Knowledge Catalog mit MCP, Gemini und anderen Agenten verwenden

Auf dieser Seite wird erklärt, wie Sie Ihre Knowledge Catalog-Instanz (früher 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.

Für eine integrierte Befehlszeilenumgebung empfehlen wir die Verwendung der speziellen Knowledge Catalog-Erweiterung für die Gemini CLI. Die Erweiterung bündelt einen zugrunde liegenden MCP-Server (Model Context Protocol), der als Vermittler zwischen der Gemini CLI und Knowledge Catalog fungiert. So ist keine separate Servereinrichtung erforderlich.

Alternativ können Sie andere IDEs und Entwicklertools, die MCP unterstützen, über eine lokale MCP Toolbox for Databases verbinden. Anschließend können Sie KI-Agenten in Ihrer vorhandenen IDE verwenden, um Daten-Assets in Knowledge Catalog zu erkennen. Weitere Informationen zu MCP finden Sie unter Einführung in das Model Context Protocol.

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

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 Datenanalyse und bei der Erstellung von Inhalten. Mit ihm können Sie über einen Agenten mit Data Cloud-Diensten wie Knowledge Catalog und anderen beliebten Open-Source-Datenbanken interagieren.

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

Funktionsweise von 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 Unterhaltungen. Sie können Gemini CLI-Erweiterungen über GitHub-URLs, lokale Verzeichnisse oder Registries laden. Diese Erweiterungen bieten neue Tools, Slash-Befehle und Prompts. Sie sind von IDE-Erweiterungen wie Gemini Code Assist getrennt, die über die MCP Toolbox eingebunden werden.

Knowledge Catalog-Erweiterung

Die Knowledge Catalog-Erweiterung für die Gemini CLI integriert KI in Ihre Data Governance- und Datenerkennungsaufgaben. Sie können über Prompts in natürlicher Sprache in Ihrem Terminal mit Knowledge Catalog interagieren. Hier einige Beispiele:

Kategorie Tool Beispiel für einen Prompt in natürlicher Sprache
Datenerkennung und ‑verwaltung search_entries
  • Alle Datasets zu Umsätzen in Europa suchen.
  • Tabellen mit personenbezogenen Daten von Kunden anzeigen.
  • Alle BigQuery-Datasets im Lake marketing in Knowledge Catalog auflisten.
lookup_entry
  • Wie lautet das Schema der Tabelle orders?
  • Die auf die Datenbank customer angewendeten Regeln für Datenqualität beschreiben.
  • Wer ist als Geschäftsinhaber für die Tabelle customer_details aufgeführt?
search_aspect_types
  • Aspekttypen zu Regeln für Datenqualität anzeigen.
  • Alle für die Data Governance verwendeten Aspekttypen auflisten.
  • Gibt es Aspekttypen zum Markieren personenbezogener Daten?
LLM mit Kontext versehen lookup_context (preview)
  • Daten-Asset orders beschreiben.
  • SQL-Abfrage schreiben, mit der die Anzahl der Nutzer nach Land gezählt wird.
  • Datenpipeline schreiben, mit der die Tabelle products bereinigt wird.

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-Tools:
    • 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.

    Erforderliche Rollen zum Auswählen oder Erstellen eines Projekts

    • 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. Rollen zuweisen.

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

  4. Dataplex API aktivieren

    Erforderliche Rollen zum Aktivieren von APIs

    Zum Aktivieren von APIs benötigen Sie die IAM-Rolle „Service Usage-Administrator“ (roles/serviceusage.serviceUsageAdmin), die die Berechtigung serviceusage.services.enable enthält. Rollen zuweisen.

    API aktivieren

  5. Wenn Sie eine lokale Shell verwenden, erstellen Sie lokale Anmeldedaten zur Authentifizierung 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

Wenn Sie nur Gemini Code Assist oder die Gemini CLI-Erweiterung verwenden möchten, müssen Sie die MCP Toolbox nicht installieren, 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 das Binärprogramm aus, das Ihrem Betriebssystem und Ihrer CPU-Architektur entspricht. Sie müssen die MCP Toolbox-Version 0.31.0 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 erklärt, wie Sie Knowledge Catalog mit Ihren Tools verbinden.

Wenn Sie Gemini Code Assist oder die eigenständige Gemini CLI verwenden, müssen Sie die MCP Toolbox nicht installieren oder konfigurieren, da diese Tools die erforderlichen Serverfunktionen bündeln. Eine Anleitung zur Einrichtung finden Sie auf den Tabs „Gemini Code Assist“ oder „Gemini CLI-Erweiterung“.

Für andere MCP-kompatible Tools und IDEs 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. Wählen Sie nach der Installation den Tab für Ihr spezifisches Tool aus, um eine Konfigurationsanleitung zu erhalten.

Gemini CLI-Erweiterung

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

  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 Ihres Projekts.

  4. Starten Sie die Gemini CLI im interaktiven Modus: 
    gemini
     Die CLI lädt automatisch die Knowledge Catalog-Erweiterung und ihre Tools, mit denen Sie mit Ihren Daten-Assets interagieren können.

