Token导航 LogoToken导航TokenDH.com
Querying Bigquery Datsets logo
数据服务stdio官方级别未说明来源级核验

Querying Bigquery Datsets

MCP Server

该项目展示了如何使用Agent Development Kit (ADK)和Model-Context-Protocol (MCP)工具箱构建能够查询BigQuery数据集的强大代理。代理能够理解自然语言查询,将其转换为SQL并在BigQuery上执行,返回结果。

工具数

3

提示词数

0

GitHub Stars

0

资源数

0
Python自然语言处理数据分析

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

Madhu-712

提供方

Madhu-712

最后核验

2026/5/17 20:19

运行时

Python

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

python3 -m venv .venv

详细介绍

使用ADK代理和MCP工具箱查询BigQuery数据集

概述

This project demonstrates how to build a powerful agent capable of querying BigQuery datasets using the Agent Development Kit (ADK) and the                       
 Model-Context-Protocol (MCP) Toolbox. The agent can understand natural language queries, translate them into SQL, execute them on BigQuery, and return the        
 results.                                                                                                                                                          
                                                                                     u                                                                         

建筑

该架构由以下组件组成:\ 了解他们的要求,并协调工具来满足他们的要求。\ MCP工具箱: 通过模型上下文协议(MCP)向ADK代理公开一组工具的服务器。这些工具为代理提供\ 与BigQuery交互的能力。\ BigQuery: 谷歌的无服务器、高度可扩展的数据仓库。代理将查询存储在BigQuery中的数据集。

代理接收用户的查询,识别查询数据的意图,然后使用MCP工具箱中的适当工具对以下对象执行SQL查询\ BigQuery。

数据库代理和MCP工具箱

ADK代理商: Agent Development Kit允许开发人员构建复杂的代理,这些代理可以推理、计划和使用工具来完成复杂的任务。\ 这些代理不仅仅是简单的聊天机器人;它们可以配置特定的指令,并可以访问各种工具与外部进行交互\ 系统。

  • MCP数据库工具箱: MCP工具箱充当代理和数据库之间的桥梁。它公开了数据库操作(如执行SQL\

查询)作为代理可以使用的工具。这有几个优点: - 摘要: 代理不需要知道如何连接或查询数据库的具体细节。它只需要知道如何使用工具。 - 安全: MCP工具箱可以执行安全策略,确保代理只能访问它应该访问的数据。 - 模块化: 您可以轻松地将新工具添加到工具箱中,以扩展代理的功能。

项目结构

\_\_mcp工具箱\ ── 我的经纪人/\ ——.venv/\ ├── gcp_releasenotes_agent_app/\ │ ├── agent.py\ │ │ └── ...\ └── ...\ ├── 工具箱/\ ├── tools.yaml\ └── README.md

  • my-agents/:包含ADK代理的源代码。
  • - my-agents/gcp_releasenotes_agent_app/agent.py:代理应用程序的主要入口点。

toolbox/:包含MCP工具箱服务器的实现。\ tools.yaml:MCP工具箱提供的工具的配置文件。 * search_world_bank_intl_education:按国家名称告诉政府教育支出的数据集。 * search_release_notes_bq:数据集包含有关GCP bigquery的最新版本、功能和折旧的信息 * solar_ppotential_MountainView:数据集包含有关项目天窗的信息,该信息告诉给定pincode覆盖的总面积

  • README.md:此文件

入门指南

先决条件

  • Python 3.10+
  • 谷歌云SDK
  • 访问启用了BigQuery API的Google云项目。

安装

克隆存储库:

 git clone https://github.com/Madhu-712/Querying-Bigquery-datsets-using-ADK-agents-and-MCP-toolbox.git                                                         
 cd Querying-Bigquery-datsets-using-ADK-agents-and-MCP-toolbox                                                                                                 

设置Python虚拟环境:

python3 -m venv .venv                                                                                                                                         
source .venv/bin/activate                                                                                                                                     

. 安装依赖项:

pip install -r my-agents/requirements.txt                                                                                                                     

使用Google Cloud进行身份验证:

 gcloud auth application-default login                                                                                                                         

端到端实施(执行步骤)

  1. 启动MCP工具箱服务器:\

运行MCP工具箱服务器以公开BigQuery工具。

  1. 运行ADK代理:\

执行主代理脚本。这将启动会话代理。

  1. 与代理交互:\

现在,您可以在终端中与代理进行交互。向它询问有关BigQuery数据的问题。例如:\ “在客户表中显示客户总数。”

然后,代理将使用MCP工具箱中的工具在BigQuery上执行相应的SQL查询,并将结果返回给您。

贡献

Contributions are welcome! Please feel free to submit a pull request.                                                                                             
  1. 分叉存储库。
  2. 创建新分支: git checkout -b my-feature-branch
  3. 进行更改并提交: git commit -m 'Add some feature'
  4. 推到分支: git push origin my-feature-branch

许可证

该项目根据MIT许可证获得许可。请参阅 LICENSE 文件以获取详细信息。\ │

资源

(https://codelabs.developers.google.com/mcp-toolbox-bigquery-dataset#3)

目录标签

目录标签

Python自然语言处理数据分析BigQuery查询本地部署SQL转换数据仓库代理开发工具包

接入字段

传输方式(transport,传输协议)

stdio

鉴权方式(authType,认证方式)

session

运行时(runtime,运行环境)

Python

工具数量(toolCount,工具数)

3

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