Visualizza le categorie

Come interrogare i dati di Stripe con Claude/Cursore tramite MCP (Configurazione del server Stripe MCP)

33 minuti di lettura

SERVER MCP BANDA

Interroga i dati di Stripe con Claude o Cursor tramite il server Stripe MCP.

Una configurazione MCP di Stripe in 5 minuti che consente al tuo strumento di intelligenza artificiale di porre domande in linguaggio naturale su clienti, abbonamenti, addebiti, fatture e rimborsi. L'agente Query Streams memorizza nella cache l'API di Stripe in una superficie SQL DuckDB locale, in modo che LLM veda tabelle reali anziché endpoint REST, e Schema Intelligence gestisce le peculiarità di Stripe (colonne monetarie in centesimi, filtri in modalità live, enumerazioni di stato, semplificazione dei metadati) in modo che la query SQL sia corretta al primo tentativo.

Sola lettura per costruzione Una sola chiave, ogni connettore SQL consapevole dei centesimi 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 il striscia mcp percorso specifico, in modo che il tuo strumento AI possa rispondere a domande in linguaggio naturale su clienti, abbonamenti, addebiti, fatture e rimborsi senza che tu debba esportare file CSV dalla dashboard di Stripe o concatenare chiamate di paginazione API REST in uno script. L'agente di rete preleva i dati API di Stripe in una cache DuckDB locale, in modo che l'LLM veda superfici SQL pulite (clienti, abbonamenti, addebiti, fatture, rimborsi, pagamenti) invece di endpoint REST grezzi, con colonne di denaro contrassegnate come valuta_unità_minore_USD quindi l'IA divide automaticamente gli importi per 100 e non segnala mai un addebito di $ 1.234,56 come "$ 123.456". Per saperne di più, visita QueryStreams.com e iscriviti gratuitamente per iniziare a porre al tuo strumento di intelligenza artificiale domande reali su Stripe.

Cosa ti offre il server Query Streams Stripe MCP

Stripe fornisce un'eccellente superficie AI proprietaria: Kit di strumenti per agenti Stripe — che fornisce agli agenti AI wrapper di chiamate di funzione di lettura e scrittura attorno all'API REST di Stripe per azioni come la creazione di clienti, la generazione di sessioni di Checkout, l'emissione di rimborsi e l'annullamento degli abbonamenti. Questo è lo strumento giusto quando l'IA ha bisogno di Fare cose dal lato di Stripe. Il server Query Streams stripe mcp risolve un problema completamente diverso: un superficie di analisi in sola lettura sui tuoi dati Stripe, esposti come SQL, con la stessa traccia di controllo e la stessa portata multi-connettore di ogni altro connettore Query Streams MCP. Esistono anche altri wrapper Stripe MCP open source che vediamo su GitHub, la maggior parte dei quali invia REST Stripe grezzi o cursori di paginazione al LLM, senza interfaccia SQL, senza semantica che tenga conto dei centesimi, senza imposizione della sola lettura. Query Streams ti offre una chiave, ogni connettore, una traccia di controllo completa, l'agente normalizza le risposte API di Stripe in interfacce SQL e lo strumento di intelligenza artificiale non conserva mai le tue chiavi API di Stripe.

Nessuna falla nel firewall in entrata

L'agente di rete apre un singolo collegamento cloud crittografato in uscita verso Query Streams. Il tuo client AI si connette al cloud, mai al tuo account Stripe o alla tua rete. Nessuna porta da aprire, nessun IP da inserire in una lista bianca, nessuna VPN, nessuna chiave API di Stripe nella configurazione del client AI.

Una sola chiave, ogni connettore

La stessa chiave MCP raggiunge Stripe insieme a tutti gli altri database e API SaaS a cui il tuo account è connesso. Aggiungi un connettore HubSpot o PostgreSQL domani e lo strumento di intelligenza artificiale lo rileverà accanto ai tuoi dati Stripe senza bisogno di reinserire le chiavi: le join tra connettori, come "abbina i clienti Stripe ai contatti CRM", diventano una singola query SELECT.

Schema Intelligence integrato

L'IA vede descrizioni curate dall'IA, tipi semantici (valuta in centesimi, enumerazioni di stato, segnalazione della modalità live, appiattimento dei metadati), valori di esempio e chiavi esterne scoperte per ogni tabella Stripe, non solo per le forme degli endpoint REST. Scrive SQL accurato al primo tentativo, incluso il importo / 100,0 conversione e la livemode = true filtro che i modelli LLM a schema semplice non riescono a filtrare.

