Categorieën bekijken

Hoe Microsoft Access te verbinden met Claude / Cursor via MCP (Microsoft Access MCP-serverconfiguratie)

Leestijd: 24 minuten

MCP-SERVER MICROSOFT TOEGANG

Microsoft Access opvragen met Claude of Cursor via MCP.

Stel eenvoudige vragen over uw Microsoft Access-gegevens. .accdb en .mdb Bestanden, klanten, bestellingen, gekoppelde tabellen — via een beveiligde, alleen-uitgaande cloudverbinding, met schema-intelligentie ingebouwd in de Microsoft Access MCP-connector, zodat de AI in één keer de juiste Jet/ACE SQL genereert.

Geen firewall-gaten Eén sleutel, elke connector Live data, geen cachevertraging Neem je eigen AI-tool mee.

Query Streams is een veilig, realtime data-integratieplatform dat elke database en SaaS API in uw account integreert in Claude, Cursor, ChatGPT en Grok — via één enkele MCP-sleutel en zonder dat er firewallwijzigingen nodig zijn. Deze handleiding beschrijft specifiek hoe u de Microsoft Access MCP-connector aansluit, zodat uw AI-tool vragen in begrijpelijke taal kan beantwoorden over... .accdb en .mdb Gegevens — klanten, bestellingen, artikelregels, gekoppelde tabellen, ad-hoc koppelingen en aggregaties — zonder dat u CSV-bestanden uit Access hoeft te exporteren of met het navigatievenster hoeft te worstelen. Meer informatie vindt u op QueryStreams.com en gratis aanmelden om te beginnen met het stellen van echte Microsoft Access-vragen aan je AI-tool.

Wat Query Streams MCP u biedt voor Microsoft Access

Andere "Microsoft Access MCP"-servers in het open-source landschap verbinden de AI-tool rechtstreeks met één enkele server. .accdb of .mdb Bestandspad. Dat werkt, maar het bindt de AI-client aan één machine, biedt geen mogelijkheden voor scopebeperking of snelheidsbeperking en laat geen auditlogboek zien van wat de AI daadwerkelijk heeft opgevraagd. De Query Streams MCP-server voor Microsoft Access lost een breder probleem op: één sleutel, elke connector, een volledig auditlogboek en de AI-tool ziet nooit het bestandspad of de onderliggende verbindingsreeks.

Geen inkomende firewall-gaten

De netwerkagent opent één enkele versleutelde uitgaande cloudverbinding naar Query Streams. Uw AI-client maakt verbinding met de cloud, nooit met uw Microsoft Access-bestand of de hostcomputer. Geen poort om te openen, geen bestandsdeling om bloot te stellen, geen VPN, geen SharePoint- of OneDrive-backend die toegankelijk is via het openbare internet.

Eén sleutel, elke connector

Dezelfde MCP-sleutel heeft toegang tot elke database en SaaS-API waarmee uw account is verbonden. Voeg morgen een Stripe- of PostgreSQL-connector toe en de AI-tool herkent deze direct naast uw Microsoft Access-tabellen zonder dat u de sleutel opnieuw hoeft in te voeren.

Schema-intelligentie ingebouwd

De AI ziet door AI samengestelde beschrijvingen, semantische typen, lijsten met enumeratiewaarden en gevonden vreemde sleutels voor elke kolom in Microsoft Access — niet alleen de kale tabellijst die wordt geretourneerd door de ACE OLEDB/Jet-driver. Het genereert in één keer accurate Jet SQL, zelfs op oudere Access-databases met cryptische veldnamen en tabelnamen tussen haakjes, zoals [Bestelgegevens].

Alleen-lezen is verplicht bij de agent.

Zelfs een hallucinerende LLM kan geen VERWIJDEREN, UPDATE, of DRUPPEL via Query Streams MCP. De netwerkagent weigert alles wat niet SELECT, MET, of een transformatie-/selectiequery voordat de ACE OLEDB-driver de SQL-query überhaupt te zien krijgt.

Per-toets snelheidslimieten

Standaard 60 aanvragen per minuut en 10 uitvoeringsoproepen per minuut, configureerbaar per sleutel. Een oncontroleerbare AI-tool-aanroeplus loopt vast op een tokenbucket, niet op uw Access-bestandsvergrendeling of de machine waarop de agent draait.

Hoe het werkt zonder firewallpoorten te openen

De Query Streams Network Agent is een klein programma dat u eenmalig installeert op een Windows-computer waarmee u toegang krijgt tot uw Microsoft Access-bestand. Dit kan op elke laptop, desktop, bestandsserver of Windows-VM waar het bestand zich bevindt. .accdb of .mdb De agent opent het bestand via de ACE OLEDB/Jet-provider, waardoor de AI-tool nooit uw bestandspad of uw inloggegevens voor de gekoppelde tabel te zien krijgt. Zie hoe de agentlink voor alleen uitgaande gesprekken werkt →

AI-client

Cursor, Claude,
ChatGPT, Grok

QS MCP-server

Streambare HTTP
X-MCP-sleutel authenticatie

Netwerk Agent

Op uw netwerk
Cloud-verbinding uit

Microsoft Access-database

.accdb / .mdb-bestand
geopend door de agent

Geen inkomende poort nodig — de agent belt uit, nooit andersom.

