dei nomi di colonna a 30 caratteri tipico dei database precedenti alla versione 12c.

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 ancora che Oracle veda la query 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 strumenti di IA fuori controllo raggiunge un bucket di token, non il limite di sessione Oracle o la fattura OCPU di Autonomous Database.

Come funziona senza aprire le porte del firewall

L'agente di rete si installa una sola volta su qualsiasi host in grado di raggiungere il database Oracle tramite Oracle Net Services (TNS) e stabilisce un singolo collegamento TLS in uscita verso il cloud: nessun collegamento in entrata viene esposto e lo strumento di intelligenza artificiale non visualizza mai la stringa di connessione o il wallet di Oracle TNS. Come funziona la connessione solo in uscita →

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

Oracle Database

TNS / portafoglio 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 gli schemi, le tabelle e le colonne Oracle che l'IA può interrogare, con l'arricchimento Schema Intelligence quando 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 Oracle visualizzi la query SQL.

Perché Schema Intelligence rende Query Streams MCP diverso

La maggior parte dei server “MCP per Oracle” nel panorama open-source consegnano al tuo strumento di IA lo stesso TUTTE LE COLONNE DELLA SCHEDA La vista Oracle consegna a uno sconosciuto. Nomi delle colonne. Tipi di dati. Forse una chiave primaria. L'LLM è lasciato a indovinare cosa STATUS_CD = 'A' significa, cosa EMP_NM_TXT effettivamente negozi, o quale dei due ID_LAVORO la colonna è quella giusta su cui eseguire il join (e se le troncature dei nomi delle colonne a 30 caratteri precedenti alla versione 12c ne abbiano modificato il significato). Ecco perché la prima query SQL che la maggior parte degli LLM scrive su uno schema Oracle di base è errata, non perché l'LLM sia inadeguato, ma perché non dispone dei dati necessari per essere corretto, e il dizionario dati di Oracle è denso.

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 Oracle prima ancora che il client AI li richieda. Quando SI è abilitato su un connettore e un database, ogni strumento di schema chiamato dall'AI (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 uno schema tipico in stile Oracle HR (dipendenti, dipartimenti, Lavoro, luoghi, storia lavorativa) — prima senza Schema Intelligence, poi con essa.

Senza intelligenza di schema origine dati: schema catturato
// ciò che vede l'LLM == TABELLA: dipendenti delle risorse umane == – employee_id NUMERO(6) [PK, NOT NULL] - cognome VARCHAR2(25) NOT NULL – email VARCHAR2(25) NOT NULL – data_assunzione DATA NON NULLA – job_id VARCHAR2(10) NOT NULL – stipendio NUMERO(8,2) – percentuale di commissione NUMERO(2,2) – manager_id NUMERO(6) – ID_dipartimento NUMERO (4) == TABELLA: reparti risorse umane == – department_id NUMERO(4) [PK] – nome_del_dipartimento VARCHAR2(30) NOT NULL – ID posizione NUMERO (4) == TABELLA: hr.jobs == – job_id VARCHAR2(10) [PK] – titolo_lavoro VARCHAR2(35) NOT NULL – salario_minimo NUMERO(6) – max_salary NUMERO(6) == TABELLA: sedi orari == – location_id NUMERO(4) [PK] – città VARCHAR2(30) NOT NULL – country_id CHAR(2) Chiavi estere (dichiarate, senza arricchimento): employees.department_id -> departments.department_id employees.job_id -> jobs.job_id departments.location_id -> locations.location_id si_recommendation: stato: “non_eseguito” what_youre_missing_for_this_call: – Valori campione per colonna + rilevamento enum – Descrizioni di tabelle e colonne – Classificazioni del tipo semantico – Etichettatura del dominio aziendale – Statistiche sulla percentuale di valori nulli per commission_pct nota: “Solo tipi e chiavi primarie/esterne, nessun contesto semantico”
Con Schema Intelligence origine dati: schema_intelligence
// ciò che vede l'LLM == TABELLA: dipendenti delle risorse umane [FATTO, dominio:hr] == "Una riga per dipendente, dati attuali e storici. Lo stipendio è la base annua in USD; la retribuzione totale = stipendio * (1 + NVL(percentuale_commissione, 0))." – ID dipendente NUMERO(6) [PK] ippocrate - cognome VARCHAR2(25) nome_persona – email VARCHAR2(25) email (prefisso di accesso) Esempio: SKING, NKOCHHAR, LDEHAAN – data_assunzione DATA data_iso Periodo di riferimento: 17/06/1987 – 21/04/2025 – job_id VARCHAR2(10) codice_stato (enum) IT_PROG (16%) | SA_REP (12%) | ST_CLERK (10%) | … FK -> jobs.job_id (sovrapposizione del 100%, conf 0.99) – stipendio NUMERO(8,2) valuta Intervallo: 2.100,00 – 24.000,00 · media 6.461,83 – percentuale di commissione NUMERO(2,2) percentuale (nullabile, 65% nulla) Intervallo: 0,10 – 0,40 (solo personale di vendita) – manager_id NUMERO(6) ippocrate FK -> employees.employee_id (riferimento a se stesso) – ID_dipartimento NUMERO (4) ippocrate FK -> departments.department_id (conf 0.99) == TABELLA: reparti risorse umane [DIM, dominio:hr] == – nome_dipartimento VARCHAR2(30) codice_stato (enum) Esempio: Vendite, IT, Marketing, Finanza, Risorse umane == TABELLA: hr.jobs [LOOKUP, dominio:hr] == "Catalogo delle offerte di lavoro. min_salary/max_salary definiscono la fascia salariale per ogni job_id." – titolo_lavoro VARCHAR2(35) contenuto_testo – salario_minimo NUMERO(6) valuta – max_salary NUMERO(6) valuta == TABELLA: sedi orari [DIM, dominio:hr] == – città VARCHAR2(30) città geografica Esempio: Seattle, Toronto, Londra, Tokyo, Monaco – country_id CHAR(2) codice geo-paese

