BigQuery MCP 服务器

一个提供 BigQuery 访问的模型上下文协议服务器。该服务器使 LLM 能够检查数据库模式并执行查询。

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: 描述特定表的模式

配置

可以使用以下参数配置服务器：

• --project (必需): GCP 项目 ID。
• --location (必需): GCP 位置（例如 europe-west9）。
• --dataset (可选): 仅考虑特定的 BigQuery 数据集。可以通过重复参数来指定多个数据集（例如 --dataset my_dataset_1 --dataset my_dataset_2）。如果未提供，将考虑项目中的所有数据集。

快速入门

安装

通过 Smithery 安装

要通过 Smithery 自动为 Claude Desktop 安装 BigQuery Server：

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

Claude Desktop

在 MacOS 上：~/Library/Application\ Support/Claude/claude_desktop_config.json 在 Windows 上：%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}}"
    ]
  }
}

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

开发

构建和发布

要准备用于分发的软件包：

1. 同步依赖项并更新锁定文件：

uv sync

2. 构建软件包分发：

uv build

这将在 dist/ 目录中创建源和 wheel 分发。

3. 发布到 PyPI：

uv publish

注意：您需要通过环境变量或命令标志设置 PyPI 凭据：

• Token: --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，因此调试可能具有挑战性。为了获得最佳的调试体验，我们强烈建议使用 MCP Inspector。

您可以使用 npm 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 将显示一个 URL，您可以在浏览器中访问该 URL 以开始调试。