De MCP-toets die je aan Cursor of Claude geeft, is beperkt (lezen / analyseren / uitvoeren), op elk moment herroepbaar en met een limiet per sleutel. De AI-tool roept deze MCP-tools aan om zijn werk te doen:

querystreams-mcp · toolcatalogus
qs_list_organizationslezen
Retourneert de organisatie die is gekoppeld aan de aanroepende sleutel.
qs_list_agentslezen
Geeft een overzicht van netwerkagenten en hun online status.
qs_list_connectorslezen
Geeft een overzicht van data-connectoren (één item per databaseserver of API).
qs_get_connector_schemalezen
Retourneert de Microsoft Access-tabellen en -kolommen die de AI kan bevragen (één logische "database" per geregistreerde gebruiker). .accdb / .mdb bestand), met Schema Intelligence-verrijking indien beschikbaar.
qs_profiel_tabelanalyseren
Voorbeeldwaarden, verdelingen, enumeratiedetectie, semantische typen — op aanvraag.
qs_list_saved_querieslezen
Voorgebouwde, geparameteriseerde SQL-sjablonen die het team vertrouwt. De AI voert ze uit zonder ooit de SQL-code te zien.
qs_run_saved_queryuitvoeren
Voert een opgeslagen query uit door patroon_sleutel met optionele parameteroverrides.
qs_run_queryuitvoeren
Voert een SELECT-query uit op een connector. Een alleen-lezen validator wordt uitgevoerd op de agent, voordat de ACE OLEDB-driver de SQL-query ziet.

Waarom Schema Intelligence Query Streams MCP anders maakt

De meeste "MCP for Microsoft Access"-servers in het open-source landschap geven je AI-tool dezelfde kale tabellijst die MSysObjects geeft het aan een vreemde. Veldnamen. Jet-datatypen. Misschien een primaire sleutel. De LLM moet maar raden wat er aan de hand is. StatusID = 3 betekent, wat CustNm winkels, of dat [Bestelgegevens].Bestel-ID sluit zich daadwerkelijk aan bij Bestellingen.BestelID (Access geeft relaties doorgaans weer in het venster Relaties, maar veel oudere versies zijn nog niet beschikbaar.) .mdb bestanden dateren van vóór die tijd of zijn geëxporteerd vanuit externe bronnen zonder dat de relaties behouden bleven). Daarom is de eerste SQL-query die de meeste LLM's uitvoeren op een kaal Access-schema onjuist — niet omdat de LLM zelf slecht is, maar omdat deze niet over de benodigde gegevens beschikt om de query correct uit te voeren.

Query Streams MCP retourneert hetzelfde schema, maar dan verrijkt met Schema-intelligentie (SI) — Door AI samengestelde metadata gegenereerd door uw profiel te analyseren werkelijke De gegevens zijn afkomstig uit Microsoft Access, dus elke schema-tool die de AI aanroept, retourneert het kale schema plus zes lagen aan samengestelde kennis, waardoor het LLM niet langer hoeft te gissen. Hoe schema-intelligentie zorgt voor nauwkeurige SQL →

Om dit concreet te maken, volgt hier wat de AI-client terugkrijgt van een enkele opdracht. qs_get_table_schema een typische Microsoft Access Northwind-achtige database aanroepen (Klanten, Bestellingen, [Bestelgegevens], Producten) — eerst zonder schema-intelligentie, daarna mét.

Zonder schema-intelligentie data_source: vastgelegd_schema
// Wat de LLM ziet == TABEL: Klanten == – Klant-ID Tekst(5) [PK, NIET NULL] – Bedrijfsnaam Tekst(40) NIET NULL – Contactnaam Tekst(30) - Land Tekst(15) == TABEL: Bestellingen == – OrderID Lang [PK, AutoNumber] – Klant-ID Tekst(5) – Besteldatum Datum/Tijd – Verzenddatum Datum/Tijd - Vracht Munteenheid == TABEL: [Bestelgegevens] == – OrderID Long NOT NULL – ProductID Long NOT NULL – Eenheidsprijs Valuta NIET NULL - Hoeveelheid Integer NIET NULL - Korting Enkelvoudig NIET NULL == TABEL: Producten == – ProductID Lang [PK, AutoNumber] – Productnaam Tekst(40) – Productcategorie Tekst(15) – Aantal op voorraad Geheel getal Relaties: (geen resultaten geretourneerd door ACE-aanbieder) si_aanbeveling: staat: “niet_uitvoeren” Wat je mist voor dit gesprek: – Door AI ontdekte vreemde sleutels – Voorbeeldwaarden per kolom + enum-detectie – Tabel- en kolombeschrijvingen – Semantische typeclassificaties – Tagging van bedrijfsdomeinen. Opmerking: “Alleen typen, geen semantische context”
Met schema-intelligentie data_source: schema_intelligence
// Wat de LLM ziet == TABEL: Klanten [DIM, domein:klanten] == “Klantendatabase in Northwind-stijl. Klant-ID is een alfanumerieke code van 5 tekens (ALFKI, ANATR, …).” – Klant-ID Tekst(5) [PK] identificator – Bedrijfsnaam Tekst(40) org_name Voorbeeld: 'Alfreds Futterkiste', 'Acme Corp.' - Land Tekst(15) landcode (enum) VS (38%) | Duitsland (12%) | VK (9%) | Frankrijk (8%) | … == TABEL: Bestellingen [FEIT, domein:verkoop] == “Eén regel per orderkop. OrderDate is de datum van orderplaatsing; ShippedDate is NULL totdat de bestelling is verzonden.” – OrderID Lang [PK, AutoNumber] identificator – Klant-ID Tekst(5) identificator FK -> Customers.CustomerID (100% overlap, conf 0,99) – Besteldatum Datum/Tijd datum_iso Periode: 2024-07-04 .. 2026-05-01 – Verzenddatum Datum/Tijd date_iso (nullable; ~12% NULL = niet verzonden) == TABEL: [Bestelgegevens] [FEIT, domein:verkoop] == “Eén rij per product per bestelling. De tabelnaam tussen haakjes zorgt voor ruimtebesparing. Omzet = SOM(Eenheidsprijs * Hoeveelheid * (1 – Korting)).” – OrderID Lang identificator FK -> Orders.OrderID (100% overlap, conf 0,99) – ProductID Lang identificator FK -> Products.ProductID (100% overlap, conf 0.99) – Eenheidsprijs Munteenheid munteenheid - Hoeveelheid Geheel getal balie == TABEL: Producten [DIM, domein:producten] == – Productnaam Tekst(40) tekstinhoud – Productcategorie Tekst(15) categorie (opsomming) Dranken (16%) | Zoetwaren (13%) | Zuivel (12%) | … - naam varchar(200) persoonsnaam == TABEL: producten [DIM, domein:producten] == – naam varchar(200) tekstinhoud – sku varchar(64) identificator Voorbeeld: ['QS-001-MINT','QS-014-DARK','QS-027-AMBER']