I sei livelli Schema Intelligence aggiungono

Ogni livello affronta una classe di domande a cui il LLM altrimenti risponderebbe per tentativi. La fase di profilazione SI, a cui si può aderire, viene eseguita in sola lettura sui dati Oracle senza modificarne lo schema. Cosa aggiunge Schema Intelligence e come si mantiene aggiornato →

Descrizioni generate dall'IA

Descrizione chiara e semplice per ogni schema, tabella e colonna: generata una sola volta e aggiornata automaticamente in caso di modifiche allo schema Oracle. Valutazione dell'affidabilità: le descrizioni create dagli utenti sono sempre le migliori.

dipendenti: “Una fila per dipendente,
attuali e storiche."

Classificazioni delle tabelle

Ogni tabella è contrassegnata da un tag FACT (eventi transazionali), DIM (riferimenti descrittivi) o LOOKUP (mappe di codici di piccole dimensioni), oltre a un dominio aziendale: risorse umane, vendite, finanza, assistenza e altri 15.

dipendenti [FATTO, dominio:hr]
offerte di lavoro [LOOKUP, dominio:hr]

Tipi semantici per colonna

Diciotto tipi: valuta, email, date_iso, status_code, percentuale, ranking_position, identificatore, url, person_name e altro ancora. L'IA genera Oracle SQL corretto per il dialetto (DATA DI SISTEMA, NVL, PRENDI PRIMA NELLE FILATE SOLO) appropriato a ciascun tipo.

stipendio:valuta · email:email
percentuale_commissione: percentuale

Valori di esempio tratti da dati reali

Righe casuali sono state presentate all'LLM in modo che riconoscesse modelli che nessuno schema Oracle è in grado di mostrare: convenzioni di formattazione, valori VARCHAR2 codificati, stili di denominazione e la struttura effettiva delle stringhe.

email: ['SKING', 'NKOCHHAR',
'LDEHAAN', 'AHUNOLD']

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 distinzione tra maiuscole e minuscole in Oracle o l'ortografia dei codici job.

job_id: IT_PROG (16%) | SA_REP (12%)
| ST_CLERK (10%) | …

Scoperta implicita delle chiavi esterne

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

employees.department_id ->
departments.department_id (conf 0.99)

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 — "Mostrami i 5 dipendenti più pagati assunti nell'ultimo anno, indicando la retribuzione totale e il reparto di appartenenza." Senza Schema Intelligence, LLM effettua delle ipotesi con una sintassi tipica di PostgreSQL che Oracle rifiuta. Con essa, LLM conosce il dialetto.

