
mcp-bigquery-serverEn MCP-server som gir sikker, skrivebeskyttet tilgang til BigQuery‑datasett og gjør det mulig for LLM-er å forespørre og analysere data på en trygg måte gjennom et standardisert grensesnitt
Oversikt
Nøkkelfunksjoner
- Skrivebeskyttet tilgang til BigQuery‑datasett
- Validering av spørringer med BigQuery's dry‑run planlegger
- Feltnivå tilgangsrestriksjoner for å beskytte sensitiv data
- Automatisk skanning for sensitive felter
- Konfigurerbare sikre grenser for dataanalyse
Priser
- Modell
- Free
- Kategori
- MCP-tjenere
- Vurdering
- Ingen anmeldelser
Brukstilfeller
Spørring med naturlig språk
Tillater LLM-er å spørr BigQuery‑data ved bruk av naturlig språk, uten å måtte skrive SQL‑spørringer.
Sikker dataanalyse
Gir sikker, skrivebeskyttet tilgang til BigQuery‑datasett for LLM-er, samtidig som sensitiv data beskyttes med feltnivå tilgangsrestriksjoner.
Fordeler og ulemper
Fordeler
- Gir sikker, skrivebeskyttet tilgang til BigQuery‑datasett
- Muliggjør at LLM-er kan spørr data ved bruk av naturlig språk
- Beskytter sensitiv data med feltnivå tilgangsrestriksjoner
- Skanner automatisk etter sensitive felter og legger dem til i begrensningslisten
Ulemper
- Krever oppsett og konfigurasjon
- Kan ha begrensninger på spørringskompleksitet og datastørrelse
Anmeldelser
Logg inn for å legge igjen en anmeldelse.
Ingen anmeldelser ennå. Vær den første!
Spørsmål
Hva kan det gjøre?
Lesbare på forespørsel – bare SELECT-utter brukes. Hvert spørsmål blir validerer av BigQuery’s egen dry-run-planlegger før det gjøres, så INSERT, UPDATE, DELETE, DROP, TRUNCATE, EXPORT DATA og MERGE avvises. AI-vertene kan ikke endre lagringen. Du kan kjøre SQL-uttrykk ved å spørre etter det på vanlig engelsk, tilgang til tabeller og materialiserte visninger, utforske datasetskjema, analyser data innen konfigurerbare sikker grenser, beskytte følsomme data med felt-nivå tilgangsbegransinger, og auto-føre opp følsomme felt. Alle trekk er drevet av en konfigurerbar config.json.
Asked by Bruno Kaufmann · Jun 11, 2026
Hvordan fungerer det?
Denne serveren bruker Model Context-protokollen (MCP), som er en universell tolk for samkommunikasjon mellom AI og database. MCP er støttet av Claude Desktop, Claude Code, og en voksende rekke andre AI-klienter. For å bruke det, set opp autentisering, legg inn prosjektdetaljer i MCP-klientens konfigurasjonsfil og begynn så å snakke med din BigQuery-data naturlig.
Asked by Vikram Rao · May 6, 2026
Hva er dette?
Dette er en server som tillater din LLM (som Claude) å snakke direkte med din BigQuery-data – lesbare, uten mulighet til å endre din lagring. Tenk på det som en venlig tolk som sitter mellom din AI-vert og din database, og sikrer at de kan chatte trygt og effektivt.
Asked by Yosef Mizrahi · May 3, 2026
Still et spørsmål
Alternativer til MCP-tjenere

Åpen kildekode MCP-server som lar LLM-er styre ekte nettlesere via Playwright og tilgjengelighetssnapshots.

Python-agentramme fra Pydantic-teamet for å bygge type-sikre GenAI-apper.

En tilpassende minnemodul at hjelpe maskinvarede intelligensagenter å lære fra kontekst over tid.

AI‑e‑postassistent som organiserer, lager svarutkast og hjelper deg med å oppnå Inbox Zero raskere.

Åpen kilde 24/7 lokal skjerm- og lydopptak for å bygge kontekstbevisste AI-apper

TypeScript-bibliotek for å bygge og orkestrere AI-agenter med verktøy, minne og multi-agent arbeidsflyter.

Bringer Bankless onchain API til MCP

Python-verktøy for å konvertere filer og kontordokumenter til Markdown.
Trending now

Nøyaktig leksjonshjælp med fullstendige forklaringer

Document intelligence API som analyserer, deler opp, OCR-erer og henter ut strukturert data fra komplekse PDF‑er, lysbilder og regneark.

Sponsede svar, betalt per klikk.

Åpne multimodale 12B-modellen håndterer overlapped billed- og tekstinput med en kontekstvindu på 128K.
