dbt
ทางการเซิร์ฟเวอร์ MCP อย่างเป็นทางการสำหรับ dbt (เครื่องมือสร้างข้อมูล) ที่ให้การผสานรวมกับ dbt Core/Cloud CLI, การค้นพบเมทาดาทาของโปรเจกต์, ข้อมูลโมเดล, และความสามารถในการสอบถามเลเยอร์เชิงความหมาย
คุณทำอะไรได้บ้างด้วย Dbt MCP?
- Query dbt metrics — สอบถามคำจำกัดความของเมตริก มิติข้อมูล หรือ SQL ที่คอมไพล์แล้วโดยใช้
list_metrics,get_dimensionsหรือget_metrics_compiled_sql - Explore project lineage — ติดตามการพึ่งพาของโมเดลและความสัมพันธ์ต้นทาง/ปลายทางด้วย
get_lineageหรือget_related_models - Run dbt commands — รันคำสั่ง
run,testหรือbuildเพื่อสร้างโมเดล ตรวจสอบความถูกต้องของข้อมูล หรือสร้างโปรเจกต์ - Generate boilerplate code — สร้าง source YAML, model YAML หรือ staging SQL ผ่าน
generate_source,generate_model_yamlหรือgenerate_staging_model - Monitor job runs — ตรวจสอบสถานะการรัน ข้อผิดพลาด หรืออาร์ติแฟกต์โดยใช้
get_job_run_details,get_job_run_errorหรือlist_job_run_artifacts - Inspect node details — ดึงข้อมูลเมตาดาต้าทั้งหมดสำหรับทรัพยากรทุกประเภทด้วย
get_node_detailsรวมถึงโมเดล แหล่งข้อมูล และการทดสอบ
เอกสาร
dbt MCP Server
เซิร์ฟเวอร์ MCP (Model Context Protocol) นี้มีเครื่องมือต่าง ๆ สำหรับการโต้ตอบกับ dbt คุณสามารถใช้เซิร์ฟเวอร์ MCP นี้เพื่อให้เอเจนต์ AI เข้าใจบริบทของโปรเจกต์ของคุณใน dbt Core, dbt Fusion และ dbt Platform
อ่านเอกสารของเรา ที่นี่ เพื่อเรียนรู้เพิ่มเติม บล็อกโพสต์นี้ ให้รายละเอียดเพิ่มเติมเกี่ยวกับสิ่งที่สามารถทำได้กับเซิร์ฟเวอร์ dbt MCP
MCP Bundle ทดลอง
เราตีพิมพ์ Model Context Protocol Bundle ทดลอง (dbt-mcp.mcpb) พร้อมกับการเผยแพร่แต่ละครั้ง เพื่อให้ไคลเอนต์ที่รองรับ MCPB สามารถนำเข้าเซิร์ฟเวอร์นี้ได้โดยไม่ต้องตั้งค่าเพิ่มเติม ดาวน์โหลด bundle จากไฟล์แนบของการเผยแพร่ล่าสุด และทำตามเอกสาร mcpb CLI ของ Anthropic เพื่อติดตั้งหรือตรวจสอบ
ข้อเสนอแนะ
หากคุณมีความคิดเห็นหรือคำถาม สร้าง GitHub Issue หรือเข้าร่วมกับเราใน Slack ชุมชน ในช่อง #tools-dbt-mcp
สถาปัตยกรรม
สถาปัตยกรรมของเซิร์ฟเวอร์ dbt MCP ช่วยให้เอเจนต์ของคุณเชื่อมต่อกับเครื่องมือที่หลากหลาย

เครื่องมือ
SQL
เครื่องมือสำหรับการรันและสร้าง SQL บนโครงสร้างพื้นฐานของ dbt Platform
execute_sql: รัน SQL บนโครงสร้างพื้นฐานของ dbt Platform พร้อมรองรับ Semantic Layertext_to_sql: สร้าง SQL จากภาษาธรรมชาติโดยใช้บริบทของโปรเจกต์
Semantic Layer
หากต้องการเรียนรู้เพิ่มเติมเกี่ยวกับ dbt Semantic Layer คลิก ที่นี่
get_dimension_values: ดึงค่าที่แตกต่างสำหรับมิติ; มีตัวเลือกในการจำกัดขอบเขตไปยังเมตริกเฉพาะget_dimensions: ดึงมิติสำหรับเมตริกที่ระบุget_entities: ดึงเอนทิตีสำหรับเมตริกที่ระบุget_metrics_compiled_sql: ส่งคืน SQL ที่คอมไพล์แล้วสำหรับเมตริกโดยไม่ต้องรันคิวรีlist_metrics: ดึงข้อมูลเมตริกที่กำหนดไว้ทั้งหมดlist_saved_queries: ดึงข้อมูลคิวรีที่บันทึกไว้ทั้งหมดquery_metrics: รันคิวรีเมตริกพร้อมตัวเลือกการกรองและการจัดกลุ่ม
