Token导航 LogoToken导航TokenDH.com
MCP Bigquery logo
安全风控stdio官方级别未说明来源级核验

MCP Bigquery

MCP Server

mcp-bigquery是一个基于模型上下文协议(MCP)的服务,为AI助手提供安全的Google BigQuery交互功能,包括SQL验证、成本估算和模式探索。

工具数

8

提示词数

0

GitHub Stars

0

资源数

0
PythonClaude安全Claude DesktopClaude

安装说明

本站只整理中文说明和来源信息,不托管安装包,也不代用户安装。

作者 / 组织

caron14

提供方

caron14

最后核验

2026/5/17 20:22

快速接入

先看主来源和安装命令,再打开仓库或文档;下面只保留这个条目的关键接入事实。

命令预览

pip install mcp-bigquery

详细介绍

mcp大查询

通过模型上下文协议进行安全的BigQuery探索

![MIT License](LICENSE) ](https://pypi.org/project/mcp-bigquery/) ![Python Support](https://pypi.org/project/mcp-bigquery/) ](https://pypi.org/project/mcp-bigquery/)

文档 | 快速开始 | 工具 | 例子

______________________________________________________________________

📌 这是什么?

mcp大查询 是一个MCP(模型上下文协议)服务器,它使像克劳德这样的人工智能助手能够 安全地 与谷歌BigQuery互动。

🎯 主要特点

graph LR
    A[AI Assistant] -->|MCP Protocol| B[mcp-bigquery]
    B -->|Dry-run Only| C[BigQuery API]
    B -.->|❌ Never Executes| D[Actual Query Execution]
  • 🛡️ 100%安全:所有操作都只是模拟运行(从不执行查询)
  • 💰 成本透明度:在运行任何查询之前查看成本
  • 🔍 完整分析:分析依赖关系并验证SQL语法
  • 📊 架构资源管理器:轻松浏览数据集、表和列

⚡ 为什么使用mcp-bigquery?

问题mcp-bigquery的解决方案
💸 意外运行昂贵的查询执行前检查成本
🐛 在SQL错误上浪费时间运行前检测语法错误
🗺️ 未知的表结构轻松探索模式
⚠️ AI执行危险操作一切都是只读和安全的

🚀 快速入门(4分钟)

步骤1:安装(1分钟)

pip install mcp-bigquery

第二步:使用Google Cloud进行身份验证(2分钟)

# For personal accounts
gcloud auth application-default login

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

步骤3:配置Claude桌面(1分钟)

打开您的Claude桌面配置:

  • 苹果电脑: ~/Library/Application Support/Claude/claude_desktop_config.json
  • 视窗: %APPDATA%\Claude\claude_desktop_config.json

添加此配置:

{
  "mcpServers": {
    "mcp-bigquery": {
      "command": "mcp-bigquery",
      "env": {
        "BQ_PROJECT": "your-gcp-project-id"  // ← Replace with your project ID
      }
    }
  }
}

第四步:测试一下!

重新启动Claude Desktop并尝试以下问题:

"What datasets are available in my BigQuery project?"
"Can you estimate the cost of: SELECT * FROM dataset.table"
"Show me the schema for the users table"

🛠️ 可用工具

📝 SQL验证和分析

工具目的何时使用
bq_validate_sql检查SQL语法运行任何查询之前
bq_dry_run_sql获取成本估算和元数据💰 检查成本
bq_提取依赖关系提取表依赖关系了解数据沿袭
bq_validate_query_syntax详细的错误分析调试SQL错误

🔍 架构发现

工具目的何时使用
bq_list_datasets列出所有数据集探索您的项目
bq_list_tables列出带有分区信息的表浏览数据集
bq_describe_table获取详细的表架构了解列
bq_get_table_info完成表元数据获取统计信息

💡 真实世界的例子

示例1:运行前检查成本

# 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

示例2:了解表结构

# 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)

示例3:跟踪数据依赖关系

# 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

🎨 运作原理

Your Code ← → Claude/AI Assistant
                   ↓
            MCP Protocol
                   ↓
            mcp-bigquery
                   ↓
         BigQuery API (Dry-run)
                   ↓
             BigQuery
      (Never executes actual queries)

⚙️ 配置

环境变量

export BQ_PROJECT="my-project"        # GCP Project ID (required)
export BQ_LOCATION="asia-northeast1"  # Region (optional)
export SAFE_PRICE_PER_TIB="5.0"      # Price per TiB (default: $5)
export LOG_LEVEL="INFO"              # Optional log level override

完整的Claude桌面配置

{
  "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"
      }
    }
  }
}

🔧 故障排除

常见问题及解决方案

❌ 认证错误

Error: Could not automatically determine credentials

解决方案:

gcloud auth application-default login

❌ 权限错误

Error: User does not have bigquery.tables.get permission

解决方案: 授予BigQuery Data Viewer角色

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

❌ 项目未设置

Error: Project ID is required

解决方案:BQ_PROJECT 在你的配置中

调试模式

如果问题仍然存在,请启用调试模式:

{
  "env": {
    "LOG_LEVEL": "INFO",
    "BQ_PROJECT": "your-project"
  }
}

📚 了解更多

入门指南

对于开发者

🚦 项目状态

版本发布日期主要功能
v0.5.02026-01-02整合的格式化程序、客户端缓存、日志控制
v0.4.22025-12-08模块化模式浏览器,统一的客户端/日志控制
v0.4.12025-01-22更好的错误处理、调试日志记录
v0.4.02025-01-22增加了6个模式发现工具
v0.3.02025-01-17SQL分析引擎
v0.2.02025-01-16基本验证和试运行

🤝 贡献

欢迎拉取请求!查看我们的 贡献指南.

# Setup development environment
git clone https://github.com/caron14/mcp-bigquery.git
cd mcp-bigquery
pip install -e ".[dev]"

# Run tests
pytest tests/

📄 许可证

MIT许可证-请参阅 许可证 了解详情。

🙏 致谢

  • Google BigQuery团队提供卓越的API
  • MCP协议的拟人化
  • 所有贡献者和用户

______________________________________________________________________

专为安全的BigQuery探索而构建 🛡️

报告Bug · 请求功能 · 讨论

目录标签

目录标签

PythonClaude安全BigQuery安全本地部署SQL验证数据成本分析模式探索AI集成

支持客户端

Claude DesktopClaude

接入字段

传输方式(transport,传输协议)

stdio

鉴权方式(authType,认证方式)

session

工具数量(toolCount,工具数)

8

资源数量(resourceCount,资源数)

0

提示词数量(promptCount,提示词数)

0

权限和风险

stdiosession部署方式未说明

接入前请确认传输方式、认证方式和部署位置,并根据实际工具能力限制访问范围。

安装前确认

不要直接授予不必要的文件、网络或账号权限;先核对安装命令和配置内容。

来源信息

继续浏览同类 MCP