BigQuery MCP 서버

“BigQuery” MCP 서버는 무엇을 하나요?

BigQuery MCP 서버는 Model Context Protocol(MCP) 서버로, BigQuery 데이터셋에 안전한 읽기 전용 접근을 제공합니다. 이는 대형 언어 모델(LLM)과 BigQuery 데이터 간의 다리 역할을 하며, AI 어시스턴트가 표준화된 인터페이스를 통해 데이터를 쿼리하고 분석할 수 있도록 지원합니다. 자연어 질문을 SQL로 변환하고 데이터베이스 보안을 관리함으로써, 개발자와 분석가가 수동 SQL 작성 없이 대화형으로 데이터를 다룰 수 있게 합니다. 이 서버는 테이블과 머티리얼라이즈드 뷰를 모두 지원하며, 스키마 탐색 기능과 안전한 쿼리 한도를 제공하여 데이터를 보호합니다. 주된 역할은 LLM이 비즈니스 인텔리전스 데이터에 안전하고 직관적으로 접근할 수 있도록 하여 워크플로우 효율성을 높이는 것입니다.

프롬프트 목록

저장소나 문서에서 프롬프트 템플릿이 언급되지 않았습니다.

리소스 목록

특정 MCP 리소스가 저장소나 README에 문서화되어 있지 않습니다.

도구 목록

명시적인 도구 목록이나 server.py 파일이 문서 또는 코드 구조에 존재하지 않습니다.

이 MCP 서버의 사용 사례

• 자연어 데이터 탐색
  사용자는 “지난달 상위 10명의 고객은 누구인가요?“와 같이 평범한 영어로 질문할 수 있으며, BigQuery에서 직접 답변을 받아 수동 SQL 쿼리의 필요성을 줄일 수 있습니다.

• 안전한 비즈니스 인텔리전스
  민감한 데이터셋에 읽기 전용 접근을 제공해 데이터 분석가 및 비즈니스 사용자가 데이터 수정 위험 없이 안전하게 데이터를 탐색할 수 있습니다.

• 스키마 탐색
  AI와 사용자가 데이터셋의 스키마를 탐색하며, 테이블과 뷰를 구분해 제공하여 사용 가능한 데이터 구조를 이해하는 과정을 간소화합니다.

• 안전 한도 내 데이터 분석
  쿼리 한도(예: 기본 1GB)를 적용해 리소스 사용을 통제하고, 실수로 인한 고비용 쿼리를 방지합니다.

설정 방법

Windsurf

저장소에 Windsurf에 대한 설정 안내가 제공되지 않습니다.

Claude

1. 사전 준비:

   • Node.js 14 이상 설치
   • Google Cloud 프로젝트에서 BigQuery 활성화
   • Google Cloud CLI 설치 또는 서비스 계정 키 파일 준비
   • Claude Desktop 설치

2. Google Cloud 인증:

   • 개발 환경:

     gcloud auth application-default login
     

   • 운영 환경(서비스 계정):
     • 서비스 계정 키 파일을 저장
     • 서버 시작 시 --key-file 파라미터 사용

3. Claude Desktop 설정에 추가:
   claude_desktop_config.json 파일을 아래처럼 편집하세요:

   {
     "mcpServers": {
       "bigquery": {
         "command": "npx",
         "args": [
           "-y",
           "@ergut/mcp-bigquery-server",
           "--project-id",
           "your-project-id",
           "--location",
           "us-central1"
         ]
       }
     }
   }
   

4. 저장 후 Claude Desktop 재시작.

5. 확인:
   Claude와 대화를 시작해 데이터 관련 질문을 해보세요.

서비스 계정 사용 예시:

{
  "mcpServers": {
    "bigquery": {
      "command": "npx",
      "args": [
        "-y",
        "@ergut/mcp-bigquery-server",
        "--project-id",
        "your-project-id",
        "--location",
        "us-central1",
        "--key-file",
        "/path/to/your/service-account-key.json"
      ]
    }
  }
}

API 키 보안:
서비스 계정 키는 저장소 외부에 보관하고, --key-file 파라미터로 참조하세요. 키 파일을 절대 버전 관리에 커밋하지 마세요.

플로우 내에서 MCP 사용하는 방법

FlowHunt에서 MCP 사용하기

FlowHunt 워크플로우에 MCP 서버를 통합하려면, 플로우에 MCP 컴포넌트를 추가하고 AI 에이전트에 연결하세요:

MCP 컴포넌트를 클릭해 설정 패널을 엽니다. 시스템 MCP 설정 섹션에 아래와 같은 JSON 형식으로 MCP 서버 정보를 입력하세요:

{
  "bigquery": {
    "transport": "streamable_http",
    "url": "https://yourmcpserver.example/pathtothemcp/url"
  }
}

설정이 완료되면, AI 에이전트가 해당 MCP를 도구로 활용하여 모든 기능과 역량을 사용할 수 있습니다. “bigquery"는 실제 MCP 서버 이름으로, URL은 본인의 MCP 서버 주소로 변경해야 합니다.

개요

총평

BigQuery MCP 서버는 LLM을 BigQuery 데이터셋에 안전하게 연결하는 데 집중된, 사용하기 쉬운 솔루션입니다. 다만, 저장소에는 프롬프트 템플릿, 명확한 MCP 리소스, 도구 정의에 대한 문서가 부족해 확장성과 상호운용성이 아쉽습니다. Claude Desktop을 위한 설정은 직관적이지만, Windsurf, Cursor, Cline 같은 다른 플랫폼이나 고급 MCP 기능(roots, 샘플링 등)에 대한 안내는 없습니다. 주된 사용 목적에는 충실하지만, 프로토콜 확장성과 문서화 측면에서는 한계가 있습니다.

평가: 6/10 — 핵심 목적엔 탁월하나, 더 넓은 프로토콜 기능과 문서가 부족합니다.

MCP 점수