Knowledge Catalog mit MCP, Gemini und anderen Agenten verwenden

Auf dieser Seite wird erläutert, wie Sie Ihre Knowledge Catalog-Instanz (ehemals Dataplex Universal Catalog) mit Entwicklertools wie der Gemini CLI verbinden. Wenn Sie Knowledge Catalog mit diesen Tools verbinden, können Sie KI-gestützte Datenerkennung und Assetverwaltung direkt in Ihrem Tool nutzen.

Informationen zum Verbinden der Datenherkunft mit Entwicklertools mithilfe eines lokalen MCP Toolbox-Servers finden Sie unter Datenherkunft mit lokalem MCP Toolbox-Server verwenden.

Für eine integrierte Befehlszeilenumgebung empfehlen wir die Verwendung der Knowledge Catalog-Erweiterung für die Gemini CLI. Die Erweiterung bündelt die zugrunde liegenden Skills direkt in der Erweiterung, was die Einrichtung und Konfiguration vereinfacht.

Alternativ können Sie andere IDEs und Entwicklertools, die MCP unterstützen, mithilfe einer lokalen MCP Toolbox für Datenbankenverbinden. Sie können dann KI-Agenten in Ihrer vorhandenen IDE verwenden, um Datenassets in Knowledge Catalog zu finden. Weitere Informationen zu MCP finden Sie unter Einführung in das Model Context Protocol.

In dieser Anleitung wird der Verbindungsprozess für die folgenden Tools veranschaulicht:

Gemini CLI und Erweiterungen

Die Gemini CLI ist ein Open-Source-KI-Agent von Google, der auf Unterhaltungen basiert und Entwicklungs-Workflows beschleunigt. Er unterstützt Sie beim Programmieren, Debuggen, bei der Datenexploration und der Inhaltserstellung. Er bietet eine agentengesteuerte Umgebung für die Interaktion mit Data Cloud-Diensten wie Knowledge Catalog und anderen beliebten Open-Source-Datenbanken.

Weitere Informationen zur Gemini CLI finden Sie in der Dokumentation zur Gemini CLI.

Wie funktionieren Gemini CLI-Erweiterungen?

Erweiterungen erweitern die Funktionen der Gemini CLI und ermöglichen es ihr, sich mit bestimmten Diensten und anderen Tools zu verbinden und diese zu steuern. Google Cloud Sie liefern Gemini Kontext und API-Verständnis und ermöglichen so die Unterhaltung. Sie können Gemini CLI-Erweiterungen über GitHub-URLs, lokale Verzeichnisse oder Registries laden. Diese Erweiterungen bieten neue Skills, Slash-Befehle und Prompts. Sie sind von IDE-Erweiterungen wie Gemini Code Assist getrennt, die über die MCP Toolbox eingebunden werden.

Welche MCP-Tools bietet Knowledge Catalog?

Die Knowledge Catalog-Erweiterung für die Gemini CLI integriert KI in Ihre Aufgaben zur Datenverwaltung und -erkennung. Sie können mit Knowledge Catalog über Prompts in natürlicher Sprache in Ihrem Terminal interagieren.

Alle verfügbaren Skills finden Sie unter Knowledge Catalog-Skills auf GitHub.

Weitere Informationen zur Knowledge Catalog-Erweiterung finden Sie unter der Gemini CLI-Erweiterung – Knowledge Catalog.

Erforderliche Rollen

Bitten Sie Ihren Administrator, Ihnen die folgenden IAM-Rollen für Ihr Projekt zuzuweisen, um die Berechtigungen zu erhalten, die Sie zum Herstellen einer Verbindung zu Knowledge Catalog mit der MCP Toolbox oder der Gemini CLI-Erweiterung benötigen:

Weitere Informationen zum Zuweisen von Rollen finden Sie unter Zugriff auf Projekte, Ordner und Organisationen verwalten.

