Utiliser le catalogue de connaissances avec MCP, Gemini et d'autres agents

Cette page explique comment connecter votre instance Knowledge Catalog (anciennement Dataplex Universal Catalog) à des outils pour les développeurs tels que l'interface de ligne de commande Gemini. En connectant Knowledge Catalog à ces outils, vous pouvez découvrir des données et gérer des composants grâce à l'IA directement dans votre outil.

Pour connecter la traçabilité des données aux outils pour les développeurs à l'aide d'un serveur MCP Toolbox local, consultez Utiliser la traçabilité des données avec un serveur MCP Toolbox local.

Pour une expérience de ligne de commande intégrée, nous vous recommandons d'utiliser l'extension Knowledge Catalog dédiée pour la CLI Gemini. L'extension regroupe les compétences sous-jacentes directement dans l'extension, ce qui simplifie la configuration.

Vous pouvez également connecter d'autres IDE et outils pour les développeurs compatibles avec MCP à l'aide d'une MCP Toolbox for Databases locale. Vous pouvez ensuite utiliser des agents d'IA dans votre IDE existant pour découvrir des éléments de données dans Knowledge Catalog. Pour en savoir plus sur MCP, consultez Présentation du protocole MCP (Model Context Protocol).

Ce guide explique comment connecter les outils suivants :

À propos de la CLI Gemini et des extensions

Gemini CLI est un agent d'IA conversationnelle Open Source de Google qui accélère les workflows de développement et aide à coder, à déboguer, à explorer les données et à créer du contenu. Il offre une expérience basée sur les agents pour interagir avec les services Data Cloud, tels que Knowledge Catalog, et d'autres bases de données Open Source populaires.

Pour en savoir plus sur la CLI Gemini, consultez la documentation sur la CLI Gemini.

Comment fonctionnent les extensions Gemini CLI ?

Les extensions étendent les capacités de Gemini CLI, lui permettant de se connecter à des services Google Cloud spécifiques et à d'autres outils, et de les contrôler. Ils fournissent à Gemini le contexte et la compréhension de l'API, ce qui permet une interaction conversationnelle. Vous pouvez charger les extensions Gemini CLI à partir d'URL GitHub, de répertoires locaux ou de registres. Ces extensions offrent de nouvelles compétences, commandes à barre oblique et requêtes. Elles sont distinctes des extensions d'IDE, telles que Gemini Code Assist, qui s'intègrent à l'aide de MCP Toolbox.

Quels outils MCP Knowledge Catalog fournit-il ?

L'extension Knowledge Catalog pour Gemini CLI intègre l'IA à vos tâches de gouvernance et de découverte des données. Vous pouvez interagir avec Knowledge Catalog à l'aide de requêtes en langage naturel dans votre terminal.

Pour connaître toutes les compétences disponibles, consultez les compétences du Knowledge Catalog sur GitHub.

Pour en savoir plus sur l'extension Knowledge Catalog, consultez Extension Gemini CLI : Knowledge Catalog.

Rôles requis

Pour obtenir les autorisations nécessaires pour vous connecter à Knowledge Catalog à l'aide de MCP Toolbox ou de l'extension Gemini CLI, demandez à votre administrateur de vous accorder les rôles IAM suivants sur votre projet :

Pour en savoir plus sur l'attribution de rôles, consultez Gérer l'accès aux projets, aux dossiers et aux organisations.

Ces rôles prédéfinis contiennent les autorisations requises pour se connecter au catalogue de connaissances à l'aide de la boîte à outils MCP ou de l'extension Gemini CLI. Pour connaître les autorisations exactes requises, développez la section Autorisations requises :

Autorisations requises

Vous devez disposer des autorisations suivantes pour vous connecter à Knowledge Catalog à l'aide de MCP Toolbox ou de l'extension Gemini CLI :

  • Pour activer les API : serviceusage.services.enable
  • Pour utiliser les compétences Knowledge Catalog :
    • dataplex.projects.search
    • dataplex.entries.get
    • dataplex.aspectTypes.get
    • dataplex.aspectTypes.list

Vous pouvez également obtenir ces autorisations avec des rôles personnalisés ou d'autres rôles prédéfinis.

Activer l'API Dataplex

  1. Dans la console Google Cloud , accédez à la page de sélection du projet.

    Accéder au sélecteur de projet

  2. Sélectionnez ou créez un projet Google Cloud .

    Rôles requis pour sélectionner ou créer un projet

    • Sélectionnez un projet : la sélection d'un projet ne nécessite pas de rôle IAM spécifique. Vous pouvez sélectionner n'importe quel projet pour lequel un rôle vous a été attribué.
    • Créer un projet : pour créer un projet, vous devez disposer du rôle Créateur de projet (roles/resourcemanager.projectCreator), qui contient l'autorisation resourcemanager.projects.create. Découvrez comment attribuer des rôles.

