Wyświetl kategorie

Jak wykonać zapytanie do Google Search Console za pomocą Claude lub Cursor przez MCP

22 minuty czytania

SERWER MCP KONSOLA WYSZUKIWANIA

Zapytaj Google Search Console za pomocą Claude lub Kursor poprzez MCP.

Pięciominutowa konfiguracja, która umożliwia narzędziu AI zadawanie prostych pytań na temat danych SEO — kliknięć, wyświetleń, współczynnika CTR, najczęstszych zapytań, stron o niskiej wydajności — bez ujawniania tokenów GSC OAuth dostawcy AI lub otwierania portów zapory w sieci.

Brak luk w zaporze sieciowej Jeden klucz, każde złącze Dane na żywo, bez opóźnień w pamięci podręcznej Przynieś własne narzędzie 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 Google Search Console, dzięki czemu Twoje narzędzie AI będzie mogło odpowiadać na proste pytania dotyczące kliknięć, wyświetleń, współczynnika CTR i rankingu stron bez konieczności kopiowania i wklejania eksportowanych plików CSV z internetowego interfejsu użytkownika GSC. Więcej informacji można znaleźć na stronie QueryStreams.com. oraz zarejestruj się za darmo aby zacząć zadawać narzędziu AI prawdziwe pytania dotyczące SEO.

Co oferuje Query Streams MCP dla Google Search Console

Inne serwery „Google Search Console MCP” w środowisku open source łączą narzędzie AI bezpośrednio z interfejsem API GSC. To działa, ale wprowadza token Google OAuth do konfiguracji klienta AI, ogranicza zakres narzędzia AI tylko do Search Console i nie zapewnia żadnego śladu audytu, który faktycznie wskazywałby na zapytania AI. Query Streams MCP rozwiązuje szerszy problem: jeden klucz, każdy łącznik, pełny ślad audytu, a narzędzie AI nigdy nie przechowuje danych logowania do Google.

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 Twoją siecią. Nie ma portu do otwarcia, adresu IP do dodania do listy dozwolonych ani VPN.

Jeden klucz, każde złącze

Ten sam klucz MCP dociera do każdej bazy danych i interfejsu API SaaS, z którymi Twoje konto jest połączone. Dodaj jutro łącznik Stripe lub PostgreSQL, a narzędzie AI wykryje go 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 — nie tylko puste schemat_informacyjny wyjście. Zapisuje dokładny kod SQL za pierwszym razem.

Tylko do odczytu wymuszone przez agenta

Nawet mający halucynacje LLM nie może wydać USUWAĆ lub AKTUALIZACJA poprzez Query Streams MCP. Agent sieciowy odrzuca wszystko, co nie jest SELECT, Z, lub WYJAŚNIĆ zanim dotrze do źródła danych.

Limity stawek za klucz

Domyślnie 60 żądań na minutę i 10 wywołań wykonawczych na minutę, konfigurowalne dla każdego klucza. Niekontrolowana pętla wywołań narzędzia AI trafia do kontenera tokenów, a nie do limitu GSC ani portfela.

Jak to działa bez otwierania portów zapory sieciowej

Agent sieciowy Query Streams instaluje się raz na każdym komputerze, który ma dostęp do Google Search Console, i wybiera jedno połączenie wychodzące TLS do chmury. Gdy sztuczna inteligencja zadaje pytanie, agent wywołuje interfejs API GSC, buforuje odpowiedź w lokalnym DuckDB, aby sztuczna inteligencja mogła uruchomić na niej kod SQL, a następnie przesyła wynik tym samym kanałem. Żadne dane przychodzące nie są ujawniane, a narzędzie sztucznej inteligencji nigdy nie widzi tokenu Google OAuth. 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

Google Search Console

OAuth posiadany przez
agent

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 tabele i kolumny GSC, do których sztuczna inteligencja może wykonać zapytanie, z uwzględnieniem wzbogacenia Schema Intelligence, jeśli jest to możliwe.
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 baza danych zobaczy zapytanie SQL.

