dbt MCP Server

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

Architektur

Related MCP server: mcp-twitter

Aufstellen

1. Klonen Sie das Repository:

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

2. UV installieren

3. Installationsaufgabe

4. task install ausführen

5. 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

Konfiguration für Discovery und Semantic Layer

Konfiguration für Remote Tools

Konfiguration für dbt CLI

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

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

5. 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

6. 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!