О dbt Model Context Protocol (MCP)

По мере того как ИИ все глубже интегрируется в дата‑процессы, пользователям dbt необходим удобный способ доступа к структурированным метаданным dbt и контексту выполнения, а также их эффективной интеграции. На этой странице представлен обзор MCP Server от dbt, который предоставляет этот контекст и поддерживает такие сценарии использования, как диалоговый доступ к данным, агентно‑ориентированная автоматизация dbt‑воркфлоу и разработка с помощью ИИ.

Сервер dbt Model Context Protocol (MCP) предоставляет стандартизированный фреймворк, который позволяет пользователям бесшовно интегрировать ИИ‑приложения с управляемыми dbt дата‑активами независимо от используемых платформ данных. Это обеспечивает единообразный и управляемый доступ к моделям, метрикам, lineage и freshness в различных ИИ‑инструментах.

MCP server предоставляет доступ к dbt CLI, API, Discovery API и Semantic Layer. Он также обеспечивает доступ к приватным API, text‑to‑SQL и выполнению SQL.

Для получения дополнительной информации о MCP см. Get started with the Model Context Protocol (MCP).

Доступ к серверу

Использовать dbt MCP server можно двумя способами: локально или удаленно. Выберите вариант, который лучше всего подходит под ваш рабочий процесс:

Локальный MCP server

Локальный MCP server обеспечивает наилучший опыт для задач разработки, таких как создание dbt‑моделей, тестов и документации.

Локальный MCP server запускается на вашей машине и требует установки uvx (который устанавливает dbt-mcp локально). Этот вариант предоставляет:

• Полный доступ к командам dbt CLI (dbt run, dbt build, dbt test и другие)
• Поддержку dbt Core, Cloud CLI и dbt Fusion Engine
• Возможность работать с локальными dbt‑проектами без необходимости иметь учетную запись dbt platform
• Опциональную интеграцию с API dbt platform для обнаружения метаданных и доступа к Semantic Layer

Удаленный MCP server

Удаленный MCP server от dbt ориентирован на сценарии потребления данных и не требует локальной установки.

Удаленный MCP server подключается к dbt platform по HTTP и не требует установки на локальной машине. Этот вариант полезен, если:

• Вы не хотите устанавливать дополнительное ПО или у вас есть ограничения на его установку.
• Ваш сценарий использования в основном связан с потреблением данных (например, запрос метрик, исследование метаданных, просмотр lineage).

к сведению

Удалённые инструменты dbt MCP зависят от доступных кредитов dbt Copilot. Обратите внимание, что SQL‑инструменты и удалённые инструменты Fusion относятся к этой категории даже в тех случаях, когда они используются и проксируются через локальный сервер dbt MCP. Большинство MCP‑инструментов не расходуют кредиты dbt Copilot. Однако использование text_to_sql учитывается в вашем потреблении dbt Copilot.

Если вы достигнете лимита использования dbt Copilot, все инструменты будут заблокированы до тех пор, пока ваши кредиты Copilot не будут сброшены. Если вам нужна помощь, пожалуйста, свяжитесь с вашим аккаунт-менеджером.

Доступные инструменты

Поддерживаемые

dbt MCP server имеет доступ ко многим частям экосистемы dbt, связанным с разработкой, развертыванием и исследованием данных. Ниже приведены категории инструментов, доступные в зависимости от типа MCP server, к которому вы подключаетесь, а также указано, какие инструменты доступны LLM.

Инструменты	Local	Remote
dbt CLI	✅	❌
Semantic Layer	✅	✅
SQL	✅	✅
Metadata Discovery	✅	✅
Administrative API	✅	❌
Fusion Tools	✅	✅

Loading table...

Обратите внимание, что доступ к Discovery API и Semantic Layer API ограничен в зависимости от вашего типа плана.

Команды dbt CLI

• build: Выполняет модели, тесты, snapshots и seeds в порядке зависимостей
• compile: Генерирует исполняемый SQL из моделей, тестов и analyses без их выполнения
• docs: Генерирует документацию для dbt‑проекта
• ls (list): Выводит список ресурсов в dbt‑проекте, таких как модели и тесты
• parse: Парсит и валидирует файлы проекта на корректность синтаксиса
• run: Выполняет модели и материализует их в базе данных
• test: Запускает тесты для проверки данных и целостности моделей
• show: Выполняет запрос к data warehouse

Разрешение клиенту использовать команды dbt через MCP‑инструменты может привести к изменениям в моделях данных, источниках и объектах хранилища. Используйте это только в том случае, если вы доверяете клиенту и понимаете потенциальные последствия.

Семантический слой

Чтобы узнать больше о dbt Semantic Layer, перейдите сюда.