Dlaczego Schema Intelligence wyróżnia Query Streams MCP

Większość serwerów „MCP dla X” w środowisku open-source przekazuje Twojemu narzędziu AI to samo schemat_informacyjny Twoja baza danych trafia w ręce nieznajomego. Nazwy kolumn. Typy danych. Może klucz podstawowy. LLM musi zgadnąć, co… identyfikator_statusu = 3 znaczy co usr_eml sklepy, czy też customer_orders.cust_id faktycznie dołącza do klienci.id (żaden klucz obcy nie został nigdy zadeklarowany w żaden sposób). Dlatego pierwszy kod SQL, który większość programów LLM zapisuje na gołym schemacie, jest błędny — nie dlatego, że program LLM jest zły, ale dlatego, że nie zawiera danych niezbędnych do jego 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, zanim klient AI w ogóle o nie 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 połączenie z łącznikiem GSC search_analytics tabela — najpierw bez Schema Intelligence, potem z nią.

Bez inteligencji schematu źródło_danych: przechwycony_schemat
// co widzi LLM == TABELA: search_analytics == Kolumny: – identyfikator int [PK, NIE NULL] – adres_url_witryny varchar(500) NIE NULL – klucze varchar(2000) - kraj znak(3) - urządzenie varchar(20) – kliknięcia int NOT NULL – wrażenia int NOT NULL – pozycja dziesiętny(8,2) - data int NOT NULL Indeksy: ix_date, ix_site_url Klucze obce: (nie zadeklarowano) si_recommendation: państwo: „nie_uruchomiony” czego_ci_brakuje_do_tego_wywołania: – klucze obce odkryte przez sztuczną inteligencję – wartości próbek dla każdej kolumny + wykrywanie wyliczeń – opisy tabel i kolumn – klasyfikacje typów semantycznych – tagowanie domeny biznesowej
Z inteligencją schematów źródło_danych: inteligencja_schematu
// co widzi LLM == TABELA: search_analytics [FAKT, domena:seo] == „Dzienne zagregowane dane dotyczące wydajności wyszukiwania GSC dla każdego zapytania, strony, kraju i kombinacji urządzeń”. ai_analyzed_at: 2026-04-30 · ~487 233 wierszy Kolumny: – identyfikator int [PK] identyfikator – adres_url_witryny varchar(500) adres URL Przykład: „sc-domain:querystreams.com” FK -> sites.url (97% nakładania się, 0,9 konf.) – klucze varchar(2000) treść_tekstowa „Zapytanie rozdzielone pionową kreską|strona|kraj|urządzenie” - kraj znak(3) lokalizacja Próbka: ['usa', 'gbr', 'can', 'aus', 'deu'] - urządzenie varchar(20) kod_statusu (wyliczenie) KOMPUTER STACJONARNY (61%) | KOMÓRKOWY (34%) | TABLET (5%) – kliknięcia int lada Zakres: 0 – 9432 – wrażenia int lada Zakres: 0 – 124 510 – pozycja dziesiętny(8,2) pozycja_rankingowa Zakres: 1,00 – 100,00 - data int data_rrrrmmdd ⚠ NIE jest to data SQL – liczba całkowita zakodowana w formacie RRRRMMDD Próbka: 20260428, 20260427, 20260426

Sześć warstw, które dodaje Schema Intelligence

Każda warstwa odnosi się do konkretnej klasy pytań, na które LLM musiałby w przeciwnym razie odpowiedzieć. SI jest opcją opcjonalną. (łącznik, baza danych) sparować i uruchomić jako jednorazowe przejście profilowania Twoich danych — nie zmienia Twojego schematu, nie zapisuje do Twojej bazy danych i odświeża się przyrostowo po zmianie schematu.

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.

search_analytics: „Dzienne zagregowane dane GSC
wydajność wyszukiwania na zapytanie/stronę.”

