dbt核心MCP服务器

![Install in VS Code](https://insiders.vscode.dev/redirect/mcp/install?name=dbtcore&config=%7B%22command%22%3A%22uvx%22%2C%22args%22%3A%5B%22dbt-core-mcp%22%5D%7D) ![Install in VS Code Insiders](https://insiders.vscode.dev/redirect/mcp/install?name=dbtcore&config=%7B%22command%22%3A%22uvx%22%2C%22args%22%3A%5B%22dbt-core-mcp%22%5D%7D&quality=insiders) ![License: MIT](https://opensource.org/licenses/MIT) ![Python 3.9+](https://www.python.org/downloads/) ![dbt 1.9.0+](https://docs.getdbt.com/)

认识一下你的新dbt对程序员——他真正了解你的环境，尊重你的工作流程，并承担重任。

为什么这会改变一切

如果你用Copilot尝试过其他dbt工具（dbt高级用户、datamate等），你就会知道其中的痛苦：

他们不尊重你的Python环境
他们看不到你的实际项目结构
当他们的环境中缺少适配器时，他们就会失败
反正你最终还是自己做这项工作

dbt核心mcp是不同的。 它不仅仅是另一个插件，它是一个真正的结对编程合作伙伴：

零dbt依赖关系：我们的服务器不需要dbt核心，也不需要适配器-适用于您的环境
保持流动：在Copilot处理dbt命令、运行测试和分析影响时，使用Copilot继续对话
尊重您的环境：检测并使用您的确切dbt版本、适配器、Python设置（uv、poetry、venv、conda）
实际上有帮助：你可以完成真正的工作，而不是通用的建议——“运行我的更改并在下游进行测试”实际上就是这样做的
了解您的项目：完全访问您的模型、沿袭、源代码和编译的SQL-无需猜测，无需手动查找

 \ dbt核心mcp之前\ 你： *“副驾驶，帮我理解什么取决于stg_orders”*\ 副驾驶： *“您应该检查manifest.json或运行dbt列表…”*\ 你： *切换到终端，运行命令，将输出复制回来。..* 配备dbt核心mcp\ 你： *“什么取决于stg_orders？”*\ 副驾驶： *立即显示完整的沿袭、影响分析和受影响的模型*\ 你： *“运行我的更改并测试下游的所有内容”*\ 副驾驶： *做到了。报告结果。你专注于下一步。*\  

这应该是结对编程 -你专注于逻辑，Copilot负责执行。没有上下文切换，没有终端切换，只有流程。

您将获得什么（功能和优势）

🔥 零dbt依赖关系：服务器没有dbt核心，没有适配器-终极环境尊重
自然语言控制：只是说说而已——“运行我的更改并在下游进行测试”实际上是有效的
桥梁施工：自动检测您的环境，并使用您的版本运行dbt
适用于任何适配器：duckdb、雪花、postgres、bigquery、databricks-如果你有，我们可以使用它
智能选择：自动更改检测-仅运行更改的内容，或更改+下游
全面的项目意识：谱系分析、影响评估、编译SQL-即时访问所有内容
窥探CTE内部：查询任何模型中的单个CTE，以查看中间结果、调试转换和设计逼真的夹具
真结对编程：在Copilot执行dbt命令和报告结果时与它保持对话
模式更改检测：自动检测列更改并建议下游更新
无需配置：适用于您现有的dbt设置-任何适配器、任何数据库、任何版本
并发安全：检测并等待现有的dbt进程以防止冲突

该服务器提供通过模型上下文协议与dbt项目交互的工具，使AI助手能够：

查询dbt项目元数据和配置
使用完整的清单元数据获取详细的模型和源信息
使用Jinja模板支持执行SQL查询（｛｛ref（）｝，｛｛source（）｝）
检查模型、来源和测试
访问dbt文档和沿袭

