Wyświetl kategorie

Jak połączyć Microsoft SQL Server z Claude/Cursor za pośrednictwem MCP (konfiguracja serwera SQL Server MCP)

27 minut czytania

SERWER MCP SERWER SQL

Zapytaj Microsoft SQL Server za pomocą Claude lub Kursor poprzez MCP.

Połącz Microsoft SQL Server — lokalnie, z bazą danych Azure SQL, zarządzaną instancją Azure SQL lub AWS RDS dla SQL Server — z Claude lub Cursor za pomocą jednego klucza MCP. Schema Intelligence obsługuje idiomy T-SQL (SZCZYT, NIEWAŻNY, DATADODAJ, w nawiasach [skryty] identyfikatory), dzięki czemu sztuczna inteligencja zapisuje poprawny kod T-SQL przy pierwszej próbie.

Brak luk w zaporze sieciowej Jeden klucz, każde złącze Dane na żywo, bez opóźnień w pamięci podręcznej Przynieś własne narzędzie AI
Zacznij za darmo Przeglądaj wszystkie przewodniki MCP
Zobacz wszystko, co Query Streams może zrobić poza tym przewodnikiem Rozpocznij za darmo
Wsparcie
SQL Server PostgreSQL MySQL MariaDB SQLite MS Access Oracle BigQuery DuckDB
+więcej
Excel Arkusze
Dane na żywo

Zastąpienie eksportu kodem SQL na żądanie

Excel Arkusze
Nova
Analityka BI i AI

Zapytaj Nova, uzyskaj SQL + wykresy

Poznaj Nova
Interfejs API REST
API REST bazy danych

Jeden klucz na partnera. Nie udostępniamy żadnych danych uwierzytelniających.

Zbuduj API
Airtable Smartsheet Baserow SeaTable +więcej
Automatyzacja

Zaplanowana synchronizacja z ponad 6 platformami

Eksploruj
Pasek HubSpot Shopify GA +więcej
API do SQL

Zapytania do interfejsów API za pomocą SQL, bez kodu

Eksploruj
MCP Klaudiusz Kursor ChatGPT Grok +więcej
Baza danych AI MCP

Claude, Cursor, ChatGPT i Grok komunikują się z Twoimi danymi

Połącz AI

Query Streams to bezpieczna platforma integracji danych w czasie rzeczywistym, która umożliwia integrację wszystkich baz danych i interfejsów API SaaS na Twoim koncie z Claude, Cursor, ChatGPT i Grok — za pośrednictwem jednego klucza MCP bez konieczności wprowadzania zmian w zaporze sieciowej. W tym przewodniku znajdziesz szczegółowy opis podłączania łącznika Microsoft SQL Server MCP, dzięki czemu Twoje narzędzie AI będzie mogło odpowiadać na pytania w języku prostym dotyczące klientów, zamówień, produktów, pracowników i wszelkich innych danych SQL Server — połączeń, agregacji, eksploracji schematów, raportów ad-hoc — bez konieczności kopiowania i wklejania eksportowanych plików CSV z SQL Server Management Studio, Azure Data Studio lub DBeaver. Więcej informacji można znaleźć na stronie QueryStreams.com. oraz zarejestruj się za darmo aby zacząć zadawać narzędziu AI prawdziwe pytania dotyczące programu SQL Server.

Co oferuje Query Streams MCP dla SQL Server

Inne serwery „SQL Server MCP” w środowisku open source łączą narzędzie AI bezpośrednio z ciągiem połączenia Microsoft SQL Server. To działa, ale powoduje wklejenie loginu SQL Server lub hasła do konta usługi do konfiguracji klienta AI, ograniczenie zakresu narzędzia AI tylko do jednego punktu końcowego SQL Server i brak śladu audytu dotyczącego faktycznego zapytania AI. Serwer Query Streams MCP dla Microsoft SQL Server rozwiązuje szerszy problem: jeden klucz, każdy łącznik, pełny ślad audytu, a narzędzie AI nigdy nie przechowuje danych uwierzytelniających SQL Server.

Zero luk w zaporze sieciowej

Agent sieciowy otwiera pojedyncze szyfrowane łącze wychodzące do strumieni zapytań w chmurze. Twój klient AI łączy się z chmurą, a nie z hostem SQL Server. Nie ma portu do otwarcia, adresu IP do dodania do listy dozwolonych, VPN ani nasłuchiwacza TCP 1433 wystawionego na publiczny internet.

Jeden klucz, każde złącze

Ten sam klucz MCP dociera do każdej bazy danych i interfejsu API SaaS, z którymi Twoje konto jest połączone. Dodaj łącznik Stripe lub PostgreSQL już jutro, a narzędzie AI zobaczy go obok tabel SQL Server bez konieczności ponownego wprowadzania klucza.

Wbudowana inteligencja schematów

Sztuczna inteligencja widzi opracowane przez nią opisy, typy semantyczne, listy wartości wyliczeniowych i odkryte klucze obce dla każdej kolumny programu SQL Server — nie tylko puste sys.columns / INFORMACJE_SCHEMAT Wynik. Zapisuje poprawny kod T-SQL za pierwszym razem, nawet w starszych schematach korporacyjnych z tajemniczymi nazwami kolumn.

Tylko do odczytu wymuszone przez agenta

Nawet mający halucynacje LLM nie może wydać USUWAĆ, AKTUALIZACJA, ŚCIĘTY, lub EXEC sp_ Procedury składowane za pośrednictwem Query Streams MCP. Agent sieciowy odrzuca wszystko, co nie jest SELECT, Z, lub WYJAŚNIĆ zanim SQL Server w ogóle zobaczy T-SQL.

Limity stawek za klucz

Domyślnie 60 żądań na minutę i 10 wywołań wykonania na minutę, konfigurowalne dla każdego klucza. Niekontrolowana pętla wywołań narzędzia AI trafia do kontenera tokenów, a nie do puli połączeń SQL Server, bazy danych tempdb ani rachunku za jednostkę DTU usługi Azure SQL.