Sola lettura per costruzione

Nemmeno un LLM in preda alle allucinazioni può emettere un rimborso, annullare un abbonamento, creare una sessione di Checkout o aggiornare un cliente tramite Query Streams MCP. L'agente di rete rifiuta qualsiasi cosa che non sia SELEZIONARE, CON, o SPIEGARE prima che raggiunga le tabelle memorizzate nella cache di Stripe — e le operazioni di scrittura di Stripe non sono mai esposte alla superficie MCP in primo luogo.

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 frequenza dell'API di Stripe, la quota di richieste giornaliere o il budget di throughput della piattaforma Stripe Connect.

Come funziona senza aprire le porte del firewall

L'agente di rete Query Streams si installa una sola volta su qualsiasi macchina con accesso a Internet (l'API di Stripe è raggiungibile da qualsiasi luogo) e mantiene un singolo collegamento cloud TLS in uscita: niente in entrata, niente esposto. La particolarità di Stripe è che, quando arriva una domanda, l'agente impagina gli endpoint REST di Stripe e memorizza nella cache le risposte in un DuckDB locale, in modo che LLM veda superfici SQL pulite. clienti, abbonamenti, articoli_in_abbonamento, oneri, fatture, rimborsi, pagamenti, prezzi, prodotti — invece delle buste REST. Lo strumento di intelligenza artificiale non visualizza mai la chiave API con restrizioni di Stripe, l'ID del tuo account Stripe Connect o alcun dato di pagamento del cliente. Come funziona il collegamento agente 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

API Stripe

DuckDB in sola lettura
cache, superficie SQL

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 le tabelle e le colonne Stripe memorizzate nella cache che l'IA può interrogare (clienti, abbonamenti, addebiti, fatture, rimborsi, pagamenti, prezzi, prodotti), 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 il database visualizzi la query SQL.

Perché Schema Intelligence rende Query Streams MCP diverso

La maggior parte dei server "MCP per Stripe" nel panorama open-source forniscono al tuo strumento di IA lo stesso riferimento alla risorsa REST che Stripe pubblica per gli sviluppatori, o peggio, il grezzo schema_informativo di qualsiasi cache mantengano. Nomi dei campi. Tipi di dati. Forse una chiave primaria. L'LLM è lasciato a indovinare che quantità deve essere diviso per 100 perché Stripe memorizza il denaro in centesimi, che livemode = falso le righe sono addebiti di prova che dovrebbero essere filtrati dalle entrate, che stato degli abbonamenti è un enum di prova / attivo / scaduto / annullato / non retribuito / incompleto, o quello creato È necessario convertire i dati tramite gli helper di timestamp di DuckDB. Ecco perché la prima query SQL che la maggior parte degli LLM scrive su uno schema Stripe di base è errata, non perché l'LLM sia inefficiente, ma perché non dispone dei dati necessari per essere corretto (e segnalare "1.234.567.890 dollari di MRR" perché nessuno ha diviso per 100 è il tipo di errore che finisce per essere uno screenshot nella chat di Slack del team finanziario).

Query Streams MCP restituisce lo stesso schema Stripe memorizzato nella cache arricchito con ciò che chiamiamo Schema Intelligence (SI) — Metadati curati dall'IA generati eseguendo query di profilazione sul tuo reale Dati Stripe prima ancora che il client AI li richieda. Quando SI è abilitato sul connettore Stripe, 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 memorizzato nella cache più sei livelli di conoscenza curata. LLM smette di fare supposizioni.

Per rendere questo concreto, ecco cosa riceve il client AI da un singolo qs_get_table_schema chiamata contro il connettore Stripe oneri tabella — la tabella transazionale centrale che genera il 90% delle domande relative ai ricavi — prima senza Schema Intelligence, poi con essa.