自然语言，强大的结果

只需与Copilot自然对话，无需记忆命令或语法：

 \ 探索您的项目\ 你： *“我们在这个项目中有什么模型？”*\ 副驾驶： *显示所有具有物化类型和标签的模型* 了解依赖关系\ 你： *“告诉我客户模型依赖于什么”*\ 副驾驶： *显示上游源和模型的完整沿袭* 运行智能构建\ 你： *“只运行我更改的模型，并测试下游的所有内容”*\ 副驾驶： *使用智能选择执行dbt，运行测试，报告结果*\  

让它运行（2分钟）

*如果你没有安装Python，请访问 python.org/下载 -你需要Python 3.9或更高版本。*

*没有 uv 还没有？安装时使用： pip install uv 或查看 docs.astral.sh/uv*

选项1：一键安装（最简单）

点击您的VS Code版本的徽章：

就是这样！当您打开dbt项目时，服务器将自动启动。

选项2：手动配置

将此添加到您的 .vscode/mcp.json dbt项目工作区中的文件：

{
  "servers": {
    "dbt-core": {
      "command": "uvx",
      "args": ["dbt-core-mcp"]
    }
  }
}

或者，如果你更喜欢 pipx:

{
  "servers": {
    "dbt-core": {
      "command": "pipx",
      "args": ["run", "dbt-core-mcp"]
    }
  }
}

服务器将自动使用您的工作区目录作为dbt项目位置。

选项3：出血边缘（最新来自GitHub）

对于那些想要立即获得最新功能的不耐烦的人：

随着 uvx:

{
  "servers": {
    "dbt-core": {
      "command": "uvx",
      "args": [
        "--from",
        "git+https://github.com/NiclasOlofsson/dbt-core-mcp.git",
        "dbt-core-mcp"
      ]
    }
  }
}

随着 pipx:

{
  "servers": {
    "dbt-core": {
      "command": "pipx",
      "args": [
        "run",
        "--no-cache",
        "--spec",
        "git+https://github.com/NiclasOlofsson/dbt-core-mcp.git",
        "dbt-core-mcp"
      ]
    }
  }
}

获取更新： 当使用git安装时， uvx 和 pipx 缓存下载的代码。要获取最新更改：

# For uvx users
uv cache clean dbt-core-mcp

# For pipx users (--no-cache prevents caching)
# Already configured in the pipx setup above

清理缓存后，重新启动VS Code或MCP客户端以获取最新版本。

可选配置

命令超时

默认情况下，dbt命令没有超时（它们可以根据需要运行很长时间）。对于需要很长时间编译的复杂模型，您可以设置超时或显式禁用它：

{
  "servers": {
    "dbt-core": {
      "command": "uvx",
      "args": [
        "dbt-core-mcp",
        "--dbt-command-timeout", "300"  // 5 minutes, or use 0 for no timeout (default)
      ]
    }
  }
}

项目目录

服务器会自动从工作区根目录检测您的dbt项目。如果dbt项目位于子目录中，或者需要指定其他位置，请使用 --project-dir 具有相对或绝对路径：

{
  "servers": {
    "dbt-core": {
      "command": "uvx",
      "args": [
        "dbt-core-mcp",
        "--project-dir", "path/to/dbt/project"  // relative or absolute path
      ]
    }
  }
}