Diese vordefinierten Rollen enthalten die Berechtigungen, die zum Herstellen einer Verbindung zu Knowledge Catalog mit der MCP Toolbox oder der Gemini CLI-Erweiterung erforderlich sind. Maximieren Sie den Abschnitt Erforderliche Berechtigungen , um die notwendigen Berechtigungen anzuzeigen, die erforderlich sind:

Erforderliche Berechtigungen

Die folgenden Berechtigungen sind erforderlich, um eine Verbindung zu Knowledge Catalog mit der MCP Toolbox oder der Gemini CLI-Erweiterung herzustellen:

  • Zum Aktivieren von APIs: serviceusage.services.enable
  • Zum Verwenden von Knowledge Catalog-Skills:
    • dataplex.projects.search
    • dataplex.entries.get
    • dataplex.aspectTypes.get
    • dataplex.aspectTypes.list

Sie können diese Berechtigungen auch mit benutzerdefinierten Rollen oder anderen vordefinierten Rollen erhalten.

Dataplex API aktivieren

  1. Wechseln Sie in der Google Cloud console zur Seite für die Projektauswahl.

    Zur Projektauswahl

  2. Wählen Sie ein Google Cloud Projekt aus oder erstellen Sie eines.

    Rollen, die zum Auswählen oder Erstellen eines Projekts erforderlich sind

    • Projekt auswählen: Für die Auswahl eines Projekts ist keine bestimmte IAM-Rolle erforderlich. Sie können ein beliebiges Projekt auswählen, für das Ihnen eine Rolle zugewiesen wurde.
    • Projekt erstellen: Zum Erstellen eines Projekts benötigen Sie die Rolle „Projektersteller“ (roles/resourcemanager.projectCreator), die die resourcemanager.projects.create Berechtigung enthält. Informationen zum Zuweisen von Rollen.

  3. Prüfen Sie, ob für Ihr Google Cloud Projekt die Abrechnung aktiviert ist.

  4. Aktivieren Sie die Dataplex API.

    Rollen, die zum Aktivieren von APIs erforderlich sind

    Zum Aktivieren von APIs benötigen Sie die Berechtigung serviceusage.services.enable. Wenn Sie das Projekt erstellt haben, haben Sie diese Berechtigung wahrscheinlich bereits über die Rolle „Inhaber“ (roles/owner). Andernfalls können Sie diese Berechtigung über die Rolle „Service Usage-Administrator“ (roles/serviceusage.serviceUsageAdmin) erhalten. Informationen zum Zuweisen von Rollen.

    API aktivieren

  5. Wenn Sie eine lokale Shell verwenden, erstellen Sie lokale Anmeldedaten für Ihr Nutzerkonto: 

    gcloud auth application-default login

    Wenn Sie Cloud Shell verwenden, ist dies nicht erforderlich.

    Wenn ein Authentifizierungsfehler zurückgegeben wird und Sie einen externen Identitätsanbieter (IdP) verwenden, prüfen Sie, ob Sie sich mit Ihrer föderierten Identität in der gcloud CLI angemeldet haben.

MCP Toolbox installieren

Sie müssen die MCP Toolbox nicht installieren, wenn Sie nur Gemini Code Assist oder die Gemini CLI-Erweiterung verwenden möchten, da diese die erforderlichen Serverfunktionen bündeln. Für andere IDEs und Tools folgen Sie der Anleitung in diesem Abschnitt, um die MCP Toolbox zu installieren.

  1. Laden Sie die aktuelle Version der MCP Toolbox als Binärprogramm herunter. Wählen Sie die MCP Toolbox-Binärversion aus, die Ihrem Betriebssystem und Ihrer CPU-Architektur entspricht. Sie müssen die MCP Toolbox v0.31.0 oder höher verwenden.

    Linux/amd64

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

    Ersetzen Sie VERSION durch die MCP Toolbox-Version, z. B. v0.31.0.

    macOS (Darwin)/arm64

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

    Ersetzen Sie VERSION durch die MCP Toolbox-Version, z. B. v0.31.0.

    macOS (Darwin)/amd64

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

    Ersetzen Sie VERSION durch die MCP Toolbox-Version, z. B. v0.31.0.

    Windows/amd64

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

    Ersetzen Sie VERSION durch die MCP Toolbox-Version, z. B. v0.31.0.

  2. So machen Sie die Binärdatei ausführbar:

    chmod +x toolbox

  3. Installation prüfen:

    ./toolbox --version

    Bei einer erfolgreichen Installation wird die Versionsnummer zurückgegeben, z. B. 0.15.0.