Jak to działa bez otwierania portów zapory sieciowej

Agent sieciowy Query Streams instaluje się raz na komputerze, który może połączyć się z instancją programu SQL Server, i wybiera jedno łącze TLS wychodzące do chmury za pomocą standardowego protokołu przewodowego Tabular Data Stream (TDS). Żadne dane przychodzące nie są nigdy ujawniane, a narzędzie AI nigdy nie widzi ciągu połączenia programu SQL Server. jak działa połączenie tylko wychodzące →

Klient AI

Kursor, Claude,
ChatGPT, Grok

Serwer QS MCP

HTTP z możliwością przesyłania strumieniowego
Autoryzacja kluczem X-MCP

Agent sieciowy

W Twojej sieci
Połączenie z chmurą

Microsoft SQL Server

Ciąg połączenia
posiadane przez agenta

Nie jest wymagany żaden port przychodzący — to agent wybiera numer wychodzący, a nie odwrotnie

Klucz MCP, który podajesz Cursorowi lub Claude'owi, ma zakres (Czytać / analizować / wykonać), odwoływalne w dowolnym momencie i ograniczone szybkością dla każdego klucza. Narzędzie AI korzysta z następujących narzędzi MCP do wykonania swojej pracy:

querystreams-mcp · katalog narzędzi
qs_list_organizationsCzytać
Zwraca organizację powiązaną z wywołującym klawiszem.
lista_agentów_qsCzytać
Wyświetla listę agentów sieciowych i stan online.
qs_list_connectorsCzytać
Wyświetla listę łączników danych (jeden wpis na serwer bazy danych lub interfejs API).
qs_get_connector_schemaCzytać
Zwraca bazy danych, schematy, tabele i kolumny programu SQL Server, do których sztuczna inteligencja może wysyłać zapytania, z możliwością wzbogacenia o funkcję Schema Intelligence, jeśli jest dostępna.
tabela_profili_qsanalizować
Wartości próbek, rozkłady, wykrywanie wyliczeń, typy semantyczne — na żądanie.
lista_zapisanych_zapytańCzytać
Wstępnie skonfigurowane, sparametryzowane szablony SQL, którym zespół ufa. Sztuczna inteligencja uruchamia je, nie widząc kodu SQL.
qs_run_saved_querywykonać
Wykonuje zapisane zapytanie przez klucz_wzorca z opcjonalnymi nadpisaniami parametrów.
qs_run_querywykonać
Wykonuje instrukcję SELECT na łączniku. Walidator tylko do odczytu uruchamia się na agencie, zanim SQL Server zobaczy kod T-SQL.

Dlaczego Schema Intelligence wyróżnia Query Streams MCP

Większość serwerów „MCP dla SQL Server” w środowisku open-source zapewnia takie samo narzędzie AI INFORMACJE_SCHEMAT SQL Server przekazuje nieznajomemu. Nazwy kolumn. Typy danych. Może klucz podstawowy. LLM musi zgadnąć, co Status zamówienia = 3 znaczy co cust_eml sklepy, czy też SzczegółyZamówienia.IdentyfikatorZamówienia faktycznie dołącza do Zamówienia.ID zamówienia (nigdy nie zadeklarowano klucza obcego w żaden sposób — częste w starszych schematach korporacyjnych, które istniały przed wprowadzeniem egzekwowania klucza obcego, lub w bazach danych przeniesionych z kolumn sysname). Dlatego pierwszy kod T-SQL pisany przez większość programów LLM w oparciu o schemat podstawowy jest błędny — nie dlatego, że program LLM jest zły, ale dlatego, że nie zawiera danych niezbędnych do poprawnego działania.

Query Streams MCP zwraca ten sam schemat wzbogacony o to, co nazywamy Inteligencja schematów (SI) — Metadane opracowane przez sztuczną inteligencję, generowane poprzez uruchamianie zapytań profilujących rzeczywisty Dane SQL Server, zanim klient AI w ogóle o to poprosi. Po włączeniu SI w łączniku i bazie danych, każde narzędzie schematu wywoływane przez AI (qs_get_connector_schema, qs_get_table_schema, tabela_profili_qs, qs_get_relationships) zwraca podstawowy schemat plus sześć warstw uporządkowanej wiedzy. LLM przestaje zgadywać.

Aby to uściślić, oto co klient AI otrzymuje z jednego qs_get_table_schema wywołanie dla typowej korporacyjnej bazy danych OLTP SQL Server (Klienci, Święcenia, Szczegóły zamówienia, Produkty, Kategorie, Pracownicy — kanoniczny schemat w stylu AdventureWorks) — najpierw bez Schema Intelligence, potem z nią.

Bez inteligencji schematu źródło_danych: przechwycony_schemat
// co widzi LLM == TABELA: dbo.Customers == – ID klienta INT [PK, NOT NULL] – Nazwa klienta NVARCHAR(200) NIE NULL – Adres e-mail klienta NVARCHAR(255) – Utworzono w DATETIME2 NOT NULL == TABELA: dbo.Orders == – ID zamówienia INT [PK, NOT NULL] – ID klienta INT NOT NULL – Data zamówienia DATETIME2 NOT NULL – Całkowita kwota DECIMAL(19,4) NIE NULL – Status zamówienia NVARCHAR(20) NIE NULL – Data wysyłki DATACZAS2 == TABELA: dbo.OrderDetails == – IDSzczegółówZamówienia INT [PK] – ID zamówienia INT NOT NULL – ID produktu INT NOT NULL - Ilość INT NOT NULL – Cena jednostkowa PIENIĄDZE NIE SĄ NULL == TABELA: dbo.Products == – ID produktu INT [PK] – NazwaProduktu NVARCHAR(200) – ID kategorii INT – Cena jednostkowa PIENIĄDZE == TABELA: dbo.Categories == – IDKategorii INT [PK] – NazwaKategorii NVARCHAR(100) == TABELA: dbo.Pracownicy == – Identyfikator pracownika INT [PK] – Imię i nazwisko NVARCHAR(200) – Data zatrudnienia DATA Klucze obce: (nie zadeklarowano) si_recommendation: państwo: „nie_uruchomiony” czego_ci_brakuje_w_tym_wywołaniu: – klucze obce odkryte przez sztuczną inteligencję – wartości próbek dla poszczególnych kolumn + wykrywanie wyliczeń – opisy tabel i kolumn – klasyfikacje typów semantycznych – tagowanie domeny biznesowej uwaga: „tylko typy, bez kontekstu semantycznego”
Z inteligencją schematów źródło_danych: inteligencja_schematu
// co widzi LLM == TABELA: dbo.Orders [FAKT, domena:sprzedaż] == „Wiersze w nagłówkach zamówień klientów; jeden na kasę. TotalAmount to całkowita suma zamówienia w USD”. – ID zamówienia INT [PK] identyfikator – ID klienta INT identyfikator FK -> Klienci.ID klienta (100% nakładania się, konf. 0,99) – Data zamówienia DATACZAS2 data_iso Próbka: 2026-04-28 14:02:11 – Całkowita kwota DZIESIĘTNY(19,4) waluta Zakres: 0,00 – 9420,00 · średnia 286,50 – Status zamówienia NVARCHAR(20) kod_statusu (wyliczenie) Wysłane (58%) | Oczekujące (24%) | Dostarczone (14%) | Anulowane (4%) – Data wysyłki DATACZAS2 date_iso (wartość null) == TABELA: dbo.OrderDetails [FAKT, domena:sprzedaż] == „Jeden wiersz na produkt na zamówienie. Przychód = SUMA(Ilość * Cena jednostkowa).” – ID zamówienia INT identyfikator FK -> Orders.OrderID (98% nakładania się, konf. 0,95) – ID produktu INT identyfikator FK -> Products.ProductID (100% nakładania się, konf. 0,99) - Ilość INT lada – Cena jednostkowa PIENIĄDZE waluta == TABELA: dbo.Customers [DIM, domena:klienci] == – Adres e-mail klienta NVARCHAR(255) e-mail Przykład: [email protected], [email protected] – Nazwa klienta NVARCHAR(200) imię_osoby == TABELA: dbo.Products [DIM, domena:produkty] == – NazwaProduktu NVARCHAR(200) treść_tekstowa – ID kategorii INT identyfikator FK -> Kategorie.ID kategorii (100% nakładania się, konf. 0,99) == TABELA: dbo.Categories [DIM, domena:produkty] == – NazwaKategorii NVARCHAR(100) treść_tekstowa Przykład: ['Napoje', 'Słodycze', 'Sprzęt', 'Narzędzia']

