dbt-mcp

dbt MCP Server

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

Architektur

Aufstellen

Klonen Sie das Repository:

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

UV installieren
Installationsaufgabe
task install ausführen
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

Öffnen Sie das Cursor-Menü und wählen Sie Einstellungen → Cursor-Einstellungen → MCP
Klicken Sie auf „Neuen globalen MCP-Server hinzufügen“.
Fügen Sie die Konfiguration von oben zur bereitgestellten mcp.json Datei hinzu
Überprüfen Sie, ob Ihre Verbindung im MCP-Tab aktiv ist.

Cursor MCP-Dokumente hier als Referenz

VS Code

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.
Wählen Sie Funktionen → Chat
Stellen Sie sicher, dass „Mcp“ Enabled ist

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

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

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!