Skip to main content
Glama

dbt-mcp

Official
by dbt-labs

dbt MCP Server

Dieser MCP-Server (Model Context Protocol) bietet Tools zur Interaktion mit dbt. Lesen Sie diesen Blog, um mehr zu erfahren.

Architektur

Architekturdiagramm des dbt MCP-Servers

Aufstellen

  1. Klonen Sie das Repository:

git clone https://github.com/dbt-labs/dbt-mcp.git cd dbt-mcp
  1. UV installieren

  2. Installationsaufgabe

  3. task install ausführen

  4. Konfigurieren Sie Umgebungsvariablen:

cp .env.example .env

Bearbeiten Sie dann .env mit Ihren spezifischen Umgebungsvariablen (siehe den Abschnitt Configuration der README.md ).

Konfiguration

Der MCP-Server verwendet die folgende Konfiguration:

Werkzeuggruppen

Name

Standard

Beschreibung

DISABLE_DBT_CLI

false

Setzen Sie dies auf „

true

, um die MCP-Tools dbt Core und dbt Cloud CLI zu deaktivieren

DISABLE_SEMANTIC_LAYER

false

Setzen Sie dies auf

true

, um dbt Semantic Layer MCP-Objekte zu deaktivieren

DISABLE_DISCOVERY

false

Setzen Sie dies auf

true

, um dbt Discovery API MCP-Objekte zu deaktivieren

DISABLE_REMOTE

true

Setzen Sie dies auf

false

, um Remote-MCP-Objekte zu aktivieren

Konfiguration für Discovery und Semantic Layer

Name

Standard

Beschreibung

DBT_HOST

cloud.getdbt.com

Der Hostname Ihrer dbt Cloud-Instanz. Dieser sieht aus wie eine

hier

gefundene

Access URL

. Wenn Sie Multi-Cell verwenden, fügen Sie hier bitte das

ACCOUNT_PREFIX

nicht ein.

MULTICELL_ACCOUNT_PREFIX

-

Wenn Sie Multi-Cell verwenden, setzen Sie dies auf Ihr

ACCOUNT_PREFIX

. Wenn Sie Multi-Cell nicht verwenden, setzen Sie diese Umgebungsvariable nicht. Weitere Informationen finden Sie

hier.

DBT_TOKEN

-

Ihr persönlicher Zugriffstoken oder Servicetoken.

Hinweis:

Bei Verwendung der Semantischen Schicht ist ein Servicetoken erforderlich.

DBT_PROD_ENV_ID

-

Ihre dbt Cloud-Produktionsumgebungs-ID

Konfiguration für Remote Tools

Name

Beschreibung

DBT_DEV_ENV_ID

Ihre dbt Cloud-Entwicklungsumgebungs-ID

DBT_USER_ID

Ihre dbt Cloud-Benutzer-ID

Konfiguration für dbt CLI

Name

Beschreibung

DBT_PROJECT_DIR

Der Pfad zum lokalen Repository Ihres dbt-Projekts. Dieser sollte etwa wie folgt aussehen

/Users/firstnamelastname/reponame

DBT_PATH

Der Pfad zu Ihrer dbt Core- oder dbt Cloud CLI-Ausführdatei. Sie finden Ihre dbt-Ausführdatei, indem Sie

which dbt

ausführen.

Verwendung mit MCP-Clients

Nach Abschluss der Installation können Sie Ihren Server mit einem MCP-Client verwenden.

Diese Konfiguration wird der Konfigurationsdatei des jeweiligen Clients hinzugefügt. Ersetzen Sie unbedingt die Abschnitte innerhalb von <> :

{ "mcpServers": { "dbt-mcp": { "command": "<path-to-mcp-executable>", "args": [ "run", "<path-to-this-directory>/src/dbt_mcp/main.py" ] } } }

<path-to-mcp-executable> hängt von Ihrem Betriebssystem ab:

  • Linux & Mac: <path-to-this-directory>/.venv/bin/mcp

  • PC: <path-to-this-directory>/.venv/Scripts/mcp

Claude Desktop

Befolgen Sie diese Anweisungen, um die Datei claude_desktop_config.json zu erstellen und eine Verbindung herzustellen.

Auf dem Mac finden Sie die Claude Desktop-Protokolle unter ~/Library/Logs/Claude .

Cursor

  1. Öffnen Sie das Cursor-Menü und wählen Sie Einstellungen → Cursor-Einstellungen → MCP

  2. Klicken Sie auf „Neuen globalen MCP-Server hinzufügen“.

  3. Fügen Sie die Konfiguration von oben zur bereitgestellten mcp.json Datei hinzu

  4. Überprüfen Sie, ob Ihre Verbindung im MCP-Tab aktiv ist.