Sześć warstw, które dodaje Schema Intelligence

Każda warstwa odnosi się do klasy pytań, na które LLM w przeciwnym razie by odpowiedział, a profilowanie SI z opcją zgody jest przeprowadzane na danych SQL Server bez zmiany schematu lub zapisywania danych w bazie danych. co dodaje Schema Intelligence i jak pozostaje ona aktualna →

Opisy tworzone przez sztuczną inteligencję

Prosty opis każdej bazy danych, schematu, tabeli i kolumny — generowany raz, odświeżany po zmianie schematu. Punktacja wiarygodności; opisy autorstwa użytkowników zawsze wygrywają.

Zamówienia: „Nagłówki zamówień klientów;
jeden rząd na kasę.”

Klasyfikacje tabel

Każda tabela oznaczona jest tagiem FACT (wydarzenia transakcyjne), DIM (odniesienie opisowe) lub LOOKUP (małe mapy kodu), a także domeną biznesową — sprzedaż, kadry, SEO, finanse, wsparcie i 14 innych.

Zamówienia [FAKT, domena:sprzedaż]
Klienci [DIM, domena:klienci]

Typy semantyczne na kolumnę

Osiemnaście typów — waluta, adres e-mail, data_iso, kod statusu, procent, pozycja rankingowa, identyfikator, adres URL, nazwa osoby i inne. Sztuczna inteligencja generuje poprawny dialektowo kod T-SQL odpowiedni dla każdego typu.

Całkowita kwota: waluta
Adres e-mail klienta: e-mail

Przykładowe wartości z rzeczywistych danych

Losowe wiersze są przesyłane do LLM, co pozwala mu rozpoznawać wzorce, których żaden schemat nie jest w stanie pokazać — konwencje formatowania, zakodowane wartości, style skrótów i rzeczywisty kształt ciągów znaków.

Nazwa kategorii: ['Napoje',
'Słodycze', 'Sprzęt', 'Narzędzia']

Wykrywanie wyliczeń z dystrybucjami

Kolumny o niskiej kardynalności (50 lub mniej odrębnych wartości, maksymalnie 5% wierszy unikatowych) mapowane na pełną listę wartości z liczbą wierszy. Sztuczna inteligencja nigdy nie zgaduje wielkości liter ani pisowni.

Status zamówienia: Wysłane (58%)
| Oczekujące (24%) | Dostarczone (14%)

Niejawne wykrywanie klucza obcego

Analiza nakładania się danych między tabelami wykrywa połączenia, które nie są zadeklarowane jako ograniczenia DDL. Przechowywane wraz z formalnymi kluczami obcymi z wynikami ufności, zwracane przez qs_get_relationships.

SzczegółyZamówienia.IDZamówienia -> Zamówienia.IDZamówienia
(98% nakładania się, konf. 0,95)

Ten sam monit, inny kod SQL

Dowód znajduje się w kodzie T-SQL, który narzędzie AI faktycznie zapisuje. Ta sama sesja kursora, ten sam model Claude'a, ten sam monit — „Jakich 20 klientów generuje największe przychody i jakie kategorie produktów kupują oni najczęściej?” Bez Schema Intelligence, LLM musi zgadywać składnię T-SQL. Dzięki niej, LLM wie.

Bez inteligencji schematu
— Pierwsza próba LLM przeciwko pustemu schematowi: SELECT ID klienta, SUMA(Cena jednostkowa) AS Przychód Z Szczegóły zamówienia GDZIE Data zamówienia >= TERAZ() GROUP BY Identyfikator klienta ORDER BY Przychód DESC LIMIT 20 ✕ BŁĄD: „TERAZ” nie jest rozpoznaną wbudowaną funkcją ✕ „LIMIT” nie jest prawidłową składnią języka T-SQL (użyj TOP) ✕ CustomerID nie znajduje się w OrderDetails (wymagane jest DOŁĄCZENIE do zamówień) ✕ SUMA(cena jednostkowa) ignoruje ilość — błędny przychód ✕ brak dołączania kategorii — nie można odpowiedzieć na pytanie „które kategorie” ✕ brak filtra OrderStatus — obejmuje anulowane zamówienia
Z inteligencją schematów
— Pierwsza próba LLM z włączoną funkcją SI: SELECT SZCZYT 20 c.Identyfikator klienta, c.Nazwa klienta, kat.Nazwa kategorii, SUMA(od.Ilość * od.Cena jednostkowa) AS Przychód Z dbo.Klienci c POŁĄCZENIE WEWNĘTRZNE dbo.Zamówienia o ON o.CustomerID = c.CustomerID POŁĄCZENIE WEWNĘTRZNE dbo.OrderDetails od ON od.OrderID = o.OrderID POŁĄCZENIE WEWNĘTRZNE dbo.Products p ON p.ProductID = od.ProductID POŁĄCZENIE WEWNĘTRZNE dbo.Kategorie kot ON cat.CategoryID = p.CategoryID GDZIE o.Data zamówienia >= DATADODAJ(DZIEŃ, –365, POBIERZ DATĘ()) ORAZ o. Status zamówienia W ('Wysłany', 'Dostarczony') GROUP BY c.Identyfikator klienta, c.Nazwa klienta, kat.Nazwa kategorii ORDER BY Przychód DESC; ✓ 20 rzędów. Poprawne za pierwszym razem. ✓ Tagi FACT/DIM kierowały strukturą połączeń ✓ Odkrycie FK ujawniło połączenia OrderID + ProductID ✓ Wyliczenie OrderStatus wyklucza anulowane zamówienia ✓ T-SQL TOP 20 + DATEADD/GETDATE użyte poprawnie
Nie chcesz uruchamiać Schema Intelligence? MCP nadal działa — narzędzia schematów zwracają gołe metadane (typy, klucze podstawowe, formalne klucze obce, indeksy), a każda zdegradowana odpowiedź niesie ze sobą si_recommendation blok informujący sztuczną inteligencję o tym, czego jej brakuje, w tym opcja jednorazowego połączenia umożliwiająca SI w trakcie rozmowy za pośrednictwem qs_request_si_analysis. jak działa Schema Intelligence i ile czasu to zajmuje →

