dbt MCP-сервер

Этот сервер MCP (Model Context Protocol) предоставляет инструменты для взаимодействия с dbt. Прочтите этот блог, чтобы узнать больше.

Архитектура

схема архитектуры сервера dbt mcp

Related MCP server: dart-mcp

Настраивать

Клонируйте репозиторий:

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

Установить УФ
Установить задачу
Запустить task install
Настройте переменные среды:

cp .env.example .env

Затем отредактируйте .env , указав необходимые вам переменные среды (см. раздел Configuration в файле README.md ).

Конфигурация

Сервер MCP имеет следующую конфигурацию:

Группы инструментов

Имя	По умолчанию	Описание
`DISABLE_DBT_CLI`	`false`	Установите значение `true` , чтобы отключить инструменты MCP dbt Core и dbt Cloud CLI.
`DISABLE_SEMANTIC_LAYER`	`false`	Установите значение `true` , чтобы отключить объекты MCP семантического слоя dbt.
`DISABLE_DISCOVERY`	`false`	Установите значение `true` , чтобы отключить объекты MCP API dbt Discovery.
`DISABLE_REMOTE`	`true`	Установите значение `false` , чтобы включить удаленные объекты MCP.

Конфигурация для обнаружения и семантического уровня

Имя	По умолчанию	Описание
`DBT_HOST`	`cloud.getdbt.com`	Имя хоста вашего экземпляра dbt Cloud. Это будет выглядеть как `Access URL` найденный здесь . Если вы используете Multi-cell, не включайте здесь `ACCOUNT_PREFIX`
`MULTICELL_ACCOUNT_PREFIX`	-	Если вы используете Multi-cell, установите это в ваш `ACCOUNT_PREFIX` . Если вы не используете Multi-cell, не устанавливайте эту переменную окружения. Вы можете узнать больше здесь
`DBT_TOKEN`	-	Ваш личный токен доступа или сервисный токен. Примечание Сервисный токен требуется при использовании семантического слоя
`DBT_PROD_ENV_ID`	-	Ваш идентификатор производственной среды dbt Cloud

Конфигурация для удаленных инструментов

Имя	Описание
`DBT_DEV_ENV_ID`	Ваш идентификатор среды разработки dbt Cloud
`DBT_USER_ID`	Ваш идентификатор пользователя dbt Cloud

Конфигурация для dbt CLI

Имя

Описание

DBT_PROJECT_DIR

Путь к локальному размещению репозитория вашего проекта dbt. Это должно выглядеть примерно так:

/Users/firstnamelastname/reponame

DBT_PATH

Путь к исполняемому файлу dbt Core или dbt Cloud CLI. Вы можете найти исполняемый файл dbt, запустив

which dbt

Использование с клиентами MCP

После завершения установки вы сможете использовать свой сервер с клиентом MCP.

Эта конфигурация будет добавлена в соответствующий файл конфигурации клиента. Обязательно замените разделы внутри <> :

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

<path-to-mcp-executable> зависит от вашей ОС:

Linux и Mac: <path-to-this-directory>/.venv/bin/mcp
ПК: <path-to-this-directory>/.venv/Scripts/mcp

Клод Десктоп

Следуйте этим инструкциям, чтобы создать файл claude_desktop_config.json и подключиться.

На Mac вы можете найти журналы Claude Desktop в ~/Library/Logs/Claude .

Курсор

Откройте меню Курсор и выберите Настройки → Настройки курсора → MCP.
Нажмите «Добавить новый глобальный сервер MCP».
Добавьте конфигурацию, указанную выше, в предоставленный файл mcp.json
Убедитесь, что ваше соединение активно на вкладке MCP.

Документация по Cursor MCP здесь для справки

Код VS

Откройте меню «Настройки» (Command + Comma) и выберите нужную вкладку в верхней части страницы для вашего варианта использования.
- Workspace — настраивает сервер в контексте вашего рабочего пространства.
- User - настраивает сервер в контексте вашего пользователя.
- Примечание для пользователей WSL : если вы используете VS Code с WSL, вам необходимо настроить параметры, специфичные для WSL. Выполните команду Preferences: Open Remote Settings из палитры команд (F1) или выберите вкладку Remote в редакторе настроек. Настройки локального пользователя повторно используются в WSL, но могут быть переопределены настройками, специфичными для WSL. Настройка серверов MCP в настройках локального пользователя не будет работать должным образом в среде WSL.
Выберите Функции → Чат
Убедитесь, что «Mcp» Enabled

mcp-vscode-настройки

Нажмите «Изменить в settings.json» в разделе «Mcp > Discovery».
Добавьте конфигурацию вашего сервера ( dbt ) в предоставленный файл settings.json в качестве одного из серверов:

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

<path-to-mcp-executable> зависит от вашей ОС:

Linux и Mac: <path-to-this-directory>/.venv/bin/mcp
ПК: <path-to-this-directory>/.venv/Scripts/mcp

Вы можете запускать, останавливать и настраивать свои серверы MCP следующими способами:

Запуск команды MCP: List Servers из палитры команд (Control + Command + P) и выбор сервера.
Использование ключевых слов, встроенных в файл settings.json

встроенное управление

Документация VS Code MCP здесь для справки

Инструменты

dbt CLI

build — выполняет модели, тесты, снимки и начальные значения в порядке зависимости.
compile — генерирует исполняемый SQL-код из моделей, тестов и анализов без их запуска
docs — создает документацию для проекта dbt
ls (список) — выводит список ресурсов в проекте dbt, таких как модели и тесты.
parse — анализирует и проверяет файлы проекта на правильность синтаксиса.
run — выполняет модели для их материализации в базе данных.
test — запускает тесты для проверки целостности данных и модели.
show — выполняет запрос к хранилищу данных.

Разрешение вашему клиенту использовать команды dbt через этот инструментарий MCP может изменить ваши модели данных, источники и объекты хранилища. Продолжайте, только если вы доверяете клиенту и понимаете потенциальное воздействие.

Семантический слой

list_metrics — извлекает все определенные метрики
get_dimensions — Получает измерения, связанные с указанными метриками
get_entities — Получает сущности, связанные с указанными метриками
query_metrics — запрашивает метрики с возможностью группировки, упорядочивания, фильтрации и ограничения.

Открытие

get_mart_models — Получает все модели mart
get_all_models — Получает все модели
get_model_details — Получает сведения о конкретной модели
get_model_parents — Получает родительские узлы определенной модели
get_model_children — Получает дочерние режимы определенной модели

Внося вклад

Инструкции о том, как принять участие, читайте на CONTRIBUTING.md !

dbt-mcp