Senza intelligenza di schema origine dati: schema catturato
// ciò che vede l'LLM == TABELLA: costi == Colonne: - id varchar NOT NULL - cliente varchar - quantità bigint NOT NULL - valuta varchar(3) – stato varchar(20) – modalità live booleano NOT NULL – creato timestamp NON NULL – metodo_di_pagamento varchar – descrizione testo – metadati json Indici: ix_created, ix_customer Tasti esterni: (nessuno dichiarato nella cache) si_recommendation: stato: “non_eseguito” what_youre_missing_for_this_call: – tipo semantico amount (valuta in centesimi) – elenchi di valori enum status / currency / livemode – Valori di esempio + tagging del dominio aziendale – Descrizioni di tabelle e colonne – Relazioni scoperte dall'IA tra le tabelle Stripe memorizzate nella cache
Con Schema Intelligence origine dati: schema_intelligence
// ciò che vede l'LLM == TABELLA: costi [FATTO, settore:finanza] == "Registri degli addebiti di Stripe. L'importo è espresso nell'unità di misura più piccola della valuta (centesimi per USD). Filtra livemode = true per i dati di produzione; livemode = false per le righe relative agli addebiti di prova." ai_analyzed_at: 2026-05-05 · ~284,612 righe Colonne: - id varchar ippocrate Esempio: “ch_3OfX8aLkdIwHu7ix…” - cliente varchar ippocrate FK -> customers.id (97%, conf 0.99) Esempio: “cus_QxAbCdEfGh…” - quantità bigint valuta_unità_minore_USD ⚠ dividi per 100 per ottenere USD Esempio: 4900 (= $49,00), 9999 (= $99,99) - valuta varchar(3) codice_stato (enum) USD (89%) | EUR (8%) | GBP (3%) – stato varchar(20) codice_stato (enum) riuscito (92%) | in sospeso (5%) | fallito (3%) – modalità live booleano bandiera (filtro di produzione) ⚠ filtra livemode = true per la produzione vero (produzione) | falso (dati di test) – creato timestamp timestamp_iso Esempio: 2026-05-05 16:23, 2026-05-05 14:11 – metadati json chiave_valore_appiattita Chiavi scoperte: order_id, plan_tier, source

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: 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.

addebiti: “Registri di addebito Stripe;
L'importo è espresso in centesimi (1,00 USD = 100).

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: finanza, vendite, marketing, risorse umane, assistenza e altri 14.

costi [FATTO, dominio:finanza]
clienti [DIM, dominio:finanza]

Tipi semantici per colonna

Diciotto tipi: currency, currency_minor_unit_usd, email, date_iso, status_code, percentage, ranking_position, identifier, url e altro ancora. L'IA genera SQL corretto dal punto di vista dialettale appropriato per ogni tipo, incluso il importo / 100,0 nessuna conversione di schema nudo LLM riesce a fare bene.

importo: valuta_unità_minore_USD
creato: timestamp_iso · stato: codice_stato

Valori di esempio tratti da dati reali

Righe casuali sono state mostrate all'LLM in modo che riconosca modelli che nessuno schema può mostrare — prefissi ID oggetto Stripe (ch_, cus_, sub_, In_), convenzioni di formattazione, valori codificati e la forma effettiva delle descrizioni dei clienti.

addebiti.id: [“ch_3OfX8aLkdIwHu7ix”, “ch_3OfWg9LkdIwHu7ix”, “ch_3OfWVnLkdIwHu7ix”]

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 o l'ortografia negli enum di Stripe.

Stato degli abbonamenti: in prova (12%) | attivi (78%) | scaduti (4%) | annullati (5%) | non pagati (1%)

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.

addebiti.cliente -> clienti.id
(97% di sovrapposizione, 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 — "Quali clienti hanno speso di più negli ultimi 30 giorni, considerando solo le spese di produzione andate a buon fine?" Senza Schema Intelligence, LLM deve procedere per tentativi. Con essa, LLM sa che l'importo è espresso in centesimi, che l'enumerazione dello stato necessita di un filtro, che livemode = true è il filtro di produzione e che la chiave esterna del cliente gli consente di unire i clienti per ottenere email leggibili dall'uomo.