需求

对于MCP服务器：

Python 3.9或更高版本
无需dbt核心，无需适配器-只需安装 dbt-core-mcp

对于您的dbt项目：

dbt Core 1.9.0或更高版本
任何dbt适配器（dbt-duckdb、dbt-postgres、dbt-雪花、dbt-databrick等）

服务器通过网桥执行自动检测并使用您项目的dbt安装。

局限性

Python模型：目前不支持。目前仅支持基于SQL的dbt模型。
dbt版本：需要dbt Core 1.9.0或更高版本

可用工具

别担心记住这些 -您不需要知道工具名称或参数。只需与Copilot自然交谈，它就会知道该使用什么。这个参考是为那些想了解引擎盖下发生了什么的好奇者准备的。

专业提示： 专注于对话示例（You：/Copilot：）——它们展示了如何在实践中实际使用这些工具。

项目信息

`get_project_info`

获取dbt项目的基本信息，包括名称、版本、适配器类型和资源计数。默认情况下，也会运行 dbt debug 验证您的环境并测试数据库连接。

 \ 你： *“此项目使用的dbt版本是什么？”*\ 副驾驶： *显示项目信息，包括dbt版本、适配器类型和连接状态* 你： *“这个项目中有多少个模型和来源？”*\ 副驾驶： *显示计数和项目概述以及诊断* 你： *“我的数据库连接正常吗？”*\ 副驾驶： *显示dbt调试的连接测试结果* 你： *“检查我的dbt设置”*\ 副驾驶： *运行完整的环境验证并报告任何问题*\  

参数：

run_debug：运行 dbt debug 验证环境和测试连接（默认值：True）

退货： 项目元数据和诊断结果包括：

数据库连接状态（正常/失败/未知）
环境验证输出
系统和依赖性检查

注：集 run_debug=False 跳过诊断，只获取基本的项目信息（重复查询更快）。

资源发现（统一工具）

一个工具，所有资源类型 -这些统一的工具跨模型、源、种子、快照和测试工作。无需为每种类型分别配备工具。

`list_resources`

列出项目中的所有资源，或按类型（模型、源、种子、快照、测试）进行筛选。

 \ 你： *“显示此项目中的所有资源”*\ 副驾驶： *列出所有模型、源、种子、快照和测试* 你： *“我们有什么型号？”*\ 副驾驶： *仅显示模型及其物化类型的过滤器* 你： *“列出所有数据源”*\ 副驾驶： *显示具有架构和描述的已配置源* 你： *“给我看看种子”*\ 副驾驶： *显示项目中可用的CSV种子文件* 你： *“哪些模型被物化为表格？”*\ 副驾驶： *按物化类型过滤模型*\  

参数：

resource_type：可选过滤器- "model", "source", "seed", "snapshot", "test"，或 None 对于所有

退货： 所有类型具有一致的结构，包括通用字段（名称、描述、标签）和特定类型的详细信息（物化、源名等）

`get_resource_info`

获取有关任何资源的详细信息-适用于模型、源、种子、快照和测试。

 \ 你： *“显示客户模型的详细信息”*\ 副驾驶： *显示完整的模型元数据、配置、列信息和编译的SQL* 你： *“原始客户来源中有什么？”*\ 副驾驶： *显示源架构、列和新鲜度配置* 你： *“描述国家代码种子”*\ 副驾驶： *返回种子配置和列定义* 你： *“订单模型有哪些列？”*\ 副驾驶： *显示数据库中的列名、类型和描述* 你： *“向我展示为客户编译的SQL”*\ 副驾驶： *使用编译的SQL返回模型信息（所有Jinja解析）* 你： *“告诉我有关customer_snapshot的信息”*\ 副驾驶： *显示快照配置和SCD跟踪设置*\  

参数：

name：资源名称（例如，“客户”、“jaffle_shop.raw_orders”）
resource_type：可选-如果未指定，则自动检测
include_database_schema：包括数据库中的实际列类型（默认值：true）
include_compiled_sql：包含已解析Jinja的编译SQL（默认值：true，仅限模型）

自动检测： 只需提供名称——无论是模型、源代码、种子、快照还是测试，该工具都会自动找到它。对于来源，请使用 "source_name.table_name" 格式或只是表名。

编译的SQL： 对于模型，自动包含所有已编译的SQL {{ ref() }} 和 {{ source() }} 解析为实际表名。将触发 dbt compile 如果尚未编译。集 include_compiled_sql=False 跳过编译。