Połącz Azure SQL lub AWS RDS dla SQL Server z Claude

Microsoft SQL Server działa obecnie w trzech popularnych konfiguracjach hostowanych w chmurze — Azure SQL (baza danych/instancja zarządzana), AWS RDS dla SQL Server oraz samodzielnie zarządzany SQL Server na EC2/Amazon FSx dla systemu Windows. Agent sieciowy Query Streams działa identycznie we wszystkich trzech, ponieważ wybiera na zewnątrz przez pojedyncze łącze TLS w chmurze — nie musisz otwierać przychodzącego protokołu TCP 1433 dla publicznego internetu, udostępniać punktu końcowego SQL Server za pośrednictwem reguł NSG/grupy zabezpieczeń ani konfigurować sieci VPN. Wybierz poniżej swój typ hostingu.

Baza danych Azure SQL / wystąpienie zarządzane

*.database.windows.net

Zainstaluj agenta sieciowego na maszynie wirtualnej platformy Azure ta sama sieć wirtualna jako punkt końcowy usługi Azure SQL i dostęp do bazy danych za pośrednictwem prywatnego punktu końcowego lub punktu końcowego usługi — host bazy danych nigdy nie musi udostępniać publicznego odbiornika. Uwierzytelnianie za pomocą Uwierzytelnianie SQL (login + hasło) lub Identyfikator Microsoft Entra (dawniej Azure Active Directory), z zarządzaną tożsamością zdecydowanie preferowaną w środowisku produkcyjnym. Minimalny poziom, który zweryfikowaliśmy, to vCore ogólnego przeznaczenia Gen5 2vCPU kształt; sam agent wygodnie działa na Standard_B2s Maszyna wirtualna Azure. Parametr połączenia wymaga Szyfrowanie=Prawda; CertyfikatTrustServer=Fałsz; — agent wymusza to domyślnie dla każdego *.database.windows.net nazwa hosta.

  • Obsługiwane są pojedyncza baza danych, elastyczna pula i hiperskala
  • Instancja zarządzana traktowana jako pełny serwer SQL Server (szeroka powierzchnia T-SQL)
  • Replikowane geograficznie repliki odczytu dostępne jako oddzielne łączniki

AWS RDS dla serwera SQL

*.rds.amazonaws.com

Zainstaluj agenta sieciowego na instancji EC2 w ta sama sieć VPC jako punkt końcowy RDS dla SQL Server — lub w połączonej sieci VPC z regułami grupy zabezpieczeń już otwartymi dla hosta agenta. Uwierzytelnij się za pomocą Uwierzytelnianie SQL (użytkownik główny + hasło) lub Uwierzytelnianie systemu Windows poprzez serwer Windows Server EC2 połączony z usługą AD z usługą AWS Managed Microsoft AD. Minimalna specyfikacja to db.t3.medium, z db.r5.large zalecane dla obciążeń produkcyjnych, w których LLM może uruchamiać agregacje na tabelach faktów składających się z wielu milionów wierszy. Wdrożenia Multi-AZ są w pełni obsługiwane — agent łączy się z punktem końcowym klastra, a RDS obsługuje przełączanie awaryjne.

  • Obsługiwane są edycje Standard, Web, Enterprise i Developer
  • Zarówno cena z licencją, jak i BYOL działają
  • Odczyt replik rejestrowanych jako własne łączniki

Amazon FSx dla SQL Server / SQL Server na EC2 (samodzielnie zarządzany)

EC2 Windows / FSx dla serwera plików Windows

Zarządzaj samodzielnie serwerem SQL Server na EC2 (lub serwerem SQL Server przy użyciu Amazon FSx dla serwera plików Windows współdzielonej pamięci masowej w celu zapewnienia wysokiej dostępności w stylu klastra) w taki sam sposób, w jaki traktujesz lokalną instancję programu SQL Server — zainstaluj agenta sieciowego na równorzędna instancja EC2 w tej samej sieci VPCUwierzytelnij się za pomocą uwierzytelniania SQL lub Kerberos za pośrednictwem istniejącej usługi Active Directory i pozwól agentowi połączyć się z serwerem SQL Server za pośrednictwem standardowego protokołu TDS w prywatnej podsieci. Łącze w chmurze między agentem a strumieniami zapytań jest identyczne — wychodzący protokół TLS na porcie 443 — niezależnie od tego, czy baza danych znajduje się na platformie Azure, w AWS, czy w Twoim własnym centrum danych.

  • Obsługiwane są grupy dostępności Always On (wskazujący na odbiornik)
  • Instancje klastra trybu failover na FSx dla systemu Windows Server
  • W przypadku zakupu własnej licencji zachowana jest istniejąca gwarancja oprogramowania
Jeden wzór, trzy chmury. Zgodnie z zaleceniami firmy Microsoft, w miarę możliwości należy używać uwierzytelniania Microsoft Entra ID/IAM-DB w środowisku produkcyjnym — unikaj długotrwałych logowań SQL. Łącze chmurowe agenta do strumieni zapytań (tylko wychodzące) działa identycznie w Azure SQL, AWS RDS i samodzielnie zarządzanym serwerze SQL Server: brak zmian w zaporze przychodzącej w żadnej chmurze, brak nasłuchiwania SQL Server w publicznym internecie, brak konieczności utrzymywania statycznych list dozwolonych adresów IP. Zarejestruj każdy punkt końcowy SQL Server — Azure SQL Database, RDS for SQL Server, samodzielnie zarządzany EC2 — jako osobny łącznik na tym samym kluczu MCP, a LLM wybierze właściwy na podstawie pytania.
Nova AI

MCP nie jest dla Ciebie? Wypróbuj Nova AI.

Całkowicie pomiń konfigurację JSON: Nova AI jest wbudowana w portal internetowy Query Streams i zadaje te same pytania w języku prostym w odniesieniu do tego samego łącznika SQL Server — tego samego agenta, tego samego wymuszania trybu tylko do odczytu, tej samej inteligencji schematu obsługującej T-SQL, bez instalacji MCP.