Senza intelligenza di schema
— Il primo tentativo di LLM contro lo schema nudo: SELEZIONARE cliente, SOMMA(importo) AS reddito, CONTO(*) AS conteggio_carica DA oneri DOVE creato >= '2026-04-06' GRUPPO PER cliente ORDINATO DA entrate DESC LIMITE 10 i ricavi riportati ammontavano a "$ 1.234.567" — un errore di 100 volte Importo memorizzato in centesimi (100 = 1,00 $) nessun filtro in modalità live — include i costi di prova nessun filtro di stato: include in sospeso + non riusciti mostra gli ID cus_xxx non elaborati, nessuna adesione tramite email
Con Schema Intelligence
— Primo tentativo di LLM con SI abilitato: SELEZIONARE c.email AS email del cliente, SOMMA(ch.amount) / 100.0 AS entrate_usd, CONTO(*) AS conteggio_carica DA addebiti ch CONGIUNGERE clienti c ON ch.cliente = c.id DOVE ch.creato >= ORA() – INTERVALLO 30 GIORNO E ch.status = 'riuscito' E ch.livemode = VERO GRUPPO PER c.email ORDINATO DA entrate_USD DESC LIMITE 10 10 righe. Corretto al primo tentativo. importo visto tipo semantico = currency_minor_unit_usd stato filtrato in base al valore enum 'riuscito' livemode = true esclude le spese di prova FK a customers.id ha reso visibile l'email leggibile dall'uomo
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 connettore Stripe in genere ha 12-15 tabelle memorizzate nella cache e si completa in 5-10 minuti; se si dispone anche di un database aziendale di grandi dimensioni con oltre 1.500 tabelle connesse, solo quest'ultimo può richiedere 45-60 minuti per una scansione completa. Gli aggiornamenti successivi alle modifiche dello schema sono incrementali e molto più veloci della prima esecuzione. Schema Intelligence è facoltativo. Siamo però convinti che non vorrete disattivarlo.

Query Streams MCP vs Stripe Agent Toolkit

Stripe spedisce il Kit di strumenti per agenti Stripe — un set ufficiale di wrapper per chiamate di funzione attorno all'API REST di Stripe progettato per LangChain, l'SDK OpenAI Agents, l'SDK Vercel AI e framework di agenti simili. È di lettura e scrittura per impostazione predefinita: un agente AI con accesso ad Agent Toolkit può clienti creano, abbonamento annulla, rimborsi creare, checkout.sessions.createe così via. Questa è esattamente la forma giusta quando l'IA dovrebbe atto Su Stripe, un assistente virtuale gestisce i rimborsi, un bot di onboarding crea i link di pagamento e un agente di vendita aggiorna i metadati dei clienti. Query Streams MCP risolve un problema diverso: una superficie di analisi in sola lettura sui dati di Stripe esposti come SQL. I due strumenti rispondono a domande diverse. Ecco un confronto tra di loro in base agli aspetti che contano davvero quando uno strumento di intelligenza artificiale accede ai dati di Stripe.

Dimensione Query Streams Stripe MCP Kit di strumenti per agenti Stripe
Leggere o scrivere Sola lettura per costruzione Lettura e scrittura integrate
Sicurezza delle mutazioni Livello agente codificato in modo rigido VIOLAZIONE DI SOLA LETTURA validatore su ogni chiamata inviata Qualunque cosa consentano il prompt dell'agente e le linee guida del framework
Portata multi-connettore Sì — Stripe + Postgres + Snowflake + HubSpot + Shopify sotto un'unica chiave MCP Solo strisce
Connettori incrociati Sì, ad esempio unisci i clienti di Stripe ai contatti del tuo CRM e agli utenti del tuo database prodotti con una sola SELECT No
Query salvate (LLM non vede mai SQL) Sì tramite qs_list_saved_queries + query_salvata_eseguita_qs N/A
Traccia di controllo registri eventi per chiamata: org / utente / chiave / ambito / latenza / impronta digitale SQL / errore Qualunque cosa catturi il tuo SDK LangChain / OpenAI Agent
Metadati dello schema forniti a LLM Descrizioni curate dall'IA, tipi semantici come valuta_unità_minore_USD, elenchi di valori enum, relazioni scoperte dall'IA, valori di esempio Solo specifica REST-API di Stripe
Caso d'uso adatto Analisi, report finanziari, ricerca contestuale dell'assistenza clienti, audit di conformità Assistenti che intraprendono azioni, bot di supporto che emettono rimborsi, flussi di onboarding che creano sessioni di Checkout

Sono complementari, non in competizione. Molte organizzazioni utilizzano entrambi: Query Streams MCP per il lato dati (l'IA legge le analisi di Stripe, le unisce ai dati CRM e di prodotto, genera report), Stripe Agent Toolkit per il lato azione (l'IA emette rimborsi, annulla abbonamenti, crea link di pagamento). La decisione è per strumento e per agente IA, non per organizzazione. Alcuni team vincolano Agent Toolkit a flussi di lavoro di approvazione manuale e Query Streams MCP ad accesso illimitato alle analisi: la natura di sola lettura consente di concederlo liberamente in tutta sicurezza. Se stai implementando un assistente IA che necessita di Fare per le cose su Stripe, usa lo Stripe Agent Toolkit. Se stai configurando un assistente AI che ha bisogno di capire Per monitorare ciò che accade su Stripe (e idealmente anche su Postgres, Snowflake, HubSpot e Shopify, tutto nella stessa conversazione), utilizzate Query Streams MCP. La maggior parte delle implementazioni più mature li include entrambi.