Senza intelligenza di schema
— Il primo tentativo di LLM contro lo schema nudo: SELEZIONARE ID dipendente, cognome, stipendio, stipendio + (stipendio * percentuale_commissione) AS totale_comp DA dipendenti DOVE data_assunzione >= '2025-05-06' ORDINATO DA stipendio DESC LIMITE 5 ORA-00933: Comando SQL non terminato correttamente LIMIT è PostgreSQL/MySQL, non Oracle “dipendenti” non qualificati — schema ambiguo commission_pct ignorato in quanto nullable — NULL inquina total_comp data fissa — "l'anno scorso" è dinamico nessun JOIN ai dipartimenti — richiesta richiesta
Con Schema Intelligence
— Primo tentativo di LLM con SI abilitato: SELEZIONARE e.employee_id, e.last_name, e.salary, e.salary * (1 + NVL(e.commission_pct, 0)) AS total_comp, d.department_name DA dipendenti delle risorse umane e CONGIUNGERE reparti risorse umane d ON d.department_id = e.department_id DOVE e.hire_date >= AGGIUNGI_MESI(DATA DI SISTEMA, –12) ORDINATO DA e-salario DESC PRENDI PRIMA 5 SOLO FILATE 5 righe. Corretto al primo tentativo. I tag FACT/DIM hanno guidato l'unione ai dipartimenti Arricchimento FK confermato department_id link commission_pct contrassegnato come nullable — NVL applicato hire_date ha visto il tipo semantico = date_iso -> ADD_MONTHS Oracle 12c+ FETCH FIRST n ROWS ONLY qualificatore dello schema hr dai metadati del connettore
Non vuoi eseguire Schema Intelligence? MCP funziona ancora: gli strumenti di schema restituiscono metadati nudi (tipi, chiavi primarie, chiavi esterne formali, indici) e ogni risposta degradata porta un si_recommendation blocco che indica all'IA cosa le manca, inclusa un'opzione di chiamata singola per abilitare SI a metà conversazione tramite qs_request_si_analysis. Come funziona Schema Intelligence e quanto tempo impiega →
Nova AI

MCP non fa per te? Prova Nova AI.

Saltate completamente la configurazione JSON: Nova AI è integrata nel portale web Query Streams. e pone le stesse domande in linguaggio semplice al tuo connettore Oracle: stesso agente, stessa applicazione della sola lettura, stessa Schema Intelligence, nessuna infrastruttura MCP.

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 database Oracle — vedere Scarica l'agente Query Streams.
  3. Un connettore Oracle configurato contro l'agente — vedere quello esistente configurazione del connettore Guide per la stringa di connessione TNS. L'agente detiene la password dell'utente Oracle (o le credenziali del wallet, Kerberos o del servizio di directory); 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 per Oracle Database 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

"Qual è la permanenza media dei nostri dipendenti per reparto?" — l'IA chiama 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 i progetti Oracle, 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 Oracle", 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 Oracle insieme a tutto il resto che hai configurato.

Passaggio 3: Poni all'IA una domanda oracolare

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 Oracle e la risposta viene restituita in formato testo e tabelle. Ecco tre esempi di query da provare inizialmente:

Qual è la permanenza media dei nostri dipendenti per reparto?
forza lavoro
L'IA chiamerà qs_get_connector_schema per scoprire il dipendenti delle risorse umane e reparti risorse umane tavoli, quindi query_di_esecuzione_qs con una SELECT che li unisce su ID dipartimento e calcola MEDIA(MESI_TRA(DATA_DI_SISTEMA, data_di_assunzione) / 12) per dipartimento. Il risultato è una tabella classificata dei dipartimenti con anzianità media in anni, numero di dipendenti e una nota di affidabilità sul turnover. Riceverai anche un'interpretazione scritta che indica quali dipartimenti sono stabili, quali sono in crescita e quali presentano rischi di turnover, dedotta dall'IA direttamente dai dati HR di Oracle.
"Mostrami i 10 dipendenti più pagati che si sono uniti all'azienda nell'ultimo anno."
Risarcimento
L'IA utilizza l'aritmetica delle date idiomatica di Oracle per delimitare gli ultimi 12 mesi (e.hire_date >= ADD_MONTHS(SYSDATE, -12)), applicare NVL(commissione_percentuale, 0) per gestire la colonna percentuale nullable Schema Intelligence segnalata, unisce dipendenti delle risorse umane Attraverso ID dipartimento a reparti risorse umane per contesto e classifiche per stipendio con PRENDI SOLO LE PRIME 10 FILEIl risultato è una tabella con ID dipendente, cognome, stipendio base, retribuzione totale inclusa la commissione, reparto e data di assunzione: l'IA in genere annota quali ruoli sono al di sopra del loro posti_massimi_salario band come seguito.
Quali categorie professionali hanno registrato la maggiore crescita su base annua?
Numero di dipendenti
L'IA utilizza il rilevamento enum di Schema Intelligence su Dipendenti_job_id per operare sulla distribuzione del codice lavoro scoperto (IT_PROG, SA_REP, ST_CLERK, …), gruppi dipendenti delle risorse umane di job_id con due conteggi finestrati: uno filtrato per hire_date >= ADD_MONTHS(SYSDATE, -12) e un altro per la finestra temporale dei 12 mesi precedenti, quindi classifica in base alla variazione anno su anno. Il risultato è un elenco ordinato di categorie di lavoro con il numero attuale di dipendenti, il numero di dipendenti dell'anno precedente, la variazione assoluta e la variazione percentuale. L'IA di solito segnala il ruolo in più rapida crescita come segnale di una tendenza di assunzione piuttosto che come un artefatto di arrotondamento occasionale.