De zes lagen die Schema Intelligence toevoegt

SI is opt-in per (connector, database) Het koppelt en voert een eenmalige profileringstest uit op uw Microsoft Access-gegevens; het wijzigt uw schema niet en schrijft niet naar uw gegevens. .accdb / .mdb Het bestand wordt automatisch bijgewerkt wanneer uw schema wijzigt. Meer over de zes lagen van Schema Intelligence →

Door AI samengestelde beschrijvingen

Een duidelijke, in begrijpelijke taal geformuleerde beschrijving van het doel van elke database, tabel en veld — eenmalig gegenereerd en automatisch bijgewerkt wanneer uw schema wijzigt. Betrouwbaarheidsscore; beschrijvingen van gebruikers hebben altijd de voorkeur.

Bestellingen: “Eén rij per bestelling
header; ShippedDate is NULL
totdat de bestelling verzonden wordt.”

Tabelclassificaties

Elke tabel is gelabeld met FACT (transactionele gebeurtenissen), DIM (beschrijvende verwijzing) of LOOKUP (kleine code-mapping), plus een bedrijfsdomein — verkoop, HR, SEO, financiën, ondersteuning en nog 14 andere.

Bestellingen [FACT, domein:verkoop]
Klanten [DIM, domein:klanten]

Semantische typen per kolom

Achttien typen — valuta, e-mail, datum-iso, statuscode, percentage, rangschikking, identificatiecode, URL, persoonsnaam en meer. De AI genereert dialectcorrecte Jet/ACE SQL die geschikt is voor elk type.

Eenheidsprijs: valuta
Besteldatum: datum_iso
Bedrijfsnaam: org_name

Voorbeeldwaarden uit echte gegevens

Willekeurige rijen werden aan het LLM getoond, waardoor het patronen herkent die geen enkel schema kan weergeven: opmaakconventies, gecodeerde waarden, afkortingsstijlen en de feitelijke structuur van uw tekenreeksen.

KlantID: ['ALFKI', 'ANATR',
'ANTON', 'BERGS']

Enum-detectie met distributies

Kolommen met een lage cardinaliteit (50 of minder unieke waarden, maximaal 5% van de rijen uniek) worden gekoppeld aan hun volledige waardelijst met rijtellingen. De AI raadt nooit hoofdletters of spelling.

Productcategorie: Dranken (16%)
| Zoetwaren (13%) | Zuivel (12%)
| Zeevruchten (11%) | …

Impliciete ontdekking van vreemde sleutels

Uit de analyse van de overlap in kruistabelgegevens blijkt dat koppelingen die nooit in het venster Relaties zijn vastgelegd, niet worden weergegeven. Deze worden samen met formele FK's met betrouwbaarheidsscores opgeslagen en geretourneerd door qs_get_relationships.

[Bestelgegevens].Bestel-ID ->
Bestellingen.BestelID
(100% overlap, conf 0,99)

Dezelfde prompt, andere SQL-query

Het bewijs zit in de SQL-query's die de AI-tool daadwerkelijk genereert. Dezelfde cursorsessie, hetzelfde Claude-model, dezelfde prompt. “Wie zijn onze 10 grootste klanten qua omzet dit jaar, en welke productcategorieën kopen zij het meest?” Zonder schema-intelligentie moet het LLM-model gissen. Met schema-intelligentie weet het LLM-model het zeker.

