BigQuery mit MCP, Gemini CLI und anderen Agents verwenden
In diesem Leitfaden erfahren Sie, wie Sie die MCP Toolbox for Databases verwenden, um Ihr BigQuery-Projekt mit verschiedenen integrierten Entwicklungsumgebungen (IDEs) und Entwicklertools zu verbinden. Dabei wird das Model Context Protocol (MCP) verwendet, ein offenes Protokoll zum Verbinden von Large Language Models (LLMs) mit Datenquellen wie BigQuery. So können Sie SQL-Abfragen ausführen und direkt über Ihre vorhandenen Tools mit Ihrem Projekt interagieren.
Wenn Sie die Gemini CLI verwenden, können Sie BigQuery-Erweiterungen nutzen. Weitere Informationen Wenn Sie benutzerdefinierte Tools für die Gemini CLI erstellen möchten, lesen Sie weiter.
In diesem Leitfaden wird der Verbindungsprozess für die folgenden IDEs beschrieben:
- Cursor
- Windsurf (ehemals Codeium)
- Visual Studio Code (Copilot)
- Cline (VS Code-Erweiterung)
- Claude-Desktop
- Claude-Code
Hinweise
Wählen Sie in der Cloud de Confiance Console auf der Seite für die Projektauswahl ein Cloud de Confiance by S3NS -Projekt aus oder erstellen Sie eines.
Die Abrechnung für Ihr Cloud de Confiance Projekt muss aktiviert sein.
Aktivieren Sie die BigQuery API im Cloud de Confiance -Projekt.
Konfigurieren Sie die erforderlichen Rollen und Berechtigungen, um diese Aufgabe auszuführen. Sie benötigen die Rolle BigQuery-Nutzer (
roles/bigquery.user
), die Rolle „BigQuery-Datenbetrachter“ (roles/bigquery.dataViewer
) oder entsprechende IAM-Berechtigungen, um eine Verbindung zum Projekt herzustellen.Konfigurieren Sie Standardanmeldedaten für Anwendungen (ADC) für Ihre Umgebung.
MCP-Toolbox installieren
Sie müssen die MCP Toolbox nicht installieren, wenn Sie nur die BigQuery Gemini CLI-Erweiterungen verwenden möchten, da sie die erforderlichen Serverfunktionen enthalten. Für andere IDEs und Tools folgen Sie der Anleitung in diesem Abschnitt, um die MCP Toolbox zu installieren.
Die Toolbox fungiert als Open-Source-Server für das Model Context Protocol (MCP), der sich zwischen Ihrer IDE und BigQuery befindet und eine sichere und effiziente Steuerungsebene für Ihre KI-Tools bietet.
Laden Sie die aktuelle Version der MCP Toolbox als Binärdatei herunter. Wählen Sie die Binärdatei aus, die Ihrem Betriebssystem und Ihrer CPU-Architektur entspricht. Sie müssen die MCP Toolbox-Version V0.7.0 oder höher verwenden:
linux/amd64
curl -O https://storage.googleapis.com/genai-toolbox/VERSION/linux/amd64/toolbox
Ersetzen Sie
VERSION
durch die MCP Toolbox-Version, z. B.v0.7.0
.macOS darwin/arm64
curl -O https://storage.googleapis.com/genai-toolbox/VERSION/darwin/arm64/toolbox
Ersetzen Sie
VERSION
durch die MCP Toolbox-Version, z. B.v0.7.0
.macOS darwin/amd64
curl -O https://storage.googleapis.com/genai-toolbox/VERSION/darwin/amd64/toolbox
Ersetzen Sie
VERSION
durch die MCP Toolbox-Version, z. B.v0.7.0
.windows/amd64
curl -O https://storage.googleapis.com/genai-toolbox/VERSION/windows/amd64/toolbox
Ersetzen Sie
VERSION
durch die MCP Toolbox-Version, z. B.v0.7.0
.So machen Sie die Binärdatei ausführbar:
chmod +x toolbox
Installation prüfen:
./toolbox --version
Clients und Verbindungen einrichten
In diesem Abschnitt wird beschrieben, wie Sie BigQuery mit Ihren Tools verbinden.
Wenn Sie die eigenständige Gemini CLI verwenden, müssen Sie die MCP Toolbox nicht installieren oder konfigurieren, da die Erweiterungen die erforderlichen Serverfunktionen enthalten.
Für andere MCP-kompatible Tools und IDEs müssen Sie zuerst die MCP Toolbox installieren.
Claude-Code
- Installieren Sie Claude Code.
- Erstellen Sie im Stammverzeichnis Ihres Projekts eine Datei mit dem Namen
.mcp.json
, falls sie noch nicht vorhanden ist. - Fügen Sie die Konfiguration hinzu, ersetzen Sie die Umgebungsvariablen durch Ihre Werte und speichern Sie:
{ "mcpServers": { "bigquery": { "command": "./PATH/TO/toolbox", "args": ["--prebuilt","bigquery","--stdio"], "env": { "BIGQUERY_PROJECT": "PROJECT_ID" } } } }
- Starten Sie Claude Code neu, um die neuen Einstellungen zu laden. Wenn es wieder geöffnet wird, wird im Tool angezeigt, dass der konfigurierte MCP-Server erkannt wurde.
