Conectar LLMs ao BigQuery com o MCP

Este guia mostra como usar a MCP Toolbox for Databases para conectar seu projeto do BigQuery a vários ambientes de desenvolvimento integrado (IDEs) e ferramentas de desenvolvedor. Ele usa o Protocolo de Contexto de Modelo (MCP), um protocolo aberto para conectar modelos de linguagem grandes (LLMs) a fontes de dados como o BigQuery, permitindo que você execute consultas SQL e interaja com seu projeto diretamente nas ferramentas atuais.

Se você usa a CLI do Gemini, pode usar extensões do BigQuery. Para saber como, consulte Desenvolver com a CLI do Gemini. Se você planeja criar ferramentas personalizadas para a CLI do Gemini, continue lendo.

Este guia demonstra o processo de conexão para os seguintes IDEs:

  • Cursor
  • Windsurf (antigo Codeium)
  • Visual Studio Code (Copilot)
  • Cline (extensão do VS Code)
  • Claude Desktop
  • Claude Code
  • Antigravity

Antes de começar

  1. No Cloud de Confiance console do, na página do seletor de projetos, selecione ou crie um Cloud de Confiance by S3NS projeto do.

  2. Verifique se o faturamento está ativado para o projeto do Cloud de Confiance .

  3. Ative a API BigQuery no Cloud de Confiance projeto.

  4. Configure os papéis e permissões necessários para concluir essa tarefa. Você vai precisar do papel de usuário do BigQuery (roles/bigquery.user), do papel de leitor de dados do BigQuery (roles/bigquery.dataViewer) ou de permissões equivalentes do IAM para se conectar ao projeto.

  5. Configure o Application Default Credentials (ADC) para seu ambiente.

Conectar com o Antigravity

Você pode conectar o BigQuery ao Antigravity das seguintes maneiras:

  • Usando a MCP Store
  • Usando uma configuração personalizada

Observação:não é necessário fazer o download do binário da MCP Toolbox para usar esses métodos.

MCP Store

A maneira mais simples de se conectar ao BigQuery no Antigravity é usando a MCP Store integrada.

  1. Abra o Antigravity e o painel do agente do editor.
  2. Clique no ícone "..." na parte de cima do painel e selecione Servidores MCP.
  3. Localize o BigQuery na lista de servidores disponíveis e clique em Instalar.
  4. Siga as instruções na tela para vincular suas contas de forma segura, quando aplicável.

Depois de instalar o BigQuery na MCP Store, os recursos e as ferramentas do servidor ficam disponíveis automaticamente para o editor.

Configuração personalizada

Para se conectar a um servidor MCP personalizado, siga estas etapas:

  1. Abra Antigravity e navegue até a MCP Store usando o menu suspenso "..." na parte de cima do painel do agente do editor.
  2. Para abrir o arquivo mcp_config.json, clique em Servidores MCP e em Gerenciar servidores MCP > Ver configuração bruta.
  3. Adicione a configuração a seguir, substitua a variável de ambiente pelos seus valores e salve.
{
  "mcpServers": {
    "bigquery": {
      "command": "npx",
      "args": ["-y","@toolbox-sdk/server","--prebuilt","bigquery","--stdio"],
      "env": {
          "BIGQUERY_PROJECT": "PROJECT_ID"
      }
    }
  }
}

Instalar a MCP Toolbox

Não é necessário instalar a MCP Toolbox se você planeja usar apenas as extensões da CLI do Gemini do BigQuery, porque elas agrupam os recursos de servidor necessários. Para outros IDEs e ferramentas, siga as etapas desta seção para instalar a MCP Toolbox.

A caixa de ferramentas funciona como um servidor de Protocolo de Contexto de Modelo (MCP) código aberto que fica entre o IDE e o BigQuery, fornecendo um plano de controle seguro e eficiente para suas ferramentas de IA.

  1. Faça o download da versão mais recente da MCP Toolbox como um binário. Selecione o binário correspondente ao seu sistema operacional (SO) e à arquitetura de CPU. Use a versão V0.7.0 ou mais recente da MCP Toolbox:

    linux/amd64

    curl -O https://storage.googleapis.com/mcp-toolbox-for-databases/VERSION/linux/amd64/toolbox
    

    Substitua VERSION pela versão da MCP Toolbox, por exemplo, v0.7.0.

    macOS darwin/arm64

    curl -O https://storage.googleapis.com/mcp-toolbox-for-databases/VERSION/darwin/arm64/toolbox
    

    Substitua VERSION pela versão da MCP Toolbox, por exemplo, v0.7.0.

    macOS darwin/amd64

    curl -O https://storage.googleapis.com/mcp-toolbox-for-databases/VERSION/darwin/amd64/toolbox
    

    Substitua VERSION pela versão da MCP Toolbox, por exemplo, v0.7.0.

    windows/amd64

    curl -O https://storage.googleapis.com/mcp-toolbox-for-databases/VERSION/windows/amd64/toolbox
    

    Substitua VERSION pela versão da MCP Toolbox, por exemplo, v0.7.0.

  2. Torne o binário executável:

    chmod +x toolbox
    
  3. Verifique a instalação:

    ./toolbox --version
    

Configurar clientes e conexões

Esta seção explica como conectar o BigQuery às suas ferramentas.

Se você estiver usando a CLI do Gemini independente, não será necessário instalar ou configurar a MCP Toolbox, porque as extensões agrupam os recursos de servidor necessários.