Nova AI

MCP non fa per te? Prova Nova AI.

Salta completamente MCP e fai domande a Stripe come "Qual è stato l'andamento del nostro MRR negli ultimi 12 mesi?" O "Quali abbonamenti sono a rischio nei prossimi 30 giorni?Direttamente dal portale Query Streams: nessun file di configurazione, stesso Network Agent e Schema Intelligence sottostanti.

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 con accesso a Internet — vedere Scarica l'agente Query StreamsL'API di Stripe è accessibile da qualsiasi luogo, quindi l'agente non ha bisogno di trovarsi su una rete specifica.
  3. Un connettore Stripe configurato contro l'agente — vedi quello esistente Impostazione del connettore API guide per l'abbinamento Stripe. Utilizzare un Chiave API di Stripe con restrizioni (consigliato) in modo da poter limitare l'accesso in lettura dell'agente a risorse specifiche (ad esempio, leggere su oneri / abbonamenti / clienti / fatturenessun accesso a bilancia / pagamenti / storie (se non ne hai bisogno). L'agente detiene la chiave API di Stripe; lo strumento di intelligenza artificiale non la tocca 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 i connettori 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 il nostro MRR mensile?" — 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 relazioni (valori campione, distribuzioni, tipi semantici). Opzionale ma fortemente consigliato per il lavoro in ambito finanziario, dove è fondamentale comprendere la struttura dei dati relativi a spese/abbonamenti/fatture e la semantica delle metriche (colonne monetarie con indicazione dei centesimi, enumerazioni di stato, segnalazione in tempo reale).
  • 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 Stripe", 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 tuo connettore Stripe (insieme a tutto ciò che hai configurato, incluse eventuali piattaforme Stripe Connect aggiuntive se hai associato più account).

Passaggio 3: Poni una domanda a Stripe all'IA

Non devi scrivere query SQL, lo fa l'IA. Poni una domanda, l'IA seleziona lo strumento MCP più adatto, l'agente esegue la query sui dati Stripe memorizzati nella cache e la risposta viene restituita in formato testo e tabelle. Ecco tre esempi di domande da provare:

Qual è stato il nostro MRR mensile negli ultimi 12 mesi e quale segmento di clientela ha trainato la recente crescita?
Tendenza MRR
L'IA chiamerà qs_get_connector_schema per scoprire le tabelle Stripe memorizzate nella cache, quindi query_di_esecuzione_qs con una SELECT che unisce abbonamenti => articoli_in_abbonamento => prezzi per calcolare l'MRR per abbonamento attivo, divide per 100 gli importi in centesimi memorizzati, normalizza gli intervalli mensili/annuali/settimanali in una cifra mensile, filtra livemode = true e subscriptions.status IN ('attivo', 'in prova')e raggruppamenti per DATE_TRUNC('mese', abbonamenti creati). Riceverai la tabella delle tendenze in linea più un'interpretazione scritta: quale coorte di acquisizione è cresciuta, quale si sta contraendo e un'offerta di follow-up come "Vuoi che ti spieghi nel dettaglio i vari piani tariffari?"Il rilevamento enum di Schema Intelligence ha guidato l'IA a scegliere il filtro corretto dello stato dell'abbonamento; senza SI, l'LLM avrebbe potuto includere scaduto e annullato e ha sovrastimato l'attuale MRR.
"Mostrami il tasso di abbandono negli ultimi 6 mesi, suddiviso per livello di abbonamento."
Churn by Tier
L'IA si unisce abbonamenti => prezzi => prodotti per raggruppare gli abbonamenti per livello (il nome del prodotto o prezzi soprannome colonna), quindi calcola il numero di cancellazioni e il denominatore coorte-attivo al mese utilizzando la formula di churn canonica di Stripe. Sotto la tabella, l'IA in genere annota quali livelli perdono clienti più velocemente e propone un follow-up: "Vuoi che analizzi l'espansione e la contrazione del MRR per livello nella stessa finestra?" Rilevamento enum di Schema Intelligence su stato degli abbonamenti garantire che l'IA distingua annullato da non retribuito e da incompleto_scaduto — tre diverse ragioni per cui un abbonamento termina, con implicazioni finanziarie molto diverse.
"Elenca i clienti la cui prossima fattura supera i 5.000 dollari e il cui metodo di pagamento scade nei prossimi 30 giorni."
Rischio di rinnovo
Un'unione in stile finanziario attraverso abbonamenti, fatture_in_arrivo (o il fatture tabella per il prossimo ciclo di rinnovo), clienti, e metodi_di_pagamentoL'IA applica il filtro sensibile ai centesimi importo > 500000 (ovvero 5.000 dollari in centesimi), analizza il mese_scadenza_carta / anno_scadenza_carta contro i prossimi 30 giorni e si ricongiunge a clienti.email per un output leggibile dall'uomo. Schema Intelligence valuta_unità_minore_USD Il tipo semantico determina automaticamente la soglia dei centesimi corretta. L'IA di solito proporrà un'opzione successiva: "Vuoi che prepari una lista di contatti con l'indirizzo email del cliente e l'assegnazione del responsabile account, in modo che il team di assistenza clienti possa contattarlo prima del rinnovo?"