谱系和影响分析（统一工具）

了解所有资源类型之间的关系 -分析模型、源、种子、快照和测试的依赖关系和影响。

`get_lineage`

跟踪任何资源的依赖关系-显示它依赖什么（上游）和依赖什么（下游）。

 \ 你： *“显示客户模型的沿袭”*\ 副驾驶： *显示包含上游源和下游模型的完整依赖关系树* 你： *“stg_orders依赖于什么？”*\ 副驾驶： *显示上游依赖关系（源和父模型）* 你： *“原始客户来源的下游是什么？”*\ 副驾驶： *显示使用此源的所有模型* 你： *“收入模型从哪里获得数据？”*\ 副驾驶： *显示所有源数据的上游沿袭* 你： *“显示所有使用country_codes种子的内容”*\ 副驾驶： *列出引用此种子的所有下游模型*\  

参数：

name：资源名称（适用于模型、源、种子、快照、测试）
direction: "upstream" （来源）， "downstream" （家属），或 "both" （默认）
depth：可遍历的最大级别（无表示无限，1表示立即等）
resource_type：可选-如果未指定，则自动检测

退货： 具有统计信息的依赖关系树（上游_计数、下游_计数、总依赖关系）

使用案例：

了解数据流和关系
探索资源从何处获取数据
查看取决于特定资源的内容
更改前的影响分析

`analyze_impact`

分析更改任何资源的爆炸半径-显示将受到影响的所有下游依赖关系。

 \ 你： *“改变stg_customers模型有什么影响？”*\ 副驾驶： *显示所有下游模型、测试和受影响的资源* 你： *“如果我修改了raw_orders源代码，需要运行什么？”*\ 副驾驶： *列出按距离分组的受影响模型，并使用推荐的命令* 你： *“如果我更改country_codes种子，会有什么问题？”*\ 副驾驶： *显示总影响计数和受影响的资源* 你： *“有多少模型依赖于此快照？”*\ 副驾驶： *显示影响统计数据和依赖关系计数*\  

参数：

name：资源名称（适用于模型、源、种子、快照、测试）
resource_type：可选-如果未指定，则自动检测

退货：

按与更改资源的距离分组的受影响资源
受影响的测试和其他资源计数
总影响统计
上下文感知的推荐dbt命令（例如。， dbt run -s stg_customers+)
影响级别信息（无/低/中/高）

使用案例：

重构前：了解爆炸半径
规划增量部署
估计更改后的重建时间
修改风险评估

`get_column_lineage`

通过SQL转换跟踪列级沿袭-准确了解列如何通过CTE、连接、聚合和转换。

 \ 你： *“显示收入栏的来源”*\ 副驾驶： *通过CTE显示每个转换步骤的上游轨迹* 你： *“customer_id如何在客户模型中流动？”*\ 副驾驶： *显示CTE链：最终→ customer_agg→ 订单→ stg_orders* 你： *“哪些列在下游使用customer_id？”*\ 副驾驶： *显示所有引用它的下游模型和列* 你： *“从源到最终输出跟踪order_total”*\ 副驾驶： *使用CTE和表达式显示完整的转换路径* 你： *“这种模式的价格会发生什么变化？”*\ 副驾驶： *列出使用SQL表达式转换列的每个CTE*\  

参数：

model_name：要分析的dbt模型的名称
column_name：要跟踪的列的名称
direction: "upstream" （来源）， "downstream" （用法），或 "both" （默认）
depth：可遍历的最大级别（无表示无限，1表示立即等）

退货： 具有详细转换跟踪的列级依赖关系：

路径（\_C）：按转换顺序列出CTE名称（显示通过内部CTE的路径）
变换：每个步骤的详细转换（CTE名称、列、SQL表达式）
依赖项：具有完整限定的源列和表
dbt资源映射：源模型和源的链接

CTE转型跟踪：

该工具跟踪列如何在模型内通过通用表表达式（CTE）流动：

customer_agg.order_count
  └─ via_ctes: ["final", "customer_agg"]
  └─ transformations:
       - CTE: final
         Column: order_count
         Expression: COALESCE(customer_agg.order_count, 0)
       - CTE: customer_agg
         Column: order_count
         Expression: COUNT(orders.order_id)

