使用 MCP 將大型語言模型連結至 BigQuery

本指南說明如何使用資料庫專用的 MCP Toolbox，將 BigQuery 專案連結至各種整合開發環境 (IDE) 和開發人員工具。這項工具使用 Model Context Protocol (MCP)，這項開放通訊協定可將大型語言模型 (LLM) 連線至 BigQuery 等資料來源，讓您直接透過現有工具執行 SQL 查詢，並與專案互動。

如果您使用 Gemini CLI，可以運用 BigQuery 擴充功能。如要瞭解如何操作，請參閱「使用 Gemini CLI 開發」。如果您打算為 Gemini CLI 建立自訂工具，請繼續閱讀。

本指南將示範下列 IDE 的連線程序：

Cursor
Windsurf (原名 Codeium)
Visual Studio Code (Copilot)
Cline (VS Code 擴充功能)
Claude 電腦版
Claude 代碼
Antigravity

事前準備

在 Google Cloud 控制台的專案選擇器頁面中，選取或建立 Google Cloud 專案。
確認您已為 Google Cloud 專案啟用計費功能。
在 Google Cloud 專案中啟用 BigQuery API。
設定完成這項工作所需的角色和權限。如要連結至專案，您需要 BigQuery 使用者角色 (roles/bigquery.user)、BigQuery 資料檢視者角色 (roles/bigquery.dataViewer) 或對等的身分與存取權管理 (IAM) 權限。
為環境設定應用程式預設憑證 (ADC)。

連結至 Antigravity

您可以透過下列方式將 BigQuery 連結至 Antigravity：

使用 MCP 商店
使用自訂設定

注意：您不需要下載 MCP Toolbox 二進位檔，即可使用這些方法。

MCP 商店

在 Antigravity 中連線至 BigQuery 最簡單的方式，就是使用內建的 MCP 商店。

開啟 Antigravity，然後開啟編輯器的代理程式面板。
按一下面板頂端的「...」圖示，然後選取「MCP Servers」。
在可用伺服器清單中找到「BigQuery」，然後按一下「安裝」。
按照畫面上的提示，安全地連結帳戶 (如適用)。

在 MCP 商店中安裝 BigQuery 後，編輯器會自動提供伺服器的資源和工具。

自訂設定

如要連線至自訂 MCP 伺服器，請按照下列步驟操作：

開啟 Antigravity，然後使用編輯器代理程式面板頂端的「...」下拉式選單，前往 MCP 商店。
如要開啟 mcp_config.json 檔案，請依序點選「MCP Servers」(MCP 伺服器)、「Manage MCP Servers」(管理 MCP 伺服器) >「View raw config」(查看原始設定)。
新增下列設定，將環境變數換成您的值，然後儲存。

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

安裝 MCP Toolbox

如果您只打算使用 BigQuery Gemini CLI 擴充功能，就不需要安裝 MCP Toolbox，因為這些擴充功能會一併提供必要的伺服器功能。如果是其他 IDE 和工具，請按照本節中的步驟安裝 MCP Toolbox。

這個工具箱是開放原始碼的模型上下文協定 (MCP) 伺服器，位於 IDE 和 BigQuery 之間，可為 AI 工具提供安全有效率的控制平面。

以二進位檔形式下載最新版 MCP Toolbox。選取與作業系統 (OS) 和 CPU 架構對應的二進位檔。您必須使用 MCP Toolbox V0.7.0 以上版本：
linux/amd64
curl -O https://storage.googleapis.com/genai-toolbox/VERSION/linux/amd64/toolbox
將 VERSION 替換為 MCP Toolbox 版本，例如 v0.7.0。
macOS darwin/arm64
curl -O https://storage.googleapis.com/genai-toolbox/VERSION/darwin/arm64/toolbox
將 VERSION 替換為 MCP Toolbox 版本，例如 v0.7.0。
macOS darwin/amd64
curl -O https://storage.googleapis.com/genai-toolbox/VERSION/darwin/amd64/toolbox
將 VERSION 替換為 MCP Toolbox 版本，例如 v0.7.0。
windows/amd64
curl -O https://storage.googleapis.com/genai-toolbox/VERSION/windows/amd64/toolbox
將 VERSION 替換為 MCP Toolbox 版本，例如 v0.7.0。
將二進位檔設為可執行檔：
```
chmod +x toolbox
```
驗證安裝：
```
./toolbox --version
```

