BigQuery

Servidor MCP BigQuery

Um servidor Model Context Protocol que fornece acesso ao BigQuery. Este servidor permite que LLMs inspecionem esquemas de banco de dados e executem consultas.

Componentes

Ferramentas

O servidor implementa uma ferramenta:

• execute-query: Executa uma consulta SQL usando o dialeto do BigQuery
• list-tables: Lista todas as tabelas no banco de dados BigQuery
• describe-table: Descreve o esquema de uma tabela específica

Configuração

O servidor pode ser configurado com os seguintes argumentos:

• --project (obrigatório): O ID do projeto GCP.
• --location (obrigatório): A localização do GCP (ex.: europe-west9).
• --dataset (opcional): Considerar apenas conjuntos de dados específicos do BigQuery. Vários conjuntos de dados podem ser especificados repetindo o argumento (ex.: --dataset my_dataset_1 --dataset my_dataset_2). Se não for fornecido, todos os conjuntos de dados do projeto serão considerados.
• --key-file (opcional): Caminho para um arquivo de chave de conta de serviço para o BigQuery. Se não for fornecido, o servidor usará as credenciais padrão.

Início Rápido

Instalação

Instalando via Smithery

Para instalar o BigQuery Server para Claude Desktop automaticamente via Smithery:

npx -y @smithery/cli install mcp-server-bigquery --client claude

Claude Desktop

No MacOS: ~/Library/Application\ Support/Claude/claude_desktop_config.json No Windows: %APPDATA%/Claude/claude_desktop_config.json

Configuração de Servidores em Desenvolvimento/Não Publicados

"mcpServers": {
  "bigquery": {
    "command": "uv",
    "args": [
      "--directory",
      "{{PATH_TO_REPO}}",
      "run",
      "mcp-server-bigquery",
      "--project",
      "{{GCP_PROJECT_ID}}",
      "--location",
      "{{GCP_LOCATION}}"
    ]
  }
}

Configuração de Servidores Publicados

"mcpServers": {
  "bigquery": {
    "command": "uvx",
    "args": [
      "mcp-server-bigquery",
      "--project",
      "{{GCP_PROJECT_ID}}",
      "--location",
      "{{GCP_LOCATION}}"
    ]
  }
}

Substitua {{PATH_TO_REPO}}, {{GCP_PROJECT_ID}} e {{GCP_LOCATION}} pelos valores apropriados.

Desenvolvimento

Compilação e Publicação

Para preparar o pacote para distribuição:

1. Sincronize as dependências e atualize o lockfile:

uv sync

2. Compile as distribuições do pacote:

uv build

Isso criará distribuições de código-fonte e wheel no diretório dist/.

3. Publique no PyPI:

uv publish

Observação: Você precisará definir as credenciais do PyPI por meio de variáveis de ambiente ou flags de comando:

• Token: --token ou UV_PUBLISH_TOKEN
• Ou nome de usuário/senha: --username/UV_PUBLISH_USERNAME e --password/UV_PUBLISH_PASSWORD

Depuração

Como os servidores MCP são executados via stdio, a depuração pode ser desafiadora. Para a melhor experiência de depuração, recomendamos fortemente o uso do MCP Inspector.

Você pode iniciar o MCP Inspector via npm com este comando:

npx @modelcontextprotocol/inspector uv --directory {{PATH_TO_REPO}} run mcp-server-bigquery

Ao iniciar, o Inspector exibirá uma URL que você pode acessar no seu navegador para começar a depurar.