Zonder schema-intelligentie
— LLM's eerste poging tegen een kaal schema: SELECT Bedrijfsnaam, SUM(Eenheidsprijs) AS Winst VAN Klanten c, Bestellingen o, Besteldetails od WAAR c.CustomerID = o.CustomerID EN o.OrderID = od.OrderID EN Verzenddatum >= '2026-01-01' GROEP DOOR Bedrijfsnaam ORDER BY Winst DESC; FOUT: 'Order_Details' is geen herkende tabel Echte naam bevat een spatie: [Bestelgegevens] gekozen verzenddatum (wanneer het verzonden is, niet toen het werd besteld) — onjuiste semantiek SUM(UnitPrice) negeert de hoeveelheid — onjuiste omzet geen rijlimiet, retourneert elke klant; kolom Het type valuta is onjuist opgemaakt als gewoon zwevendekommagetal (Float). geen productcategorie-dimensie in het resultaat
Met schema-intelligentie
— LLM's eerste poging met SI ingeschakeld: SELECT BOVENKANT 10 c.Bedrijfsnaam, SUM(od.UnitPrice * od.Quantity) AS Winst, EERST(p.ProductCategory) AS Topcategorie VAN ((Klanten c BINNENVERBINDING Bestellingen o OP c.CustomerID = o.CustomerID) BINNENVERBINDING [Bestelgegevens] od OP o.OrderID = od.OrderID) BINNENVERBINDING Producten p OP od.ProductID = p.ProductID WAAR o.OrderDate >= Datum toevoegen(“jjjj”, –1, Datum()) GROEP DOOR c.Bedrijfsnaam ORDER BY SUM(od.UnitPrice * od.Quantity) DESC; 10 rijen. Met één keer goed. FACT/DIM-tags vormden de basis voor de join-structuur van de vier tabellen. FK discovery gekoppelde OrderID en ProductID joins [Bestelgegevens] De haakjes zijn afkomstig van voorbeeldgegevens. TOP N + DateAdd()/Date() = correct Jet/ACE dialect Eenheidsprijs * Aantal = omzet, niet alleen de prijs.
Wil je Schema Intelligence niet uitvoeren? MCP werkt nog steeds — schema-tools retourneren kale metadata en elke verslechterde respons bevat een si_aanbeveling Een blok dat de AI precies vertelt wat er ontbreekt, met een optie om SI tijdens een gesprek in te schakelen met één oproep. qs_request_si_analysisDe meeste Microsoft Access-databases zijn klein (een paar dozijn tabellen), waardoor een eerste SI-scan doorgaans binnen 10 minuten is voltooid. Wanneer moet je Schema Intelligence inschakelen? →
Nova AI

Is MCP niet jouw ding? Probeer dan Nova AI eens.

Sla de JSON-configuratiebestanden volledig over — Nova AI is direct geïntegreerd in het Query Streams-webportaal. En het beantwoordt dezelfde vragen in begrijpelijke taal via uw Microsoft Access-connector en elke andere connector op uw account, zonder installatie en zonder apart abonnement op een AI-leverancier.

Maak kennis met Nova AI

Vereisten

Voordat je begint, zorg ervoor dat je het volgende hebt:

  1. Een gratis Query Streams-account bij mijn.querystreams.nl.
  2. De Query Streams Network Agent is geïnstalleerd op een Windows-machine die uw computer kan bereiken. .accdb of .mdb bestand (plus de Microsoft Access Database Engine / ACE OLEDB-herdistributie) — zie Download de Query Streams Agent..
  3. Een Microsoft Access-connector die is geconfigureerd voor de agent — zie de bestaande connector instellen Handleidingen voor de instellingen van het bestandspad. De agent bewaart het bestandspad en eventuele databasewachtwoorden of werkgroepreferenties; de AI-tool heeft hier geen toegang toe.
  4. Elke AI-client die MCP ondersteunt. In deze handleiding laten we Cursor, Claude Desktop, ChatGPT en Grok zien; als je Windsurf, Zed, Continue, Cline, VS Code Copilot, Codex of Goose gebruikt, is het configuratieblok in principe hetzelfde.
  5. Vijf minuten.
Je hoeft de agent maar één keer in te stellen. Dezelfde agent die de Excel- en Google Sheets-add-ons van Query Streams, de webgebaseerde Query Builder en Nova AI aandrijft, wordt ook gebruikt voor MCP. Het toevoegen van MCP aan een bestaand Query Streams-account is slechts een kwestie van het genereren van een sleutel; de agent en de Microsoft Access-connector zijn al actief.
1

Genereer een MCP-sleutel

Van de /mcp Ga naar de pagina Query Streams en genereer een sleutel met de gewenste scopes.

2

Sleep het naar je AI-client.

Eén JSON-fragment voor Cursor, Claude, ChatGPT of Grok. Dezelfde sleutel overal.

3

Stel een vraag

“Laat me de klanten met de hoogste omzet van de afgelopen 30 dagen zien.” — de AI roept de juiste tools aan en je krijgt het antwoord.

Stap 1: Genereer een MCP-sleutel in Query Streams

Meld u aan bij Query Streams en open de MCP-pagina (of meld u eerst aan bij mijn.querystreams.nl en klik MCP (in de linkernavigatie). Klik Sleutel genererenGeef de sleutel een herkenbare naam (iets zoals cursor-laptop of claude-desktop), en kies de bereiken die je aan deze sleutel wilt toevoegen:

  • lezen — De AI kan connectoren doorzoeken en schema's lezen. Dat is voor al het andere nodig.
  • analyseren — De AI kan tabellen profileren en relaties ontdekken (steekproefwaarden, verdelingen, semantische typen). Optioneel, maar sterk aanbevolen voor werk met Microsoft Access, waar inzicht in de structuur van uw gegevens en de conventies voor tabelnamen tussen haakjes van belang zijn wanneer de LLM koppelingen genereert.
  • uitvoeren — De AI kan daadwerkelijk SQL-query's uitvoeren. Zonder dit kan de AI alleen schema-metadata lezen.