設定用戶端和連線

本節說明如何將 BigQuery 連線至工具。

如果您使用獨立的 Gemini CLI，則不需要安裝或設定 MCP Toolbox，因為擴充功能會將必要的伺服器功能打包。

如要使用其他與 MCP 相容的工具和 IDE，請先安裝 MCP Toolbox。

Claude 代碼

安裝 Claude Code。
在專案根目錄中建立 .mcp.json 檔案 (如果不存在)。

新增設定、將環境變數替換為您的值，然後儲存：

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

重新啟動 Claude Code，載入新設定。重新開啟時，工具會顯示已偵測到設定的 MCP 伺服器。

Claude 電腦版

開啟 Claude Desktop，然後前往「設定」。
在「開發人員」分頁中，按一下「編輯設定」開啟設定檔。

新增設定、將環境變數替換為您的值，然後儲存：

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

重新啟動 Claude Desktop。
新的即時通訊畫面會顯示槌子 (MCP) 圖示和新的 MCP 伺服器。

Cline

在 VS Code 中開啟 Cline 擴充功能，然後輕觸「MCP Servers」圖示。
輕觸「設定 MCP 伺服器」開啟設定檔。

新增下列設定，將環境變數替換為您的值，然後儲存：

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

伺服器連線成功後，會顯示綠色的「有效」狀態。

Cursor

在專案根目錄中建立 .cursor 目錄 (如果不存在)。
如果 .cursor/mcp.json 檔案不存在，請建立並開啟該檔案。

新增下列設定，將環境變數替換為您的值，然後儲存：

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

開啟「游標」，然後依序前往「設定」>「游標設定」>「MCP」。伺服器連線後，會顯示綠色的「有效」狀態。

Visual Studio Code (Copilot)

開啟 VS Code，並在專案根目錄中建立 .vscode 目錄 (如果不存在)。
如果 .vscode/mcp.json 檔案不存在，請建立並開啟該檔案。

新增下列設定，將環境變數替換為您的值，然後儲存：

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

重新載入 VS Code 視窗。與 MCP 相容的擴充功能會自動偵測設定並啟動伺服器。

滑浪風帆

開啟 Windsurf，然後前往 Cascade 助理。
按一下 MCP 圖示，然後點選「設定」開啟設定檔。

新增下列設定，將環境變數替換為您的值，然後儲存：

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

注意：BIGQUERY_PROJECT 環境變數會指定 MCP Toolbox 要使用的預設 Google Cloud 專案 ID。所有 BigQuery 作業 (例如執行查詢) 都是在這個專案中執行。

使用工具

您的 AI 工具現已透過 MCP 連結至 BigQuery。您可以要求 AI 助理列出資料表、建立資料表，或是定義及執行其他 SQL 陳述式。

LLM 可使用下列工具：

analyze_contribution：執行貢獻分析，也稱為主要驅動因素分析。
ask_data_insights：執行資料分析、取得洞察資訊，或回答有關 BigQuery 資料表內容的複雜問題。
execute_sql：執行 SQL 陳述式。
預測：預測時間序列資料。
get_dataset_info：取得資料集中繼資料。
get_table_info：取得表格中繼資料。
list_dataset_ids：列出資料集。
list_table_ids：列出表格。
search_catalog：使用自然語言搜尋資料表。

使用 MCP 將大型語言模型連結至 BigQuery

事前準備

連結至 Antigravity

MCP 商店

自訂設定

安裝 MCP Toolbox

linux/amd64

macOS darwin/arm64

macOS darwin/amd64

windows/amd64

設定用戶端和連線

Claude 代碼

Claude 電腦版

Cline

Cursor

Visual Studio Code (Copilot)

滑浪風帆

使用工具