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 darin eine Datei settings.json.
  4. Fügen Sie die folgende Konfiguration hinzu, ersetzen Sie die Umgebungsvariablen durch Ihre Werte und speichern Sie die Datei: 
      {
    "mcpServers": {
      "knowledgeCatalog": {
        "command": "./PATH/TO/toolbox",
        "args": ["--prebuilt","dataplex","--stdio"],
        "env": {
          "DATAPLEX_PROJECT": "PROJECT_ID"
        }
      }
    }
  }

Claude Code

  1. Installieren Sie Claude Code.
  2. Erstellen Sie im Stammverzeichnis Ihres Projekts eine Datei .mcp.json, falls sie noch nicht vorhanden ist.
  3. Fügen Sie die Konfiguration hinzu, ersetzen Sie die Umgebungsvariablen durch Ihre Werte und speichern Sie die Datei: 
      {
    "mcpServers": {
      "knowledgeCatalog": {
        "command": "./PATH/TO/toolbox",
        "args": ["--prebuilt","dataplex","--stdio"],
        "env": {
          "DATAPLEX_PROJECT": "PROJECT_ID"
        }
      }
    }
  }

Claude für Desktop

  1. Öffnen Sie Claude für Desktop und navigieren Sie zu den Einstellungen.
  2. Klicken Sie auf dem Tab Entwickler auf Konfiguration bearbeiten , um die Konfigurationsdatei zu öffnen.
  3. Fügen Sie die Konfiguration hinzu, ersetzen Sie die Umgebungsvariablen durch Ihre Werte, und speichern Sie die Datei: 
      {
    "mcpServers": {
      "knowledgeCatalog": {
        "command": "./PATH/TO/toolbox",
        "args": ["--prebuilt","dataplex","--stdio"],
        "env": {
          "DATAPLEX_PROJECT": "PROJECT_ID"
        }
      }
    }
  }
  4. Starten Sie Claude für Desktop neu.
    Auf dem neuen Chatbildschirm wird ein MCP-Symbol mit dem neuen MCP-Server angezeigt.

Cline

  1. Öffnen Sie in VS Code die Cline Erweiterung und klicken Sie dann auf das Symbol MCP-Server.
  2. Tippen Sie auf MCP-Server konfigurieren, um die Konfigurationsdatei zu öffnen.
  3. Fügen Sie die folgende Konfiguration hinzu, ersetzen Sie die Umgebungsvariablen durch Ihre Werte und speichern Sie die Datei: 
      {
    "mcpServers": {
      "knowledgeCatalog": {
        "command": "./PATH/TO/toolbox",
        "args": ["--prebuilt","dataplex","--stdio"],
        "env": {
          "DATAPLEX_PROJECT": "PROJECT_ID"
        }
      }
    }
  }
    Nach erfolgreicher Verbindung des Servers wird ein grüner aktiver Status angezeigt.

Cursor

  1. Erstellen Sie im Stammverzeichnis Ihres Projekts das Verzeichnis .cursor, falls es noch nicht vorhanden ist.
  2. Erstellen Sie die .cursor/mcp.json Datei, falls sie noch nicht vorhanden ist, und öffnen Sie sie.
  3. Fügen Sie die folgende Konfiguration hinzu, ersetzen Sie die Umgebungsvariablen durch Ihre Werte und speichern Sie die Datei: 
      {
    "mcpServers": {
      "knowledgeCatalog": {
        "command": "./PATH/TO/toolbox",
        "args": ["--prebuilt","dataplex","--stdio"],
        "env": {
          "DATAPLEX_PROJECT": "PROJECT_ID"
        }
      }
    }
  }
  4. Öffnen Sie Cursor und rufen Sie Einstellungen > Cursor-Einstellungen > MCP auf. Wenn der Server verbunden ist, wird ein grüner aktiver Status angezeigt.

VS Code (Copilot)

  1. Öffnen Sie VS Code und erstellen Sie das Verzeichnis .vscode im Stammverzeichnis Ihres Projekts, 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, ersetzen Sie die Umgebungsvariablen durch Ihre Werte und speichern Sie die Datei: 
      {
    "servers": {
      "knowledgeCatalog": {
        "command": "./PATH/TO/toolbox",
        "args": ["--prebuilt","dataplex","--stdio"],
        "env": {
          "DATAPLEX_PROJECT": "PROJECT_ID"
        }
      }
    }
  }

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, ersetzen Sie die Umgebungsvariablen durch Ihre Werte und speichern Sie die Datei: 
      {
    "mcpServers": {
      "knowledgeCatalog": {
        "command": "./PATH/TO/toolbox",
        "args": ["--prebuilt","dataplex","--stdio"],
        "env": {
          "DATAPLEX_PROJECT": "PROJECT_ID"
        }
      }
    }
  }

Tools verwenden

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

Dem LLM stehen die folgenden Tools zur Verfügung:

  • search_entries: Nach Daten-Assets suchen
  • lookup_entry: Metadaten (z. B. Schema, Nutzung, Geschäftsübersicht und Kontakte) von Daten-Assets abrufen
  • search_aspect_types: Nach Aspekttypen suchen
  • lookup_context (Vorschau): Vorformatierte, umfangreiche Metadaten zu einem oder mehreren Daten-Assets abrufen

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-Tools zu unterstützen:

  • Wenn Sie nach Datasets oder Tabellen gefragt werden, verwenden Sie das Tool search_entries.
  • Wenn Sie nach einem Tabellenschema oder Metadatendetails wie Regeln für Datenqualität oder Eigentümerschaft gefragt werden, verwenden Sie das Tool 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 das Tool 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