Voor een typische workflow zoals "Laat Claude mijn Microsoft Access-gegevens analyseren" zijn alle drie de bereiken geschikt. Voor een sleutel die u aan een teamlid of een minder vertrouwde klant geeft, laat u deze weg. uitvoeren en laat ze alleen browsen. Je kunt elke sleutel op elk moment vanaf dezelfde pagina intrekken; de AI-client zal dit zien. MCP_KEY_REVOKED Bij de volgende oproep stopt het direct met werken. Er is geen vertraging in de signaaloverdracht.

Kopieer de sleutel nu — Query Streams toont deze eenmalig en slaat vervolgens alleen een hash op. Als u de sleutel kwijtraakt, genereer dan een nieuwe. De sleutel ziet er als volgt uit: qsmcp_ gevolgd door 48 willekeurige tekens, en dat is wat uw AI-client verzendt in de X-MCP-sleutel verzoekheader.

Stap 2: Voeg Query Streams MCP toe aan uw AI-client

De configuratie heeft dezelfde vorm voor elke MCP-compatibele client: een MCP-serververmelding die verwijst naar https://mcp.querystreams.com met uw sleutel in de X-MCP-sleutel Koptekst. Kies hieronder uw klant.

Cursor
Cursor ~/.cursor/mcp.json
// Bewerk ~/.cursor/mcp.json
{
  "mcpServers": {
    "querystreams": {
      "url": "https://mcp.querystreams.com",
      "kopteksten": {
        "X-MCP-sleutel": "qsmcp_PLAK_HIER_SLEUTEL_"
      }
    }
  }
}
Claude Desktop
Claude Desktop claude_desktop_config.json
// Instellingen → Ontwikkelaar → Configuratie bewerken
{
  "mcpServers": {
    "querystreams": {
      "url": "https://mcp.querystreams.com",
      "kopteksten": {
        "X-MCP-sleutel": "qsmcp_PLAK_HIER_SLEUTEL_"
      }
    }
  }
}
ChatGPT
ChatGPT Apps en connectoren
// Instellingen → Apps en connectors → MCP toevoegen
Server-URL  https://mcp.querystreams.com
Auth-header X-MCP-sleutel
Kopwaarde qsmcp_PLAK_HIER_SLEUTEL_

// Vereist een betaald ChatGPT-abonnement
// (Plus / Pro / Team / Enterprise).
Grok
Grok Externe MCP-tools
// Grok → Instellingen → Hulpmiddelen
{
  "mcp_servers": [{
    "naam": "querystreams",
    "url": "https://mcp.querystreams.com",
    "auth_header": "X-MCP-sleutel",
    "auth_value": "qsmcp_..."
  }]
}

Start uw AI-client opnieuw op. Bij de volgende opstart zal deze de acht hierboven vermelde Query Streams MCP-tools detecteren en in het toolpalet weergeven. In Cursor en Claude Desktop kunt u dit controleren door te typen “lijstconnectoren” — de AI zou moeten bellen qs_list_connectors en retourneer uw Microsoft Access-connector samen met alle andere geconfigureerde bestanden.

Stap 3: Stel de AI een vraag over Microsoft Access.

Je schrijft geen SQL-query's, dat doet de AI. Je stelt een vraag, de AI kiest de juiste MCP-tool en de agent voert de query uit op jouw gegevens. .accdb / .mdb Het bestand wordt geopend en het antwoord wordt teruggestuurd als tekst plus tabellen. Drie voorbeeldvragen om eerst te proberen:

"Laat me de klanten zien met de hoogste omzet in de afgelopen 30 dagen."
Klanten
De AI zal bellen qs_get_connector_schema om te ontdekken Klanten, Bestellingen, [Bestelgegevens], en Producten tabellen, dan qs_run_query met SELECTEER TOP 10 meedoen Klanten naar Bestellingen naar [Bestelgegevens] met WAAR OrderDate >= DateAdd("d", -30, Date()), computergebruik SOM(Eenheidsprijs * Hoeveelheid) per bedrijf en in aflopende volgorde. Je ziet de resultaatstabel direct in de tabel, plus een schriftelijke interpretatie — welke klanten de meeste bestellingen plaatsen, de gemiddelde ordergrootte en de geografische/categorieverdeling — die de AI heeft afgeleid uit de Northwind-achtige data.
Welke producten raken bijna op?
Inventaris
De AI maakt gebruik van het inzicht van schema-intelligentie dat Aantal op voorraad is een teller op Producten en schrijft SELECT TOP 20 ProductName, ProductCategory, UnitsInStock FROM Products WHERE UnitsInStock < ReorderLevel ORDER BY UnitsInStock ASC — of, als de herbestellingsniveaus niet worden bijgehouden, een vaste drempelwaarde zoals Aantal op voorraad < 10Het resultaat is een overzichtelijke lijst met productnaam, categorie en resterende voorraad, gesorteerd van laag naar laag. De AI groepeert doorgaans de grootste voorraadproblemen per categorie (Dranken, Zuivel, enz.) en markeert artikelen met een voorraad van nul als prioriteit voor onmiddellijke aanvulling.
“Geef een lijst weer van bestellingen die nog niet verzonden zijn.”
Werkzaamheden
De AI weet dankzij schema-intelligentie dat Bestellingen.Verzenddatum is nullable (ongeveer 12% NULL = niet verzonden), dus er wordt gefilterd op WAAR ShippedDate NULL IS en sluit zich aan bij Klanten voor de bedrijfsnaam. Het resultaat is SELECT o.OrderID, c.CompanyName, o.OrderDate, DateDiff("d", o.OrderDate, Date()) AS DaysOpen FROM Orders o INNER JOIN Customers c ON o.CustomerID = c.CustomerID WHERE o.ShippedDate IS NULL ORDER BY o.OrderDate — Meestal sorteert de AI de oudste bestellingen eerst en markeert bestellingen die langer dan 7 dagen openstaan als escalaties binnen het fulfilmentteamJe kunt dieper op de materie ingaan door vragen te stellen. "Waarom is bestelling 10248 nog steeds open?" En de AI haalt de regelitems op.

