Как подключить Google BigQuery к Gemini через MCP

💡 Без установки? Используйте cloud.anythingmcp.com напрямую. Войдите, нажмите Connectors → Google BigQuery, вставьте учётные данные, создайте MCP API key, и готово. Без Docker, без git clone, без локального сервера.

Google BigQuery + Gemini

Дайте ИИ исследовать Google BigQuery и выполнять запросы: выводить проекты, наборы данных и таблицы, читать схемы, бесплатно просматривать строки, оценивать стоимость запроса пробным запуском (dry run) перед выполнением, листать результаты и проверять историю заданий. Вход через ваш аккаунт Google.

Предварительные требования

Полные инструкции по настройке встроены в коннектор (видны в магазине при выборе коннектора). Требуемые переменные окружения:

GOOGLE_CLIENT_ID, GOOGLE_CLIENT_SECRET

Шаг 1 — Получите учётные данные

1. Откройте console.cloud.google.com, выберите или создайте проект, затем перейдите в APIs & Services → Library и включите BigQuery API.
2. Откройте APIs & Services → OAuth consent screen. Выберите Internal, если вы работаете в Google Workspace (самый простой вариант), иначе External. Для External установите статус публикации In production: пока приложение находится в режиме Testing, Google отзывает его токены обновления через 7 дней, и коннектор перестаёт работать каждую неделю. Для собственной учётной записи предупреждение «unverified app» можно просто пропустить.
3. Откройте APIs & Services → Credentials → Create credentials → OAuth client ID, выберите тип приложения Web application и добавьте разрешённый URI перенаправления https://cloud.anythingmcp.com/api/mcp-oauth/callback. Если вы размещаете AnythingMCP сами, укажите вместо него https://your-anythingmcp-host/api/mcp-oauth/callback.
4. Вставьте идентификатор клиента в GOOGLE_CLIENT_ID, а секрет клиента в GOOGLE_CLIENT_SECRET, затем установите коннектор.
5. На странице коннектора нажмите Authorize with Provider и войдите в аккаунт Google, чьими данными BigQuery должен пользоваться ИИ. Токен обновления хранится в зашифрованном виде, токены доступа обновляются автоматически.

Один клиент Google для всех коннекторов Google: один и тот же проект Cloud и клиент OAuth подходят для всех коннекторов Google, от Gmail и Google Sheets до Search Console и Firebase. Включите каждый API в этом проекте, используйте те же идентификатор и секрет клиента и авторизуйте каждый коннектор один раз.

Роли: коннектор запрашивает https://www.googleapis.com/auth/bigquery, но что ИИ может читать, запрашивать или изменять, определяют роли учётной записи, под которой выполнен вход. Чтобы выполнять запросы, учётной записи нужна роль BigQuery Job User в проекте, где они выполняются, и BigQuery Data Viewer на сами данные.

Только чтение: Google не предлагает для этого API scope только для чтения BigQuery. Замените scope в настройках OAuth коннектора на https://www.googleapis.com/auth/cloud-platform.read-only, авторизуйте коннектор заново, дайте учётной записи только BigQuery Data Viewer и BigQuery Job User и отключите bigquery_cancel_job. Тогда SQL-команды, изменяющие данные, будут завершаться ошибкой 403.

Исследовать данные бесплатно: вывод проектов, наборов данных и таблиц, чтение схемы через bigquery_get_table и просмотр примеров строк через bigquery_preview_table_rows не сканируют ни одного байта. ИИ читает схему, прежде чем писать SQL.

Запросы стоят денег, поэтому ИИ сначала делает пробный запуск: при тарификации по запросам (on-demand) BigQuery берёт плату за байты, которые сканирует запрос, примерно 6,25 доллара США за ТиБ в большинстве регионов (первый ТиБ каждый месяц бесплатный). Прежде чем выполнить запрос к таблице, размер которой он ещё не оценил, ИИ делает бесплатный пробный запуск, сообщает вам оценку в ГБ и примерную стоимость и просит подтвердить всё, что больше 10 ГБ, предлагая, как сузить запрос (меньше столбцов, фильтр по партиции, более короткий период). Затем он задаёт лимит байтов чуть выше оценки, чтобы запрос, который обошёлся бы дороже, завершился ошибкой без списания. LIMIT не уменьшает объём сканируемых данных.