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.

Il componente aggiuntivo Excel di Query Streams, il componente aggiuntivo Fogli Google, il generatore di query web e Nova AI funzionano tutti tramite il nostro collegamento cloud compresso: misuriamo e fatturiamo byte compressi rispetto al tuo dominio dati. Il trasporto MCP (Streamingable HTTP secondo le specifiche ufficiali MCP) non supporta in modo affidabile la compressione end-to-end su ogni client e proxy intermedio, quindi misuriamo e fatturiamo byte non compressi per il traffico MCP.

  • Cosa significa: Una query aggregata Oracle da 5 MB costa circa 5 MB del tuo dominio dati quando viene recuperata tramite MCP, rispetto a circa 700 KB – 1,2 MB tramite Excel / Fogli / Nova / Query Builder. Dati Oracle con ripetute VARCHAR2 valori, job_id codici e nome_dipartimento Le dimensioni si comprimono di circa 5 volte tramite LZ4 sugli altri protocolli di trasporto. Stessi dati, trasporto diverso, dimensioni fatturabili diverse.
  • Cosa puoi fare: per query ricorrenti molto grandi (ad esempio, esportazioni di oltre 100.000 righe da storia_lavorativa_delle_risorse o tabelle di audit), preferire il percorso Excel/Sheets/Nova. Per le chiamate interattive agli strumenti di intelligenza artificiale (la tipica risposta Oracle da 100 a 5.000 righe che si adatta a un contesto LLM), MCP è la scelta giusta e la differenza di costo è di pochi centesimi.