Claude-Desktop
- Öffnen Sie Claude Desktop und rufen Sie die Einstellungen auf.
- Klicken Sie auf dem Tab Entwickler auf Konfiguration bearbeiten, um die Konfigurationsdatei zu öffnen.
- Fügen Sie die Konfiguration hinzu, ersetzen Sie die Umgebungsvariablen durch Ihre Werte und speichern Sie:
{ "mcpServers": { "bigquery": { "command": "./PATH/TO/toolbox", "args": ["--prebuilt","bigquery","--stdio"], "env": { "BIGQUERY_PROJECT": "PROJECT_ID" } } } }
- Starten Sie Claude Desktop neu.
- Auf dem neuen Chatbildschirm wird ein Hammersymbol (MCP) mit dem neuen MCP-Server angezeigt.
Cline
- Öffnen Sie die Cline-Erweiterung in VS Code und tippen Sie auf das Symbol MCP Servers (MCP-Server).
- Tippen Sie auf MCP-Server konfigurieren, um die Konfigurationsdatei zu öffnen.
- Fügen Sie die folgende Konfiguration hinzu, ersetzen Sie die Umgebungsvariablen durch Ihre Werte und speichern Sie:
{ "mcpServers": { "bigquery": { "command": "./PATH/TO/toolbox", "args": ["--prebuilt","bigquery","--stdio"], "env": { "BIGQUERY_PROJECT": "PROJECT_ID" } } } }
Nach erfolgreicher Verbindung des Servers wird ein grüner aktiver Status angezeigt.
Cursor
- Erstellen Sie das Verzeichnis
.cursor
im Stammverzeichnis Ihres Projekts, falls es noch nicht vorhanden ist. - Erstellen Sie die Datei
.cursor/mcp.json
, falls sie noch nicht vorhanden ist, und öffnen Sie sie. - Fügen Sie die folgende Konfiguration hinzu, ersetzen Sie die Umgebungsvariablen durch Ihre Werte und speichern Sie:
{ "mcpServers": { "bigquery": { "command": "./PATH/TO/toolbox", "args": ["--prebuilt","bigquery","--stdio"], "env": { "BIGQUERY_PROJECT": "PROJECT_ID" } } } }
- Öffnen Sie Cursor und gehen Sie zu Einstellungen > Cursoreinstellungen > MCP. Ein grüner aktiver Status wird angezeigt, wenn der Server verbunden ist.
Visual Studio Code (Copilot)
- Öffnen Sie VS Code und erstellen Sie im Stammverzeichnis Ihres Projekts das Verzeichnis
.vscode
, falls es noch nicht vorhanden ist. - Erstellen Sie die Datei
.vscode/mcp.json
, falls sie noch nicht vorhanden ist, und öffnen Sie sie. - Fügen Sie die folgende Konfiguration hinzu, ersetzen Sie die Umgebungsvariablen durch Ihre Werte und speichern Sie:
{ "servers": { "bigquery": { "command": "./PATH/TO/toolbox", "args": ["--prebuilt","bigquery","--stdio"], "env": { "BIGQUERY_PROJECT": "PROJECT_ID" } } } }
- Aktualisieren Sie das VS Code-Fenster. Die MCP-kompatible Erweiterung erkennt die Konfiguration automatisch und startet den Server.
Windsurfen
- Öffnen Sie Windsurf und rufen Sie den Cascade-Assistenten auf.
- Klicken Sie auf das MCP-Symbol und dann auf Konfigurieren, um die Konfigurationsdatei zu öffnen.
- Fügen Sie die folgende Konfiguration hinzu, ersetzen Sie die Umgebungsvariablen durch Ihre Werte und speichern Sie:
{ "mcpServers": { "bigquery": { "command": "./PATH/TO/toolbox", "args": ["--prebuilt","bigquery","--stdio"], "env": { "BIGQUERY_PROJECT": "PROJECT_ID" } } } }
Hinweis:Mit der Umgebungsvariable
BIGQUERY_PROJECT
wird die Standard- Cloud de Confiance Projekt-ID für die MCP Toolbox angegeben. Alle BigQuery-Vorgänge, z. B. das Ausführen von Abfragen, werden in diesem Projekt ausgeführt.
Tools verwenden
Ihr KI-Tool ist jetzt über MCP mit BigQuery verbunden. Bitten Sie Ihren KI-Assistenten, Tabellen aufzulisten, eine Tabelle zu erstellen oder andere SQL-Anweisungen zu definieren und auszuführen.
Dem LLM stehen die folgenden Tools zur Verfügung:
- analyze_contribution: Führt eine Beitragsanalyse durch, die auch als Analyse der wichtigsten Treiber bezeichnet wird.
- ask_data_insights: Daten analysieren, Statistiken abrufen oder komplexe Fragen zum Inhalt von BigQuery-Tabellen beantworten.
- execute_sql: SQL-Anweisung ausführen.
- forecast: Zeitreihendaten prognostizieren.
- get_dataset_info: Dataset-Metadaten abrufen.
- get_table_info: Tabellenmetadaten abrufen.
- list_dataset_ids: Datasets auflisten.
- list_table_ids: Tabellen auflisten.
- search_catalog: Suchen Sie nach einer Tabelle mithilfe einer Eingabe in natürlicher Sprache.