Connecter votre IDE à BigQuery à l'aide de MCP Toolbox

Ce guide vous explique comment utiliser la MCP Toolbox for Databases pour connecter votre instance BigQuery à différents environnements de développement intégrés (IDE) et outils pour les développeurs. Il utilise le protocole de contexte de modèle (MCP), un protocole ouvert permettant de connecter des grands modèles de langage (LLM) à des sources de données telles que BigQuery. Vous pouvez ainsi exécuter des requêtes SQL et interagir avec votre projet directement depuis vos outils existants.

Ce guide explique comment connecter les IDE suivants :

Avant de commencer

  1. Dans la console Google Cloud , sur la page de sélection du projet, sélectionnez ou créez un projet Google Cloud .

  2. Assurez-vous que la facturation est activée pour votre projet Google Cloud .

  3. Activez l'API BigQuery dans le projet Google Cloud .

  4. Configurez les rôles et autorisations requis pour effectuer cette tâche. Pour vous connecter à l'instance, vous devez disposer du rôle Utilisateur BigQuery (roles/bigquery.user), du rôle Lecteur de données BigQuery (roles/bigquery.dataViewer) ou d'autorisations IAM équivalentes.

  5. Configurez les identifiants par défaut de l'application pour votre environnement.

Installer la boîte à outils MCP

  1. Téléchargez la dernière version de MCP Toolbox en tant que fichier binaire. Sélectionnez le fichier binaire correspondant à votre système d'exploitation et à l'architecture de votre processeur. Vous devez utiliser la version V0.7.0 ou ultérieure de MCP Toolbox :

    linux/amd64

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

    Remplacez VERSION par la version de MCP Toolbox, par exemple v0.7.0.

    macOS darwin/arm64

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

    Remplacez VERSION par la version de MCP Toolbox, par exemple v0.7.0.

    macOS darwin/amd64

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

    Remplacez VERSION par la version de MCP Toolbox, par exemple v0.7.0.

    windows/amd64

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

    Remplacez VERSION par la version de MCP Toolbox, par exemple v0.7.0.

  2. Rendez le binaire exécutable :

    chmod +x toolbox
    
  3. Vérifiez l'installation :

    ./toolbox --version
    

Configurer le client MCP

Code Claude


1. Installez Claude Code.
2. Créez un fichier .mcp.json à la racine de votre projet, s'il n'existe pas.
3. Ajoutez la configuration, remplacez les variables d'environnement par vos valeurs et enregistrez :

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

4. Redémarrez Claude Code pour charger les nouveaux paramètres. Lorsqu'il se rouvre, l'outil indique que le serveur MCP configuré a été détecté.

Claude sur ordinateur


1. Ouvrez Claude Desktop et accédez à Settings (Paramètres).
2. Dans l'onglet Développeur, cliquez sur Modifier la configuration pour ouvrir le fichier de configuration.
3. Ajoutez la configuration, remplacez les variables d'environnement par vos valeurs et enregistrez :

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

4. Redémarrez Claude Desktop.
5. Le nouvel écran de chat affiche une icône en forme de marteau (MCP) avec le nouveau serveur MCP.


Cline


1. Ouvrez l'extension Cline dans VS Code, puis appuyez sur l'icône Serveurs MCP.
2. Appuyez sur Configurer les serveurs MCP pour ouvrir le fichier de configuration.
3. Ajoutez la configuration suivante, remplacez les variables d'environnement par vos valeurs, puis enregistrez :

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

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, remplacez les variables d'environnement par vos valeurs, puis enregistrez :

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

4. Ouvrez Cursor, puis accédez à Settings > Cursor Settings > MCP (Paramètres > Paramètres du curseur > MCP). Un état actif vert s'affiche lorsque le serveur se connecte.

Visual Studio Code (Copilot)


1. Ouvrez VS Code et créez un 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, remplacez les variables d'environnement par vos valeurs, puis enregistrez :

{
  "servers": {
    "bigquery": {
      "command": "./PATH/TO/toolbox",
      "args": ["--prebuilt","bigquery","--stdio"],
      "env": {
        "BIGQUERY_PROJECT": "PROJECT_ID"
      }
    }
  }
}
4. Actualisez la fenêtre VS Code. L'extension compatible avec MCP détecte automatiquement la configuration et démarre le serveur.

Windsurf


1. Ouvrez Windsurf et accédez à l'assistant Cascade.
2. Cliquez sur l'icône MCP, puis sur Configurer pour ouvrir le fichier de configuration.
3. Ajoutez la configuration suivante, remplacez les variables d'environnement par vos valeurs, puis enregistrez :

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

Remarque : La variable d'environnement BIGQUERY_PROJECT spécifie l'ID de projet Google Cloud par défaut que la boîte à outils MCP doit utiliser. Toutes les opérations BigQuery, comme l'exécution de requêtes, sont effectuées dans ce projet.

Utiliser les outils

Votre outil d'IA est désormais connecté à BigQuery à l'aide de MCP. Essayez de demander à votre assistant IA de lister des tables, d'en créer une ou de définir et d'exécuter d'autres instructions SQL.

Les outils suivants sont à la disposition du LLM :

  • ask_data_insights : effectuer une analyse des données, obtenir des insights ou répondre à des questions complexes sur le contenu des tables BigQuery.
  • execute_sql : exécuter une instruction SQL
  • forecast : données de séries temporelles de prévision.
  • get_dataset_info : obtenir les métadonnées de l'ensemble de données
  • get_table_info : obtenir les métadonnées de la table
  • list_dataset_ids : lister les ensembles de données
  • list_table_ids : lister les tables