Poznaj Nova AI

Wymagania wstępne

Zanim zaczniesz, upewnij się, że masz:

  1. Bezpłatne konto Query Streams na stronie my.querystreams.com.
  2. Agent sieciowy strumieni zapytań zainstalowany na komputerze, który może połączyć się z wystąpieniem serwera SQL — zobacz Pobierz agenta strumieni zapytań.
  3. Łącznik Microsoft SQL Server skonfigurowany dla agenta — zobacz istniejący konfiguracja złącza przewodniki dotyczące ciągu połączenia. Agent przechowuje hasło logowania do SQL Server (lub dane uwierzytelniające Windows/Azure AD); narzędzie AI nigdy ich nie modyfikuje.
  4. Dowolny klient AI obsługujący MCP. W tym przewodniku omówimy Cursor, Claude Desktop, ChatGPT i Grok; jeśli używasz Windsurf, Zed, Continue, Cline, VS Code Copilot, Codex lub Goose, blok konfiguracyjny jest zasadniczo taki sam.
  5. Pięć minut.
Agenta konfiguruje się tylko raz. Ten sam agent, który obsługuje dodatki Query Streams do Excela i Arkuszy Google, kreator zapytań internetowych i Nova AI, obsługuje również MCP. Dodanie MCP do istniejącego konta Query Streams polega jedynie na wygenerowaniu klucza — agent i łącznik SQL Server są już uruchomione.
1

Wygeneruj klucz MCP

Z /mcp strona w Query Streams, utwórz klucz z zakresami, których potrzebujesz.

2

Wrzuć to do swojego klienta AI

Jeden fragment kodu JSON dla Cursor, Claude, ChatGPT lub Grok. Ten sam klucz wszędzie.

3

Zadaj pytanie

„Jakich 10 klientów było najbardziej wartościowych pod względem cyklu życia klienta?” — sztuczna inteligencja dzwoni do odpowiednich narzędzi, a Ty otrzymujesz odpowiedź.

Krok 1: Wygeneruj klucz MCP w strumieniach zapytań

Zaloguj się do Query Streams i otwórz Strona MCP (lub zaloguj się najpierw na my.querystreams.com i kliknij MCP (w nawigacji po lewej stronie). Kliknij Wygeneruj klucz, nadaj kluczowi rozpoznawalną nazwę (coś w stylu kursor-laptop lub claude-desktop) i wybierz zakresy, jakie ma mieć ten klucz:

  • Czytać — sztuczna inteligencja może przeglądać złącza i odczytywać schematy. Wymagane do wszystkich innych zadań.
  • analizować — sztuczna inteligencja może profilować tabele i odkrywać relacje (wartości próbek, rozkłady, typy semantyczne). Opcjonalne, ale zdecydowanie zalecane w przypadku pracy z SQL Server, gdzie zrozumienie kształtu danych ma znaczenie, gdy LLM generuje sprzężenia między schematami przedsiębiorstwa z identyfikatorami w nawiasach i niespójnym nazewnictwem.
  • wykonać — sztuczna inteligencja może faktycznie uruchamiać SQL. Bez tego, sztuczna inteligencja jest w stanie odczytywać jedynie metadane schematu.

W przypadku typowego przepływu pracy „pozwól Claude'owi przeanalizować moje dane SQL Server” wszystkie trzy zakresy są odpowiednie. W przypadku klucza, który przekazujesz członkowi zespołu lub klientowi o mniejszym zaufaniu, pomiń wykonać i pozwól im tylko przeglądać. Możesz w każdej chwili odwołać dowolny klucz z tej samej strony; klient AI zobaczy MCP_KEY_REVOKED przy następnym wywołaniu i natychmiast przestaje działać. Nie ma opóźnienia propagacji.

Skopiuj klucz teraz — Query Streams wyświetla go raz, a następnie przechowuje tylko skrót. Jeśli go zgubisz, wygeneruj nowy. Klucz wygląda tak: qsmcp_ po którym następuje 48 losowych znaków i to jest to, co wysyła Twój klient AI Klucz X-MCP nagłówek żądania.

Krok 2: Dodaj MCP Query Streams do swojego klienta AI

Konfiguracja ma taki sam kształt dla każdego klienta obsługującego MCP — wpis serwera MCP wskazujący na https://mcp.querystreams.com z kluczem w środku Klucz X-MCP nagłówek. Wybierz swojego klienta poniżej.

Kursor
Kursor ~/.kursor/mcp.json 
// Edytuj ~/.cursor/mcp.json
{
  „serwery mcp”: {
    „strumienie zapytań”: {
      "adres URL": "https://mcp.querystreams.com",
      „nagłówki”: {
        „Klucz X-MCP”: "qsmcp_WKLEJ_KLUCZ_TUTAJ"
      }
    }
  }
}
Claude Desktop
Claude Desktop claude_desktop_config.json 
// Ustawienia → Deweloper → Edytuj konfigurację
{
  „serwery mcp”: {
    „strumienie zapytań”: {
      "adres URL": "https://mcp.querystreams.com",
      „nagłówki”: {
        „Klucz X-MCP”: "qsmcp_WKLEJ_KLUCZ_TUTAJ"
      }
    }
  }
}
ChatGPT
ChatGPT Aplikacje i łączniki 
// Ustawienia → Aplikacje i łączniki → Dodaj MCP
Adres URL serwera  https://mcp.querystreams.com
Nagłówek autoryzacji Klucz X-MCP
Wartość nagłówka qsmcp_WKLEJ_KLUCZ_TUTAJ

// Wymaga płatnego planu ChatGPT
// (Plus / Pro / Team / Enterprise).
Grok
Grok Narzędzia MCP Remote 
// Grok → Ustawienia → Narzędzia
{
  „serwery_mcp”: [{
    "nazwa": „strumienie zapytań”,
    "adres URL": "https://mcp.querystreams.com",
    „nagłówek_auth”: „Klucz X-MCP”,
    „wartość_autoryzacji”: "qsmcp_..."
  }]
}

Uruchom ponownie klienta AI. Przy kolejnym uruchomieniu wykryje on osiem narzędzi MCP Query Streams wymienionych powyżej i wyświetli je w palecie narzędzi. W programach Cursor i Claude Desktop możesz to sprawdzić, wpisując: „lista łączników” — sztuczna inteligencja powinna zadzwonić qs_list_connectors i zwróć łącznik SQL Server wraz ze wszystkim, co skonfigurowałeś.