  3. Vérifiez que la facturation est activée pour votre projet Google Cloud .

  4. Activez l'API Dataplex si ce n'est pas déjà fait.

    Rôles requis pour activer les API

    Pour activer les API, vous devez disposer de l'autorisation serviceusage.services.enable. Si vous avez créé le projet, vous disposez probablement déjà de cette autorisation grâce au rôle Propriétaire (roles/owner). Sinon, vous pouvez obtenir cette autorisation grâce au rôle Administrateur Service Usage (roles/serviceusage.serviceUsageAdmin). Découvrez comment attribuer des rôles.

    Activer l'API

  5. Si vous utilisez un shell local, créez des identifiants d'authentification locaux pour votre compte utilisateur : 

    gcloud auth application-default login

    Vous n'avez pas besoin de le faire si vous utilisez Cloud Shell.

    Si une erreur d'authentification est renvoyée et que vous utilisez un fournisseur d'identité (IdP) externe, vérifiez que vous vous êtes connecté à la gcloud CLI avec votre identité fédérée.

Installer MCP Toolbox

Vous n'avez pas besoin d'installer MCP Toolbox si vous prévoyez d'utiliser uniquement Gemini Code Assist ou l'extension Gemini CLI, car elles incluent les fonctionnalités de serveur requises. Pour les autres IDE et outils, suivez les étapes de cette section pour installer MCP Toolbox.

  1. Téléchargez la dernière version de MCP Toolbox en tant que binaire. Sélectionnez la version binaire de la boîte à outils MCP qui correspond à votre système d'exploitation et à votre architecture de processeur. Vous devez utiliser MCP Toolbox v0.31.0 ou version ultérieure.

    Linux/amd64

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

    Remplacez VERSION par la version de MCP Toolbox (par exemple, v0.31.0).

    macOS (Darwin)/arm64

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

    Remplacez VERSION par la version de MCP Toolbox (par exemple, v0.31.0).

    macOS (Darwin)/amd64

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

    Remplacez VERSION par la version de MCP Toolbox (par exemple, v0.31.0).

    Windows/amd64

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

    Remplacez VERSION par la version de MCP Toolbox (par exemple, v0.31.0).

  2. Rendez le binaire exécutable :

    chmod +x toolbox

  3. Vérifiez l'installation :

    ./toolbox --version

    Si l'installation aboutit, le numéro de version s'affiche (par exemple, 0.15.0).

Configurer les clients et les connexions

Cette section explique comment connecter Knowledge Catalog à vos outils.

Pour connecter des outils et des IDE compatibles avec MCP, vous devez d'abord installer MCP Toolbox. La boîte à outils sert de serveur Model Context Protocol (MCP) Open Source qui se situe entre votre IDE et le Knowledge Catalog. Elle fournit un plan de contrôle sécurisé et efficace pour vos outils d'IA. Après l'installation, consultez la section correspondant à votre outil pour obtenir des instructions de configuration.

Extension Gemini CLI

Cette méthode utilise l'extension knowledge-catalog pour l'outil Gemini CLI autonome et n'utilise pas MCP Toolbox.

  1. Installez Gemini CLI.

  2. Installez l'extension Knowledge Catalog pour Gemini CLI à partir du dépôt GitHub :

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

  3. Définissez la variable d'environnement pour vous connecter à votre projet Knowledge Catalog :

    export DATAPLEX_PROJECT=PROJECT_ID

    Remplacez PROJECT_ID par l'ID du projet Google Cloud .

  4. Démarrez la Gemini CLI en mode interactif :

    gemini

    La CLI charge automatiquement l'extension Knowledge Catalog et ses compétences, que vous pouvez utiliser pour interagir avec votre base de données.

    Dans Gemini CLI, utilisez la commande /extensions pour vérifier que l'extension est installée.

Gemini Code Assist

Gemini Code Assist regroupe les fonctionnalités de serveur MCP requises. Vous n'avez donc pas besoin d'installer MCP Toolbox séparément.

  1. Dans VS Code, installez l'extension Gemini Code Assist.
  2. Activez le mode Agent dans le chat Gemini Code Assist.
  3. Dans votre répertoire de travail, créez un dossier nommé .gemini. Dans ce dossier, créez un fichier settings.json.

  4. Ajoutez la configuration suivante :

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

    Remplacez PROJECT_ID par l'ID du projet Google Cloud .

