如何通过 MCP 将 BigQuery 连接到 Claude/Cursor（BigQuery MCP 服务器设置）

查看本指南之外查询流的所有功能 免费开始

支持

+更多

实时数据

用按需 SQL 取代导出

在 Excel 板材

商业智能和人工智能分析

询问 Nova，获取 SQL + 图表

认识诺瓦

数据库 REST API

每个合作伙伴使用一个密钥。不共享任何凭证。

构建 API

+更多

自动化

预定同步至 6 个以上平台

探索

+更多

将应用程序接口转换为 SQL

使用 SQL 查询 API，无需代码

探索

+更多

AI数据库MCP

Claude、Cursor、ChatGPT 和 Grok 可以与您的数据交互

Connect AI

Query Streams 是一个安全的实时数据集成平台，它通过一个 MCP 密钥将您帐户中的每个数据库和 SaaS API 导入到 Claude、Cursor、ChatGPT 和 Grok 中，而无需更改防火墙。 本指南将详细介绍如何配置 BigQuery MCP 连接器，以便您的 AI 工具能够回答有关事件、用户、会话、归因、转化漏斗以及任何其他 BigQuery 数据（分区扫描、STRUCT/ARRAY 遍历、Google SQL 窗口函数、即席报告）的简单英语问题，而无需您从 BigQuery 控制台复制粘贴 CSV 导出文件。 bq CLI，或 Looker Studio。 了解更多信息，请访问 QueryStreams.com 和 免费注册 开始向您的 AI 工具提出真正的 BigQuery 问题。

MCP 为 BigQuery 提供了哪些查询流？

开源领域中其他“BigQuery MCP”服务器将AI工具直接连接到BigQuery服务帐户密钥文件。这种方法虽然可行，但会将长期有效的JSON凭据推送到AI客户端的配置中，并将AI工具的适用范围限制在单个GCP项目中，而且无法提供AI实际查询内容的审计跟踪。Query Streams MCP服务器则解决了更广泛的问题：一个密钥，所有连接器，完整的审计跟踪，并且AI工具永远不会持有您的服务帐户凭据。

如何在不打开防火墙端口的情况下工作

Query Streams 网络代理只需在任何可以访问 BigQuery API 的机器（笔记本电脑、本地服务器或 GCP 项目中的小型 GCE VM）上安装一次，即可拨打一个到云端的出站 TLS 链接——不会暴露任何入站流量，AI 工具也永远不会看到您的服务帐户密钥文件或 GCP 项目 ID。 仅出站连接的工作原理 →

你给 Cursor 或 Claude 的 MCP 键是限定范围的（读 / 分析 / 执行），可随时撤销，且每个密钥的使用频率有限制。该人工智能工具调用这些 MCP 工具来完成其工作：

为什么模式智能使查询流 MCP 与众不同

开源领域中大多数“MCP for BigQuery”服务器都会向你的AI工具提供相同的功能。 信息架构 BigQuery 把列名、Google SQL 类型，或许还有聚簇键交给一个陌生人。LLM 只能靠猜测来判断。 event_name = 'click_4' 意思是，什么 up_attr_4 商店，或者是否 events.event_params 是单个结构还是重复结构 数组<STRUCT> 需要 取消嵌套() 遍历。这就是为什么大多数LLM（语言学习管理专家）针对裸BigQuery模式编写的第一个SQL语句要么出错（忘记为带连字符的项目ID添加反引号），要么扫描整个5TB的数据。 活动 因为没有桌子 分区时间 应用过滤器的原因并非 LLM 不好，而是因为它没有正确所需的数据。

查询流 MCP 返回相同的模式，但添加了我们所说的内容。 模式智能（SI） — 通过对您的数据运行分析查询而生成的由人工智能整理的元数据 真实 在 AI 客户端请求之前，BigQuery 数据就已经被获取。当在连接器和数据集上启用 SI 时，AI 调用的每个模式工具都会获取到这些数据。qs_get_connector_schema, qs_get_table_schema, qs_profile_table, qs_get_relationships它返回原始模式以及六层精心整理的知识。LLM 不再进行猜测，也不再意外扫描 TB 级的数据。

为了更具体地说明这一点，以下是人工智能客户端从单个请求中获得的返回结果。 qs_get_table_schema 针对典型的 BigQuery 网络分析仓库进行调用 (活动, 用户, 会话, 归属, 实验, 转换事件）——先不使用模式智能，然后再使用模式智能。

模式智能新增的六个层

每一层都针对 LLM 原本需要猜测的一类问题——选择加入的 SI 分析过程针对您的 BigQuery 数据运行，而无需更改您的架构，使用分区修剪提示，使扫描范围保持在限定范围内。 模式智能新增了哪些功能以及如何保持最新状态 →

相同的提示符，不同的 SQL

证据就在人工智能工具实际生成的 SQL 语句中。相同的 Cursor 会话，相同的 Claude 模型，相同的提示符—— “按用户获取渠道划分，我们用户参与度最高的群体是哪些？他们的转化率是多少？” 如果没有模式智能，LLM 就只能靠猜测。有了模式智能，LLM 就能在第一次尝试时就写入有效的 Google SQL，并自动应用分区过滤器，从而确保扫描范围在限定范围内。

将 Query Streams MCP 验证到您的 GCP 项目和数据集

BigQuery 本身就是一个云平台——不存在“BigQuery on RDS”这种部署方式。BigQuery 的云托管问题实际上是…… 网络代理如何向您的 GCP 项目进行身份验证，以及如何将其访问权限限定为仅针对特定数据集？ 三种模式涵盖 95% 的部署：

