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. Es verwendet das Model Context Protocol (MCP), 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
Antigravity

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.

Mit Antigravity verbinden

Sie haben folgende Möglichkeiten, BigQuery mit Antigravity zu verbinden:

MCP Store verwenden
Benutzerdefinierte Konfiguration verwenden

Hinweis:Sie müssen das MCP Toolbox-Binärprogramm nicht herunterladen, um diese Methoden zu verwenden.

MCP Store

Die einfachste Möglichkeit, in Antigravity eine Verbindung zu BigQuery herzustellen, ist die Verwendung des integrierten MCP-Stores.

Öffnen Sie Antigravity und dann den Agent-Bereich des Editors.
Klicken Sie oben im Bereich auf das Symbol „…“ und wählen Sie MCP-Server aus.
Suchen Sie in der Liste der verfügbaren Server nach BigQuery und klicken Sie auf Installieren.
Folge der Anleitung auf dem Bildschirm, um deine Konten gegebenenfalls sicher zu verknüpfen.

Nachdem Sie BigQuery im MCP Store installiert haben, sind Ressourcen und Tools vom Server automatisch im Editor verfügbar.

Benutzerdefinierte Konfiguration

So stellen Sie eine Verbindung zu einem benutzerdefinierten MCP-Server her:

Öffnen Sie Antigravity und rufen Sie den MCP-Store über das Drop-down-Menü „…“ oben im Agent-Bereich des Editors auf.
Klicken Sie auf MCP-Server und dann auf MCP-Server verwalten > Rohkonfiguration ansehen, um die Datei mcp_config.json zu öffnen.
Fügen Sie die folgende Konfiguration hinzu, ersetzen Sie die Umgebungsvariable durch Ihre Werte und speichern Sie die Datei.

{
  "mcpServers": {
    "bigquery": {
      "command": "npx",
      "args": ["-y","@toolbox-sdk/server","--prebuilt","bigquery","--stdio"],
      "env": {
          "BIGQUERY_PROJECT": "PROJECT_ID"
      }
    }
  }
}

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-Model Context Protocol (MCP)-Server, 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 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-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. Wenn der Server verbunden ist, wird ein grüner aktiver Status angezeigt.

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 Faktoren 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: Ruft Dataset-Metadaten ab.
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

Mit Antigravity verbinden

MCP Store

Benutzerdefinierte Konfiguration

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