Discovery
หากต้องการเรียนรู้เพิ่มเติมเกี่ยวกับ dbt Discovery API คลิก ที่นี่
get_all_macros: ดึงข้อมูลแมโคร; มีตัวเลือกในการกรองตามแพ็กเกจหรือส่งคืนเฉพาะชื่อแพ็กเกจget_all_models: ดึงชื่อและคำอธิบายของโมเดลทั้งหมดget_all_sources: ดึงแหล่งข้อมูลทั้งหมดพร้อมสถานะความสดใหม่; มีตัวเลือกในการกรองตามชื่อแหล่งข้อมูลget_exposure_details: (เลิกใช้งาน — ใช้get_node_detailsแทน)get_exposures: ดึง exposures ทั้งหมด (แดชบอร์ด แอป หรือการวิเคราะห์ปลายทาง)get_lineage: ดึงกราฟ lineage แบบจำกัดขอบเขตพร้อมการกรองตามประเภท ความลึก และทิศทางget_macro_details: (เลิกใช้งาน — ใช้get_node_detailsแทน)get_mart_models: ดึงโมเดล mart ทั้งหมดget_model_children: (เลิกใช้งาน — ใช้get_lineageแทน)get_model_details: (เลิกใช้งาน — ใช้get_node_detailsแทน)get_model_health: ดึงสัญญาณสุขภาพ: สถานะการรัน ผลการทดสอบ และความสดใหม่ของแหล่งข้อมูลต้นทางget_model_parents: (เลิกใช้งาน — ใช้get_lineageแทน)get_model_performance: ดึงประวัติการรันสำหรับโมเดล; มีตัวเลือกในการรวมผลการทดสอบget_node_details: ดึงรายละเอียดทั้งหมดสำหรับทรัพยากร dbt ทุกประเภท (โมเดล แหล่งข้อมูล exposure การทดสอบ seed snapshot แมโคร semantic_model)get_related_models: ค้นหาโมเดลที่คล้ายกันโดยใช้การค้นหาเชิงความหมายget_seed_details: (เลิกใช้งาน — ใช้get_node_detailsแทน)get_semantic_model_details: (เลิกใช้งาน — ใช้get_node_detailsแทน)get_snapshot_details: (เลิกใช้งาน — ใช้get_node_detailsแทน)get_source_details: (เลิกใช้งาน — ใช้get_node_detailsแทน)get_test_details: (เลิกใช้งาน — ใช้get_node_detailsแทน)search: [Alpha] ค้นหาทรัพยากรทั่วทั้งโปรเจกต์ dbt (ยังไม่เปิดให้ใช้งานทั่วไป)
dbt CLI
การอนุญาตให้ไคลเอนต์ของคุณใช้คำสั่ง dbt ผ่านเครื่องมือ MCP อาจแก้ไขโมเดลข้อมูล แหล่งข้อมูล และออบเจกต์ในคลังข้อมูลของคุณ ดำเนินการต่อเมื่อคุณเชื่อถือไคลเอนต์และเข้าใจผลกระทบที่อาจเกิดขึ้น
build: รันโมเดล การทดสอบ snapshot และ seed ตามลำดับ DAGclone: โคลนโหนดที่เลือกจากสถานะที่ระบุไปยัง schema เป้าหมายcompile: สร้าง SQL ที่รันได้จากโมเดล/การทดสอบ/การวิเคราะห์; มีประโยชน์สำหรับการตรวจสอบตรรกะ Jinjadocs: สร้างเอกสารสำหรับโปรเจกต์ dbtget_lineage_dev: ดึง lineage จาก manifest.json ในเครื่องพร้อมการกรองตามประเภทและความลึกget_node_details_dev: ดึงรายละเอียดโหนดจาก manifest.json ในเครื่อง (โมเดล seed snapshot แหล่งข้อมูล)list: แสดงรายการทรัพยากรในโปรเจกต์ dbt ตามประเภทพร้อมการรองรับตัวเลือกparse: แยกวิเคราะห์และตรวจสอบไฟล์โปรเจกต์เพื่อความถูกต้องของไวยากรณ์run: รันโมเดลเพื่อสร้าง materialize ในฐานข้อมูลshow: รัน SQL กับฐานข้อมูลและส่งคืนผลลัพธ์test: รันการทดสอบเพื่อตรวจสอบความถูกต้องของข้อมูลและความสมบูรณ์ของโมเดล
Admin API
หากต้องการเรียนรู้เพิ่มเติมเกี่ยวกับ dbt Administrative API คลิก ที่นี่