Krok 3: Zadaj sztucznej inteligencji pytanie dotyczące serwera SQL

Nie piszesz w T-SQL – robi to sztuczna inteligencja. Zadajesz pytanie, sztuczna inteligencja wybiera odpowiednie narzędzie MCP, agent uruchamia zapytanie do bazy danych SQL Server, a odpowiedź powraca w postaci tekstu i tabel. Trzy przykładowe polecenia do wypróbowania na początek:

„Jakie są nasze kwartalne trendy przychodów i które miesiące stanowią szczyty sezonowe?”
Przychód
Sztuczna inteligencja zadzwoni qs_get_connector_schema odkryć Święcenia, Szczegóły zamówienia, oraz Produkty stoły, a następnie qs_run_query z SELECT, który dzieli według DATEPART(KWARTAL, DataZamówienia) oraz DATEPART(MIESIĄC, DataZamówienia), agregaty SUMA(od.Ilość * od.JednostkowaCena) kwartałami i wyświetla szczyty sezonowe za pomocą funkcji okiennych, takich jak AVG(...) OVER (PODZIAŁ WG DATACZĘŚCI(MIESIĄC,DataZamówienia))Zobaczysz wbudowany wykres miesięczny z rankingiem oraz pisemną interpretację — wzrost kwartał do kwartału, które miesiące konsekwentnie przewyższają inne, a także wszelkie anomalie wywnioskowane przez sztuczną inteligencję z danych SQL Server.
„Które produkty mają stan magazynowy poniżej punktu ponownego zamówienia?”
Inwentaryzacja
Sztuczna inteligencja wykorzystuje opisy kolumn Schema Intelligence do rozpoznawania Produkty.Jednostki w magazynie oraz Produkty.Poziom ponownego zamówienia kolumny, łączy się z Kategorie dla nazw kategorii czytelnych dla człowieka i zapisuje filtr T-SQL, taki jak GDZIE p.JednostkiWMagazynie < ISNULL(p.PoziomReorderu, 10)Rezultatem jest skoncentrowana lista zawierająca nazwę produktu, kategorię, liczbę sztuk w magazynie, poziom ponownego zamówienia i liczbę sztuk na zamówienie – uporządkowana według ryzyka wyczerpania zapasów. Sztuczna inteligencja zazwyczaj oznacza wiersze z krytycznymi niedoborami na czerwono i wskazuje, w których kategoriach występują największe niedobory.
„Pokaż mi zamówienia, które nie zostały wysłane przez ponad 5 dni, uporządkowane według priorytetu”.
Operacje
Sztuczna inteligencja wykorzystuje wykrywanie wyliczeń Schema Intelligence Zamówienia.Status zamówienia filtrować do 'Aż do' zamówienia z wartością NULL Data wysyłki i Data zamówienia starszy niż DATADODAJ(DZIEŃ, -5, POBIERZDATĘ()). Rezultatem jest lista skupiona z OrderID, Nazwa klienta, Całkowita kwotai dni od złożenia zamówienia — zwykle sztuczna inteligencja sortuje według całkowitej liczby zamówień malejąco, tak aby zaległości o najwyższej wartości znalazły się na górze, a najbardziej niepokojące wiersze zostały oznaczone jako eskalacja zespołu realizacyjnegoMożesz drążyć temat, pytając „dlaczego rozkaz 4821 jest nadal w toku?” a sztuczna inteligencja wyciągnie odpowiednie wiersze.

Gdy sztuczna inteligencja po raz pierwszy wywoła narzędzie, Twój klient może wyświetlić monit o potwierdzenie z prośbą o zatwierdzenie wywołania narzędzia — to standardowy proces uzyskiwania zgody w MCP, a nie coś, co dodaje Query Streams. Zatwierdź raz, a sztuczna inteligencja swobodnie kontynuuje rozmowę. Możesz w dowolnym momencie powrócić do zgody w ustawieniach klienta.

Uczciwa informacja o rozliczeniach: opłaty za korzystanie z MCP są naliczane za nieskompresowane bajty

Transport HTTP z możliwością przesyłania strumieniowego MCP nie może niezawodnie kompresować danych od początku do końca, dlatego wystawia rachunki nieskompresowane bajty raczej niż skompresowane bajty Klienci korzystający z Excela / Arkuszy / Nova / Query Builder: agregat SQL Server o rozmiarze 4 MB kosztuje około 4 MB przez MCP w porównaniu z około 600–900 KB na klientach skompresowanych, ponieważ dane SQL Server z powtarzającymi się wartościami wyliczeniowymi NVARCHAR, kodami statusu i nazwami kategorii kompresują się około 5–7 razy przez LZ4. W przypadku bardzo dużych, cyklicznych eksportów preferowana jest ścieżka Excela / Arkuszy / Nova; w przypadku interaktywnych wywołań narzędzi obejmujących 100–5000 wierszy właściwym wyborem jest MCP, a różnica w kosztach jest mierzona w centach. jak działa rozliczenie w obszarze danych w różnych transportach →