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.

search_analytics [FAKT, domena:seo]
witryny [DIM, domena:seo]

Typy semantyczne na kolumnę

Osiemnaście typów — waluta, adres e-mail, data_rrrrmmdd, kod_statusu, procent, pozycja_w_rankingu, identyfikator, adres URL, nazwa_osoby i inne. Sztuczna inteligencja generuje poprawne dialektowo zapytanie SQL odpowiednie dla każdego typu.

pozycja: pozycja_rankingowa
kliknięcia: licznik · data: data_rrrrmmdd

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.

kraj: ['usa', 'gbr', 'can', 'aus', 'deu']

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.

urządzenie: STACJONARNE (61%) | MOBILNE (34%)
| TABLETKA (5%)

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.

search_analytics.site_url -> sites.url
(97% nakładania się, konf. 0,9)

Ten sam monit, inny kod SQL

Dowód znajduje się w kodzie SQL, który narzędzie AI faktycznie zapisuje. Ta sama sesja Cursora, ten sam model Claude'a, ten sam monit — „Pokaż mi 10 najpopularniejszych zapytań GSC z najwyższym współczynnikiem CTR w zeszłym miesiącu, w których liczba wyświetleń przekroczyła 100”. Bez Schema Intelligence, LLM musi zgadywać. Dzięki niej, LLM wie.

Bez inteligencji schematu
— Pierwsza próba LLM przeciwko pustemu schematowi: WYBIERZ GÓRĘ 10 klawisze, kliknięcia, wrażenia, (kliknięcia * 1.0 / wrażenia) AS ctr Z search_analytics GDZIE data MIĘDZY '2026-04-01' ORAZ '2026-04-30' ORAZ wrażenia > 100 ORDER BY ctr DESC BŁĄD: „Konwersja nie powiodła się podczas konwersji daty” data jest liczbą całkowitą RRRRMMDD, a nie DATĄ SQL brak GROUP BY — wiele wierszy na zapytanie/stronę ryzyko dzielenia przez zero w wierszach bez wyświetleń
Z inteligencją schematów
— Pierwsza próba LLM z włączoną funkcją SI: WYBIERZ GÓRĘ 10 klawiatura, SUMA(kliknięcia) AS całkowita liczba kliknięć, SUMA(wrażenia) AS całkowita liczba wyświetleń, RUNDA(SUMA(kliknięcia) * 100.0 / NULLIF(SUMA(wrażenia), 0), 2) AS ctr_pct Z search_analytics GDZIE data MIĘDZY 20260401 ORAZ 20260430 ORAZ wrażenia > 100 GROUP BY klawiatura ORDER BY ctr_pct DESC 10 rzędów. Poprawne za pierwszym razem. data piły typ semantyczny = date_rrrrmmdd kliknięcia/wyświetlenia typ semantyczny = licznik NULLIF chroni przed dzieleniem przez zero
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 →
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 proste pytania w odniesieniu do danych z Google Search Console — „jakie były moje 10 najpopularniejszych zapytań w GSC w zeszłym tygodniu?„— ten sam agent, to samo wymuszanie trybu tylko do odczytu, ta sama inteligencja schematu, brak 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 Query Streams zainstalowany na komputerze z dostępem do Internetu — zobacz Pobierz agenta strumieni zapytań.
  3. Łącznik Google Search Console skonfigurowany dla agenta — zobacz istniejący Konfiguracja łącznika API Przewodniki dotyczące parowania OAuth. Agent przechowuje token Google OAuth; narzędzie AI nigdy go nie dotyka.
  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, internetowy kreator zapytań oraz Nova AI, obsługuje również MCP. Dodanie MCP do istniejącego konta Query Streams polega jedynie na wygenerowaniu klucza — agent i łączniki 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

„Które strony straciły najwięcej kliknięć w zeszłym miesiącu?” — 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 próby, rozkłady, typy semantyczne). Opcjonalne, ale zdecydowanie zalecane w przypadku prac SEO, gdzie zrozumienie kształtu zapytań ma znaczenie.
  • 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 z Search Console” 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 Google Search Console wraz ze wszystkim, co skonfigurowałeś.

