Diese Seite wurde von der Cloud Translation API übersetzt.

LLMs mit MCP mit BigQuery verbinden

In diesem Leitfaden wird beschrieben, wie Sie mit der MCP Toolbox for Databases Ihr BigQuery-Projekt mit verschiedenen integrierten Entwicklungsumgebungen (IDEs) und Entwicklertools 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 für den Computer
Claude-Code

Hinweise

Wählen Sie in der Google Cloud Console auf der Seite für die Projektauswahl ein Google Cloud -Projekt aus oder erstellen Sie eines.
Achten Sie darauf, dass die Abrechnung für Ihr Projekt in Google Cloud aktiviert ist.
Aktivieren Sie die BigQuery API im Google Cloud -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 Binärprogramm herunter. Wählen Sie das Binärprogramm aus, das 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 Version der MCP-Toolbox, 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 Version der MCP-Toolbox, 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 Version der MCP-Toolbox, z. B. v0.7.0.
windows/amd64
curl -O https://storage.googleapis.com/genai-toolbox/VERSION/windows/amd64/toolbox
Ersetzen Sie VERSION durch die Version der MCP-Toolbox, 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 .mcp.json-Datei, 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 für den Computer

Öffnen Sie Claude für 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 für den Computer 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-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 die Datei:

        {
          "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 die Datei:

        {
          "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 die Datei:

        {
          "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.

Windsurf

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 die Datei:

        {
          "mcpServers": {
            "bigquery": {
              "command": "./PATH/TO/toolbox",
              "args": ["--prebuilt","bigquery","--stdio"],
              "env": {
                "BIGQUERY_PROJECT": "PROJECT_ID"
              }
            }
          }
        }

Hinweis:Mit der Umgebungsvariable BIGQUERY_PROJECT wird die Standard- Google Cloud 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: Suche nach einer Tabelle mithilfe von natürlicher Sprache.

LLMs mit MCP mit BigQuery verbinden

Hinweise

MCP-Toolbox installieren

linux/amd64

macOS darwin/arm64

macOS darwin/amd64

windows/amd64

Clients und Verbindungen einrichten

Claude-Code

Claude für den Computer

Cline

Cursor

Visual Studio Code (Copilot)

Windsurf

Tools verwenden