Skip to main content
Glama
caron14

BigQuery Validator

by caron14

mcp-bigquery

Model Context Protocol을 통한 안전한 BigQuery 탐색

MIT License PyPI Version Python Support Downloads

문서 | 빠른 시작 | 사용 예시


개요

mcp-bigquery는 AI 어시스턴트(예: Claude)가 Google BigQuery와 안전하게 상호작용할 수 있도록 하는 Model Context Protocol(MCP) 서버입니다.

주요 기능

  • 안전한 실행: 모든 작업은 엄격히 dry-run 검증으로 제한됩니다. 서버는 데이터를 변경하거나 실행 비용이 발생하는 쿼리를 절대 실행하지 않습니다.

  • 비용 투명성: 실행 전에 쿼리 비용과 처리 바이트 수의 추정치를 제공합니다.

  • 정적 분석: 쿼리 종속성을 분석하고 SQL 구문을 검증합니다.

  • 스키마 탐색: 데이터셋, 테이블, 컬럼을 탐색합니다.

비즈니스 가치

문제

mcp-bigquery를 사용한 해결 방안

비용이 많이 드는 쿼리의 의도하지 않은 실행

실행 전 비용 추정

SQL 구문 오류로 인한 개발 지연

조기 구문 오류 감지

스키마 구조에 대한 가시성 부족

안전한 스키마 메타데이터 탐색

AI에 의한 무단 데이터 변경 위험

강제된 dry-run 제약 조건


Related MCP server: mcp-bigquery-dryrun

빠른 시작

1단계: 설치

pip를 통해 패키지를 설치합니다:

pip install mcp-bigquery

2단계: 인증

Google Cloud Platform 인증을 설정합니다:

# For user account authentication
gcloud auth application-default login

# For service account authentication
export GOOGLE_APPLICATION_CREDENTIALS=/path/to/key.json

3단계: Claude Desktop 구성

Claude Desktop 구성 파일에서 서버를 구성합니다:

  • macOS: ~/Library/Application Support/Claude/claude_desktop_config.json

  • Windows: %APPDATA%\Claude\claude_desktop_config.json

다음 항목을 추가합니다:

{
  "mcpServers": {
    "mcp-bigquery": {
      "command": "mcp-bigquery",
      "env": {
        "BQ_PROJECT": "your-gcp-project-id"
      }
    }
  }
}

4단계: 검증

Claude Desktop을 다시 시작하고 다음 쿼리를 실행하여 설정을 확인합니다:

  • "내 BigQuery 프로젝트에서 사용할 수 있는 데이터셋은 무엇인가요?"

  • "다음 쿼리의 비용을 추정할 수 있나요: SELECT * FROM dataset.table"

  • "users 테이블의 스키마를 보여주세요"


사용 가능한 도구

SQL 검증 및 분석

도구

용도

주요 사용 사례

bq_validate_sql

SQL 구문 확인

쿼리 실행 전 검증

bq_dry_run_sql

비용 추정치 및 메타데이터 검색

실행 전 비용 평가

bq_extract_dependencies

테이블 종속성 매핑

데이터 계보 및 종속성 매핑

bq_validate_query_syntax

상세 구문 분석

복잡한 SQL 쿼리 디버깅

스키마 탐색

도구

용도

주요 사용 사례

bq_list_datasets

프로젝트의 모든 데이터셋 나열

초기 프로젝트 탐색

bq_list_tables

파티셔닝 메타데이터가 있는 테이블 나열

데이터셋 구조 탐색

bq_describe_table

상세 스키마 정보 가져오기

컬럼 수준 검증

bq_get_table_info

포괄적인 메타데이터 검색

테이블 통계 분석

bq_preview_table

테이블 데이터 미리보기(무비용)

데이터 스캔 비용 없이 샘플 레코드 확인

[!IMPORTANT] bq_preview_table 도구는 client.list_rows(API: tabledata.list)를 사용하여 샘플 행을 직접 검색하므로 스캔되는 바이트가 0이고 실행 비용이 발생하지 않습니다. 민감한 정보(예: PII)가 LLM에 의도치 않게 노출되는 것을 방지하기 위해 이 도구는 기본적으로 비활성화되어 있습니다. 환경 구성에서 MCP_BQ_ENABLE_PREVIEW=true를 설정하여 명시적으로 옵트인해야 합니다.


구성

환경 변수

변수

용도

기본값

BQ_PROJECT

대상 GCP 프로젝트 ID

ADC를 통해 결정됨

BQ_LOCATION

대상 BigQuery 리전

설정 안 됨

SAFE_PRICE_PER_TIB

비용 추정에 사용되는 TiB당 가격

5.0

LOG_LEVEL

로깅 상세 수준(DEBUG, INFO, WARNING, ERROR, CRITICAL)

WARNING

MCP_BQ_ENABLE_PREVIEW

bq_preview_table 도구 활성화(true/false)

false

.env 파일 예시

로컬 테스트 또는 개발 환경에서 .env 파일에 다음 변수를 정의할 수 있습니다:

BQ_PROJECT=your-gcp-project-id
BQ_LOCATION=asia-northeast1
SAFE_PRICE_PER_TIB=5.0
LOG_LEVEL=WARNING
MCP_BQ_ENABLE_PREVIEW=true