Clients und Verbindungen einrichten

In diesem Abschnitt wird erläutert, wie Sie Knowledge Catalog mit Ihren Tools verbinden.

Um MCP-kompatible Tools und IDEs zu verbinden, müssen Sie zuerst die MCP Toolbox installieren. Die Toolbox fungiert als Open-Source- Model Context Protocol (MCP) Server, der sich zwischen Ihrer IDE und Knowledge Catalog befindet und eine sichere und effiziente Steuerungsebene für Ihre KI-Tools bietet. Nach der Installation finden Sie im Abschnitt für Ihr spezifisches Tool eine Konfigurationsanleitung.

Gemini CLI-Erweiterung

Bei dieser Methode wird die Erweiterung knowledge-catalog für das eigenständige Gemini CLI-Tool verwendet und die MCP Toolbox nicht genutzt.

  1. Installieren Sie die Gemini CLI.

  2. Installieren Sie die Knowledge Catalog-Erweiterung für die Gemini CLI aus dem GitHub-Repository:

    gemini extensions install https://github.com/gemini-cli-extensions/knowledge-catalog

  3. Legen Sie die Umgebungsvariable fest, um eine Verbindung zu Ihrem Knowledge Catalog-Projekt herzustellen:

    export DATAPLEX_PROJECT=PROJECT_ID

    Ersetzen Sie PROJECT_ID durch die Google Cloud Projekt-ID.

  4. Starten Sie die Gemini CLI im interaktiven Modus:

    gemini

    Die CLI lädt automatisch die Knowledge Catalog-Erweiterung und ihre Skills, mit denen Sie mit Ihrer Datenbank interagieren können.

    Verwenden Sie in der Gemini CLI den /extensions Befehl, um zu prüfen, ob die Erweiterung installiert ist.

Gemini Code Assist

Gemini Code Assist bündelt die erforderlichen MCP-Serverfunktionen, sodass Sie die MCP Toolbox nicht separat installieren müssen.

  1. Installieren Sie in VS Code die Gemini Code Assist-Erweiterung.
  2. Aktivieren Sie den KI-Agentenmodus im Gemini Code Assist-Chat.
  3. Erstellen Sie in Ihrem Arbeitsverzeichnis einen Ordner mit dem Namen .gemini. Erstellen Sie in diesem Ordner eine Datei settings.json.

  4. Fügen Sie die folgende Konfiguration hinzu:

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

    Ersetzen Sie PROJECT_ID durch die Google Cloud Projekt-ID.

  5. Speichern Sie die Konfiguration.

Claude Code

  1. Installieren Sie Claude Code.

  2. Legen Sie die Umgebungsvariable fest, um eine Verbindung zu Ihrem Knowledge Catalog-Projekt herzustellen:

    export DATAPLEX_PROJECT=PROJECT_ID

    Ersetzen Sie PROJECT_ID durch die Google Cloud Projekt-ID.

  3. Starten Sie den Agent:

    claude

  4. Installieren Sie das Plug-in:

    /plugin install knowledge-catalog@claude-plugins-official

Codex

  1. Installieren Sie den Data Agent Kit Marketplace:

    codex plugin marketplace add GoogleCloudPlatform/data-agent-kit

  2. Installieren Sie das Knowledge Catalog-Plug-in:

    codex plugin install dataplex@data-agent-kit

  3. Konfigurieren Sie die Umgebungsvariablen, um eine Verbindung zu Ihrem Knowledge Catalog-Projekt herzustellen:

    export DATAPLEX_PROJECT=PROJECT_ID

    Ersetzen Sie PROJECT_ID durch die Google Cloud Projekt-ID.

  4. Optional. Aktualisieren Sie den Marketplace:

    codex plugin marketplace upgrade data-agent-kit

Claude für Desktop

  1. Öffnen Sie Claude für Desktop und rufen Sie die Einstellungen auf.
  2. Öffnen Sie die Konfigurationsdatei, indem Sie auf den Tab Entwickler und dann auf Konfiguration bearbeiten klicken.

  3. Fügen Sie die folgende Konfiguration hinzu:

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

    Ersetzen Sie PROJECT_ID durch die Google Cloud Projekt-ID.

