Google BigQuery über MCP mit Cursor verbinden

💡 Keine Installation? Nutze cloud.anythingmcp.com direkt. Einloggen, Connectors → Google BigQuery klicken, Zugangsdaten einfügen, MCP-API-Key erzeugen, fertig. Kein Docker, kein git clone, kein lokaler Server.

Google BigQuery + Cursor

Lass deine KI Google BigQuery erkunden und abfragen: Projekte, Datasets und Tabellen auflisten, Schemas lesen, kostenlos Beispielzeilen ansehen, die Kosten einer Abfrage vorab per Dry Run schätzen, durch Ergebnisse blättern und den Job-Verlauf prüfen. Die Anmeldung läuft über dein Google-Konto.

Voraussetzungen

Die vollständige Setup-Anleitung ist in den Connector eingebaut (im Store sichtbar, wenn du den Connector auswählst). Benötigte Umgebungsvariablen für diesen Connector:

GOOGLE_CLIENT_ID, GOOGLE_CLIENT_SECRET

Schritt 1 — Zugangsdaten holen

1. Öffne console.cloud.google.com, wähle ein Projekt aus oder lege eines an, gehe zu APIs & Services → Library und aktiviere die BigQuery API.
2. Öffne APIs & Services → OAuth consent screen. Wähle Internal, wenn du Google Workspace nutzt (der einfachste Weg), sonst External. Bei External setzt du den Veröffentlichungsstatus auf In production: Solange die App im Status Testing ist, widerruft Google ihre Refresh-Tokens nach 7 Tagen und der Connector hört jede Woche auf zu funktionieren. Für dein eigenes Konto kannst du die Warnung „unverified app“ einfach überspringen.
3. Öffne APIs & Services → Credentials → Create credentials → OAuth client ID, wähle den Anwendungstyp Web application und füge die autorisierte Weiterleitungs-URI https://cloud.anythingmcp.com/api/mcp-oauth/callback hinzu. Wenn du AnythingMCP selbst betreibst, trage stattdessen https://dein-anythingmcp-host/api/mcp-oauth/callback ein.
4. Trage die Client-ID in GOOGLE_CLIENT_ID und das Client-Secret in GOOGLE_CLIENT_SECRET ein, dann installiere den Connector.
5. Klicke auf der Connector-Seite auf Authorize with Provider und melde dich mit dem Google-Konto an, dessen BigQuery-Daten die KI nutzen soll. Der Refresh-Token wird verschlüsselt gespeichert, Access-Tokens werden automatisch erneuert.

Ein Google-Client für alle Google-Connectors: Dasselbe Cloud-Projekt und derselbe OAuth-Client können jeden Google-Connector bedienen, von Gmail und Google Sheets bis Search Console und Firebase. Aktiviere jede API in diesem Projekt, verwende dieselbe Client-ID und dasselbe Secret und autorisiere jeden Connector einmal.

Rollen: Der Connector fragt nach https://www.googleapis.com/auth/bigquery, aber was die KI lesen, abfragen oder ändern kann, bestimmen die Rollen des angemeldeten Kontos. Um Abfragen auszuführen, braucht das Konto BigQuery Job User in dem Projekt, das sie ausführt, und BigQuery Data Viewer auf den Daten.

Nur lesen: Google bietet für diese API keinen BigQuery-Scope nur zum Lesen. Ändere den Scope in den OAuth-Einstellungen des Connectors auf https://www.googleapis.com/auth/cloud-platform.read-only, autorisiere erneut, gib dem Konto nur BigQuery Data Viewer und BigQuery Job User und deaktiviere bigquery_cancel_job. Anweisungen, die Daten ändern, schlagen dann mit 403 fehl.

Erkunden ist kostenlos: Projekte, Datasets und Tabellen auflisten, ein Schema mit bigquery_get_table lesen und Beispielzeilen mit bigquery_preview_table_rows ansehen scannt keine Bytes. Die KI liest das Schema, bevor sie SQL schreibt.

Abfragen kosten Geld, deshalb macht die KI zuerst einen Dry Run: Bei On-Demand-Preisen berechnet BigQuery die Bytes, die eine Abfrage scannt, in den meisten Regionen etwa 6,25 US-Dollar pro TiB (das erste TiB jedes Monats ist kostenlos). Bevor sie eine Abfrage auf einer Tabelle ausführt, deren Größe sie noch nicht kennt, macht die KI einen kostenlosen Dry Run, nennt dir die Schätzung in GB und die ungefähren Kosten und lässt dich alles über 10 GB bestätigen, mit Vorschlägen zum Eingrenzen (weniger Spalten, ein Partitionsfilter, ein kürzerer Zeitraum). Dann setzt sie ein Byte-Limit knapp über der Schätzung, sodass eine Abfrage, die mehr abrechnen würde, ohne Kosten fehlschlägt. LIMIT verringert die gescannten Bytes nicht.