Często zadawane pytania

Czy muszę otworzyć porty lub uruchomić sieć VPN, aby z tego korzystać? +
Brak reguły zapory przychodzącej, przekierowania portów, NAT Punchthrough lub VPN — agent sieciowy tworzy jedno połączenie wychodzące TLS (port 443) do agent.querystreams.com a Twój klient AI dotrze https://mcp.querystreams.com z publicznego Internetu, więc jeśli wychodzący protokół HTTPS działa na hoście agenta, MCP działa. Zobacz jak działa połączenie tylko wychodzące →
Jakich narzędzi AI mogę używać z Query Streams MCP? +
Każdy klient obsługujący otwarty protokół Model Context Protocol — Claude Desktop, Claude Code, Cursor, ChatGPT (płatny), Grok, Gemini CLI, Windsurf, Zed i ponad 500 innych. Zabierz własne narzędzie AI; nie musisz się przesiadać. Pełna lista obsługiwanych klientów AI →
Czy mogę unieważnić klucz MCP? +
Tak — trzy niezależne wyłączniki bezpieczeństwa (na każdy klawisz z /mcp (strona, organizacja za pośrednictwem ustawień planu i platforma), z których żadna nie wymaga rotacji hasła bazy danych ani ponownego uruchomienia agenta. Więcej o bezpieczeństwie kluczy MCP →
W jaki sposób korzystanie z MCP jest rozliczane w oparciu o mój obszar danych? +
Wywołania MCP korzystają z tego samego budżetu danych, z którego korzystają aplikacje Excel, Arkusze Google, Web Query Builder i Nova AI — jednego budżetu zużycia dla każdej metody dostępu. Rozmiar mierzony dla MCP jest różny. Pozostali klienci korzystają z naszego skompresowanego łącza w chmurze (wystawiamy faktury skompresowane bajty); MCP działa w oparciu o protokół Streamable HTTP, który nie obsługuje kompresji end-to-end przez każdego klienta i serwer proxy, dlatego wystawiamy faktury nieskompresowane bajtyWynik SQL Server o rozmiarze 4 MB zwrócony do Excela zazwyczaj kosztuje ~600–900 KB obszaru danych; ten sam wynik o rozmiarze 4 MB zwrócony do Cursora przez MCP kosztuje ~4 MB. Dane SQL Server z powtarzającymi się wartościami NVARCHAR są kompresowane ~5–7 razy za pomocą LZ4. Jesteśmy o tym transparentni, ponieważ wolimy, abyś wiedział z góry, niż był zaskoczony pod koniec cyklu rozliczeniowego.
Czy Query Streams MCP działa z SQL Server 2016 / 2019 / 2022, SQL Server Express, SQL Server na Linuksie i kolumnami Always Encrypted? +
Tak. Agent sieciowy korzysta z oficjalnego sterownika Microsoft.Data.SqlClient. SQL Server 2016+ w systemie Windows lub Linux, Instancja zarządzana Azure SQL (co zapewnia pełną zgodność z SQL Server w ramach PaaS), AWS RDS dla serwera SQL, oraz SQL Server Express (wersja bezpłatna, z limitem rozmiaru bazy danych wynoszącym 10 GB) są obsługiwane — w tym edycje Standard, Web, Enterprise i Developer. Kolumny zawsze szyfrowane są przekazywane transparentnie — agent nie odszyfrowuje ich na poziomie agenta; klucz szyfrowania kolumn aplikacji pozostaje prywatny, a LLM widzi zaszyfrowany tekst szyfrowany dla tych kolumn (Schema Intelligence oznacza je jako takie, więc LLM wie, że nie należy filtrować wartości zaszyfrowanych). Dla programu SQL Server w systemie Linux, nie jest wymagana żadna specjalna konfiguracja; protokół przewodowy TDS jest identyczny, a ta sama ścieżka sterownika działa w obu systemach operacyjnych. W przypadku starszych instancji z lat 2014/2012Skontaktuj się z pomocą techniczną — istnieje ścieżka zapasowego sterownika. Każda zarejestrowana instancja SQL Server to osobny łącznik, więc LLM może wybrać „produkcyjny serwer OLTP SQL Server” zamiast „magazynowego serwera SQL Server” według nazwy. Serwer MCP nie widzi poświadczeń; widzi je tylko agent.
Czym to się różni od samodzielnego uruchamiania serwera MCP Microsoft SQL Server opartego na otwartym kodzie źródłowym? +
Bezpośredni serwer Microsoft SQL Server MCP (projekty społecznościowe istnieją na GitHubie) to jeden serwer MCP na źródło danych. Aby Claude mógł odczytywać dane z serwera SQL Server + Google Search Console + konta Stripe + magazynu Snowflake, potrzebne byłyby cztery serwery MCP skonfigurowane oddzielnie dla każdego klienta AI, każdy z własnymi danymi uwierzytelniającymi, każdym z własnym modelem zakresu i każdym z własną historią audytu. Serwer MCP Query Streams to jeden klucz docierający do każdego konektora sparowanego z Twoim kontem. Dostępne są również funkcje Schema Intelligence, wymuszanie trybu „tylko do odczytu” na poziomie agenta, limity częstotliwości dla poszczególnych kluczy oraz ścieżka audytu. dzienniki_zdarzeńoraz ten sam proces rozliczeń w obrębie obszaru danych, z którego już korzystasz — żadnego z nich nie oferuje bezpośredni pakiet SQL Server MCP.
Co się stanie, jeśli sztuczna inteligencja spróbuje zapisać lub usunąć dane? +
Jest odrzucany przez agenta, zanim źródło danych zobaczy T-SQL. Każdy qs_run_query połączenie jest analizowane przez zakodowany na stałe walidator tylko do odczytu, który pozwala tylko SELECT, Z, oraz WYJAŚNIĆ oświadczenia; cokolwiek innego (WSTAWIĆ, AKTUALIZACJA, USUWAĆ, ŚCIĘTY, EXEC sp_, ŁĄCZYĆ, WKŁADKA HURTOWA, itd.) zwraca NARUSZENIE TYLKO DO ODCZYTU i nigdy nie dociera do serwera SQL Server. Walidator działa w procesie agenta w Twojej sieci, a nie w chmurze, więc zainfekowana powierzchnia chmury nie mogłaby go ominąć. (Można nałożyć warstwowo logowanie tylko do odczytu po stronie serwera SQL — np. dodać podmiot zabezpieczeń do Czytnik danych db i wyraźnie zaprzeczać db_datawriter (w stosownych bazach danych — na górze, jeśli chcesz mieć wszystko pod kontrolą — walidator agenta jest niezależny od uprawnień przyznanych przez SQL Server, które skonfigurowałeś.)
Czy mogę zobaczyć, o co właściwie zapytała sztuczna inteligencja? +
Tak. Każde wywołanie narzędzia MCP zapisuje wiersz do dzienniki_zdarzeń z organizacją, użytkownikiem, kluczem, zakresem, opóźnieniem i kodem wyniku. Administrator organizacji może odpowiedzieć na pytanie „kto korzystał z MCP w zeszłym tygodniu, który łącznik i o co pytał?” jednym zapytaniem. Należy pamiętać, że rejestrujemy nazwa i metadane narzędzia, a nie tekst SQL ani zwrócone wiersze — te przepływają przez łącze w chmurze i nigdy nie trafiają do logów w chmurze. Jeśli chcesz pełnego audytu T-SQL, włącz audyt po stronie bazy danych w silniku bazowym; w szczególności w przypadku SQL Server jest to… Audyt serwera SQL (na poziomie serwera lub bazy danych, ze specyfikacjami audytu ukierunkowanymi SELECT zdarzenia na schematach udostępnianych za pośrednictwem strumieni zapytań) lub w przypadku usługi Azure SQL odpowiednik Audyt usługi Azure SQL dane wyjściowe do obszaru roboczego Log Analytics lub konta magazynu.
Czy muszę uruchomić Schema Intelligence, aby używać Query Streams MCP? +
NIE - Schema Intelligence jest usługą opcjonalną (łącznik, baza danych) para, a MCP działa bez niego bez zarzutu. Sztuczna inteligencja otrzymuje podstawowy schemat (typy, klucze podstawowe, formalne klucze obce, indeksy) i tworzy podstawowe zapytania. Po włączeniu SI, sztuczna inteligencja otrzymuje sześć dodatkowych warstw uporządkowanych metadanych: (1) Opisy każdej bazy danych, tabeli i kolumny opracowane przez sztuczną inteligencję; (2) klasyfikacje tabel (FACT dla zdarzeń transakcyjnych, DIM dla odniesień opisowych, LOOKUP dla małych map kodu) oraz tag domeny biznesowej (sprzedaż, hr, SEO, finanse, wsparcie i 14 innych); (3) typ semantyczny w każdej kolumnie (waluta, e-mail, data_iso, kod statusu, procent, pozycja rankingowa, identyfikator, adres URL, nazwa osoby i 9 innych), który umożliwia generowanie poprawnego dialektowo kodu T-SQL; (4) przykładowe wartości z Twoich rzeczywistych danych, aby LLM rozpoznał wzorce, których żaden schemat nie jest w stanie pokazać; (5) wykrywanie wyliczeń z pełnymi rozkładami wartości dla kolumn o niskiej kardynalności; i (6) Klucze obce odkryte przez sztuczną inteligencję na podstawie nakładania się danych między tabelami, ujawnione za pomocą qs_get_relationshipsBez SI każda odpowiedź narzędzia schematu również niesie ze sobą si_recommendation blok zawierający dokładną listę brakujących elementów połączenia — sztuczna inteligencja może to odczytać i zaproponować uruchomienie SI w trakcie rozmowy za pośrednictwem qs_request_si_analysisCzas wykonania skaluje się wraz z liczbą tabel: mała baza danych poniżej 100 tabel kończy się w około 10 minut; typowa baza danych średniej wielkości (kilkaset tabel) kończy się w 15–25 minut; duża korporacyjna baza danych SQL Server z ponad 1500 tabelami może potrzebować 45–60 minut na pełne skanowanie. SI uruchamia się za pośrednictwem agenta sieciowego na Twoich danych (nigdy w chmurze), nigdy nie zapisuje do Twojej bazy danych, nigdy nie zmienia Twojego schematu i odświeża się przyrostowo po zmianie schematu — więc kolejne uruchomienia po dodaniu lub zmianie tabel są znacznie szybsze niż pierwsze. Efekt kompleksowy: z włączoną SI Twój klient AI zapisuje poprawny kod T-SQL za pierwszym razem znacznie częściej niż na dowolnym serwerze „MCP dla X”, który po prostu przekazuje LLM. INFORMACJE_SCHEMAT.
Co się stanie, jeśli później dodam inny łącznik, np. Stripe lub PostgreSQL? +
Po stronie klienta nic się nie zmienia — ten sam klucz dociera do nowego łącznika w momencie, gdy agent go sparuje (qs_list_connectors (podnosi je automatycznie). Jeden blok konfiguracyjny kupuje całe Twoje konto, obecne i przyszłe. Dlaczego jeden klucz pasuje do każdego złącza →
Czy muszę skonfigurować MCP tylko po to, aby móc czatować przy użyciu swoich danych? +
NIE - Nova AI jest wbudowana w portal Query Streams i działa z każdym łącznikiem (w tym Microsoft SQL Server) bez instalacji ani plików konfiguracyjnych MCP. Użyj Nova do komunikacji z danymi w strumieniach zapytań; użyj MCP, gdy chcesz, aby Twój własny klient AI (Claude, Cursor, ChatGPT itd.) miał dostęp do tych samych danych — tego samego agenta, tych samych łączników, tej samej Schema Intelligence. Dowiedz się więcej o Nova AI →
Czy Query Streams MCP współpracuje z moją bazą danych Azure SQL, zarządzaną instancją Azure SQL lub AWS RDS for SQL Server? +
Tak - Baza danych Azure SQL (pojedyncza baza danych, pula elastyczna, hiperskalowalność), Instancja zarządzana Azure SQL (pełna zgodność z SQL Server w PaaS), AWS RDS dla serwera SQL (wersje Standard / Web / Enterprise na instancjach EC2 zarządzanych przez RDS) i Amazon FSx dla systemu WindowsObsługiwane są wszystkie hostowane serwery SQL Server. Zainstaluj agenta sieciowego w tej samej sieci wirtualnej (Azure) lub VPC (AWS), aby zapewnić niskie opóźnienia. W przypadku Azure SQL użyj uwierzytelniania SQL (login + hasło) lub Identyfikator Microsoft Entra (dawniej Azure Active Directory) uwierzytelnianie, z preferowaną tożsamością zarządzaną w środowisku produkcyjnym. W przypadku RDS należy użyć uwierzytelniania SQL lub Uwierzytelnianie systemu Windows za pośrednictwem maszyn wirtualnych Windows Server połączonych z usługą Active Directory przy użyciu usługi AWS Managed Microsoft AD. Ważne dla usługi Azure SQL: ciąg połączenia wymaga Szyfrowanie=Prawda; CertyfikatTrustServer=Fałsz; — agent wymusza to domyślnie dla każdego *.database.windows.net Nazwa hosta. Łącze w chmurze między agentem a Query Streams jest identyczne niezależnie od tego, która chmura Microsoft lub region AWS hostuje Twój serwer SQL Server; wszystko poniżej agenta to Twoja istniejąca infrastruktura. Zgodnie z zaleceniami firmy Microsoft, w miarę możliwości używaj uwierzytelniania Microsoft Entra ID/IAM-DB w środowisku produkcyjnym — unikaj długotrwałych logowań SQL.