• list_metrics: Возвращает все определенные метрики
• get_dimensions: Возвращает измерения, связанные с указанными метриками
• get_entities: Возвращает сущности, связанные с указанными метриками
• query_metrics: Выполняет запрос метрик с опциональной группировкой, сортировкой, фильтрацией и ограничением
• get_metrics_compiled_sql: Возвращает скомпилированный SQL для указанных метрик и группировок без выполнения запроса

Обнаружение метаданных

Чтобы узнать больше о dbt Discovery API, перейдите сюда.

• get_mart_models: Возвращает все mart‑модели
• get_all_models: Возвращает все модели
• get_model_details: Возвращает детали конкретной модели
• get_model_parents: Возвращает родительские узлы конкретной модели
• get_model_children: Возвращает дочерние модели конкретной модели
• get_model_health: Возвращает сигналы состояния (health) конкретной модели
• get_all_sources: Возвращает все source‑таблицы с метаданными и информацией о freshness
• get_source_details: Возвращает детали конкретного source
• get_exposures: Возвращает все exposures
• get_exposure_details: Возвращает детали конкретного exposure или списка exposures
• get_related_models: Использует семантический поиск для нахождения dbt‑моделей, похожих на запрос, даже если нет точного совпадения строки.
• get_macro_details: Возвращает детали конкретного macro
• get_seed_details: Возвращает детали конкретного seed
• get_semantic_model_details: Возвращает детали конкретной semantic‑модели
• get_snapshot_details: Возвращает детали конкретного snapshot
• get_test_details: Возвращает детали конкретного теста

Административный API

Чтобы узнать больше о dbt Administrative API, перейдите сюда.

• list_jobs: Возвращает список всех jobs в учетной записи dbt
• get_job_details: Возвращает подробную информацию о конкретном job, включая конфигурацию и настройки
• trigger_job_run: Запускает выполнение job с опциональными переопределениями параметров, такими как Git‑ветка, схема или параметры выполнения
• list_jobs_runs: Возвращает список запусков в учетной записи с возможностью фильтрации по job, статусу или другим критериям
• get_job_run_details: Возвращает подробную информацию о запуске, включая детали выполнения, шаги, артефакты и debug‑логи
• cancel_job_run: Отменяет выполняющийся job
• retry_job_run: Повторно запускает неудавшийся job
• list_job_run_artifacts: Возвращает список всех доступных артефактов запуска job (manifest.json, catalog.json, логи и т.д.)
• get_job_run_artifact: Загружает конкретный файл артефакта запуска job для анализа или интеграции
• get_job_run_error: Возвращает детали ошибок для неудавшихся запусков job, чтобы упростить диагностику (включает опцию возврата предупреждений и сведений о депрекейтах)

SQL (удалённый)

• text_to_sql: Генерирует SQL из запросов на естественном языке
• execute_sql: Выполняет SQL на backend‑инфраструктуре dbt platform с поддержкой синтаксиса Semantic Layer SQL. Примечание: для этого инструмента требуется использовать PAT вместо service token в DBT_TOKEN.

Инструменты генерации кода

Эти инструменты помогают автоматизировать генерацию шаблонного кода для файлов dbt‑проекта. Чтобы использовать их, установите dbt-codegen в ваш dbt‑проект. По умолчанию эти инструменты отключены. Чтобы включить их, установите переменную окружения DISABLE_DBT_CODEGEN в значение false.

• generate_source: Создает YAML‑описания sources на основе схем базы данных.
• generate_model_yaml: Генерирует YAML‑документацию для существующих dbt‑моделей, включая имена колонок, типы данных и placeholders для описаний.
• generate_staging_model: Создает staging SQL‑модели из sources для преобразования сырых данных в чистые staging‑модели.

Инструменты Fusion (удалённые)

Набор инструментов, использующих движок Fusion для расширенной компиляции SQL и анализа lineage на уровне колонок.

• compile_sql: Компилирует SQL‑выражение в контексте текущего проекта и окружения.
• get_column_lineage: Эксклюзивно для Fusion! Возвращает информацию о lineage колонок по DAG проекта для конкретной колонки.

Инструменты Fusion (локальные)

Набор инструментов, использующих движок Fusion через локально запущенный Fusion Language Server Protocol (LSP) в VS Code или Cursor с расширением dbt для VS Code.

• get_column_lineage: Эксклюзивно для Fusion! Возвращает информацию о lineage колонок по DAG проекта для конкретной колонки.

MCP‑интеграции

dbt MCP server интегрируется с любым MCP client, который поддерживает аутентификацию по токену и использование инструментов.

Мы также подготовили гайды по интеграции для следующих клиентов:

• Claude
• Cursor
• VS Code

Ресурсы

• Дополнительную информацию см. в нашем блоге: Introducing the dbt MCP Server.

Нашли ошибку?

Создать GitHub Issue