Conecta tu IDE a BigQuery con MCP Toolbox

En esta guía, se muestra cómo usar MCP Toolbox for Databases para conectar tu instancia de BigQuery a una variedad de entornos de desarrollo integrados (IDE) y herramientas para desarrolladores. Utiliza el Protocolo de contexto del modelo (MCP), un protocolo abierto para conectar modelos de lenguaje grandes (LLM) a fuentes de datos como BigQuery, lo que te permite ejecutar consultas de SQL y, también, interactuar con tu proyecto directamente desde tus herramientas existentes.

En esta guía, se muestra el proceso de conexión para los siguientes IDEs:

Antes de comenzar

  1. En la Google Cloud consola, en la página del selector de proyectos, selecciona o crea un proyecto Google Cloud .

  2. Asegúrate de tener habilitada la facturación para tu Google Cloud proyecto.

  3. Habilita la API de BigQuery en el Google Cloud proyecto.

  4. Configura los roles y permisos necesarios para completar esta tarea. Necesitarás el rol de Usuario de BigQuery (roles/bigquery.user), el rol de Visualizador de datos de BigQuery (roles/bigquery.dataViewer) o permisos de IAM equivalentes para conectarte a la instancia.

  5. Configura las credenciales predeterminadas de la aplicación (ADC) para tu entorno.

Instala MCP Toolbox

  1. Descarga la versión más reciente de MCP Toolbox como un archivo binario. Selecciona el objeto binario correspondiente a tu sistema operativo (SO) y a la arquitectura de CPU. Debes usar la versión V0.7.0 o posterior de MCP Toolbox:

    linux/amd64

    curl -O https://storage.googleapis.com/genai-toolbox/VERSION/linux/amd64/toolbox
    

    Reemplaza VERSION por la versión de MCP Toolbox, por ejemplo, v0.7.0.

    macOS darwin/arm64

    curl -O https://storage.googleapis.com/genai-toolbox/VERSION/darwin/arm64/toolbox
    

    Reemplaza VERSION por la versión de MCP Toolbox, por ejemplo, v0.7.0.

    macOS darwin/amd64

    curl -O https://storage.googleapis.com/genai-toolbox/VERSION/darwin/amd64/toolbox
    

    Reemplaza VERSION por la versión de MCP Toolbox, por ejemplo, v0.7.0.

    windows/amd64

    curl -O https://storage.googleapis.com/genai-toolbox/VERSION/windows/amd64/toolbox
    

    Reemplaza VERSION por la versión de MCP Toolbox, por ejemplo, v0.7.0.

  2. Haz que el objeto binario sea ejecutable:

    chmod +x toolbox
    
  3. Verifica la instalación:

    ./toolbox --version
    

Configura el cliente de MCP

Código de Claude


 1. Instala Claude Code.
2. Crea un archivo .mcp.json en la raíz de tu proyecto, si no existe.
3. Agrega la configuración, reemplaza las variables de entorno por tus valores y guarda:

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

4. Reinicia Claude Code para cargar la nueva configuración. Cuando se vuelve a abrir, la herramienta indica que se detectó el servidor de MCP configurado.

Claude para computadoras


 1. Abre Claude Desktop y navega a Configuración.
2. En la pestaña Desarrollador, haz clic en Editar configuración para abrir el archivo de configuración.
3. Agrega la configuración, reemplaza las variables de entorno por tus valores y guarda:

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

4. Reinicia Claude para computadoras de escritorio.
5. En la nueva pantalla de chat, se muestra un ícono de martillo (MCP) con el nuevo servidor de MCP.


Cline


 1. Abre la extensión Cline en VS Code y presiona el ícono de Servidores de MCP.
2. Presiona Configure MCP Servers para abrir el archivo de configuración.
3. Agrega la siguiente configuración, reemplaza las variables de entorno por tus valores y guarda:

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

Aparece un estado activo verde después de que el servidor se conecta correctamente.

Cursor


 1. Crea el directorio .cursor en la raíz del proyecto si no existe.
2. Crea el archivo .cursor/mcp.json si no existe y ábrelo.
3. Agrega la siguiente configuración, reemplaza las variables de entorno por tus valores y guarda:

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

4. Abre Cursor y navega a Configuración > Configuración del cursor > MCP. Cuando el servidor se conecta, aparece un estado activo de color verde.

Visual Studio Code (Copilot)


 1. Abre VS Code y crea un directorio .vscode en la raíz de tu proyecto si no existe.
2. Crea el archivo .vscode/mcp.json si no existe y ábrelo.
3. Agrega la siguiente configuración, reemplaza las variables de entorno por tus valores y guarda:

{
  "servers": {
    "bigquery": {
      "command": "./PATH/TO/toolbox",
      "args": ["--prebuilt","bigquery","--stdio"],
      "env": {
        "BIGQUERY_PROJECT": "PROJECT_ID"
      }
    }
  }
}
4. Vuelve a cargar la ventana de VS Code. La extensión compatible con MCP detecta automáticamente la configuración y, luego, inicia el servidor.

Windsurf


 1. Abre Windsurf y navega al asistente de Cascade.
2. Haz clic en el ícono de MCP y, luego, en Configurar para abrir el archivo de configuración.
3. Agrega la siguiente configuración, reemplaza las variables de entorno por tus valores y guarda:

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

Nota: La variable de entorno BIGQUERY_PROJECT especifica el ID del proyecto Google Cloud predeterminado que debe usar la caja de herramientas de MCP. Todas las operaciones de BigQuery, como la ejecución de consultas, se realizan dentro de este proyecto.

Usa las herramientas

Tu herramienta de IA ahora está conectada a BigQuery a través de MCP. Intenta pedirle a tu asistente de IA que cree una lista de tablas, cree una tabla o defina y ejecute otras instrucciones de SQL.

Las siguientes herramientas están disponibles para el LLM:

  • ask_data_insights: Realiza análisis de datos, obtiene estadísticas o responde preguntas complejas sobre el contenido de las tablas de BigQuery.
  • execute_sql: Ejecuta la instrucción de SQL.
  • forecast: Prevé datos de series temporales.
  • get_dataset_info: Obtiene metadatos del conjunto de datos
  • get_table_info: Obtiene metadatos de la tabla.
  • list_dataset_ids: Lista de conjuntos de datos
  • list_table_ids: Enumera tablas