Google BigQuery, verifiziert
MCP-Server von Google Cloud · Verifiziert
Datasets auflisten, Tabellen prüfen und SQL-Abfragen in Google-BigQuery-Projekten ausführen, mit Job-Status und Abbruch.
Mit Google BigQuery verbinden
Google BigQuery braucht eine Anmeldung. Verbinde dich mit seiner eigenen URL:
Dein Client öffnet beim ersten Mal die Anmeldung von Google Cloud. Das Token bleibt zwischen deinem Client und Google Cloud.
Diesen Server teilen
Öffnet diese Seite, mit der URL und den Einrichtungsschritten.
mcp.tc/i/bigqueryÜber den Server
Verbindet einen Assistenten mit Google BigQuery. Er kann Datasets und Tabellen auflisten, deren Metadaten lesen (einschließlich BigLake-Namespaces und -Tabellen), SQL-Abfragen ausführen, seitenweise Ergebnisse abrufen und Abfrage-Jobs prüfen oder abbrechen.
Er läuft als gehosteter Streamable-HTTP-Endpunkt unter bigquery.googleapis.com/mcp. Der Zugriff nutzt Google OAuth 2.0 und IAM-Berechtigungen für das Zielprojekt. Das schreibgeschützte SQL-Tool ist auf SELECT-Anweisungen beschränkt, während das allgemeine SQL-Tool auch Anweisungen ausführen kann, die Daten ändern.
Was du damit machen kannst
- Dataset-IDs und BigLake-Namespaces in einem Projekt auflisten
- Metadaten von Datasets und Tabellen lesen
- Tabellen-IDs in einem Dataset auflisten
- Schreibgeschützte SELECT-Abfragen ausführen
- Beliebige SQL-Anweisungen ausführen, auch Schreibzugriffe und DDL
- Ergebnisse lang laufender Abfrage-Jobs seitenweise abrufen
- Job-Status prüfen und laufende Jobs abbrechen
Tools 9
list_dataset_idsNur lesenBigQuery-Dataset-IDs und BigLake-Namespaces in einem Projekt auflisten, mit Paginierung.
get_dataset_infoNur lesenMetadaten eines BigQuery-Datasets oder BigLake-Namespace abrufen.
list_table_idsNur lesenTabellen-IDs in einem Dataset oder BigLake-Namespace auflisten, mit Paginierung.
get_table_infoNur lesenMetadaten einer BigQuery-Tabelle oder BigLake-Tabelle abrufen.
execute_sql_readonlyNur lesenEine schreibgeschützte SELECT-Abfrage im Projekt ausführen und das Ergebnis zurückgeben.
execute_sqlKann löschenBeliebiges BigQuery-SQL ausführen, einschließlich INSERT, UPDATE, DELETE, CREATE und ML-Funktionen.
get_query_resultsNur lesenErgebnisse eines Abfrage-Jobs per Job-ID abfragen oder seitenweise abrufen.
cancel_jobKann löschenEinen laufenden BigQuery-Job abbrechen.
get_jobNur lesenStatus, Statistiken und Konfiguration eines BigQuery-Jobs abrufen.
Am 3. Okt. 2026 vom laufenden Server gelesen. Nur lesen, Schreibt und Kann löschen sind Hinweise, die der Server selbst angibt; dein Client entscheidet, ob er vor dem Ausführen eines Tools nachfragt.
Beispiel-Prompts
Liste die Datasets in meinem Projekt my-analytics-prod auf
Zeige das Schema der Tabelle orders im Dataset sales
Führe eine Abfrage für die täglichen Anmeldungen der letzten 30 Tage aus
Prüfe den Status meines letzten BigQuery-Jobs und brich ihn ab, falls er noch läuft
Einrichtung
Jeder Client verbindet sich mit bigquery.googleapis.com, und beim ersten Mal fragt Google Cloud nach deiner Anmeldung. Wähl deinen; die Seite merkt sich deine Wahl.
Claude Code
- Führe das in einem Terminal in deinem Projektordner aus:
claude mcp add --transport http bigquery https://bigquery.googleapis.com/mcp- Starte Claude Code, tippe
/mcp, wähle bigquery und dann Authenticate. Ein Browserfenster öffnet sich für die Anmeldung bei Google Cloud.
Ergänze --scope user, damit er in jedem Projekt verfügbar ist, nicht nur in diesem.