Krok 3: Zadaj sztucznej inteligencji pytanie w Google Search Console

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

„Które 10 moich stron odnotowało największy spadek liczby kliknięć w zeszłym miesiącu w porównaniu z miesiącem poprzednim?”
Audyt SEO
Sztuczna inteligencja zadzwoni qs_get_connector_schema aby odkryć tabele GSC, a następnie qs_run_query z instrukcją SELECT, która agreguje kliknięcia według strony i zakresu dat, łączy się z poprzednim miesiącem, sortuje według delty i zwraca 10 najlepszych. Zobaczysz tabelę wyników w tekście oraz pisemną interpretację stron, które odnotowały spadek, i możliwych przyczyn (spadek współczynnika klikalności, spadek pozycji w rankingu, zmiana struktury zapytań), które sztuczna inteligencja wywnioskowała z danych.
„Jakie zapytania generowały kliknięcia w zeszłym tygodniu i które z nich mają współczynnik CTR niższy niż średnia dla witryny?”
Możliwość
Sztuczna inteligencja oblicza CTR dla całej witryny na podstawie danych GSC, a następnie filtruje zapytania poniżej tego wskaźnika. Zapytania o CTR poniżej średniej są zazwyczaj kandydaci do przepisania tytułu i metaopisu — już jesteś w rankingu, problemem jest klikalność. Sztuczna inteligencja zazwyczaj wskazuje 5–10 najlepszych kandydatów i wyjaśnia, dlaczego każdy z nich stanowi problem pod względem CTR (pozycja zbyt niska, aby przyciągnąć kliknięcia, tytuł nie zawiera dokładnego zapytania wyszukiwania itp.).
„Porównaj współczynnik CTR z ostatnich 28 dni według kraju dla zapytań zawierających słowo „baza danych”.”
Geo
Tabela przestawna według kraju, obejmująca kliknięcia, wyświetlenia, pozycję i współczynnik klikalności (CTR). Narzędzie AI zazwyczaj podświetla podziały geograficzne, które najbardziej odbiegają od średniej dla witryny, i proponuje kolejne zapytanie – „chcesz, żebym rozbił to na trzy główne kraje?” – jeśli chcesz się zagłębić w szczegóły. Odpowiedzi są konwersacyjne; nie musisz resetować kontekstu.

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

Dodatek do programu Excel firmy Query Streams, dodatek do Arkuszy Google, kreator zapytań internetowych i Nova AI działają w oparciu o nasze skompresowane łącze w chmurze — mierzymy i rozliczamy skompresowane bajty względem Twojego obszaru danych. Transport MCP (strumieniowy protokół HTTP zgodnie z oficjalną specyfikacją MCP) nie obsługuje niezawodnej kompresji end-to-end dla każdego klienta i pośredniczącego serwera proxy, dlatego mierzymy i rozliczamy nieskompresowane bajty dla ruchu MCP.

  • Co to oznacza: Zestaw wierszy wyników GSC o rozmiarze 1 MB kosztuje około 1 MB obszaru danych pobranego przez MCP, w porównaniu z około 150–250 KB przez Excela/Arkusze/Nova/Kreatora zapytań. Te same dane, inny transport, inny rozmiar do rozliczenia.
  • Czym to nie jest: narzut lub kara za korzystanie z protokołu MCP. Przekazujemy faktycznie wysłane bajty. Inni klienci są tańsi, ponieważ kompresja działa niezawodnie w tych transportach; nie karzemy za wybór protokołu, ale musimy być transparentni co do kształtu kosztów.
  • Co możesz zrobić: W przypadku bardzo dużych, powtarzających się zapytań (np. eksportu ponad 100 tys. wierszy) preferowana jest ścieżka Excel/Arkusze/Nova. W przypadku interaktywnych wywołań narzędzi AI (typowa odpowiedź obejmująca 100–5000 wierszy, pasująca do kontekstu LLM), właściwym wyborem jest MCP, a różnica w kosztach jest mierzona w centach.