Para outras ferramentas e IDEs compatíveis com MCP, primeiro você deve instalar a MCP Toolbox.

Claude Code

  1. Instale o Claude Code.
  2. Crie um arquivo .mcp.json na raiz do projeto, se ele não existir.
  3. Adicione a configuração, substitua as variáveis de ambiente pelos seus valores e salve:
            {
              "mcpServers": {
                "bigquery": {
                  "command": "./PATH/TO/toolbox",
                  "args": ["--prebuilt","bigquery","--stdio"],
                  "env": {
                    "BIGQUERY_PROJECT": "PROJECT_ID"
                  }
                }
              }
            }
            
  4. Reinicie o Claude Code para carregar as novas configurações. Quando ele for reaberto, a ferramenta vai indicar que o servidor MCP configurado foi detectado.

Claude Desktop

  1. Abra Claude Desktop e navegue até Configurações.
  2. Na guia Desenvolvedor, clique em Editar configuração para abrir o arquivo de configuração.
  3. Adicione a configuração, substitua as variáveis de ambiente pelos seus valores e salve:
            {
              "mcpServers": {
                "bigquery": {
                  "command": "./PATH/TO/toolbox",
                  "args": ["--prebuilt","bigquery","--stdio"],
                  "env": {
                    "BIGQUERY_PROJECT": "PROJECT_ID"
                  }
                }
              }
            }
            
  4. Reinicie o Claude Desktop.
  5. A nova tela de chat mostra um ícone de martelo (MCP) com o novo servidor MCP.

Cline

  1. Abra a extensão Cline no VS Code e toque no ícone Servidores MCP.
  2. Toque em Configurar servidores MCP para abrir o arquivo de configuração.
  3. Adicione a configuração a seguir, substitua as variáveis de ambiente com seus valores e salve:
            {
              "mcpServers": {
                "bigquery": {
                  "command": "./PATH/TO/toolbox",
                  "args": ["--prebuilt","bigquery","--stdio"],
                  "env": {
                    "BIGQUERY_PROJECT": "PROJECT_ID"
                  }
                }
              }
            }
            

Um status ativo verde aparece depois que o servidor se conecta.

Cursor

  1. Crie o diretório .cursor na raiz do projeto, se ele não existir.
  2. Crie o arquivo .cursor/mcp.json, se ele não existir, e abra-o.
  3. Adicione a configuração a seguir, substitua as variáveis de ambiente com seus valores e salve:
            {
              "mcpServers": {
                "bigquery": {
                  "command": "./PATH/TO/toolbox",
                  "args": ["--prebuilt","bigquery","--stdio"],
                  "env": {
                    "BIGQUERY_PROJECT": "PROJECT_ID"
                  }
                }
              }
            }
            
  4. Abra o Cursor e navegue até Configurações > Configurações do cursor > MCP. Um status ativo verde aparece quando o servidor se conecta.

Visual Studio Code (Copilot)

  1. Abra o VS Code e crie um diretório .vscode na raiz do projeto, se ele não existir.
  2. Crie o arquivo .vscode/mcp.json, se ele não existir, e abra-o.
  3. Adicione a configuração a seguir, substitua as variáveis de ambiente com seus valores e salve:
            {
              "servers": {
                "bigquery": {
                  "command": "./PATH/TO/toolbox",
                  "args": ["--prebuilt","bigquery","--stdio"],
                  "env": {
                    "BIGQUERY_PROJECT": "PROJECT_ID"
                  }
                }
              }
            }
            
  4. Atualize a janela do VS Code. A extensão compatível com MCP detecta automaticamente a configuração e inicia o servidor.

Windsurf

  1. Abra o Windsurf e navegue até o assistente do Cascade.
  2. Clique no ícone do MCP e em Configurar para abrir o arquivo de configuração.
  3. Adicione a configuração a seguir, substitua as variáveis de ambiente com seus valores e salve:
            {
              "mcpServers": {
                "bigquery": {
                  "command": "./PATH/TO/toolbox",
                  "args": ["--prebuilt","bigquery","--stdio"],
                  "env": {
                    "BIGQUERY_PROJECT": "PROJECT_ID"
                  }
                }
              }
            }
            

Observação: A variável de ambiente BIGQUERY_PROJECT especifica o ID do projeto default Cloud de Confiance para a MCP Toolbox usar. Todas as operações do BigQuery, como a execução de consultas, são executadas nesse projeto.

Usar as ferramentas

Sua ferramenta de IA agora está conectada ao BigQuery usando o MCP. Peça ao assistente de IA para listar tabelas, criar uma tabela ou definir e executar outras instruções SQL.

As seguintes ferramentas estão disponíveis para o LLM:

  • analyze_contribution: realiza a análise de contribuição, também chamada de análise de driver principal.
  • ask_data_insights: realiza a análise de dados, recebe insights ou responde a perguntas complexas sobre o conteúdo das tabelas do BigQuery.
  • execute_sql: executa a instrução SQL.
  • forecast: prevê dados de série temporal.
  • get_dataset_info: recebe metadados do conjunto de dados.
  • get_table_info: recebe metadados da tabela.
  • list_dataset_ids: lista conjuntos de dados.
  • list_table_ids: lista tabelas.
  • search_catalog: pesquisa uma tabela usando linguagem natural.