bigquery-mcp
一个 MCP 服务器，用于帮助 AI 代理检查 BigQuery 仓库的内容。 (Or, more formally:) 一个 MCP 服务器，旨在帮助人工智能代理检查 BigQuery 数据仓库的内容。
PaddyAlton
README
bigquery-mcp
用于 BigQuery 的模型上下文协议 (MCP) 服务器。
前提条件
本项目和 mcp CLI 依赖于您已安装依赖管理工具 uv。您可以通过例如 brew install uv（对于 Homebrew 用户）来安装。 请参阅此处了解替代方案。
本项目（目前）假定您可以“透明地”创建一个 BigQuery Client，如果您在本地环境中安装了 gcloud，通常就是这种情况。在其他环境中，您可能需要合适的服务帐户凭据（并且您可以设置 GOOGLE_APPLICATION_CREDENTIALS 环境变量来指示这些凭据在 BigQuery 客户端库中的位置）。
用于开发
您还需要安装 Taskfile。如果您是 Homebrew 用户，brew install go-task 将起作用。 请参阅此处了解替代方案。
Cursor IDE 快速入门
- 确保您已安装前提条件
- 克隆此存储库
- 运行
uv sync以安装依赖项 - 在 Cursor 设置 > MCP 服务器中，使用以下命令启动服务器：
uv run --with mcp --directory /path/to/bigquery-mcp mcp run /path/to/bigquery-mcp/src/server.py
建议在您的工作项目中的 .cursor/rules/tool-use-rule.mdc 中编写一个上下文规则。如果 Cursor Agent 要正确使用这些工具，它将需要一些指令。
详情
AI Agent 已经开始擅长编写代码，但经常在与数据相关的任务中遇到困难。这是因为程序逻辑与数据库的实际内容之间存在耦合。
更具体地说，AI Agent 经常无法为分析任务编写好的 SQL 查询。他们有能力编写代码，因此问题不是缺乏这方面的能力，更多的是缺乏关于数据库_内容_的上下文。
此 MCP 服务器通过为 AI Agent 提供可用于检查 BigQuery 数据仓库内容（即数据集、表、列、查询历史）的工具来帮助解决此问题。
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。