De eerste keer dat de AI een tool aanroept, kan er in uw client een bevestigingsmelding verschijnen waarin u wordt gevraagd de tooloproep goed te keuren. Dit is de standaard toestemmingsprocedure van MCP en geen extra functie van Query Streams. Keur de oproep eenmaal goed en de AI kan de rest van het gesprek zonder problemen voortzetten. U kunt de toestemming op elk gewenst moment opnieuw bekijken in de instellingen van uw client.

Eerlijke factuurmelding: MCP-gebruik wordt gefactureerd op basis van niet-gecomprimeerde bytes.

De Excel-add-in van Query Streams, de Google Sheets-add-on, de webquerybuilder en Nova AI draaien allemaal via onze gecomprimeerde cloudverbinding — wij meten en factureren. gecomprimeerde bytes tegen uw gegevensdomein. Het MCP-transport (Streamable HTTP volgens de officiële MCP-specificatie) ondersteunt geen betrouwbare end-to-end compressie over elke client en tussenliggende proxy, daarom meten en factureren we. uncompressedBytes voor MCP-verkeer.

  • Wat dit betekent: Een resultaatset van 1 MB in Microsoft Access kost ongeveer 1 MB van uw data-domein wanneer deze via MCP wordt opgehaald, tegenover ongeveer 150-250 KB via Excel/Sheets/Nova/de Query Builder. Een geaggregeerde query met 10.000 rijen die via MCP als ongeveer 2 MB JSON wordt opgeslagen, zou via de Excel/Sheets/Nova/Query Builder-clients ongeveer 300-400 KB aan LZ4-gecomprimeerde bytes zijn geweest. Dezelfde data, ander transport, andere factureerbare grootte.
  • Wat dit níét is: Een toeslag of een straf voor het gebruik van MCP. We geven de daadwerkelijk verzonden bytes door. De andere clients zijn goedkoper omdat compressie betrouwbaar werkt op die transportprotocollen; we straffen je niet voor de protocolkeuze, maar we moeten wel transparant zijn over de kostenstructuur.
  • Wat u kunt doen: Voor zeer grote, terugkerende query's (bijvoorbeeld exporten van meer dan 100.000 rijen) is de aanpak met Excel/Sheets/Nova de beste keuze. Voor interactieve AI-toolaanroepen (de typische Microsoft Access-respons van 100-5000 rijen die in een LLM-context past) is MCP de juiste keuze en het kostenverschil is slechts een paar cent.