Często zadawane pytania

Czy muszę otworzyć porty lub uruchomić sieć VPN, aby z tego korzystać? +
Brak reguł przychodzących, przekierowania portów, NAT Punchthrough ani VPN. Agent sieciowy nawiązuje jedno połączenie wychodzące TLS (port 443), a Twój klient AI osiąga https://mcp.querystreams.com z publicznego Internetu — jeśli wychodzący protokół HTTPS działa na hoście agenta, protokół 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? +
Wszystkie metody dostępu korzystają z jednego budżetu obszaru danych; różni się jedynie mierzony rozmiar — faktura dla skompresowanych klientów (Excel, Arkusze, Kreator zapytań, Nova AI) skompresowane bajtypodczas gdy MCP przez Streamable HTTP wystawia rachunki nieskompresowane bajty (wynik 1 MB to ~150–250 KB w przypadku klientów skompresowanych w porównaniu do ~1 MB w przypadku protokołu MCP). Jak mierzone jest użycie MCP →
Czy Query Streams MCP współpracuje z moim kontem Google Workspace? +
Tak. Konektor Google Search Console uwierzytelnia się tymi samymi danymi logowania Google, które posiada już każdy użytkownik GSC — standardowym uprawnieniem OAuth używanym przez Google do dostępu do interfejsu API Search Console. Token OAuth znajduje się na hoście agenta sieciowego (szyfrowany w stanie spoczynku), odświeża się automatycznie i nigdy nie jest wysyłany do dostawcy sztucznej inteligencji. Jeśli skonfigurowano już Search Console dla dowolnego innego przepływu pracy strumieni zapytań (raporty Excel, synchronizacja Arkuszy, zaplanowane zapytania), konektor jest już sparowany, a MCP po prostu działa.
Czym to się różni od samodzielnego uruchamiania serwera GSC MCP z otwartym kodem źródłowym? +
Bezpośredni serwer MCP GSC (projekty społecznościowe istnieją na GitHubie) to jeden serwer MCP na źródło danych. Aby Claude mógł odczytywać dane z GSC + PostgreSQL + 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 każdego klucza oraz ścieżka audytu. dzienniki_zdarzeńoraz ten sam proces rozliczeń w oparciu o dane, z którego już korzystasz — a żadnego z nich nie oferuje bezpośredni MCP.
Co się stanie, jeśli sztuczna inteligencja spróbuje zapisać lub usunąć dane? +
Jest odrzucany przez agenta, zanim źródło danych zobaczy kod 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 zwraca NARUSZENIE TYLKO DO ODCZYTU i nigdy nie dociera do Google Search Console. Walidator działa w procesie agenta w Twojej sieci, a nie w chmurze, więc zainfekowana platforma chmurowa nie mogłaby go ominąć. (Samo API Search Console również jest tylko do odczytu, ale ta sama ochrona dotyczy każdego innego łącznika, który możesz dodać — PostgreSQL, MySQL itp.).
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. Aby uzyskać pełny audyt SQL, włącz audyt po stronie bazy danych w silniku bazowym; w przypadku GSC jest to wpis w logu audytu Google Workspace.
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_rrrrmmdd, kod statusu, procent, pozycja rankingowa, identyfikator, adres URL, nazwa osoby i 9 innych), który umożliwia generowanie poprawnego dialektowo kodu 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 baza danych przedsiębiorstwa z ponad 1500 tabelami może zająć 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 — dzięki czemu kolejne uruchomienia po dodaniu lub zmianie tabel są znacznie szybsze niż pierwsze. Efekt kompleksowy: z włączoną SI Twój klient AI zapisuje poprawny kod SQL za pierwszym razem znacznie częściej niż na dowolnym serwerze „MCP dla X”, który po prostu przekazuje LLM. schemat_informacyjny.
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 Google Search Console) 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 itp.) miał dostęp do tych samych danych — tego samego agenta, tych samych łączników, tej samej Schema Intelligence. Dowiedz się więcej o Nova AI →

Zacznij

Połącz swoje narzędzie AI z danymi SEO w pięć minut.

Jeden klucz MCP dociera do Google Search Console, każdej bazy danych i każdego innego łącznika API na Twoim koncie Query Streams — z pełnym śladem audytu, limitami przepustowości dla każdego klucza i zerową zmianą zapory sieciowej. Claude, Cursor, ChatGPT i Grok działają od razu.

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

Kategoria: Serwer MCP

Tagi: mcp, claude, kursor, chatgpt, grok, google-search-console, gsc, seo, ai

Metaopis: Połącz Claude lub Cursor z Google Search Console przez MCP. Zapytaj o dane SEO za pomocą sztucznej inteligencji w prostym języku angielskim. Za darmo.

Zaktualizowano na czerwiec 16, 2026

Powered by BetterDocs