这向您展示了：

该列通过哪些CTE(via_ctes)
它在每一步都是如何转变的(transformations)
在每个转换点使用的SQL表达式

使用案例：

逐步了解复杂的SQL转换
调试列具有意外值的原因（跟踪转换链）
查找计算列的所有来源
在重命名列之前查看下游使用情况
记录合规性/审计的数据沿袭
识别CTE链中的优化机会

注：需要编译模型(dbt compile).使用sqlglot解析SQL并跟踪列流。

数据库查询

`query_database`

使用dbt的ref（）和source（）函数对数据库执行SQL查询。结果可以内联显示或导出到CSV/TSV文件进行分析。

 \ 你： *“显示客户模型中的10行”*\ 副驾驶： *执行SELECT\*FROM{{ref（'customers'）}}LIMIT 10并显示结果* 你： *“显示订单数>5的客户的customer_agg CTE”*\ 副驾驶： *仅提取CTE（带有上游deps），应用过滤器并显示行* 你： *“太好了，使用该输出来塑造我的CTE单元测试夹具”*\ 副驾驶： *完成。您可以在不运行整个模型的情况下获得逼真的输入/输出示例* 你： *“统计暂存表中的订单”*\ 副驾驶： *运行选择计数(*)并显示计数\* 你： *“stg_payments的模式是什么？”*\ 副驾驶： *查询列信息并显示架构* 你： *“将客户数据导出到CSV进行分析”*\ 副驾驶： *将查询结果保存到可以在Excel中打开的CSV文件中* 你： *“将所有订单保存到TSV文件”*\ 副驾驶： *以制表符分隔格式导出数据，以便导入其他工具* 你： *“从按最新排序的customers_riched运行orders_with_flags CTE”*\ 副驾驶： *仅执行CTE（包括上游deps），应用ORDER BY/LIMIT，并显示您需要推理逻辑的切片* 你： *“用它来构建一个逼真的CTE单元测试夹具”*\ 副驾驶： *是的，现在你的灯具与真实形状和边缘情况相匹配*\  

您可以做什么：

使用查询任何模型 {{ ref('model_name') }} 或使用来源 {{ source('source_name', 'table_name') }}
查询任意 个体CTE 在模型内部 cte_name + model_name，并可选择添加 sql 对于WHERE/ORDER BY/LIMIT，可以精确放大步骤产生的结果
直接在对话中显示结果（适用于小结果集）
导出到CSV或TSV文件（非常适合大型数据集或Excel/其他工具中的进一步分析）
自动处理大型结果，而不会使对话不堪重负

执行工具

`run_models`

使用基于状态的选择运行dbt模型，以实现快速开发。需要以前的状态（来自以前的运行）来检测修改。

 \ 你： *“只运行我更改的模型”*\ 副驾驶： *使用状态比较来检测并仅运行修改后的模型* 你： *“运行我的更改和所有下游操作”*\ 副驾驶： *运行修改后的模型以及所有下游依赖项* 你： *“运行客户模型”*\ 副驾驶： *执行dbt run--选择客户* 你： *“通过全面刷新构建所有集市模型”*\ 副驾驶： *运行dbt-run--选择marts。* --完全刷新\* 你： *“运行修改后的模型并检查架构更改”*\ 副驾驶： *运行模型并检测添加/删除的列*\  

基于状态的选择模式：

select_state_modified：仅运行已更改的模型（需要以前的状态）
select_state_modified_plus_downstream：运行更改的模型+下游的所有内容

国家如何运作：

首次运行会自动建立基线状态
后续运行将与此状态进行比较以检测变化
如果不存在以前的状态，则返回成功（无法确定修改）
每次成功运行后，状态都会自动保存

其他参数：

select：型号选择器（例如“客户”、“标签：集市”）
exclude：排除型号
full_refresh：强制增量模型完全刷新
fail_fast：第一次失败时停止
check_schema_changes：检测列的添加/删除