Veelgestelde vragen

Moet ik poorten openen of een VPN-verbinding gebruiken om dit te kunnen gebruiken? +
Geen inkomende regels, port-forwarding, NAT punchthrough of VPN. De netwerkagent maakt één uitgaande TLS-verbinding (poort 443) en uw AI-client bereikt https://mcp.querystreams.com vanaf het openbare internet — als uitgaande HTTPS werkt op de agenthost, werkt MCP. Zie hoe de verbinding die alleen uitgaand verkeer toelaat werkt →
Welke AI-tools kan ik gebruiken met Query Streams MCP? +
Elke client die het open Model Context Protocol ondersteunt, zoals Claude Desktop, Claude Code, Cursor, ChatGPT (betaald), Grok, Gemini CLI, Windsurf, Zed en meer dan 500 andere, is geschikt. Gebruik je eigen AI-tool; je hoeft niet over te stappen. Volledige lijst met ondersteunde AI-clients →
Kan ik een MCP-sleutel intrekken? +
Ja, drie onafhankelijke noodstopknoppen (per toets vanaf de /mcp pagina, per organisatie via planinstellingen en platformniveau), en geen van deze opties vereist een databasewachtwoordrotatie of een herstart van de agent. Meer informatie over de beveiliging van MCP-sleutels →
Hoe worden de MCP-kosten in rekening gebracht voor mijn datadomein? +
MCP-uitvoeringsaanroepen worden afgetrokken van hetzelfde databudget dat al wordt gebruikt voor uw Excel-, Google Sheets-, webquerybuilder- en Nova AI-gebruik — één verbruiksbudget voor alle toegangsmethoden. De afmetingen die voor MCP worden gemeten, verschillen. De andere klanten maken gebruik van onze gecomprimeerde cloudverbinding (wij brengen hiervoor kosten in rekening). gecomprimeerde bytes); MCP werkt via Streamable HTTP, dat geen betrouwbare end-to-end compressie biedt via elke client en proxy, daarom brengen we kosten in rekening uncompressedBytesEen resultaat van 1 MB in Microsoft Access dat wordt teruggestuurd naar Excel, kost doorgaans ongeveer 150-250 KB van uw gegevens; hetzelfde resultaat van 1 MB dat wordt teruggestuurd naar Cursor via MCP kost ongeveer 1 MB. We zijn hier transparant over, omdat we liever hebben dat u dit van tevoren weet dan dat u aan het einde van de factureringscyclus voor verrassingen komt te staan.
Werkt Query Streams MCP met mijn .accdb / .mdb En hoe zit het met gekoppelde tabellen in Access naar SQL Server of SharePoint? +
Ja, de netwerkagent maakt verbinding via de standaard Microsoft Access Database Engine (ACE OLEDB)-provider, die zowel moderne als moderne gegevens kan lezen. .accdb bestanden (Access 2007+) en oudere versies .mdb bestanden (Access 97 / 2000 / 2002 / 2003) met hetzelfde connectortype. Gekoppelde tabellen worden transparant doorgegeven: Wanneer de LLM een Access-tabel opvraagt die feitelijk een gekoppelde SQL Server-, SharePoint-, dBASE- of tekstbestandsbron is, gebruikt de agent het native pass-through-gedrag van Access en ziet Schema Intelligence het onderliggende gekoppelde schema. Tip: elk .accdb / .mdb Het bestand is een aparte connector, dus je kunt meerdere bestanden registreren (bijvoorbeeld inventaris.accdb + crm.accdb + een tijdperk uit 2003 legacy_orders.mdb) en de LLM kiest de juiste op naam. Databasewachtwoorden, beveiliging van werkgroepen (systeem.mdw), en alle SQL Server-referenties achter gekoppelde tabellen worden alleen door de agent bewaard; de AI-tool ziet ze nooit. UNC-paden en gedeelde netwerken .accdb Bestanden werken zolang het Windows-account van de agent leesrechten heeft. Microsoft 365 Access (de desktop-app) en Access Runtime worden beide ondersteund; Access uit de Microsoft Store werkt ook zodra de ACE-herdistributie is geïnstalleerd.
Wat is het verschil tussen dit en het zelf beheren van een open-source Microsoft Access MCP-server? +
Een directe Microsoft Access MCP-server (er bestaan communityprojecten op GitHub) is één MCP per bestand. Om Claude te laten lezen uit je Access-database + Google Search Console + je Stripe-account + je Snowflake-datawarehouse, heb je vier MCP-servers nodig die afzonderlijk geconfigureerd zijn in elke AI-client, elk met zijn eigen inloggegevens, elk met zijn eigen bereikmodel en elk met zijn eigen auditlogboek. Query Streams MCP is één sleutel die toegang biedt tot elke connector die aan je account is gekoppeld. Je krijgt er ook Schema Intelligence, alleen-lezen-handhaving op agentniveau, snelheidslimieten per sleutel en een auditlogboek bij. gebeurtenislogboekenen dezelfde data-realm factureringspipeline die u al gebruikt — geen van beide wordt u geboden door een directe Microsoft Access MCP.
Wat gebeurt er als de AI probeert gegevens te schrijven of te verwijderen? +
Het wordt door de agent afgewezen voordat de gegevensbron de SQL-query ziet. Elke qs_run_query Het gesprek wordt verwerkt door een hardgecodeerde, alleen-lezen validator die alleen dit toestaat. SELECT, MET, en UITLEGGEN verklaringen; al het andere retourneert ALLEEN-LEZEN_SCHENDING en bereikt nooit het ACE OLEDB-stuurprogramma of uw .accdb / .mdb bestand. De validator draait in het agentproces op uw netwerk, niet in de cloud, dus een gecompromitteerde cloudomgeving kan deze niet omzeilen. (U kunt extra beveiligingsmaatregelen op bestandsysteemniveau toevoegen als u extra zekerheid wilt — markeer de .accdb (U kunt het bestand alleen-lezen maken op NTFS-niveau, het Windows-account van de agent alleen-lezen NTFS-machtigingen geven, of Access-werkgroepbeveiliging gebruiken om de verbindingsgebruiker alleen-lezen rechten te verlenen — de validator van de agent is onafhankelijk van uw keuze.)