SQL-команды, изменяющие данные, ждут вашего «да»: bigquery_run_query может выполнить любую команду GoogleSQL, разрешённую учётной записи, включая INSERT, UPDATE, DELETE, MERGE, CREATE, ALTER и DROP. Перед любой командой, кроме SELECT, ИИ показывает вам точный текст команды и то, что она изменит, и ждёт явного «да». Отмена выполняющегося задания через bigquery_cancel_job тоже происходит только после вопроса.

Результаты и история: запрос по умолчанию возвращает до 100 строк (максимум 1 000); ИИ листает дальше с помощью bigquery_get_query_results, который также дожидается завершения долгих запросов. bigquery_list_jobs и bigquery_get_job показывают прошлые задания с их SQL, обработанными и оплаченными байтами и ошибками.

Частые ошибки: 401 означает, что авторизация истекла или отозвана (это всегда происходит через 7 дней, пока экран согласия в режиме Testing): снова нажмите Authorize with Provider. 403 accessDenied: у учётной записи нет нужной роли (Job User в проекте запросов, Data Viewer на данные) или для изменения использован scope только для чтения. 403 «BigQuery API has not been used in project»: включите BigQuery API в проекте Cloud, к которому относится клиент OAuth. 403 bytesBilledLimitExceeded: запрос просканировал бы больше лимита, и ничего не списано. 400 invalidQuery: ошибка в SQL, в сообщении указана позиция. 404 notFound: неверный идентификатор проекта, набора данных или таблицы либо задание запрошено без указания его расположения (location). 403 quotaExceeded или rateLimitExceeded: подождите и повторите.

Коннектор не загружает и не экспортирует данные, не копирует таблицы, не управляет моделями BigQuery ML и запланированными запросами и не использует Storage Read API. Наборы данных и таблицы он создаёт или удаляет только SQL-командами в запросе и только после вашего подтверждения.

Шаг 2 — Установите адаптер

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

Шаг 3 — Добавьте коннектор в Gemini

URL вашего сервера: в AnythingMCP откройте MCP Servers → сервер, на котором находится этот коннектор, и скопируйте его URL (https://cloud.anythingmcp.com/mcp/…). Используйте его везде, где в этом руководстве указано YOUR_SERVER_ID.

Gemini CLI читает MCP-серверы из ~/.gemini/settings.json (в Windows: %USERPROFILE%\.gemini\settings.json). Добавь:

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

1. Создай MCP API-ключ в AnythingMCP в разделе MCP Servers → твой сервер → API keys и вставь его вместо YOUR_MCP_API_KEY.
2. Сохрани файл и перезапусти gemini.
3. Выполни /mcp в Gemini CLI (или gemini mcp list в терминале): anythingmcp должен отображаться как подключённый.
4. Начинай писать промпты: Gemini CLI теперь может вызывать инструменты Google BigQuery.

Доступные инструменты

Примеры запросов

• «Какие наборы данных есть в нашем проекте analytics и какие столбцы у таблицы events?»
• «Покажи десять примеров строк из таблицы orders, не выполняя запрос.»
• «Сколько заказов по каждой стране было у нас в прошлом месяце? Сначала сделай пробный запуск запроса и скажи, сколько данных он просканирует.»
• «Какие из моих запросов BigQuery на этой неделе оплатили больше всего байтов и что они выполняли?»
• «Какие десять слов чаще всего встречаются в „Гамлете“ в публичном наборе данных bigquery-public-data.samples.shakespeare? Назови примерную стоимость, прежде чем запускать запрос.»

FAQ

Где Gemini CLI ищет MCP-серверы? В ~/.gemini/settings.json для твоего пользователя или в .gemini/settings.json внутри проекта. gemini mcp list показывает каждый сервер и статус подключения.

Следующие шаги

• Страница коннектора
• Подключить к Claude
• Подключить к ChatGPT