Come collegare Google BigQuery a Cursor via MCP

💡 Niente installazione? Vai direttamente su cloud.anythingmcp.com. Accedi, clicca Connectors → Google BigQuery, inserisci le credenziali, genera una MCP API key e hai finito. Niente Docker, niente git clone, niente server locale.

Google BigQuery + Cursor

Fai esplorare e interrogare Google BigQuery alla tua AI: elenca progetti, dataset e tabelle, leggi gli schemi, visualizza un'anteprima delle righe gratis, stima il costo di una query con un dry run prima di eseguirla, scorri i risultati pagina per pagina e controlla la cronologia dei job. Accede con il tuo account Google.

Prerequisiti

Le istruzioni di setup complete sono incluse nel connettore stesso (visibili nello store quando lo selezioni). Le variabili d'ambiente richieste sono:

GOOGLE_CLIENT_ID, GOOGLE_CLIENT_SECRET

Step 1 — Ottieni le credenziali

1. Apri console.cloud.google.com, scegli o crea un progetto, poi vai su APIs & Services → Library e abilita la BigQuery API.
2. Apri APIs & Services → OAuth consent screen. Scegli Internal se usi Google Workspace (la via più semplice), altrimenti External. Con External imposta lo stato di pubblicazione su In production: finché l'app è in Testing, Google revoca i refresh token dopo 7 giorni e il connettore smette di funzionare ogni settimana. Per il tuo account puoi semplicemente proseguire oltre l'avviso "unverified app".
3. Apri APIs & Services → Credentials → Create credentials → OAuth client ID, scegli il tipo di applicazione Web application e aggiungi l'URI di reindirizzamento autorizzato https://cloud.anythingmcp.com/api/mcp-oauth/callback. Se ospiti AnythingMCP in proprio, inserisci invece https://tuo-host-anythingmcp/api/mcp-oauth/callback.
4. Inserisci il client ID in GOOGLE_CLIENT_ID e il client secret in GOOGLE_CLIENT_SECRET, poi installa il connettore.
5. Nella pagina del connettore clicca su Authorize with Provider e accedi con l'account Google di cui l'AI deve usare i dati BigQuery. Il refresh token viene salvato cifrato e gli access token si rinnovano automaticamente.

Un solo client Google per tutti i connettori Google: lo stesso progetto Cloud e lo stesso client OAuth servono tutti i connettori Google, da Gmail e Google Sheets fino a Search Console e Firebase. Abilita ogni API in quel progetto, riusa lo stesso client ID e lo stesso secret e autorizza ogni connettore una volta.

Ruoli: il connettore chiede https://www.googleapis.com/auth/bigquery, ma cosa l'AI può leggere, interrogare o modificare lo decidono i ruoli dell'account con cui hai effettuato l'accesso. Per eseguire query l'account ha bisogno di BigQuery Job User sul progetto che le esegue e di BigQuery Data Viewer sui dati.

Configurazione in sola lettura: Google non offre uno scope di sola lettura per BigQuery su questa API. Cambia lo scope nelle impostazioni OAuth del connettore in https://www.googleapis.com/auth/cloud-platform.read-only, autorizza di nuovo, assegna all'account solo BigQuery Data Viewer e BigQuery Job User e disattiva bigquery_cancel_job. Le istruzioni che modificano i dati falliscono allora con 403.

Esplorare è gratis: elencare progetti, dataset e tabelle, leggere uno schema con bigquery_get_table e guardare righe di esempio con bigquery_preview_table_rows non scansionano alcun byte. L'AI legge lo schema prima di scrivere SQL.

Le query costano, quindi l'AI fa prima un dry run: con i prezzi on-demand BigQuery fattura i byte scansionati da una query, circa 6,25 dollari USA per TiB nella maggior parte delle regioni (il primo TiB di ogni mese è gratuito). Prima di eseguire una query su una tabella di cui non conosce ancora le dimensioni, l'AI esegue un dry run gratuito, ti comunica la stima in GB e il costo approssimativo e ti chiede conferma per tutto ciò che supera i 10 GB, con suggerimenti per restringerla (meno colonne, un filtro sulla partizione, un intervallo di date più breve). Poi imposta un limite di byte poco sopra la stima, così una query che fatturerebbe di più fallisce senza addebiti. LIMIT non riduce i byte scansionati.

