BigQuery MCP 服务器

一个提供对 BigQuery 访问的 Model Context Protocol 服务器。此服务器使 LLM 能够检查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：描述特定表的架构

配置

该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，默认将考虑项目中的所有表。

快速入门

安装

Claude Desktop

在 MacOS 上：~/Library/Application\ 支持/Claude/claude_desktop_config.json 在 Windows 上：%APPDATA%/Claude/claude_desktop_config.json%

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

开发

构建和发布

要准备分发包：

1. 同步依赖项并更新锁定文件：

uv sync

2. 构建包分布：

uv build

这将在 dist/ 目录中创建源和轮分布。

3. 发布到 PyPI：

uv publish

注意：你需要通过环境变量或命令标志设置 PyPI 凭据：

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

调试

由于 MCP 服务器通过 stdio 运行，调试可能会很困难。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 npm 执行以下命令启动 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。