MCP不适合您？不妨试试Nova AI。

完全跳过 JSON 配置： Nova AI 已集成到 Query Streams 网络门户中。 并针对您的 BigQuery 数据集提出相同的纯英文问题——相同的代理、相同的只读强制执行、相同的 Schema Intelligence 为 GoogleSQL 提供支持，没有 MCP 管道。

认识 Nova AI

先决条件

开始之前，请确保您已准备好：

1. 免费注册 Query Streams 帐户 my.querystreams.com.
2. Query Streams 网络代理安装在可以访问 BigQuery API 的机器上（最常见的模式是在同一 GCP 项目中的小型 GCE 虚拟机上）——参见 下载查询流代理.
3. 针对代理配置的 BigQuery 连接器——请参阅现有 连接器设置 服务帐户身份验证流程指南。代理持有服务帐户密钥文件（或 OAuth 刷新令牌）；AI 工具绝不会触及这些文件。
4. 任何支持 MCP 的 AI 客户端。本指南将以 Cursor、Claude Desktop、ChatGPT 和 Grok 为例；如果您使用 Windsurf、Zed、Continue、Cline、VS Code Copilot、Codex 或 Goose，配置块基本相同。
5. 五分钟。

步骤 1：在查询流中生成 MCP 密钥

登录查询流并打开 MCP页面 （或先登录） my.querystreams.com 并点击 MCP 在左侧导航栏中）。点击 生成密钥给密钥起一个易于识别的名称（例如“密钥”）。 光标-笔记本电脑 或 克劳德桌面），然后选择您希望此密钥具有的作用域：

• 读 —人工智能可以浏览连接器并读取模式。其他所有操作都需要用到它。
• 分析 — AI 可以分析表结构并发现关系（样本值、分布、语义类型）。对于 BigQuery 工作而言，此功能虽非必需，但强烈建议使用。因为当 LLM 生成需要在分区修剪扫描范围内执行的查询时，理解 STRUCT/ARRAY 结构和分区伪列至关重要。
• 执行 — 该人工智能实际上可以运行 SQL。否则，它只能读取模式元数据，而不能进行其他操作。

对于典型的“让 Claude 分析我的 BigQuery 数据”工作流程，这三种范围都适用。如果您要将密钥交给团队成员或不太信任的客户，请删除 执行 只允许他们浏览。您可以随时在同一页面撤销任何密钥；AI 客户端将会看到。 MCP_KEY_REVOKED 在下次调用时立即停止工作，没有传播延迟。

现在复制密钥——查询流会显示密钥一次，然后只存储哈希值。如果密钥丢失，请生成一个新密钥。密钥格式如下： qsmcp_ 接下来是 48 个随机字符，这就是你的 AI 客户端发送的内容。 X-MCP-Key 请求头。

步骤 2：将查询流 MCP 添加到您的 AI 客户端

所有支持 MCP 的客户端的配置形式都相同——一个指向 MCP 服务器的条目 https://mcp.querystreams.com 钥匙在里面 X-MCP-Key 标题。请在下方选择您的客户。

光标 ~/.cursor/mcp.json

// 编辑 ~/.cursor/mcp.json
{
  "mcpServers": {
    “查询流”: {
      网址: "https://mcp.querystreams.com",
      “标题”: {
        “X-MCP-Key”: "qsmcp_PASTE_KEY_HERE"
      }
    }
  }
}

克劳德桌面 claude_desktop_config.json

// 设置 → 开发者 → 编辑配置
{
  "mcpServers": {
    “查询流”: {
      网址: "https://mcp.querystreams.com",
      “标题”: {
        “X-MCP-Key”: "qsmcp_PASTE_KEY_HERE"
      }
    }
  }
}

ChatGPT 应用和连接器

// 设置 → 应用和连接器 → 添加 MCP
服务器 URL  https://mcp.querystreams.com
身份验证标头 X-MCP-Key
标题值 qsmcp_PASTE_KEY_HERE

// 需要付费的 ChatGPT 套餐
//（Plus / Pro / Team / Enterprise）。

格罗克 远程 MCP 工具

// Grok → 设置 → 工具
{
  "mcp_servers": [{
    “姓名”: “查询流”,
    网址: "https://mcp.querystreams.com",
    "auth_header": “X-MCP-Key”,
    "auth_value": "qsmcp_..."
  }]
}

重启您的 AI 客户端。下次启动时，它将发现上面列出的八个查询流 MCP 工具，并将它们显示在工具面板中。您可以在 Cursor 和 Claude Desktop 中通过键入以下命令进行验证。 “列出连接器” 人工智能应该打电话 qs_list_connectors 并将您的 BigQuery 连接器以及您配置的所有其他内容一起返回。

步骤 3：向 AI 提出 BigQuery 问题

你无需编写 SQL，AI 会代劳。你提出问题，AI 选择合适的 MCP 工具，代理程序针对你的 BigQuery 数据集运行查询，并将答案以文本加表格的形式返回。以下三个示例提示可供你先尝试：

首次AI调用工具时，您的客户端可能会弹出确认提示，要求您批准此次工具调用——这是MCP的标准授权流程，并非查询流功能新增的内容。只需批准一次，AI即可继续进行后续对话。您可以随时在客户端设置中重新查看授权信息。

常见问题解答

开始使用

相关指南： 下载查询流代理 | 数据库连接器设置 | 所有 MCP 服务器指南 | Nova AI 文本转 SQL

类别：MCP服务器

标签：MCP、Claude、游标、BigQuery、Google Cloud、GCP、数据仓库、Google SQL、服务帐户身份验证

元描述：通过 Query Streams MCP 将 Google BigQuery 连接到 Claude 或 Cursor。服务帐户身份验证，支持 GoogleSQL，5 分钟即可完成设置。