Cursor MCP-Dokumente hier als Referenz

VS Code

  1. Öffnen Sie das Menü „Einstellungen“ (Befehl + Komma) und wählen Sie oben auf der Seite die richtige Registerkarte für Ihren Anwendungsfall aus.

    • Workspace - konfiguriert den Server im Kontext Ihres Arbeitsbereichs

    • User - konfiguriert den Server im Kontext Ihres Benutzers

    • Hinweis für WSL-Nutzer : Wenn Sie VS Code mit WSL verwenden, müssen Sie WSL-spezifische Einstellungen konfigurieren. Führen Sie den Befehl „ Einstellungen: Remote-Einstellungen öffnen“ über die Befehlspalette (F1) aus oder wählen Sie die Registerkarte „Remote“ im Einstellungseditor. Lokale Benutzereinstellungen werden in WSL wiederverwendet, können aber durch WSL-spezifische Einstellungen überschrieben werden. Die Konfiguration von MCP-Servern in den lokalen Benutzereinstellungen funktioniert in einer WSL-Umgebung nicht ordnungsgemäß.

  2. Wählen Sie Funktionen → Chat

  3. Stellen Sie sicher, dass „Mcp“ Enabled ist

mcp-vscode-Einstellungen

  1. Klicken Sie unter „Mcp > Discovery“ auf „In settings.json bearbeiten“.

  2. Fügen Sie Ihre Serverkonfiguration ( dbt ) als einen der Server zur bereitgestellten Datei settings.json hinzu:

{ "mcp": { "inputs": [], "servers": { "dbt": { "command": "<path-to-mcp-executable>", "args": ["run", "<path-to-this-directory>/src/dbt_mcp/main.py"] } } } }

<path-to-mcp-executable> hängt von Ihrem Betriebssystem ab:

  • Linux & Mac: <path-to-this-directory>/.venv/bin/mcp

  • PC: <path-to-this-directory>/.venv/Scripts/mcp

  1. Sie können Ihre MCP-Server folgendermaßen starten, stoppen und konfigurieren:

  • Ausführen des Befehls MCP: List Servers aus der Befehlspalette (Strg + Befehl + P) und Auswählen des Servers

  • Verwenden der Schlüsselwörter inline in der Datei settings.json

Inline-Management

VS Code MCP-Dokumente hier als Referenz

Werkzeuge

dbt-CLI

  • build - Führt Modelle, Tests, Snapshots und Seeds in Abhängigkeitsreihenfolge aus

  • compile - Generiert ausführbares SQL aus Modellen, Tests und Analysen, ohne diese auszuführen

  • docs - Generiert Dokumentation für das dbt-Projekt

  • ls (Liste) – Listet Ressourcen im dbt-Projekt auf, z. B. Modelle und Tests

  • parse - Analysiert und validiert die Dateien des Projekts auf syntaktische Korrektheit

  • run - Führt Modelle aus, um sie in der Datenbank zu materialisieren

  • test – Führt Tests aus, um die Daten- und Modellintegrität zu validieren

  • show - Führt eine Abfrage für das Data Warehouse aus

Wenn Sie Ihrem Client erlauben, dbt-Befehle über dieses MCP-Tool zu verwenden, können Ihre Datenmodelle, Quellen und Warehouse-Objekte geändert werden. Fahren Sie nur fort, wenn Sie dem Client vertrauen und die möglichen Auswirkungen verstehen.

Semantische Ebene

  • list_metrics - Ruft alle definierten Metriken ab

  • get_dimensions - Ruft die mit den angegebenen Metriken verknüpften Dimensionen ab

  • get_entities - Ruft Entitäten ab, die mit angegebenen Metriken verknüpft sind

  • query_metrics – Abfragemetriken mit optionaler Gruppierung, Sortierung, Filterung und Begrenzung

Entdeckung

  • get_mart_models - Ruft alle Mart-Modelle ab

  • get_all_models - Ruft alle Modelle ab

  • get_model_details – Ruft Details für ein bestimmtes Modell ab

  • get_model_parents - Ruft übergeordnete Knoten eines bestimmten Modells ab

  • get_model_children - Ruft die untergeordneten Modi eines bestimmten Modells ab

Beitragen

Lesen Sie CONTRIBUTING.md , um Anweisungen zur Teilnahme zu erhalten!

Related MCP Servers

View all related MCP servers

MCP directory API

We provide all the information about MCP servers via our MCP API.

curl -X GET 'https://glama.ai/api/mcp/v1/servers/dbt-labs/dbt-mcp'

If you have feedback or need assistance with the MCP directory API, please join our Discord server