Domande frequenti

Devo aprire delle porte o usare una VPN per poterlo utilizzare? +
Nessuna regola firewall 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. Visualizza tutti i 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? +
Le chiamate di esecuzione di MCP vengono detratte dallo stesso budget di risorse dati già utilizzato per Excel, Fogli Google, Web Query Builder e Nova AI: un unico budget di consumo per ogni metodo di accesso. La dimensione misurata per MCP è diversa. Gli altri clienti funzionano tramite il nostro collegamento cloud compresso (fatturiamo byte compressi); MCP funziona su Streamable HTTP, che non supporta in modo affidabile la compressione end-to-end attraverso ogni client e proxy, quindi fatturiamo byte non compressi. Una query aggregata Oracle da 5 MB restituita a Excel in genere costa ~700 KB – 1,2 MB del tuo dominio dati; lo stesso risultato da 5 MB restituito a Cursor tramite MCP costa ~5 MB. Dati Oracle con ripetuti VARCHAR2 I valori vengono compressi circa 5 volte tramite LZ4 sugli altri trasporti. Siamo trasparenti al riguardo perché preferiamo che tu lo sappia in anticipo piuttosto che avere sorprese alla fine del ciclo di fatturazione.
Query Streams MCP è compatibile con i cluster Oracle Autonomous Database, Oracle XE o Oracle su RAC? +
Sì, l'agente di rete si connette tramite Oracle Instant Client a qualsiasi istanza di Oracle Database, versione 11g o successiva. Database autonomo Oracle (Sempre gratuito, Elaborazione delle transazioni, Data warehouse, JSON) Oracle XE (l'edizione locale gratuita, ideale per le postazioni di lavoro di sviluppo), Oracle su RAC (Cluster di applicazioni reali), Oracle Exadata (X8M/X9M on-premise ed Exadata Cloud@Customer), Oracle Database 19c / 21c / 23c on-premise, AWS RDS per Oracle, Database Azure per OracleLe installazioni di Oracle self-hosted su EC2, macchine virtuali Azure, OCI Compute e Google Compute Engine appaiono tutte uguali all'agente: una stringa di connessione TNS più le credenziali (password, wallet, Kerberos o servizio LDAP/directory). Per Autonomous Database, l'agente carica il wallet scaricato da OCI e utilizza l'autenticazione reciproca TLS predefinita. Per i cluster RAC, l'agente comunica con il listener SCAN: non è necessario enumerare manualmente i nodi del cluster. Suggerimento: Registra ogni istanza Oracle come un connettore separato. Il tuo database primario transazionale 19c, il tuo database di standby RAC di sola lettura, il tuo data warehouse Exadata e il tuo database di sviluppo XE possono essere quattro connettori distinti sulla stessa chiave MCP, e LLM seleziona quello corretto in base al nome e alla richiesta (le ricerche puntuali vanno a OLTP, le aggregazioni analitiche di grandi dimensioni vanno a Exadata). Il server MCP non visualizza le credenziali; solo l'agente le visualizza.
In che cosa si differenzia questo dall'utilizzare autonomamente un server Oracle MCP open-source? +
Un server Oracle MCP diretto (esistono progetti della community su GitHub) è un MCP per ogni origine dati. Per far sì che Claude legga da Oracle + 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 velocità per chiave, traccia di audit in registri eventie la stessa pipeline di fatturazione del data realm che già utilizzi, nessuna delle quali è inclusa in un Oracle MCP diretto.
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 IL PIANO dichiarazioni; qualsiasi altro risultato VIOLAZIONE DI SOLA LETTURA e non raggiunge mai Oracle. 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 Oracle se si desidera una maggiore sicurezza: creare un utente con solo SELEZIONARE privilegi sul pertinente ore / saldi. / finanza. schemi o concedere il SELECT_CATALOG_ROLE per l'accesso in sola lettura al dizionario dati. Il validatore dell'agente è indipendente da qualsiasi autorizzazione Oracle 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 controllo completo del testo SQL, abilita il controllo lato database sul motore sottostante; per Oracle in particolare, questo è Audit unificato (12c+, il percorso moderno consigliato), l'eredità REVISIONE CONTABILE Dichiarazione contro SYS.AUD$ / TRACCIA DI AUDIT DELL'AMMINISTRATORE DI DATI, Audit dettagliato (DBMS_FGA) per l'ambito a livello di colonna, oppure Oracle Audit Vault e Database Firewall per l'audit centralizzato su più istanze Oracle.
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 schema, 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 (risorse umane, vendite, finanza, SEO, supporto e altri 14); (3) un tipo semantico su ogni colonna (valuta, email, date_iso, status_code, percentuale, ranking_position, identificatore, url, person_name e altre 9) che guida la generazione di SQL Oracle corretto per il dialetto (DATA DI SISTEMA, NVL, PRENDI PRIMA NELLE FILATE SOLO, AGGIUNGI_MESI); (4) Campiona i valori dai tuoi dati reali in modo che LLM riconosca modelli che nessuno schema può mostrare, inclusi i nomi di colonna troncati precedenti al 12c; (5) rilevamento enum con distribuzioni di valori complete per colonne a bassa cardinalità come job_id; E (6) Chiavi esterne scoperte dall'IA basate sulla sovrapposizione dei dati tra tabelle (e sull'arricchimento con punteggio di confidenza delle chiavi esterne già dichiarate dal dizionario dati di Oracle), 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: uno schema Oracle di piccole dimensioni, con meno di 100 tabelle, viene completato in circa 10 minuti; uno schema di medie dimensioni (poche centinaia di tabelle) viene completato in 15-25 minuti; un database aziendale di grandi dimensioni 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 Oracle corretto al primo tentativo molto più spesso di quanto non faccia con qualsiasi server "MCP per X" che si limita a passare i dati grezzi a LLM. TUTTE LE COLONNE DELLA SCHEDA.
E se in seguito aggiungessi un altro connettore, come Stripe o PostgreSQL? +
Non cambia nulla lato client: la stessa chiave raggiunge il nuovo connettore nel momento in cui l'agente lo associa (qs_list_connectors (lo rileva automaticamente). Un blocco di configurazione acquista l'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 (Oracle 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 desideri 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 al tuo database Oracle in cinque minuti.

Una singola chiave MCP consente di raggiungere Oracle, tutti gli altri database e tutti i connettori API presenti 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, oracle, database oracle, database, enterprise, database autonomo

Meta Description: Connetti il database Oracle a Claude o Cursor tramite Query Streams MCP. Autonomo, RAC, Exadata, 19c. Solo in uscita, solo in lettura, configurazione in 5 minuti.

Updated on 16 giugno 2026

Powered by BetterDocs