  5. Enregistrez la configuration.

Claude Code

  1. Installez Claude Code.

  2. Définissez la variable d'environnement pour vous connecter à votre projet Knowledge Catalog :

    export DATAPLEX_PROJECT=PROJECT_ID

    Remplacez PROJECT_ID par l'ID du projet Google Cloud .

  3. Démarrez l'agent :

    claude

  4. Installez le plug-in :

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

Codex

  1. Installez le marketplace des plug-ins Data Cloud :

    codex plugin marketplace add GoogleCloudPlatform/data-cloud-plugins

  2. Installez le plug-in Knowledge Catalog :

    codex plugin install dataplex@data-cloud-plugins

  3. Configurez les variables d'environnement pour vous connecter à votre projet Knowledge Catalog :

    export DATAPLEX_PROJECT=PROJECT_ID

    Remplacez PROJECT_ID par l'ID du projet Google Cloud .

  4. Facultatif. Mettez à jour la marketplace :

    codex plugin marketplace upgrade data-cloud-plugins

Claude sur ordinateur

  1. Ouvrez Claude Desktop et accédez à Settings (Paramètres).
  2. Pour ouvrir le fichier de configuration, accédez à l'onglet Développeur, puis cliquez sur Modifier la configuration.

  3. Ajoutez la configuration suivante :

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

    Remplacez PROJECT_ID par l'ID du projet Google Cloud .

  4. Enregistrez la configuration.

  5. Redémarrez Claude pour ordinateur. Le nouvel écran de chat affiche une icône MCP représentant le nouveau serveur MCP.

Cline

  1. Dans VS Code, ouvrez l'extension Cline, puis cliquez sur l'icône MCP Servers.
  2. Pour ouvrir le fichier de configuration, cliquez sur Configurer les serveurs MCP.

  3. Ajoutez la configuration suivante :

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

    Remplacez PROJECT_ID par l'ID du projet Google Cloud .

  4. Enregistrez la configuration. Un état actif vert s'affiche une fois que le serveur est connecté.

Cursor

  1. Créez le répertoire .cursor dans la racine de votre projet s'il n'existe pas.
  2. Créez le fichier .cursor/mcp.json s'il n'existe pas et ouvrez-le.

  3. Ajoutez la configuration suivante :

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

    Remplacez PROJECT_ID par l'ID du projet Google Cloud .

  4. Enregistrez la configuration.

  5. Ouvrez Cursor, puis accédez à Settings > Cursor Settings > MCP. Un état actif vert s'affiche lorsque le serveur se connecte.

VS Code (Copilot)

  1. Ouvrez VS Code et créez le répertoire .vscode à la racine de votre projet s'il n'existe pas.
  2. Créez le fichier .vscode/mcp.json s'il n'existe pas, puis ouvrez-le.

  3. Ajoutez la configuration suivante :

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

    Remplacez PROJECT_ID par l'ID du projet Google Cloud .

  4. Enregistrez la configuration.

Windsurf

  1. Ouvrez Windsurf et accédez à l'assistant Cascade.
  2. Pour ouvrir le fichier de configuration, cliquez sur l'icône MCP, puis sur Configurer.

  3. Ajoutez la configuration suivante :

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

    Remplacez PROJECT_ID par l'ID du projet Google Cloud .

  4. Enregistrez la configuration.

Utiliser les compétences

Votre assistant IA est désormais connecté à Knowledge Catalog. Essayez de demander à votre assistant IA de trouver des composants de données tels que des ensembles de données BigQuery, des instances Cloud SQL et d'autres.

Pour connaître toutes les compétences disponibles, consultez les compétences du Knowledge Catalog sur GitHub.

Facultatif : Ajouter des instructions système

Les instructions système permettent de fournir des consignes spécifiques au LLM, ce qui l'aide à comprendre le contexte et à répondre plus précisément. Configurez les instructions système en fonction du prompt système recommandé.

Par exemple, vous pouvez ajouter des instructions pour guider le LLM sur la façon d'utiliser les compétences du Knowledge Catalog :

  • Lorsque vous êtes invité à trouver des ensembles de données ou des tables, utilisez la compétence search_entries.
  • Si l'utilisateur vous demande des informations sur le schéma ou les métadonnées d'une table, comme les règles de qualité des données ou la propriété, utilisez la compétence lookup_entry.
  • Lorsque vous êtes interrogé sur les règles de gouvernance ou les classifications, commencez par utiliser search_aspect_types pour trouver les types d'aspects pertinents.
  • Si répondre à des questions nécessite un large éventail de métadonnées, utilisez la compétence lookup_context pour les récupérer.

Pour savoir comment configurer les instructions, consultez Utiliser des instructions pour obtenir des modifications de l'IA qui respectent votre style de programmation.

Étapes suivantes