架构更改检测： 启用后，检测添加或删除的列，并建议运行下游模型以传播更改。

`test_models`

使用基于状态的选择运行dbt测试。需要以前的状态来检测修改。

 \ 你： *“仅测试我更改的模型”*\ 副驾驶： *使用状态比较仅测试修改后的模型* 你： *“对我的更改和下游模型运行测试”*\ 副驾驶： *测试修改后的模型和下游受影响的所有内容* 你： *“测试客户模型”*\ 副驾驶： *执行dbt测试--选择客户* 你： *“运行临时模型的所有测试”*\ 副驾驶： *运行dbt测试--选择暂存。*\  

基于状态的选择模式：

select_state_modified：仅测试更改的模型（需要以前的状态）
select_state_modified_plus_downstream：测试更改的模型+下游
如果不存在以前的状态，则返回成功（无法确定修改）

其他参数：

select：测试选择器（例如，“客户”、“标签：集市”）
exclude：排除测试
fail_fast：第一次失败时停止

`build_models`

按依赖顺序一起运行模型和测试（最有效的方法）。支持基于状态的选择。

 \ 你： *“构建我的变化和下游的一切”*\ 副驾驶： *使用状态比较来构建修改后的模型和依赖关系* 你： *“只运行和测试我修改的内容”*\ 副驾驶： *仅在更改的模型上执行dbt构建* 你： *“用测试构建整个集市层”*\ 副驾驶： *运行dbt构建--选择marts。* 所有测试\*\  

基于状态的选择模式：

select_state_modified：仅构建更改的模型（需要以前的状态）
select_state_modified_plus_downstream：构建已更改的模型+下游
如果不存在以前的状态，则返回成功（无法确定修改）

`seed_data`

从以下位置加载种子数据（CSV文件） seeds/ 目录到数据库表中。

 \ 你： *“加载所有种子数据”*\ 副驾驶： *运行dbt种子并加载所有CSV文件* 你： *“只装我换过的种子”*\ 副驾驶： *检测修改的种子文件并加载它们* 你： *“重新加载raw_customers种子文件”*\ 副驾驶： *执行dbt种子--选择raw_customers--完全刷新* 你： *“让我看看country_codes种子中有什么”*\ 副驾驶： *显示加载种子数据的预览*\  

种子通常用于参考数据，如国家代码、产品类别等。

基于状态的选择模式：

select_state_modified：仅加载已更改的种子（需要以前的状态）
select_state_modified_plus_downstream：加载更改的种子+下游依赖项
如果不存在以前的状态，则返回成功（无法确定修改）

其他参数：

select：种子选择器（例如“raw_customers”、“tag:lookup”）
exclude：不包括种子
full_refresh：截断并重新加载种子表
show：显示加载数据的预览

重要提示： 更改检测通过文件哈希进行：

种子\  \

你： *“运行所有快照”*\ 副驾驶： *为所有快照模型执行dbt快照* 你： *“执行customer_history快照”*\ 副驾驶： *运行dbt快照--选择customer_history* 你： *“运行每日快照”*\ 副驾驶： *执行标记为“每日”的快照*\  

快照通过记录记录首次出现的时间、更改的时间以及每个时间点的状态来跟踪历史变化。

参数：

select：快照选择器（例如，“customer_history”、“tag:daily”）
exclude：排除快照

注：快照是基于时间的，应该按计划（例如每天/每小时）运行，而不是在交互式开发期间运行。它们不支持智能选择。

`install_deps`

安装packages.yml中定义的dbt包，以启用交互式包管理工作流。

 \ 你： *“我需要使用dbt_utils宏”*\ 副驾驶： *检查是否已安装，添加到packages.yml，运行install_deps（）* 你： *“安装packages.yml中定义的包”*\ 副驾驶： *执行dbt-deps并显示已安装的软件包* 你： *“添加dbt_utils并安装它”*\ 副驾驶： *编辑packages.yml，运行install_deps（），准备使用宏*\  

此工具支持完整的工作流程，Copilot可以：

建议使用dbt包（例如dbt_utils）
编辑packages.yml以添加包
运行install_deps（）进行安装
编写使用包宏的代码

所有这些都不会打断对话。

退货： 安装状态和已安装软件包列表

包发现： 使用 list_resources(type="macro") 查看已安装的软件包。宏遵循以下模式 macro.{package_name}.{macro_name}.