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 di analisi Stripe da 1,5 MB (12 mesi di addebiti + clienti + abbonamenti iscritti) costa circa 1,5 MB del tuo dominio dati quando viene recuperata tramite MCP, rispetto a circa 200-350 KB tramite Excel / Fogli / Nova / Query Builder. I dati di Stripe sono ricchi di enumerazioni (stato, valuta, modalità live), timestamp e stringhe di metadati in formato libero: la compressione LZ4 sul collegamento cloud in genere raggiunge una riduzione di 7-9 volte rispetto agli altri trasporti. Stessi dati, trasporto diverso, dimensioni fatturabili diverse.
  • Ciò che questo non è: Un sovrapprezzo o una penalità per l'utilizzo di MCP. Trasmettiamo i byte effettivamente trasmessi. Gli altri client sono più economici perché la compressione funziona in modo affidabile su quei protocolli di trasporto; non ti penalizziamo per la scelta del protocollo, ma dobbiamo essere trasparenti sulla struttura dei costi.
  • Cosa puoi fare: Per esportazioni ricorrenti di grandi dimensioni (ad esempio, tabelle incrociate di clienti, addebiti e fatture pluriennali), è preferibile utilizzare Excel, Fogli Google o Nova Launcher. Per le chiamate interattive agli strumenti di intelligenza artificiale (il tipico aggregato di analisi Stripe 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. La cache di DuckDB elimina inoltre i duplicati delle chiamate API Stripe ripetute, evitando così di consumare due volte il budget di limitazione delle richieste Stripe per la stessa ricerca.

