BigQuery & Tavily FastAPI MCP
BigQuery 和网页搜索 API + MCP 服务器 (This translates to a general description of the components mentioned. Depending on the context, a more specific translation might be needed. For example, if you're talking about *using* these together, the translation might be different.)
osushinekotan
README
BigQuery & Tavily FastAPI MCP
一个轻量级、安全的 API & MCP,用于访问和查询 Google BigQuery 数据集和 Tavily 搜索
FastAPI
特性
- 对 BigQuery 数据集和表的只读访问
- 安全特性,包括查询验证和数据集访问控制
- 完全支持标准 BigQuery 查询,并具有成本控制
- Tavily 搜索和网页内容提取功能
- 具有全面文档的 RESTful API
设置
前提条件
- Python 3.11 或更高版本
- 启用了 BigQuery 的 Google Cloud 项目
- 具有 BigQuery 访问权限的服务帐户
- 用于搜索功能的 Tavily API 密钥
安装
- 克隆存储库
git clone https://github.com/osushinekotan/bigquery-fastapi-mcp
cd bigquery-fastapi-mcp
- 安装依赖项
uv sync
- 创建一个包含配置的
.env
文件
BQ_PROJECT_ID=your-gcp-project-id
BQ_ALLOWED_DATASETS=dataset1,dataset2,dataset3
BQ_MAX_BYTES_BILLED=1073741824 # 1GB 默认值
TAVILY_API_KEY=your-tavily-api-key
APP_HOST=127.0.0.1
APP_PORT=8000
- 设置 GCP 身份验证
# 要么设置环境变量
export GOOGLE_APPLICATION_CREDENTIALS=/path/to/your/service-account-key.json
# 要么使用 gcloud 进行身份验证
gcloud auth application-default login
运行应用程序
uv run uvicorn app.main:app --reload
或者
uv run python -m app.main
API 将在 http://localhost:8000 上可用
API 文档将在 http://localhost:8000/docs 上可用
API 端点
健康检查
GET /health/health
- 验证 API 是否正在运行
BigQuery 数据集
GET /bigquery/list_datasets
- 列出项目中的所有数据集(按允许的数据集过滤)GET /bigquery/allowed_datasets
- 获取配置的允许数据集
BigQuery 表
GET /bigquery/tables
- 列出允许数据集中的所有表GET /bigquery/tables?dataset_id=your_dataset
- 列出特定数据集中的表GET /bigquery/tables/{dataset_id}/{table_id}
- 获取有关特定表的详细信息
BigQuery 查询
POST /bigquery/query
- 执行 BigQuery 查询
示例请求体:
{
"query": "SELECT * FROM `project.dataset.table` LIMIT 10",
"dry_run": true
}
Tavily 搜索
POST /search/search
- 使用 Tavily 搜索网络
示例请求体:
{
"query": "latest developments in AI",
"max_results": 5
}
Tavily 提取
POST /search/extract
- 从 Web URL 提取内容
示例请求体:
{
"urls": ["https://example.com/article1", "https://example.com/article2"]
}
安全特性
- 只读查询验证(仅允许 SELECT 语句)
- 通过环境配置进行数据集访问控制
- 具有可配置阈值的最大可计费字节数限制
MCP 服务器
https://github.com/tadata-org/fastapi_mcp
使用 SSE 连接到 MCP 服务器
一旦你的带有 MCP 集成的 FastAPI 应用程序运行起来,你可以使用任何支持 SSE 的 MCP 客户端连接到它,例如 Cursor:
-
运行你的应用程序。
-
在 Cursor -> Settings -> MCP 中,使用你的 MCP 服务器端点的 URL (例如,
http://localhost:8000/mcp
) 作为 sse。 -
Cursor 将自动发现所有可用的工具和资源。
使用 mcp-proxy stdio 连接到 MCP 服务器
如果你的 MCP 客户端不支持 SSE,例如 Claude Desktop:
-
运行你的应用程序。
-
安装 mcp-proxy, 例如:
uv tool install mcp-proxy
。 -
在 Claude Desktop MCP 配置文件 (
claude_desktop_config.json
) 中添加:
在 Windows 上:
{
"mcpServers": {
"my-api-mcp-proxy": {
"command": "mcp-proxy",
"args": ["http://127.0.0.1:8000/mcp"]
}
}
}
在 MacOS 上:
通过在终端中运行 which mcp-proxy
找到 mcp-proxy 的路径。
{
"mcpServers": {
"my-api-mcp-proxy": {
"command": "/Full/Path/To/Your/Executable/mcp-proxy",
"args": ["http://127.0.0.1:8000/mcp"]
}
}
}
通过在终端中运行 which uvx
找到 mcp-proxy 的路径。
{
"mcpServers": {
"my-api-mcp-proxy": {
"command": "/Full/Path/To/Your/uvx",
"args": ["mcp-proxy", "http://127.0.0.1:8000/mcp"]
}
}
}
- Claude Desktop 将自动发现所有可用的工具和资源
推荐服务器
Playwright MCP Server
一个模型上下文协议服务器,它使大型语言模型能够通过结构化的可访问性快照与网页进行交互,而无需视觉模型或屏幕截图。
Magic Component Platform (MCP)
一个由人工智能驱动的工具,可以从自然语言描述生成现代化的用户界面组件,并与流行的集成开发环境(IDE)集成,从而简化用户界面开发流程。
MCP Package Docs Server
促进大型语言模型高效访问和获取 Go、Python 和 NPM 包的结构化文档,通过多语言支持和性能优化来增强软件开发。
Claude Code MCP
一个实现了 Claude Code 作为模型上下文协议(Model Context Protocol, MCP)服务器的方案,它可以通过标准化的 MCP 接口来使用 Claude 的软件工程能力(代码生成、编辑、审查和文件操作)。
@kazuph/mcp-taskmanager
用于任务管理的模型上下文协议服务器。它允许 Claude Desktop(或任何 MCP 客户端)在基于队列的系统中管理和执行任务。
mermaid-mcp-server
一个模型上下文协议 (MCP) 服务器,用于将 Mermaid 图表转换为 PNG 图像。
Jira-Context-MCP
MCP 服务器向 AI 编码助手(如 Cursor)提供 Jira 工单信息。

Linear MCP Server
一个模型上下文协议(Model Context Protocol)服务器,它与 Linear 的问题跟踪系统集成,允许大型语言模型(LLM)通过自然语言交互来创建、更新、搜索和评论 Linear 问题。

Sequential Thinking MCP Server
这个服务器通过将复杂问题分解为顺序步骤来促进结构化的问题解决,支持修订,并通过完整的 MCP 集成来实现多条解决方案路径。
Curri MCP Server
通过管理文本笔记、提供笔记创建工具以及使用结构化提示生成摘要,从而实现与 Curri API 的交互。