Anweisungen, die Daten ändern, warten auf dein Ja: bigquery_run_query kann jede GoogleSQL-Anweisung ausführen, die das Konto ausführen darf, einschließlich INSERT, UPDATE, DELETE, MERGE, CREATE, ALTER und DROP. Vor jeder Anweisung, die kein SELECT ist, zeigt dir die KI die genaue Anweisung und ihre Wirkung und wartet auf ein ausdrückliches Ja. Auch bevor sie einen laufenden Job mit bigquery_cancel_job abbricht, fragt sie nach.

Ergebnisse und Verlauf: Eine Abfrage liefert standardmäßig bis zu 100 Zeilen (höchstens 1.000); die KI blättert mit bigquery_get_query_results weiter, das auch auf lange Abfragen wartet. bigquery_list_jobs und bigquery_get_job zeigen frühere Jobs mit ihrem SQL, den verarbeiteten und abgerechneten Bytes und Fehlern.

Häufige Fehler: 401 heißt, dass die Autorisierung abgelaufen ist oder widerrufen wurde (immer nach 7 Tagen, solange der Zustimmungsbildschirm auf Testing steht): Klicke erneut auf Authorize with Provider. 403 accessDenied: Dem Konto fehlt eine Rolle (Job User im Abfrageprojekt, Data Viewer auf den Daten), oder für eine Änderung wurde ein Scope nur zum Lesen verwendet. 403 „BigQuery API has not been used in project“: Aktiviere die BigQuery API im Cloud-Projekt des OAuth-Clients. 403 bytesBilledLimitExceeded: Die Abfrage hätte mehr als das Limit gescannt, und es wurde nichts berechnet. 400 invalidQuery: ein SQL-Fehler, und die Meldung nennt die Position. 404 notFound: eine falsche Projekt-, Dataset- oder Tabellen-ID oder ein Job, der ohne seinen Standort abgefragt wurde. 403 quotaExceeded oder rateLimitExceeded: Warte und versuche es erneut.

Der Connector lädt keine Daten und exportiert keine, kopiert keine Tabellen, verwaltet keine BigQuery-ML-Modelle oder geplanten Abfragen und nutzt nicht die Storage Read API. Datasets und Tabellen legt er nur über SQL-Anweisungen in einer Abfrage an oder löscht sie, und zwar nach deiner Bestätigung.

Schritt 2 — Adapter installieren

curl -fsSL https://raw.githubusercontent.com/HelpCode-ai/anythingmcp/main/docker-compose.quickstart.yml -o docker-compose.yml
printf 'JWT_SECRET=%s\nENCRYPTION_KEY=%s\n' "$(openssl rand -hex 32)" "$(openssl rand -hex 32)" > .env
docker compose up -d

Schritt 3 — Connector in Cursor hinzufügen

Deine Server-URL: Öffne in AnythingMCP MCP Servers → den Server, auf dem dieser Connector liegt, und kopiere seine URL (https://cloud.anythingmcp.com/mcp/…). Setze sie überall ein, wo diese Anleitung YOUR_SERVER_ID zeigt.

Cursor liest MCP-Server aus ~/.cursor/mcp.json. Füge diesen Eintrag hinzu:

{
  "mcpServers": {
    "anythingmcp": {
      "url": "https://cloud.anythingmcp.com/mcp/YOUR_SERVER_ID",
      "headers": { "X-API-Key": "YOUR_MCP_API_KEY" }
    }
  }
}

1. Erstelle in AnythingMCP unter MCP Servers → dein Server → API keys einen MCP-API-Key und setze ihn anstelle von YOUR_MCP_API_KEY ein.
2. Speichere die Datei und starte Cursor neu.
3. Öffne Cursor → Settings → MCP und prüfe, ob anythingmcp aufgeführt und verbunden ist.
4. Leg los: Der Agent kann jetzt die Google BigQuery-Tools aufrufen.

Verfügbare Tools

Beispiel-Prompts

• „Welche Datasets gibt es in unserem Analytics-Projekt, und welche Spalten hat die Tabelle events?“
• „Zeig mir zehn Beispielzeilen der Tabelle orders, ohne eine Abfrage auszuführen.“
• „Wie viele Bestellungen pro Land hatten wir letzten Monat? Mach zuerst einen Dry Run der Abfrage und sag mir, wie viele Daten sie scannt.“
• „Welche meiner BigQuery-Abfragen haben diese Woche die meisten Bytes abgerechnet, und was haben sie ausgeführt?“
• „Welche zehn Wörter kommen im öffentlichen Dataset bigquery-public-data.samples.shakespeare in Hamlet am häufigsten vor? Nenn mir die geschätzten Kosten, bevor du die Abfrage ausführst.“

FAQ

Unterstützt Cursor eigene MCP-Server im kostenlosen Tarif? Ja, MCP gibt es in den Tarifen Hobby, Pro und Business.

Nächste Schritte

• Connector-Startseite
• Mit Claude verbinden
• Mit ChatGPT verbinden