Conectar LLMs ao BigQuery com a MCP

Este guia mostra como usar a MCP Toolbox para bancos de dados e conectar seu projeto do BigQuery a vários ambientes de desenvolvimento integrado (IDEs) e ferramentas para desenvolvedores. 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 das ferramentas atuais.

Se você usa a CLI do Gemini, pode usar as 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 para computador
  • Código do Claude

Antes de começar

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

  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 as permissões necessárias para concluir essa tarefa. Você vai precisar do papel Usuário do BigQuery (roles/bigquery.user), do papel Leitor de dados do BigQuery (roles/bigquery.dataViewer) ou de permissões equivalentes do IAM para se conectar ao projeto.

  5. Configure as Credenciais padrão do aplicativo (ADC) para seu ambiente.

Instalar a MCP Toolbox

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

A caixa de ferramentas funciona como um servidor Protocolo de Contexto de Modelo (MCP) de código aberto que fica entre seu ambiente de desenvolvimento integrado (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 da CPU. Use a versão V0.7.0 ou mais recente da caixa de ferramentas do MCP:

    linux/amd64

    curl -O https://storage.googleapis.com/genai-toolbox/VERSION/linux/amd64/toolbox
    

    Substitua VERSION pela versão da caixa de ferramentas do MCP. Por exemplo, v0.7.0.

    macOS darwin/arm64

    curl -O https://storage.googleapis.com/genai-toolbox/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/genai-toolbox/VERSION/darwin/amd64/toolbox
    

    Substitua VERSION pela versão da caixa de ferramentas do MCP. Por exemplo, v0.7.0.

    windows/amd64

    curl -O https://storage.googleapis.com/genai-toolbox/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 caixa de ferramentas do MCP, porque os pacotes de extensões incluem os recursos necessários do servidor.

Para outras ferramentas e IDEs compatíveis com o MCP, primeiro instale o MCP Toolbox.

Código do Claude

  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 ela for reaberta, a ferramenta vai indicar que o servidor MCP configurado foi detectado.

Claude para computador

  1. Abra o Claude para computador e acesse 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 seguinte 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"
                  }
                }
              }
            }
            

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 seguinte 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. Abra 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 seguinte configuração, substitua as variáveis de ambiente pelos 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 seguinte 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"
                  }
                }
              }
            }
            

Observação:a variável de ambiente BIGQUERY_PROJECT especifica o ID do projeto Cloud de Confiance padrão para uso da MCP Toolbox. Todas as operações do BigQuery, como a execução de consultas, são realizadas nesse projeto.

Usar as ferramentas

Sua ferramenta de IA agora está conectada ao BigQuery usando a 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 principais fatores.
  • ask_data_insights: realiza análises de dados, gera insights ou responde a perguntas complexas sobre o conteúdo das tabelas do BigQuery.
  • execute_sql: executa uma 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 os conjuntos de dados.
  • list_table_ids: lista tabelas.
  • search_catalog: pesquisa uma tabela usando linguagem natural.