AI导哈

BigQuery MCP服务器

一个基于BigQuery的模型上下文协议服务器，支持对话式分析和模式检查。

  • by DhunganaKB
  • Python
  • 本地部署
  • 更新于
在 GitHub 查看 DhunganaKB/bigquery-mcp-server-demo

使用说明

BigQuery MCP服务器-本地运行

该项目为BigQuery实现了一个模型上下文协议（MCP）服务器，允许进行会话分析和模式检查。它使用Google Gen AI工具箱 ADK框架，以及为代理提供服务的FastAPI应用程序。

先决条件

  • **Python 3.10+**确保已安装Python。
  • 谷歌云项目：您需要一个启用了BigQuery的GCP项目。
  • 基于Unix的操作系统：macOS或Linux（用于工具箱二进制文件）。

安装

  1. 克隆存储库: 将此存储库克隆到您的工作目录中：

    git clone https://github.com/DhunganaKB/bigquery-mcp-server-demo.git
cd bigquery-mcp-server-demo

  2. 下载Gen AI工具箱: 这也被称为MCP数据库工具箱。运行以下命令下载适合您操作系统的二进制文件。

    对于macOS（苹果Silicon/M1/M2/M3）：

    export VERSION=v0.22.0
export OS="darwin/arm64"
curl -o toolbox "https://storage.googleapis.com/genai-toolbox/$VERSION/$OS/toolbox"
chmod +x toolbox

    对于macOS（英特尔）：

    export VERSION=v0.22.0
export OS="darwin/amd64"
curl -o toolbox "https://storage.googleapis.com/genai-toolbox/$VERSION/$OS/toolbox"
chmod +x toolbox

    对于Linux：

    export VERSION=v0.22.0
export OS="linux/amd64"
curl -o toolbox "https://storage.googleapis.com/genai-toolbox/$VERSION/$OS/toolbox"
chmod +x toolbox

    对于Windows：

    export VERSION=v0.22.0
export OS="windows/amd64"
curl -o toolbox.exe "https://storage.googleapis.com/genai-toolbox/$VERSION/$OS/toolbox.exe"

    验证安装：

    ./toolbox --version

  3. 安装Python依赖项: 建议使用虚拟环境。

    python3 -m venv venv
source venv/bin/activate
pip install -r requirements.txt

配置

  1. 环境变量:

    • 将示例环境文件复制到名为的新文件中 .env:

      cp .env_example .env

    • 打开 .env 并提供有效的 GOOGLE_API_KEY.

  2. 应用程序配置(constants.py): 打开 constants.py 并更新以下内容：

    • PROJECT_ID：替换 "project_id" 使用您的实际Google Cloud项目ID（链接到您的计费帐户的ID）。
    • LOCATION：确保这与您的BigQuery数据集位置匹配（例如。， "us-central1").
    • TABLES：根据您的具体情况更新表格列表 dataset 和 table 名字。

  3. 工具配置(tools.yaml): 打开 tools.yaml 并更新 PROJECT_ID 和 LOCATION 字段以匹配中的配置 constants.py.

    • PROJECT_ID：您的谷歌云项目ID。
    • LOCATION：您的BigQuery位置。

用法

  1. 运行FastAPI应用程序: 使用启动服务器 uvicorn.

    uvicorn main:app --reload

  2. 访问API: API将于 http://127.0.0.1:8000.

    • POST/查询：发送一个自然语言问题来分析您的BigQuery数据。

    请求示例：

    {
  "question": "Give me 10 different zip codes randomly.",
  "user_id": "test_user",
  "session_id": "test_session"
}

    示例响应：

    {
  "answer": "Here are 10 random zip codes from the `school_location` table: 13210-1687, 40422-1394, 85283, 04106-1698, 46805, 90301-2904, 76904, 52803-2898, 33033-1412, 77477-0000\\n\\nSQL used:\\n```sql\\nSELECT DISTINCT zip FROM `project_id.dataset.school_location.school_location` ORDER BY RAND() LIMIT 10\\n```",
  "sql": "SELECT DISTINCT zip FROM `project_id.dataset.school_location` ORDER BY RAND() LIMIT 10"
}

项目结构

  • main.py：FastAPI应用程序入口点和端点定义。
  • agent.py：LLM代理和MCP工具集的配置。
  • constants.py：项目常量，如项目ID、位置和表定义。
  • tools.yamlBigQuery MCP工具的定义（数据洞察、表信息等）。
  • toolbox：Gen AI工具箱的二进制可执行文件（必须下载）。

相关 MCP