Claude Desktop
- Öffne Settings → Connectors und klick auf Add custom connector.
- Nenne ihn Google BigQuery und füge diese URL ein:
https://bigquery.googleapis.com/mcp- Klick auf Add, dann auf Connect, und melde dich an, wenn Google Cloud danach fragt.
Die JSON-Konfigurationsdatei von Claude Desktop startet nur lokale Server. Remote-Server laufen über Connectors, und Connectors, die du auf claude.ai hinzufügst, erscheinen auch hier.
claude.ai
- Öffne das Connector-Formular auf claude.ai. Dieser Button füllt Name und URL für dich aus:
Zu claude.ai hinzufügen (öffnet in einem neuen Tab)
- Prüfe, dass die URL
https://bigquery.googleapis.com/mcplautet, und klick auf Add. - Klick auf Connect und melde dich an, wenn Google Cloud danach fragt.
Kostenlose Pläne erlauben einen benutzerdefinierten Connector. In Team- und Enterprise-Plänen fügt ihn ein Owner unter Organization settings → Connectors hinzu.
ChatGPT
- Öffne auf chatgpt.com Settings → Security and login und schalte Developer mode ein.
- Geh zu
chatgpt.com/pluginsund klick auf +, um eine App für einen Remote-MCP-Server anzulegen. - Füge
https://bigquery.googleapis.com/mcpals Server-URL ein und wähle OAuth. ChatGPT schickt dich zur Anmeldung zu Google Cloud.
Der Entwicklermodus steht im Web für Plus-, Pro-, Business-, Enterprise- und Education-Konten zur Verfügung.
Cursor
Zu Cursor hinzufügen (öffnet in einem neuen Tab)
Oder trag ihn von Hand in ~/.cursor/mcp.json (alle Projekte) oder .cursor/mcp.json (dieses Projekt) ein:
{
"mcpServers": {
"bigquery": {
"url": "https://bigquery.googleapis.com/mcp"
}
}
}Cursor zeigt neben dem Server Needs login. Klick darauf, um dich anzumelden.
VS Code
In VS Code installieren (öffnet in einem neuen Tab)
Oder aus einem Terminal:
code --add-mcp '{"name":"bigquery","type":"http","url":"https://bigquery.googleapis.com/mcp"}'Oder committe ihn ins Repository in .vscode/mcp.json:
{
"servers": {
"bigquery": {
"type": "http",
"url": "https://bigquery.googleapis.com/mcp"
}
}
}VS Code bittet dich beim ersten Start des Servers um eine Anmeldung.
Devin Desktop
- Füge ihn zu
~/.config/devin/mcp_config.json(macOS und Linux) oder%APPDATA%\devin\mcp_config.json(Windows) hinzu:
{
"mcpServers": {
"bigquery": {
"serverUrl": "https://bigquery.googleapis.com/mcp"
}
}
}- Aktualisiere die Liste der MCP-Server in Cascade und melde dich an, wenn du gefragt wirst.
Devin Desktop ist der neue Name von Windsurf. Für Remote-Server liest es serverUrl (oder url).
Codex
codex mcp add bigquery --url https://bigquery.googleapis.com/mcp
codex mcp login bigqueryOder bearbeite ~/.codex/config.toml direkt:
[mcp_servers.bigquery]
url = "https://bigquery.googleapis.com/mcp"Gemini CLI
gemini mcp add --transport http bigquery https://bigquery.googleapis.com/mcpFühre dann in Gemini CLI /mcp auth bigquery aus, um dich anzumelden.
Damit fügst du ihn dem aktuellen Projekt hinzu. Ergänze -s user, um ihn überall zu nutzen.
Jeder Client
Die meisten Clients akzeptieren diese Form. Manche nennen das URL-Feld anders: serverUrl in Devin Desktop, httpUrl in der Einstellungsdatei von Gemini CLI.
{
"mcpServers": {
"bigquery": {
"type": "http",
"url": "https://bigquery.googleapis.com/mcp"
}
}
}Zed legt Server in seinen Einstellungen unter context_servers ab. Cline braucht "type": "streamableHttp", sonst nimmt es SSE an.
Dein Client startet nur lokale Server? Binde ihn mit npx -y mcp-remote https://bigquery.googleapis.com/mcp an.
Häufige Fragen
Kann ich mcp.tc/i/bigquery in meinen MCP-Client einfügen?
