KI-gestützte Entwicklung (Vibe-Codierung) mit Looker

Die Looker-Erweiterung für VS Code ermöglicht die KI-gestützte LookML-Entwicklung, die oft als „Vibe Coding“ bezeichnet wird. Bei diesem Ansatz können Entwickler natürliche Sprache verwenden, um LookML-Code zu generieren, zu bearbeiten und zu validieren. Dazu nutzen sie einen KI-Agenten eines Drittanbieters und vorgefertigte Skills in einer lokalen Desktop-IDE wie Visual Studio Code (VS Code) oder Cursor.

In diesem Leitfaden wird die Architektur des Agenten-Workflows beschrieben und es werden Anleitungen zum Verbinden und Prompten Ihres KI‑Agenten bereitgestellt.

So funktioniert Vibe Coding mit Looker

Der KI-basierte Entwicklungs-Workflow basiert auf einigen wichtigen Komponenten:

  • Ihre IDE und Ihr KI-Agent: Ein lokaler Editor (z. B. VS Code, Claude Code oder Cursor), der ein Fork von VS Code mit einem integrierten KI-Copilot oder -Agenten (z. B. Gemini CLI oder Claude) ist.
  • Die Looker-Erweiterung für VS Code: Bietet die lokale Umgebung für die LookML-Entwicklung, einschließlich Syntaxhervorhebung, bidirektionaler Dateisynchronisierung mit Ihrer Looker-Instanz, Autovervollständigung und integrierter Validierung.
  • MCP Toolbox for Databases von Looker: Verwendet den offenen Standard Model Context Protocol (MCP), um Ihre KI-Agenten, IDEs und Anwendungen direkt mit Ihren Unternehmensdatenbanken zu verbinden.
  • Vorgefertigte Skill-Dateien: Vorgefertigte Skill-Dateien enthalten spezifischen Kontext, Codierungsstandards und projektspezifische Anweisungen für das Schreiben von LookML für den KI-Agenten. Die Looker-Erweiterung für VS Code installiert und aktualisiert Skill-Dateien automatisch. Sie können auch die Command Palette-Befehle Looker: Install Skills in this Workspace oder Looker: Install Skills Globally in Ihrer IDE ausführen, um Skill-Dateien zu erstellen oder zu aktualisieren.

Durch die Kombination dieser Komponenten kann Ihr KI-Agent die folgenden Aufgaben ausführen:

  • Ihre lokalen LookML-Dateien lesen
  • Datenbankschema mit dem MCP-Server prüfen
  • Änderungen an Ihrem Code lokal vorschlagen und anwenden
  • LookML-Validierung ausführen, um Fehler vor dem Committen selbst zu korrigieren

Hinweis

Bevor Sie einen KI-Agenten zum Entwickeln von LookML verwenden können, müssen die folgenden Anforderungen erfüllt sein:

  1. Looker-Erweiterung konfigurieren: Sie müssen die Looker-Erweiterung für VS Code installiert und konfiguriert haben und mit OAuth oder API-Schlüsseln angemeldet sein.
  2. MCP-Client konfigurieren: Sie müssen den KI-Agenten Ihrer IDE mit dem von Looker verwalteten MCP-Server verbinden. Auf der Dokumentationsseite Looker mit MCP, Gemini CLI und anderen Agents verwenden finden Sie beispielsweise eine Anleitung zum Konfigurieren von VS Code oder anderen unterstützten Clients. Weitere Informationen finden Sie in der Dokumentation Ihres Clients.
  3. LookML-Projekt klonen: Achten Sie darauf, dass Sie Ihr LookML-Repository auf Ihren lokalen Computer geklont und in Ihrer IDE geöffnet haben.
  4. Looker-Berechtigungen bestätigen: Sie benötigen mindestens die Looker-Berechtigung develop für das Modell, das Sie bearbeiten möchten.

