Overview
Überblick über Connectors in meinGPT
Connectors erweitern die Fähigkeiten Deiner KI-Assistenten, indem sie Dir ermöglichen, mit externen Systemen und Datenquellen zu interagieren.
Was sind Connectors?
Connectors sind standardisierte Schnittstellen, die es KI-Modellen ermöglichen:
- Externe Daten abzurufen – Echtzeitinformationen aus verschiedenen Quellen
- Aktionen auszuführen – Aufgaben in verbundenen Systemen durchführen
- Kontext zu erweitern – Relevante Informationen für bessere Antworten
- Workflows zu automatisieren – Komplexe Prozesse orchestrieren
Verfügbare Connectors
Datenbank-Tools
- Direkte SQL-Abfragen
- Datenanalyse und -manipulation
- Unterstützt PostgreSQL, MySQL, SQLite
- Sichere Verbindungsverwaltung
Dokumentations-Tools
- Technische Dokumentation abrufen
- API-Referenzen
- Code-Beispiele
- Versionsspezifische Informationen
Built-in Tools in Chats
Die grundlegenden Built-in Tools findest Du jetzt im Bereich Chats:
Business-Tools
- CRM-Daten abrufen
- Kontakte verwalten
- Deals und Tickets
- Marketing-Automatisierung
- Zahlungsdaten abrufen
- Transaktionshistorie
- Kundeninformationen
- Abonnement-Management
Connectors aktivieren
Im Assistenten-Editor
Öffne den Assistenten-Editor
Navigiere zum Abschnitt "Tools"
Wähle die gewünschten Connectors
Konfiguriere die erforderlichen Parameter
Speichere den Assistenten
Tool-Konfiguration
tools:
- type: mcp
name: database
config:
connection_string: ${DATABASE_URL}
allowed_operations: ["SELECT"]
- type: mcp
name: web
config:
max_pages: 5
timeout: 30Eigene MCP Server
Du kannst auch eigene MCP Server integrieren:
Voraussetzungen
- Öffentlich erreichbare URL
- MCP-Protokoll-Implementierung
- HTTPS-Verschlüsselung
- Authentifizierung (optional)
Einrichtung
Server über die Kachel „Eigenen MCP-Server hinzufügen" anlegen (Name + URL)
Anmeldedaten hinterlegen: OAuth (falls vom Server unterstützt) oder API-Key/Token als Header
Berechtigungen im Assistenten-Editor festlegen
Details inkl. Troubleshooting: Custom MCP Server Integration
Sicherheit
Berechtigungsmodell
- Tool-Level – Welche Tools darf der Assistent nutzen?
- Operation-Level – Welche Aktionen sind erlaubt?
- Data-Level – Auf welche Daten darf zugegriffen werden?
- User-Level – Wer darf welche Tools nutzen?
Best Practices
Minimale Berechtigungen – Nur notwendige Rechte vergeben
Audit-Logging – Alle Tool-Nutzungen protokollieren
Sichere Verbindungen – Immer HTTPS/TLS verwenden
Secrets Management – API-Keys sicher speichern
Rate Limiting – Missbrauch verhindern
Use Cases
Datenanalyse
Assistent mit Database + Charts Tools:
- Daten aus Datenbank abrufen
- Analyse durchführen
- Visualisierung erstellen
- Insights präsentieren
Recherche-Assistent
Assistent mit Web-Recherche + Context7 + Memory + Excel:
- Web nach Informationen durchsuchen
- Technische Dokumentation abrufen
- Wichtige Findings speichern
- Zusammenfassung erstellen
Business Intelligence
Assistent mit HubSpot + Stripe + Database:
- Kundendaten aggregieren
- Umsatzanalyse durchführen
- Trends identifizieren
- Reports generieren
Performance
Optimierung
- Caching – Häufige Anfragen zwischenspeichern
- Batching – Mehrere Operationen bündeln
- Timeouts – Angemessene Zeitlimits setzen
- Parallelisierung – Unabhängige Tools parallel nutzen
Monitoring
- Tool-Nutzungsstatistiken
- Antwortzeiten
- Fehlerquoten
- Kostenüberwachung
Troubleshooting
Häufige Probleme
Tool antwortet nicht:
- Verbindung prüfen
- Timeouts erhöhen
- Logs analysieren
Unerwartete Ergebnisse:
- Tool-Konfiguration überprüfen
- Berechtigungen validieren
- Input-Format prüfen
Performance-Probleme:
- Caching aktivieren
- Anfragen optimieren
- Parallelisierung nutzen