@us-all/dbt-mcp

Servidor MCP para dbt: manifest.json, run_results.json, sources.json, catalog.json, además de tablas de resultados de calidad de datos (BigQuery / Postgres) bajo un MCP stdio. Construido sobre @us-all/mcp-toolkit.

Una ventana de solo lectura a tu proyecto dbt para clientes LLM. Sin disparar dbt run: solo introspección profunda, análisis del historial de ejecuciones, frescura de fuentes, cobertura de pruebas por columna, recorridos de linaje y (si tienes una tabla de resultados de calidad de datos personalizada) tendencias históricas de comprobaciones y estado de SLA por nivel.

Para disparar DAGs / historial de ejecuciones / seguimiento de logs, instala el compañero @us-all/airflow-mcp junto a este.

• 22 herramientas en 3 categorías (dbt, quality, meta)

• 4 Prompts de MCP para flujos de trabajo de triaje

• 4 herramientas de agregación que reemplazan 3-5 viajes de ida y vuelta de "listar / obtener / listar"

• Solo lectura por defecto

• Backend híbrido: BigQuery (por defecto) o Postgres para tablas de resultados de calidad de datos; ambos importados de forma perezosa bajo demanda

Instalación

# 1. add the MCP server
pnpm add -D @us-all/dbt-mcp
# 2. add the DQ backend you actually use (only if you query custom DQ tables):
pnpm add -D @google-cloud/bigquery   # OR
pnpm add -D pg

Ejecución

DBT_PROJECT_DIR=/path/to/dbt-project \
DQ_RESULTS_TABLE=my-project.data_ops.quality_checks \
npx @us-all/dbt-mcp

El servidor utiliza MCP stdio; conéctalo a Claude Desktop / Cursor / cualquier cliente MCP. Configura MCP_TRANSPORT=http para optar por el transporte HTTP transmitible (autenticación Bearer, endpoint /health).

Categorías

Alterna con DBT_TOOLS=dbt (lista blanca) o DBT_DISABLE=quality (lista negra).

Herramientas de un vistazo

dbt (15 + 2)

dbt-list-models, dbt-get-model, dbt-list-tests, dbt-get-test, dbt-list-sources, dbt-get-source, dbt-list-exposures, dbt-list-macros, dbt-get-macro, dbt-list-runs, dbt-get-run-results, dbt-failed-tests, dbt-slow-models, dbt-coverage, dbt-graph, freshness-status, incident-context

quality (5 + 2)

dq-list-checks, dq-get-check-history, dq-failed-checks-by-dataset, dq-score-trend, dq-tier-status, failed-tests-summary, dq-score-snapshot

Prompts

Variables de entorno

Esquema asumido de la tabla de resultados de calidad de datos (v0.1)

La categoría quality asume las columnas check_name, check_type, dataset, table_name, status, severity, failure_count, run_at, message en DQ_RESULTS_TABLE, y score_date, scope, tier, completeness_pct, freshness_pct, validity_pct, anomaly_free_pct, overall_score en DQ_SCORE_TABLE. La v0.2 añadirá una capa de mapeo de columnas configurable.

Esquemas probados

• Esquema de manifiesto dbt v11 / v12 / v13 (otros suelen analizarse, pero una línea de caveats los marcará)

Servidor complementario

Para operaciones de DAG de Airflow (listar, ejecuciones, instancias de tareas, seguimiento de logs, disparar, limpiar), instala @us-all/airflow-mcp junto a este servidor.

Construcción

pnpm install
pnpm run build      # tsc → dist/
pnpm test           # vitest
pnpm run smoke      # spawns dist/index.js, calls initialize + tools/list (set env first)

Licencia

MIT — ver LICENSE.