Le istruzioni che modificano i dati aspettano il tuo sì: bigquery_run_query può eseguire qualsiasi istruzione GoogleSQL consentita all'account, comprese INSERT, UPDATE, DELETE, MERGE, CREATE, ALTER e DROP. Prima di qualsiasi istruzione diversa da una SELECT, l'AI ti mostra l'istruzione esatta e il suo effetto e aspetta un sì esplicito. Anche per annullare un job in esecuzione con bigquery_cancel_job l'AI chiede prima.

Risultati e cronologia: una query restituisce fino a 100 righe per impostazione predefinita (al massimo 1.000); l'AI prosegue pagina per pagina con bigquery_get_query_results, che aspetta anche le query lunghe. bigquery_list_jobs e bigquery_get_job mostrano i job passati con il loro SQL, i byte elaborati e fatturati e gli errori.

Errori comuni: 401 significa che l'autorizzazione è scaduta o è stata revocata (succede sempre dopo 7 giorni se la schermata di consenso è in Testing): clicca di nuovo su Authorize with Provider. 403 accessDenied: all'account manca un ruolo (Job User sul progetto delle query, Data Viewer sui dati), oppure è stato usato uno scope di sola lettura per una modifica. 403 "BigQuery API has not been used in project": abilita la BigQuery API nel progetto Cloud del client OAuth. 403 bytesBilledLimitExceeded: la query avrebbe scansionato più del limite, e non è stato addebitato nulla. 400 invalidQuery: un errore SQL, e il messaggio indica la posizione. 404 notFound: un id di progetto, dataset o tabella sbagliato, oppure un job cercato senza la sua location. 403 quotaExceeded o rateLimitExceeded: attendi e riprova.

Il connettore non carica né esporta dati, non copia tabelle, non gestisce modelli BigQuery ML o query pianificate e non usa la Storage Read API. Crea o elimina dataset e tabelle solo tramite istruzioni SQL in una query, dopo la tua conferma.

Step 2 — Installa l'adapter

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

Step 3 — Aggiungi il connettore in Cursor

L'URL del tuo server: in AnythingMCP apri MCP Servers → il server su cui si trova questo connettore e copia il suo URL (https://cloud.anythingmcp.com/mcp/…). Usalo ovunque questa guida mostra YOUR_SERVER_ID.

Cursor legge i server MCP da ~/.cursor/mcp.json. Aggiungi questa voce:

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

1. Crea una chiave API MCP in AnythingMCP da MCP Servers → il tuo server → API keys e incollala al posto di YOUR_MCP_API_KEY.
2. Salva il file e riavvia Cursor.
3. Apri Cursor → Settings → MCP e verifica che anythingmcp sia elencato e connesso.
4. Inizia a chattare: l'agente ora può usare i tool di Google BigQuery.

Tool disponibili

Esempi di prompt

• "Quali dataset ci sono nel nostro progetto analytics e quali colonne ha la tabella events?"
• "Mostrami dieci righe di esempio della tabella orders senza eseguire una query."
• "Quanti ordini per paese abbiamo avuto il mese scorso? Fai prima un dry run della query e dimmi quanti dati scansiona."
• "Quali delle mie query BigQuery di questa settimana hanno fatturato più byte, e cosa eseguivano?"
• "Nel dataset pubblico bigquery-public-data.samples.shakespeare, quali sono le dieci parole più frequenti in Hamlet? Dimmi il costo stimato prima di eseguire la query."

FAQ

Cursor supporta server MCP personalizzati nel piano gratuito? Sì, MCP è disponibile nei piani Hobby, Pro e Business.

Prossimi passi

• Landing del connettore
• Collegare a Claude
• Collegare a ChatGPT