Google BigQuery

Run SQL queries on BigQuery datasets, list tables, and inspect schemas.

От сообществаРаботаетБез входаГлобальныйБесплатноТолько чтение

Что умеет

  • List Dataset Ids: List BigQuery dataset IDs in a Google Cloud project.
  • Get Dataset Info: Get metadata information about a BigQuery dataset.
  • List Table Ids: List table ids in a BigQuery dataset.

Какие данные видит

Нужен ли аккаунт

Не нужен: сервер работает без входа

Run SQL queries on BigQuery datasets, list tables, and inspect schemas. Manage jobs, export results, and explore data warehouse resources.

Как подключить

Как подключить Google BigQuery к Claude

Адрес сервера, который нужно вставить в настройках Claude:

https://bigquery.run.tools

  1. Откройте Claude (сайт claude.ai или приложение для компьютера).
  2. Перейдите в Настройки → Коннекторы (в английском интерфейсе: Settings → Connectors).
  3. Нажмите Добавить пользовательский коннектор (Add custom connector).
  4. Вставьте адрес сервера, скопированный ниже, в поле URL удалённого MCP-сервера и нажмите Добавить.
  5. В чате нажмите + → Коннекторы и включите новый коннектор.

Пользовательские коннекторы доступны на тарифах Free, Pro, Max, Team и Enterprise. На Free можно добавить только один. В Team и Enterprise коннектор сначала добавляет владелец организации в Настройки организации → Коннекторы.

Авторизация

После нажатия Добавить откроется окно входа в сервис. Войдите под своим аккаунтом и подтвердите доступ. Пароль Claude не видит.

Как подключить Google BigQuery к ChatGPT

Адрес сервера, который нужно вставить в настройках ChatGPT:

https://bigquery.run.tools

  1. Откройте ChatGPT в браузере (chatgpt.com). Нужен тариф Plus, Pro, Business, Enterprise или Edu.
  2. Один раз включите режим разработчика: Настройки → Приложения → Дополнительные настройки → Режим разработчика (Settings → Apps → Advanced settings → Developer mode).
  3. Откройте Настройки → Коннекторы и нажмите Создать (Create).
  4. Заполните форму: Название (любое), Описание (одна фраза, что делает сервис), URL MCP-сервера (скопируйте ниже).
  5. В поле Аутентификация выберите OAuth, если сервис требует вход, иначе Нет. Нажмите Создать.
  6. В новом чате откройте + → Приложения/Коннекторы и включите коннектор.

Название раздела у OpenAI менялось (Connectors → Apps/Plugins). Если пункт называется иначе, ищите «режим разработчика» в настройках. В рабочих пространствах Business/Enterprise администратор должен разрешить пользовательские коннекторы.

Авторизация

При первом использовании ChatGPT откроет окно входа в сервис. Войдите и подтвердите доступ.

Как подключить Google BigQuery к Cursor

Адрес сервера, который нужно вставить в настройках Cursor:

https://bigquery.run.tools

Быстрый способ: нажмите кнопку Открыть в Cursor ниже, Cursor сам предложит добавить сервер.

Вручную:

  1. В Cursor откройте Settings → Cursor Settings → MCP и нажмите Add new global MCP server.
  2. Вставьте JSON, скопированный ниже, в открывшийся файл ~/.cursor/mcp.json (для одного проекта: .cursor/mcp.json в корне проекта).
  3. Сохраните файл. Сервер появится в списке MCP; при необходимости пройдите авторизацию по кнопке рядом с ним.

Авторизация

Если сервис требует вход, рядом с сервером в списке MCP появится кнопка авторизации.

Список инструментов сервера (5)

Технические названия из tools/list. Нужны только разработчикам.

list_dataset_idsList BigQuery dataset IDs in a Google Cloud project.
get_dataset_infoGet metadata information about a BigQuery dataset.
list_table_idsList table ids in a BigQuery dataset.
get_table_infoGet metadata information about a BigQuery table.
execute_sqlRun a SQL query in the project and return the result. This tool is restricted to only `SELECT` statements. `INSERT`, `UPDATE`, and `DELETE` statements and stored procedures aren't allowed. If the query doesn't include a `SELECT` statement, an error is returned. For information on creating queries, see the [GoogleSQL documentation](https://cloud.google.com/bigquery/docs/reference/standard-sql/query-syntax). The `execute_sql` tool can also have side effects if the the query invokes [remote functions](https://cloud.google.com/bigquery/docs/remote-functions) or [Python UDFs](https://cloud.google.com/bigquery/docs/user-defined-functions-python). All queries that are run using the `execute_sql` tool have a label that identifies the tool as the source. You can use this label to filter the queries using the label and value pair `goog-mcp-server: true`. Queries are charged to the project specified in the `project_id` field. Example Queries: -- Count the number of penguins in each island. SELECT island, COUNT(*) AS population FROM bigquery-public-data.ml_datasets.penguins GROUP BY island -- Evaluate a bigquery ML Model. SELECT * FROM ML.EVALUATE(MODEL `my_dataset.my_model`) -- Evaluate BigQuery ML model on custom data SELECT * FROM ML.EVALUATE(MODEL `my_dataset.my_model`, (SELECT * FROM `my_dataset.my_table`)) -- Predict using BigQuery ML model: SELECT * FROM ML.PREDICT(MODEL `my_dataset.my_model`, (SELECT * FROM `my_dataset.my_table`)) -- Forecast data using AI.FORECAST SELECT * FROM AI.FORECAST(TABLE `project.dataset.my_table`, data_col => 'num_trips', timestamp_col => 'date', id_cols => ['usertype'], horizon => 30)