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? +
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 compressiUn'aggregazione di dati analitici Stripe da 1,5 MB restituita a Excel in genere occupa circa 200-350 KB del tuo spazio dati (i dati Stripe con enumerazioni di stato ripetute, etichette di valuta e valori booleani in modalità live vengono compressi 7-9 volte tramite LZ4); lo stesso risultato da 1,5 MB restituito a Cursor tramite MCP occupa circa 1,5 MB. 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 le chiavi API con restrizioni di Stripe, le piattaforme Stripe Connect e i dati storici precedenti alla finestra temporale standard dell'API? +
Sì, su tutti e tre. Chiavi API di Stripe con restrizioni sono il metodo di autenticazione consigliato per l'agente. È possibile limitare la chiave alla sola lettura su risorse specifiche (ad esempio, lettura su oneri / abbonamenti / clienti / fatturenessun accesso a bilancia / pagamenti / storie) e il validatore di sola lettura dell'agente impone restrizioni lato SQL, quindi lo strumento di intelligenza artificiale è doppiamente protetto. Anche le chiavi API standard di Stripe funzionano, ma con un ambito più ampio. Piattaforme Stripe Connect sono supportati: l'agente si connette al tuo account della piattaforma e utilizza Account Stripe intestazione per le query degli account connessi; ogni account connesso può essere un connettore Query Streams separato se si desidera la disambiguazione lato LLM ("mostrami le entrate sull'account connesso") account_xxx“), oppure puoi mantenerli uniti per le analisi tra account. Dati storici Oltre la finestra API standard di 90 giorni di Stripe, i dati vengono conservati nella cache DuckDB dell'agente: una volta che l'agente ha recuperato un record, questo persiste localmente; è possibile interrogare addebiti/clienti/abbonamenti storici anche dopo che l'API di Stripe li ha rimossi dalla risposta live. La politica di aggiornamento della cache dell'agente è configurabile per risorsa (ad esempio, aggiornamento abbonamenti ogni ora, aggiorna oneri ogni 5 minuti, aggiorna clienti (quotidiano) in modo da poter controllare il compromesso tra freschezza e consumo della quota API di Stripe.
In che cosa si differenzia questo dall'utilizzare autonomamente un server Stripe MCP open-source? +
Un server Stripe MCP diretto (esistono progetti della community su GitHub, per lo più wrapper REST sottili attorno all'API Stripe) è un MCP per ogni origine dati e la maggior parte di essi scarica risorse REST grezze o cursori di paginazione su LLM, nessuna superficie SQL, nessun livello semantico consapevole dei centesimi, nessun modalità live suggerimento di filtraggio. Per far sì che Claude legga da Stripe + il tuo PostgreSQL + il tuo CRM HubSpot + 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 e l'agente normalizza le risposte API di Stripe in superfici SQL pulite con valuta_unità_minore_USD tipizzazione semantica incorporata (quindi LLM divide automaticamente per 100). Ottieni anche Schema Intelligence, applicazione della sola lettura a livello agente, limiti di velocità per chiave, traccia di controllo in registri eventie la stessa pipeline di fatturazione del data realm che già utilizzi, nessuna delle quali è fornita da un MCP diretto.
Cosa succede se l'IA tenta di scrivere o cancellare dati? +
Viene rifiutato dall'agente prima che i dati Stripe memorizzati nella cache vedano 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 le tabelle Stripe memorizzate nella cache. Il validatore viene eseguito nel processo dell'agente, non nel cloud, quindi una superficie cloud compromessa non potrebbe aggirarlo. C'è un secondo livello di sicurezza in più: le operazioni di scrittura di Stripe (creazione di rimborsi, annullamento di abbonamenti, aggiornamento dei clienti, generazione di sessioni Checkout) non sono esposte alla superficie MCP in primo luogo: l'agente emette solo chiamate REST di lettura all'API di Stripe. Quindi, anche se il validatore venisse in qualche modo aggirato, l'LLM non ha nulla che potrebbe chiamare per modificare il tuo stato Stripe. (Se Fare Se desideri un agente basato sull'intelligenza artificiale che intraprenda azioni su Stripe, questo è il compito dello Stripe Agent Toolkit, descritto nella sezione di confronto qui sopra.
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. La dashboard di Stripe mostra i log delle richieste API dal punto di vista dell'agente (chiamate effettuate dalla chiave API con restrizioni dell'agente), quindi per i dati di Stripe la combinazione è: l'agente registri eventi Nel tuo account Query Streams trovi le informazioni su cosa ha richiesto l'IA e quando; nella dashboard di Stripe, la scheda "Sviluppatori → Log" ti mostra quali chiamate API ha generato l'agente. Insieme, forniscono una traccia di controllo completa di ogni lettura dei tuoi dati Stripe avviata dall'IA, adatta per la verifica SOC 2/PCI/del team finanziario.
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 (finanza, vendite, marketing, risorse umane, supporto e altri 14); (3) un tipo semantico su ogni colonna (currency, currency_minor_unit_usd, email, date_iso, status_code, percentage, identifier, url, person_name e altre 9) che guida la generazione SQL corretta dal dialetto; (4) Valori di esempio tratti dai tuoi dati reali in modo che LLM riconosca modelli che nessuno schema può mostrare (prefissi ID Stripe, forma della chiave dei metadati, convenzioni di descrizione del cliente); (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_analysis. Il tempo di esecuzione varia in base al numero di tabelle: un connettore Stripe in genere si completa in 5-10 minuti (12-15 tabelle memorizzate nella cache); un database di medie dimensioni sullo stesso agente (poche centinaia di tabelle) termina 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 il tuo 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 HubSpot o PostgreSQL? +