Kan ik zien wat de AI precies heeft gevraagd? +
Ja. Elke aanroep van een MCP-tool schrijft een regel naar gebeurtenislogboeken met de organisatie, gebruiker, sleutel, bereik, latentie en resultaatcode. De organisatiebeheerder kan met één query antwoord geven op de vraag: "Wie heeft MCP vorige week gebruikt, welke connector en wat hebben ze gevraagd?" Merk op dat we de gegevens loggen. naam en metadata van het hulpmiddelNiet de SQL-tekst of de geretourneerde rijen — die stromen via de cloudverbinding en komen nooit in cloudlogboeken terecht. Als u volledige SQL-auditing aan de Access-kant wilt, kan de Network Agent zelf een logboek per connector schrijven van elke uitgevoerde instructie (een instelling per agent), en u kunt dat combineren met Windows-bestandssysteemauditing aan de Access-kant. .accdb / .mdb pad om bij te houden wie het bestand nog meer heeft geopend. Microsoft Access heeft geen server-side auditplug-in zoals de grotere systemen, dus deze tweelaagse aanpak (agentlogboek + Windows-audit) is het praktische equivalent.
Moet ik Schema Intelligence uitvoeren om Query Streams MCP te kunnen gebruiken? +
Nee - Schema Intelligence is optioneel per (connector, database) paarEn MCP werkt prima zonder. De AI ontvangt het kale schema (typen, primaire sleutels, formele externe sleutels, indexen) en schrijft eenvoudige query's. Met SI ingeschakeld, krijgt de AI zes extra lagen met zorgvuldig samengestelde metadata: (1) Door AI samengestelde beschrijvingen van elke database, tabel en kolom; (2) tabelclassificaties (FACT voor transactionele gebeurtenissen, DIM voor beschrijvende verwijzingen, LOOKUP voor kleine codetoewijzingen) plus een bedrijfsdomeintag (verkoop, HR, SEO, financiën, ondersteuning en nog 14 andere); (3) een semantisch type op elke kolom (valuta, e-mail, datum_iso, statuscode, percentage, ranking_positie, identificatiecode, URL, persoonsnaam en nog 9 andere) dat zorgt voor dialectcorrecte Jet/ACE SQL-generatie (TOP) n, Datum() / DatumToevoegen(), tabelnamen tussen haakjes, valutaopmaak); (4) Steekproefwaarden uit uw werkelijke gegevens, zodat het LLM patronen herkent die geen enkel schema kan weergeven; (5) enum-detectie met volledige waardeverdelingen voor kolommen met een lage kardinaliteit; en (6) Door AI ontdekte vreemde sleutels op basis van overlappingen in gegevens tussen tabellen, die aan het licht kwamen via qs_get_relationshipsZonder SI bevat elke schema-tool-respons ook een si_aanbeveling Een lijst met precies wat er ontbreekt voor het gesprek — de AI kan dit lezen en voorstellen om SI midden in het gesprek te activeren via qs_request_si_analysisDe uitvoeringsduur is afhankelijk van het aantal tabellen: een kleine database met minder dan 100 tabellen is in ongeveer 10 minuten klaar; een gemiddelde database (een paar honderd tabellen) is in 15-25 minuten klaar; een grote bedrijfsdatabase met meer dan 1500 tabellen kan 45-60 minuten nodig hebben voor een volledige scan. De meeste Microsoft Access-databases vallen aan de kleine kant van deze schaal (een paar dozijn tabellen), waardoor SI doorgaans in minder dan 10 minuten klaar is. SI wordt uitgevoerd via uw netwerkagent op uw gegevens (nooit in de cloud) en schrijft nooit naar uw systeem. .accdb / .mdb Het bestand wijzigt nooit uw schema en wordt incrementeel vernieuwd wanneer uw schema verandert. Hierdoor zijn volgende uitvoeringen na het toevoegen of wijzigen van tabellen veel sneller dan de eerste. Het uiteindelijke effect: met SI ingeschakeld, genereert uw AI-client veel vaker correcte Jet/ACE SQL bij de eerste poging dan bij een "MCP voor Microsoft Access"-server die de LLM alleen de kale tabellijst aanlevert.
Wat als ik later nog een connector toevoeg, zoals Stripe of PostgreSQL? +
Aan de clientzijde verandert er niets — dezelfde sleutel bereikt de nieuwe connector zodra de agent deze koppelt.qs_list_connectors (wordt automatisch opgepakt). Eén configuratieblok koopt je hele account, zowel het huidige als het toekomstige. Waarom één sleutel alle connectoren dekt →
Moet ik MCP instellen om met mijn data te kunnen chatten? +
Nee - Nova AI is geïntegreerd in het Query Streams-portaal. Het werkt met elke connector (inclusief Microsoft Access) zonder dat er MCP-installatie of configuratiebestanden nodig zijn. Gebruik Nova om met uw gegevens te communiceren binnen querystreams; gebruik MCP wanneer u wilt dat uw eigen AI-client (Claude, Cursor, ChatGPT, ...) dezelfde gegevens kan benaderen — dezelfde agent, dezelfde connectors, dezelfde schema-intelligentie eronder. Leer meer over Nova AI →

Aan de slag

Verbind uw AI-tool in vijf minuten met uw Microsoft Access-gegevens.

Met één MCP-sleutel krijgt u toegang tot Microsoft Access, elke andere database en elke API-connector in uw Query Streams-account, inclusief een volledig auditlogboek, snelheidslimieten per sleutel en zonder dat u firewallinstellingen hoeft aan te passen. Claude, Cursor, ChatGPT en Grok werken allemaal direct.

Gerelateerde handleidingen: Download de Query Streams Agent. | Databaseconnector instellen | Alle MCP Server-handleidingen | Nova AI tekst-naar-SQL

Categorie: MCP-server

Tags: mcp, claude, cursor, microsoft-access, database, office-365, desktop-database

Metabeschrijving: Verbind Microsoft Access (.accdb / .mdb) met Claude of Cursor via Query Streams MCP. Alleen uitgaand, installatie in 5 minuten.

Geüpdatet op 16 juni 2026

Mogelijk gemaakt door BetterDocs