Zacznij

Połącz swoje narzędzie AI z danymi Microsoft SQL Server w pięć minut.

Jeden klucz MCP dociera do serwera SQL Server, każdej innej bazy danych i każdego łącznika API na Twoim koncie Query Streams — z pełnym śladem audytu, limitami przepustowości dla każdego klucza i zerowymi zmianami zapory sieciowej. Claude, Cursor, ChatGPT i Grok działają od razu.

Zarejestruj się za darmo Pobierz agenta

Powiązane przewodniki: Pobierz agenta strumieni zapytań | Konfiguracja łącznika bazy danych | Wszystkie przewodniki po serwerze MCP | Nova AI tekst-do-SQL

Kategoria: Serwer MCP

Tagi: mcp, claude, kursor, sql-server, mssql, baza danych, przedsiębiorstwo, azure-sql, aws-rds, tsql

Metaopis: Połącz Microsoft SQL Server z Claude lub Cursor za pomocą Query Streams MCP. Zgodność z T-SQL, tylko połączenia wychodzące, tylko do odczytu, konfiguracja trwająca 5 minut.

Zaktualizowano na czerwiec 16, 2026
aws-rds Azure-SQL Klaudiusz kursor baza danych przedsiębiorstwo mcp mssql serwer SQL tsql

Jakie są twoje uczucia?

  • Szczęśliwy
  • Normalny
  • Smutny

Powered by BetterDocs