注：这是一个交互式开发工具（如run_models/test_models），而不是基础设施自动化。它使Copilot能够在对话中完成自己的建议。

开发人员工作流程

快速迭代，智能选择——只需描述你想要什么：

 \ 你： *“只跑我改变的东西”*\ 副驾驶： *检测修改后的模型并运行它们* 你： *“运行我的更改并测试下游的所有内容”*\ 副驾驶： *运行修改后的模型+下游依赖关系，然后进行测试* 你： *“使用测试构建修改后的模型”*\ 副驾驶： *使用智能选择执行dbt构建*\  

第一次运行会自动建立基线状态。后续运行会检测到更改，并仅运行所需的内容。

前后示例：

 \ 传统工作流程： ``bash dbt run --select customers+ dbt test --select customers+ `` 使用dbt核心mcp：\ 你： *“我修改了客户模型，运行它并测试了所有受影响的内容”*\ 副驾驶： *处理一切-运行、测试和报告结果*\  

运作原理

此服务器使用桥接执行模式在项目的Python环境中执行dbt命令：

零dbt依赖关系：MCP服务器不需要dbt核心，不需要适配器，只需要Python实用程序
环境检测：自动查找您的Python环境（uv、poetry、venv、conda等）
桥梁施工：将Python脚本构建为字符串，并在您的环境中执行它们
使用您的dbt：与您的dbt核心版本、适配器和配置一起运行
无冲突：当我们没有dbt依赖关系时，不能有版本冲突！
并发安全：检测并等待现有的dbt进程，以防止数据库锁冲突

服务器读取dbt的manifest.json以获取元数据，并使用 dbt show --inline （在您的环境中执行）用于SQL查询执行，并完全支持Jinja模板。

在实践中：

 \ 您的项目： dbt核心1.10.13+dbt-duckdb\ 我们的服务器： mcp、fastmcp、pydantic、pyyaml、psutil（无dbt！）\ 结果： 完美的兼容性-我们检测您的环境并运行您的dbt\  

无需配置-它只适用于您现有的dbt设置、任何版本、任何适配器。

贡献

想让这变得更好吗？ 你能做的最好的贡献就是实际使用它 -你的反馈和bug报告才是真正推动改进的动力。

当然，也欢迎代码贡献！结账贡献.md 用于开发设置和指南。但说真的，仅仅使用它并告诉我们什么有效（或无效）是非常有价值的。

了解更多

技术架构 -深入了解零配置理念、桥接架构、性能优化和设计决策。对于那些想了解这一切在幕后是如何运作的好奇者来说。
CTE单元测试 -单独测试SQLCTE的综合指南。学习如何在不构建大量夹具的情况下测试复杂的SQL逻辑，为dbt模型实现真正的TDD工作流。

许可证

MIT许可证-有关详细信息，请参阅许可证文件。

作者

尼古拉斯·奥洛夫森-

DBT Core MCP Server

快速接入

详细介绍

dbt核心MCP服务器

为什么这会改变一切

您将获得什么（功能和优势）

自然语言，强大的结果

让它运行（2分钟）

选项1：一键安装（最简单）

选项2：手动配置

选项3：出血边缘（最新来自GitHub）

可选配置

命令超时

项目目录

需求

局限性

可用工具

项目信息

get_project_info

资源发现（统一工具）

list_resources

get_resource_info

谱系和影响分析（统一工具）

get_lineage

analyze_impact

get_column_lineage

数据库查询

query_database

执行工具

run_models

test_models

build_models

seed_data

install_deps

开发人员工作流程

运作原理

贡献

了解更多

许可证

作者

目录标签

接入字段

权限和风险

来源信息

继续浏览同类 MCP

`get_project_info`

`list_resources`

`get_resource_info`

`get_lineage`

`analyze_impact`

`get_column_lineage`

`query_database`

`run_models`

`test_models`

`build_models`

`seed_data`

`install_deps`