cancel_job_run: ยกเลิกงานที่กำลังรันอยู่get_job_details: ดึงการกำหนดค่างานรวมถึงทริกเกอร์ ตารางเวลา และคำสั่ง dbtget_job_run_artifacts: ดาวน์โหลด artifact เฉพาะจากการรันงาน; artifact ขนาดใหญ่จะส่งคืนข้อความแนะนำให้ลองใหม่ด้วย jq_filter; รองรับการกรอง jq สำหรับการดึงข้อมูลแบบเจาะจงget_job_run_details: ดึงรายละเอียดการรันรวมถึงสถานะ เวลา ขั้นตอน และ artifactget_job_run_error: ดึงรายละเอียดข้อผิดพลาดและ/หรือคำเตือนสำหรับการรันงาน; มีตัวเลือกในการรวมหรือแสดงเฉพาะคำเตือนlist_job_run_artifacts: แสดงรายการ artifact ที่มีอยู่จากการรันงานlist_jobs: แสดงรายการงานในบัญชี dbt Platform; มีตัวเลือกในการกรองตามโปรเจกต์หรือสภาพแวดล้อมlist_jobs_runs: แสดงรายการการรันงาน; มีตัวเลือกในการกรองตามงาน สถานะ หรือเรียงตามฟิลด์list_projects: แสดงรายการโปรเจกต์ทั้งหมดในบัญชี dbt Platformretry_job_run: ลองรันงานที่ล้มเหลวอีกครั้งtrigger_job_run: ทริกเกอร์การรันงาน; มีตัวเลือกในการแทนที่ git branch, schema หรือการตั้งค่าอื่น ๆ
dbt Codegen
เครื่องมือเหล่านี้ช่วยสร้างโค้ด boilerplate อัตโนมัติสำหรับไฟล์โปรเจกต์ dbt
generate_model_yaml: สร้าง YAML โมเดลพร้อมคอลัมน์; มีตัวเลือกในการสืบทอดคำอธิบายจากต้นทางgenerate_source: สร้าง YAML แหล่งข้อมูลโดยการตรวจสอบ schema ของฐานข้อมูล; มีตัวเลือกในการรวมคอลัมน์generate_staging_model: สร้าง SQL โมเดล staging จากตารางแหล่งข้อมูล
dbt LSP
ชุดเครื่องมือที่ใช้เอนจิน Fusion สำหรับการคอมไพล์ SQL ขั้นสูงและการวิเคราะห์ lineage ระดับคอลัมน์
fusion.compile_sql: คอมไพล์ SQL ในบริบทของโปรเจกต์ผ่าน dbt Platformfusion.get_column_lineage: ติดตาม lineage ระดับคอลัมน์ผ่าน dbt Platformget_column_lineage: ติดตาม lineage ระดับคอลัมน์ในเครื่อง (ต้องใช้ dbt-lsp ผ่าน dbt Labs VSCE)
เอกสารผลิตภัณฑ์
เครื่องมือสำหรับค้นหาและดึงเนื้อหาจากเอกสาร dbt อย่างเป็นทางการที่ docs.getdbt.com
get_product_doc_pages: ดึงเนื้อหา Markdown เต็มรูปแบบของหน้า docs.getdbt.com หนึ่งหน้าขึ้นไปตามเส้นทางหรือ URLsearch_product_docs: ค้นหา docs.getdbt.com สำหรับหน้าที่ตรงกับคิวรี; ส่งคืนชื่อเรื่อง URL และคำอธิบายที่จัดอันดับตามความเกี่ยวข้อง ใช้ get_product_doc_pages เพื่อดึงเนื้อหาเต็มรูปแบบ
เมตาดาต้าของเซิร์ฟเวอร์ MCP
เครื่องมือเหล่านี้ให้ข้อมูลเกี่ยวกับเซิร์ฟเวอร์ MCP เอง
get_mcp_server_branch: ส่งคืน git branch ปัจจุบันของเซิร์ฟเวอร์ dbt MCP ที่รันอยู่get_mcp_server_version: ส่งคืนเวอร์ชันปัจจุบันของเซิร์ฟเวอร์ dbt MCP
ตัวอย่าง
โดยทั่วไป คุณจะเชื่อมต่อเซิร์ฟเวอร์ dbt MCP กับผลิตภัณฑ์เอเจนต์เช่น Claude หรือ Cursor อย่างไรก็ตาม หากคุณสนใจที่จะสร้างเอเจนต์ของคุณเอง ดู ไดเรกทอรีตัวอย่าง สำหรับวิธีเริ่มต้น
การพึ่งพา
การพึ่งพาถูกกำหนดให้กับเวอร์ชันเฉพาะและไม่ได้รับการอัปเดตโดยอัตโนมัติ เฉพาะการอัปเดตการพึ่งพาที่เกี่ยวข้องกับความปลอดภัยเท่านั้นที่จะถูกส่งผ่าน pull requests อัตโนมัติ
การมีส่วนร่วม
อ่าน CONTRIBUTING.md สำหรับคำแนะนำเกี่ยวกับวิธีเข้าร่วม!