전체 Claude Desktop 구성 예시

{
  "mcpServers": {
    "mcp-bigquery": {
      "command": "mcp-bigquery",
      "env": {
        "BQ_PROJECT": "my-production-project",
        "BQ_LOCATION": "asia-northeast1",
        "SAFE_PRICE_PER_TIB": "6.0",
        "LOG_LEVEL": "WARNING",
        "MCP_BQ_ENABLE_PREVIEW": "true"
      }
    }
  }
}

문제 해결

오류 유형별 해결 방법

인증 오류

Error: Could not automatically determine credentials
  • 해결 방법: 명령줄을 사용하여 다시 인증합니다:

    gcloud auth application-default login

권한 거부

Error: User does not have bigquery.tables.get permission
  • 해결 방법: 대상 ID에 BigQuery Data Viewer 역할을 부여합니다:

    gcloud projects add-iam-policy-binding YOUR_PROJECT \
      --member="user:your-email@example.com" \
      --role="roles/bigquery.dataViewer"

프로젝트 ID 누락

Error: Project ID is required
  • 해결 방법: 구성에서 BQ_PROJECT 변수가 올바르게 설정되어 있는지 확인합니다.


사용 예시

예시 1: 실행 전 비용 확인

# Before running an expensive query...
query = "SELECT * FROM `bigquery-public-data.github_repos.commits`"

# First, check the cost
result = bq_dry_run_sql(sql=query)
print(f"Estimated cost: ${result['usdEstimate']}")
print(f"Data processed: {result['totalBytesProcessed'] / 1e9:.2f} GB")

# Output:
# Estimated cost: $12.50
# Data processed: 2500.00 GB

예시 2: 테이블 구조 이해

# Check table schema
result = bq_describe_table(
    dataset_id="your_dataset",
    table_id="users"
)

# Output:
# ├── user_id (INTEGER, REQUIRED)
# ├── email (STRING, NULLABLE)
# ├── created_at (TIMESTAMP, REQUIRED)
# └── profile (RECORD, REPEATED)
#     ├── name (STRING)
#     └── age (INTEGER)

예시 3: 데이터 종속성 추적

# Understand query dependencies
query = """
WITH user_stats AS (
  SELECT user_id, COUNT(*) as order_count
  FROM orders
  GROUP BY user_id
)
SELECT u.name, s.order_count
FROM users u
JOIN user_stats s ON u.id = s.user_id
"""

result = bq_extract_dependencies(sql=query)

# Output:
# Tables: ['orders', 'users']
# Columns: ['user_id', 'name', 'id']
# Dependency Graph:
#   orders → user_stats → final_result
#   users → final_result

프로젝트 상태 및 버전 이력

버전

릴리스 날짜

변경 사항 요약

v0.7.1

2026-08-17

mcp 종속성 제약 조건을 개선하고 wiki 문서를 간소화했습니다.

v0.7.0

2026-06-21

무비용 테이블 미리보기 도구(bq_preview_table) 및 보안 옵트인 구성을 추가했습니다.

v0.6.0

2026-06-21

스레드 안전 캐싱, 재귀적 AST 쿼리, 백오프 재시도 및 Google API 예외 매핑

v0.5.0

2026-01-02

포맷터 통합, 클라이언트 캐시 및 로깅 제어 통합

v0.4.2

2025-12-08

모듈식 스키마 탐색기 및 통합 클라이언트/로깅 제어

v0.4.1

2025-01-22

오류 처리 및 디버그 로깅 개선

v0.4.0

2025-01-22

스키마 탐색 도구 추가

v0.3.0

2025-01-17

SQL 정적 분석 엔진 통합

v0.2.0

2025-01-16

기본 검증 및 dry-run 쿼리를 지원하는 초기 릴리스


개발 및 기여

로컬 개발 환경 설정 및 기여 정책에 대한 지침은 CONTRIBUTING.md 가이드를 참조하세요.

# Clone the repository
git clone https://github.com/caron14/mcp-bigquery.git
cd mcp-bigquery

# Install development dependencies
pip install -e ".[dev]"

# Execute the test suite
pytest tests/

라이선스

이 프로젝트는 MIT 라이선스에 따라 라이선스가 부여됩니다. 자세한 내용은 LICENSE를 참조하세요.

Install Server
A
license - permissive license
B
quality
A
maintenance

Maintenance

Maintainers
Response time
2moRelease cycle
5Releases (12mo)
Commit activity

Resources

Unclaimed servers have limited discoverability.

Looking for Admin?

If you are the server author, to access and configure the admin panel.

Related MCP Servers

  • A
    license
    Not graded
    quality
    B
    maintenance
    A read-only BigQuery MCP server with auto-LIMIT injection, dry-run cost guard, and ADC authentication. Allows safe SQL querying of BigQuery by LLMs without risk of data modification or unexpected costs.
    1
    MIT
  • A
    license
    A
    quality
    F
    maintenance
    Validates BigQuery SQL syntax and performs dry-run analysis without executing queries, providing cost estimates, referenced tables, and schema previews.
    2
    Apache 2.0
  • A
    license
    Not graded
    quality
    C
    maintenance
    Enables AI assistants to query and analyze Google BigQuery data, including schema browsing, running queries, and comparing datasets through natural language.
    MIT

View all related MCP servers

Related MCP Connectors

  • Deterministic validation for AI-generated artifacts: JSON Schema, OpenAPI response, SQL syntax.

  • Run SOQL queries to explore and retrieve Salesforce data. Inspect records, fields, and relationshi…

  • Run SOQL queries against your Salesforce org to explore and retrieve data. Quickly iterate on filt…

View all MCP Connectors

Latest Blog Posts

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/caron14/mcp-bigquery'

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