  4. Speichern Sie die Konfiguration.

  5. Starten Sie Claude für Desktop neu. Auf dem neuen Chatbildschirm wird ein MCP-Symbol angezeigt, das den neuen MCP-Server darstellt.

Cline

  1. Öffnen Sie in VS Code die Cline-Erweiterung und klicken Sie dann auf das Symbol MCP-Server.
  2. Klicken Sie auf MCP-Server konfigurieren, um die Konfigurationsdatei zu öffnen.

  3. Fügen Sie die folgende Konfiguration hinzu:

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

    Ersetzen Sie PROJECT_ID durch die Google Cloud Projekt-ID.

  4. Speichern Sie die Konfiguration. Nachdem die Verbindung zum Server hergestellt wurde, wird ein grüner aktiver Status angezeigt.

Cursor

  1. Erstellen Sie das Verzeichnis .cursor im Stammverzeichnis Ihres Projekts, falls es noch nicht vorhanden ist.
  2. Erstellen Sie die Datei .cursor/mcp.json, falls sie noch nicht vorhanden ist, und öffnen Sie sie.

  3. Fügen Sie die folgende Konfiguration hinzu:

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

    Ersetzen Sie PROJECT_ID durch die Google Cloud Projekt-ID.

  4. Speichern Sie die Konfiguration.

  5. Öffnen Sie Cursor und rufen Sie Einstellungen > Cursor-Einstellungen > MCP auf. Wenn die Verbindung zum Server hergestellt wurde, wird ein grüner aktiver Status angezeigt.

VS Code (Copilot)

  1. Öffnen Sie VS Code und erstellen Sie im Stammverzeichnis Ihres Projekts das Verzeichnis .vscode, falls es noch nicht vorhanden ist.
  2. Erstellen Sie die Datei .vscode/mcp.json, falls sie noch nicht vorhanden ist, und öffnen Sie sie.

  3. Fügen Sie die folgende Konfiguration hinzu:

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

    Ersetzen Sie PROJECT_ID durch die Google Cloud Projekt-ID.

  4. Speichern Sie die Konfiguration.

Windsurf

  1. Öffnen Sie Windsurf und rufen Sie den Cascade-Assistenten auf.
  2. Klicken Sie auf das MCP-Symbol und dann auf Konfigurieren , um die Konfigurationsdatei zu öffnen.

  3. Fügen Sie die folgende Konfiguration hinzu:

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

    Ersetzen Sie PROJECT_ID durch die Google Cloud Projekt-ID.

  4. Speichern Sie die Konfiguration.

Skills verwenden

Ihr KI-Assistent ist jetzt mit Knowledge Catalog verbunden. Bitten Sie Ihren KI-Assistenten, einige Datenassets wie BigQuery-Datasets und Cloud SQL-Instanzen zu suchen.

Alle verfügbaren Skills finden Sie unter Knowledge Catalog-Skills auf GitHub.

Optional: Systemanweisungen hinzufügen

Mit Systemanweisungen können Sie dem LLM bestimmte Richtlinien geben, damit es den Kontext besser versteht und genauer antworten kann. Richten Sie System anweisungen basierend auf dem empfohlenen Systemprompt ein.

Sie können beispielsweise Anweisungen hinzufügen, um das LLM bei der Verwendung der Knowledge Catalog-Skills zu unterstützen:

  • Wenn Sie nach Datasets oder Tabellen gefragt werden, verwenden Sie den Skill search_entries.
  • Wenn Sie nach Tabellenschema- oder Metadatendetails wie Regeln zur Datenqualität oder Eigentümerschaft gefragt werden, verwenden Sie den Skill lookup_entry.
  • Wenn Sie nach Governance-Regeln oder Klassifizierungen gefragt werden, verwenden Sie zuerst search_aspect_types, um relevante Aspekttypen zu finden.
  • Wenn zum Beantworten von Fragen eine große Menge an Metadaten erforderlich ist, verwenden Sie den Skill lookup_context, um sie abzurufen.

Weitere Informationen zum Konfigurieren von Anweisungen finden Sie unter Anweisungen verwenden, um KI-Bearbeitungen zu erhalten, die Ihrem Programmierstil entsprechen.

Nächste Schritte