KI-Agenten mit Prompts steuern

Sobald Ihr KI-Agent mit dem Looker-MCP-Server verbunden und Ihr LookML-Projekt geöffnet ist, können Sie mit natürlicher Sprache Code schreiben und ändern. Die Skills in Ihrem Arbeitsbereich helfen dem Agenten, aber die besten Ergebnisse erzielen Sie mit klaren und spezifischen Prompts.

Im Folgenden finden Sie einige Beispiele dafür, wie Sie Ihren KI-Agenten für häufige LookML-Entwicklungsaufgaben auffordern können.

Neues LookML-Modell aus einem Schema generieren

Sie können den Agenten bitten, eine bestimmte Datenbankverbindung zu prüfen und eine grundlegende LookML-Ansicht zu generieren.

Beispiel für einen Prompt:

„Verwenden Sie die MCP-Tools, um eine Verbindung zur ecommerce_db-Verbindung herzustellen. Sehen Sie sich das Schema für die Tabellen users und orders an. Generieren Sie die LookML für eine users.view.lkml- und eine orders.view.lkml-Datei. Fügen Sie Primärschlüssel, Standarddimensionen für alle Spalten und grundlegende Messwerte wie die Anzahl der Datensätze ein. Generiere dann eine ecommerce.model.lkml-Datei, in der orders untersucht und users mit user_id verknüpft wird.“

Vorhandenes LookML umgestalten

Sie können den Agent anweisen, mehrere Dateien zu aktualisieren, damit sie neuen Standards entsprechen, oder neue Funktionen hinzuzufügen, die auf vorhandenen Mustern basieren.

Beispiel für einen Prompt:

„Überprüfe die Datei products.view.lkml. Suche nach allen Dimensionen vom Typ number, die einen Preis oder Kosten darstellen. Generiere für jede dieser Dimensionen einen entsprechenden sum-Messwert und einen average-Messwert. Füge jedem neuen Messwert eine Beschreibung hinzu, in der erklärt wird, was damit berechnet wird. Achte darauf, dass der neue Code dem Stil entspricht, der von den integrierten Skills im Arbeitsbereich empfohlen wird.“

Fehlerbehebung und Validierung von LookML

Der KI-Agent kann Ihnen helfen, LookML-Fehler zu identifizieren und zu beheben. Der Agent kann die Validierungstools des MCP-Servers proaktiv verwenden. Sie können aber auch Hilfe bei bestimmten Fehlern anfordern, die vom Looker IDE-Validator angezeigt werden.

Beispiel für einen Prompt:

„Ich habe gerade die LookML-Validierung ausgeführt und den folgenden Fehler erhalten: ‚Inaccessible view: users. Die Nutzer der Datenansicht können nicht erreicht werden.' Ich versuche, die Ansicht users mit dem Explore orders in der Datei ecommerce.model.lkml zu verknüpfen. Bitte überprüfen Sie die Modelldatei und die users.view.lkml-Datei, identifizieren Sie die Ursache des Fehlers und schlagen Sie eine Lösung vor.“

Änderungen verwalten

Wenn der KI-Agent Ihre lokalen LookML-Dateien ändert, gehen Sie so vor:

  1. Diff ansehen: Sehen Sie sich die vom KI-Agenten vorgeschlagenen Änderungen in der Quellcodeverwaltung oder im Diff-Viewer Ihrer IDE genau an.
  2. Lokal validieren: Führen Sie immer den Befehl Looker: LookML validieren über die IDE-Befehlspalette aus, um sicherzustellen, dass der generierte Code korrekt kompiliert wird und keine Fehler auf dem Looker-Server verursacht.
  3. Synchronisieren und bereitstellen: Wenn Sie eine Datei speichern, wird sie von der Erweiterung automatisch mit Ihrem Entwicklungszweig auf dem Looker-Server synchronisiert. Verwenden Sie Standard-Git-Befehle, um Ihre Änderungen zu übernehmen und bereitzustellen, wenn sie fertig sind.

Nächste Schritte