Sul lato client dell'IA non cambia nulla: la stessa chiave raggiunge il nuovo connettore nel momento in cui l'agente lo associa (qs_list_connectors lo raccoglie automaticamente), quindi un blocco di configurazione acquista l'intero account, presente e futuro. I connettori incrociati si uniscono come "Associa gli ID cliente di Stripe ai contatti di HubSpot e trova i clienti paganti che non hanno effettuato l'accesso per 30 giorni."quindi lavora in un'unica query. Perché una sola chiave copre tutti i connettori →
Devo configurare MCP solo per chattare con i miei dati Stripe? +
NO - Nova AI è integrata nel portale Query Streams. e funziona con tutti i connettori (incluso Stripe) senza alcuna configurazione o file di configurazione MCP. Usa Nova per interagire con i tuoi dati Stripe all'interno di Query Streams; usa MCP quando vuoi che il tuo client AI (Claude, Cursor, ChatGPT, ...) si connetta a Stripe insieme a tutto il resto: stesso agente, stessi connettori, stessa intelligenza dello schema sottostante. Scopri di più su Nova AI →
Perché utilizzare Query Streams MCP per i dati di Stripe se Stripe fornisce l'Agent Toolkit? +
Due forme di problema completamente diverse. Kit di strumenti per agenti Stripe è un wrapper ufficiale per le chiamate di funzione per gli agenti IA per eseguire Le azioni di Stripe includono la creazione di clienti, la cancellazione di abbonamenti, l'emissione di rimborsi, la generazione di sessioni di pagamento, l'aggiornamento dei metadati e così via. È progettato per consentire sia la lettura che la scrittura ed è lo strumento ideale quando l'intelligenza artificiale deve agire sullo stato di Stripe. Query Streams MCP è una superficie di analisi di sola lettura sui dati di Stripe: l'LLM può SELEZIONARE da oneri / abbonamenti / fatture / clienti / rimborsi / ecc. tramite SQL, ma non può modificare lo stato di Stripe. Tre motivi concreti per preferire Query Streams per casi d'uso analitici: (1) Sola lettura per costruzione. Un LLM in preda alle allucinazioni con accesso a Agent Toolkit può teoricamente emettere un rimborso, annullare un abbonamento o creare un link Stripe Checkout con parametri errati: le linee guida del prompt e del framework sono l'unica linea di difesa. Con Query Streams MCP, il validatore di sola lettura hardcoded dell'agente restituisce VIOLAZIONE DI SOLA LETTURA per qualsiasi non-SELEZIONARE / non-CON / non-SPIEGARE affermazione: l'LLM non può fisicamente modificare lo stato di Stripe, indipendentemente da quanto venga stimolato in modo creativo. (2) Chiave singola multiconnettore. Una singola chiave Query Streams MCP consente a Claude / Cursor / ChatGPT / Grok di accedere ai dati di Stripe E ai dati di Postgres + Snowflake + HubSpot + Shopify, tutti interrogabili nella stessa conversazione con join cross-connector (“Associa gli ID dei clienti Stripe ai miei contatti CRM e mostrami quali clienti paganti non hanno effettuato l'accesso al prodotto negli ultimi 30 giorni.“). L'Agent Toolkit vede solo Stripe. (3) Traccia di controllo. Ogni chiamata Query Streams MCP scrive una riga su registri eventi con org / utente / chiave / ambito / latenza / impronta digitale SQL / codice di errore. I team di conformità e finanza possono rispondere “Chi ha interrogato i dati di Stripe la scorsa settimana, quali informazioni ha richiesto e quanti risultati ha ottenuto?"con una singola query. La registrazione di Agent Toolkit dipende da ciò che la tua configurazione LangChain / OpenAI Agent SDK / Vercel AI SDK acquisisce; la disciplina è a tua discrezione. Utilizzare il kit di strumenti dell'agente quando l'IA ha bisogno di eseguire Le azioni di Stripe (bot assistenti che emettono rimborsi, flussi di onboarding che creano sessioni di pagamento, bot di supporto che aggiornano i metadati dei clienti) e hai verificato il comportamento dell'agente. Utilizzare Query Streams MCP quando l'IA esegue analisi, report finanziari, ricerche contestuali per l'assistenza clienti, audit di conformità o qualsiasi altra attività strettamente di lettura. Molte organizzazioni utilizzano entrambi i tipi di IA, assegnati a diversi agenti di IA.

Inizia

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

Una singola chiave MCP raggiunge Stripe, ogni database e ogni altro connettore API nel tuo account Query Streams, con tracciabilità completa, limiti di frequenza per chiave, autenticazione con chiave API con restrizioni, supporto per Stripe Connect e nessuna modifica al firewall. Di per sé di sola lettura, il Stripe Agent Toolkit gestisce la parte operativa. Claude, Cursor, ChatGPT e Grok funzionano immediatamente.

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

Categoria: Server MCP

Tag: mcp, claude, cursore, stripe, connettore API, pagamenti, metriche SaaS, mrr, toolkit agente Stripe, mcp di sola lettura

Meta Description: Interroga Stripe con Claude o Cursor tramite MCP. Interfaccia SQL di sola lettura, semantica sensibile ai centesimi, chiavi API con restrizioni, nessuna modifica al firewall. Gratuito.

Updated on 16 giugno 2026

Powered by BetterDocs