BigQuery MCP 服务器

提供对 BigQuery 访问权限的模型上下文协议 (MLM) 服务器。该服务器使 LLM 能够检查数据库架构并执行查询。

成分

工具

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 ：描述特定表的架构

Related MCP server: BigQuery MCP Server

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。可以通过重复该参数指定多个数据集（例如--dataset my_dataset_1 --dataset my_dataset_2 ）。如果未提供，则将考虑项目中的所有数据集。

• --key-file （可选）：BigQuery 服务帐号密钥文件的路径。如果未提供，服务器将使用默认凭据。

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

克劳德桌面

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。

发展

构建和发布

准备分发包：

1. 同步依赖项并更新锁文件：

uv sync

2. 构建软件包分发版：

uv build

这将在dist/目录中创建源和轮子分布。

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：

• 令牌： --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，调试起来可能比较困难。为了获得最佳调试体验，我们强烈建议使用MCP Inspector 。

您可以使用以下命令通过npm启动 MCP Inspector：

npx @modelcontextprotocol/inspector uv --directory {{PATH_TO_REPO}} run mcp-server-bigquery

启动后，检查器将显示一个 URL，您可以在浏览器中访问该 URL 以开始调试。