Nein. mcp.tc-Links sind Seiten, keine Server-Adressen. Verbinde dich mit https://bigquery.googleapis.com/mcp, damit dein Client direkt mit Google BigQuery spricht. Das Anmelde-Token funktioniert ohnehin nur dort. Der Quick-Link ist zum Teilen da: Er öffnet diese Seite, mit Einrichtungsschritten für jeden Client.
Braucht Google BigQuery einen API-Schlüssel oder eine Anmeldung?
Ja, du brauchst ein Konto bei Google Cloud. Wenn sich dein Client zum ersten Mal verbindet, öffnet er die Anmeldeseite von Google Cloud. Das Token geht direkt an die eigene URL des Servers, nie über mcp.tc.
Ist Google BigQuery ein Remote- oder ein lokaler Server?
Remote. Google Cloud hostet ihn unter https://bigquery.googleapis.com/mcp, und er spricht Streamable HTTP. Es gibt nichts zu installieren.
Was kann Google BigQuery?
Er hat 9 Tools, darunter list_dataset_ids, get_dataset_info und list_table_ids. Du kannst damit Dataset-IDs und BigLake-Namespaces in einem Projekt auflisten, Metadaten von Datasets und Tabellen lesen und Tabellen-IDs in einem Dataset auflisten.
Welche Clients können ihn nutzen?
Jeder Client, der Remote-MCP-Server unterstützt: Claude Code, Claude Desktop, claude.ai, ChatGPT im Entwicklermodus, Cursor, VS Code, Devin Desktop, Codex, Gemini CLI, Zed und andere. Die Einrichtungsschritte decken jeden davon ab.
Wer hat diese Seite geschrieben?
Der Roboter von mcp.tc hat die eigenen Metadaten von Google BigQuery (seinen MCP-Handshake, seine Tool-Liste und öffentliche Seiten) gelesen, und ein KI-Modell hat daraus den Text entworfen. Ein Mensch prüft alles, was die Prüfungen nicht bestätigen können. Der Text kann trotzdem falsch sein; wenn dir ein Fehler auffällt, nutze Eintrag melden auf dieser Seite. Diese Übersetzung hat ein KI-Modell aus dem englischen Text erstellt.
Einbinden
Zeig Google BigQuery in einem README oder auf deiner Website. Jede Einbindung verlinkt auf diese Seite, nutzt die eigene URL des Servers und setzt keine Cookies. So funktionieren Einbindungen
README-Badge
[](https://mcp.tc/i/bigquery)<a href="https://mcp.tc/i/bigquery"><img src="https://mcp.tc/i/bigquery/badge.svg" alt="Google BigQuery on mcp.tc" height="20"></a>Es folgt dem hellen oder dunklen Modus der Lesenden. Hänge ?theme=light oder ?theme=dark an, um ihn festzulegen, oder ?style=compact, um das Zeichen ohne Schriftzug zu zeigen.
Website-Karte
<script src="https://mcp.tc/w/bigquery.js" async></script>Die Karte erscheint dort, wo das Tag steht. Füge dem Tag data-theme="dark" oder data-size="compact" hinzu, um sie zu ändern. Die Datei enthält alles, was sie braucht, stellt also keine weiteren Anfragen und setzt keine Cookies.
iframe
<iframe src="https://mcp.tc/embed/bigquery" title="Google BigQuery on mcp.tc" width="420" height="200" loading="lazy" allow="clipboard-write" style="border:0;border-radius:8px;max-width:100%"></iframe>Nutze es auf Seiten, die keine Skripte erlauben. Hänge ?theme=light oder ?theme=dark an die Adresse an, um die Farben festzulegen.
JSON
Der Eintrag als Daten für deine eigenen Seiten und Tools: Name, Kurzbeschreibung, die eigene URL des Servers, Tools und die „Add to“-Links. Jede Website kann ihn lesen (CORS ist offen).
https://mcp.tc/i/bigquery.jsonmcp.tc ist nicht mit Google Cloud verbunden. Diese Seite entstand aus den öffentlichen Metadaten von Google BigQuery, zuletzt geprüft am 3. Okt. 2026, und ein KI-Modell hat die Beschreibung geschrieben, sie kann also Fehler enthalten. Namen und Marken gehören ihren Inhabern. Stimmt etwas nicht? Eintrag melden. Die Übersetzung hat ein KI-Modell aus dem englischen Text erstellt.