dbt-labs/dbt-mcp

dbt-MCP Server – dbt项目与AI代理之间的桥梁

它是什么

• 一个开源服务器，实现了Model Context Protocol (MCP)。它公开了一组丰富的RPC风格工具，允许外部程序（通常是LLM驱动的代理）查询和操作dbt项目——模型、源、指标、语义层、作业运行，甚至从自然语言生成SQL。
• 该服务器可以针对dbt Core（本地）、dbt Fusion或dbt Platform运行，因此无论您是在本地开发还是在托管云环境中，相同的代理代码都可以工作。

为什么它对AI/ML工作流很重要

• 现代以数据为中心的AI代理需要上下文：仓库的架构、指标的定义和模型的谱系。dbt-MCP以结构化、编程化的方式为代理提供这些上下文。
• 它还可以让代理行动：运行dbt命令、触发作业、获取已编译的SQL，甚至通过代码生成辅助工具编写新的模型文件。

关键功能（按工具类别分组）

类别	值得注意的工具	它们允许代理做什么
SQL	execute_sql, text_to_sql	在dbt Platform上运行任意SQL，或使用项目的模型目录从自然语言提示生成SQL。
语义层	list_metrics, query_metrics, get_dimension_values 等	检查和查询dbt语义层——检索指标定义、编译后的SQL、维度值等。
发现	get_all_models, get_lineage, get_node_details, search (alpha)	浏览整个dbt DAG，获取任何资源（模型、源、暴露、宏等）的元数据，并在项目中进行语义搜索。
dbt CLI	run, build, test, compile, list 等	远程执行普通的dbt命令，使代理能够物化模型、运行测试或生成文档。
管理API	trigger_job_run, cancel_job_run, list_jobs, get_job_run_details 等	管理dbt Cloud作业——以编程方式启动、监控、重试或取消它们。
代码生成	generate_model_yaml, generate_source, generate_staging_model	从现有的仓库元数据自动创建样板dbt文件（YAML、源定义、暂存模型）。
dbt LSP	fusion.compile_sql, fusion.get_column_lineage, get_column_lineage	使用Fusion引擎（或本地dbt-LSP）编译具有完整Jinja上下文的SQL，并跟踪列级谱系。
产品文档	search_product_docs, get_product_doc_pages	从docs.getdbt.com拉取文档，对于需要引用官方指导的代理很有用。
服务器元数据	get_mcp_server_version, get_mcp_server_branch	内省正在运行的服务器本身。

AI驱动的数据助手的典型工作流程

1. 启动MCP服务器（Docker镜像或python -m dbt_mcp）。
2. 助手（例如Claude、Cursor、自定义LLM链）通过MCP客户端库（mcpb CLI）连接，并认证到您的dbt Platform帐户。
3. 代理查询list_models→构建数据仓库的心智模型。
4. 用户问：“上个月我们有多少活跃客户？”
5. 代理调用text_to_sql（或使用query_metrics组合指标查询）获取精确的SQL，然后使用execute_sql运行它并返回结果。
6. 如果用户想要一个新指标，代理可以调用generate_model_yaml和run来物化它，而无需用户编写任何dbt代码。

入门

1. 安装 – 要么拉取Docker镜像（docker pull ghcr.io/dbt-labs/dbt-mcp），要么从仓库安装Python包。
2. 获取MCP包 – 从最新版本下载dbt-mcp.mcpb，并使用Anthropic的mcpb CLI安装它（参见README链接）。
3. 运行服务器 – dbt-mcp serve --port 8000（或文档中显示的Docker命令）。
4. 连接 – 使用mcpb客户端或任何特定语言的SDK来调用上面列出的工具。
5. 探索示例 – 仓库的examples/文件夹包含最小的Python脚本，演示了完整的往返过程：连接、列出模型、生成SQL并执行。

谁应该使用它

• 以数据为中心的AI产品团队，构建需要最新dbt元数据的聊天或语音助手。
• 分析工程师，希望将他们的dbt项目暴露给内部机器人以实现自助报告。
• 自定义代理的开发者（例如LangChain工具），寻找一种交钥匙的方式来让代理深入了解数据模型。

限制/注意事项

• 服务器是实验性的；某些工具被标记为已弃用，可能会在未来的版本中删除。
• CLI类工具（build, run, trigger_job_run）可以修改生产数据；仅向可信代理授予访问权限。
• search工具是alpha，目前尚不普遍可用。

进一步阅读

• 官方文档：https://docs.getdbt.com/docs/dbt-ai/about-mcp
• 介绍博客文章：https://docs.getdbt.com/blog/introducing-dbt-mcp-server
• MCP包CLI：https://github.com/modelcontextprotocol/mcpb

---

以上所有信息均直接取自仓库的README；没有推断任何额外功能。