BigQuery MCP 服务器

一个提供对 BigQuery 访问的模型上下文协议（Model Context Protocol，MCP）服务器。此服务器使大型语言模型（LLMs）能够 inspect 数据库架构和执行查询。

组件

工具

该服务器实现了一个工具：

• execute-query：使用 BigQuery 方言执行 SQL 查询
• list-tables：列出 BigQuery 数据库中的所有表
• describe-table：描述特定表格的架构信息

配置

服务器可以通过以下参数进行配置：

• --project（必需）：GCP 项目 ID。
• --location（必需）：GCP 地理位置（例如 europe-west9）。
• --dataset（可选）：仅考虑特定的 BigQuery 数据集。可以通过重复参数指定多个数据集（例如 --dataset my_dataset_1 --dataset my_dataset_2）。如果未提供，则会考虑项目中的所有数据集。
• --key-file（可选）：BigQuery 服务帐号密钥文件的路径。如果未提供，默认使用凭据。

快速入门

安装

使用 Smithery 安装

要通过 Smithery 自动安装 BigQuery 服务器：

npx -y @smithery/cli install mcp-server-bigquery --client claude

Claude Desktop

• MacOS：~/Library/Application\ Support/Claude/claude_desktop_config.json
• Windows：%APPDATA%/Claude/claude_desktop_config.json`

开发/未发布的服务器配置

"mcpServers": {
  "bigquery": {
    "command": "uv",
    "args": [
      "--directory",
      "{{PATH_TO_REPO}}",
      "run",
      "mcp-server-bigquery",
      "--project",
      "{{GCP_PROJECT_ID}}",
      "--location",
      "{{GCP_LOCATION}}"
    ]
  }
}

已发布的服务器配置

"mcpServers": {
  "bigquery": {
    "command": "uvx",
    "args": [
      "mcp-server-bigquery",
      "--project",
      "{{GCP_PROJECT_ID}}",
      "--location",
      "{{GCP_LOCATION}}"
    ]
  }
}

替换 {{PATH_TO_REPO}}、{{GCP_PROJECT_ID}} 和 {{GCP_LOCATION}} 为适当的值。

开发

构建和发布

要准备分发包：

1. 同步依赖并更新锁定文件：

uv sync

2. 构建发行版：

uv build

这将在 dist/ 目录下创建源代码和 wheel 发行版。

3. 发布到 PyPI：

uv publish

注意：你需要通过环境变量或命令参数设置 PyPI 凭证：

• 令牌：--token 或 UV_PUBLISH_TOKEN
• 或者用户名/密码：--username/UV_PUBLISH_USERNAME 和 --password/UV_PUBLISH_PASSWORD

调试

由于 MCP 服务器通过标准输入输出运行，调试可能具有挑战性。为了获得最佳的调试体验，我们强烈推荐使用 MCP Inspector。

你可以通过以下命令启动 MCP Inspector：

npx @modelcontextprotocol/inspector uv --directory {{PATH_TO_REPO}} run mcp-server-bigquery

启动后，Inspector 会显示一个 URL，你可以在浏览器中访问该 URL 开始调试。