使用 MCP Toolbox for Databases

本頁說明如何使用 MCP Toolbox for Databases，將 Looker 執行個體連結至支援 Model Context Protocol (MCP) 的整合式開發環境 (IDE) 和開發人員工具。如果您使用客戶託管的執行個體，或偏好自行管理基礎架構，就很適合使用 MCP Toolbox。否則，建議改用 Looker 管理的 MCP 伺服器。

建議您搭配 MCP Toolbox 使用 Gemini CLI 專用的 Looker 擴充功能。使用 Looker 的語意層，為 Gemini CLI 提供安全、受控管且隨選的信任資料存取權，並透過自然語言提示詞自動建立報表、視覺化效果和資訊主頁，加速工作流程。Gemini CLI 是 As Google Cloud' 的新一代指令列介面，建議您使用這項工具，透過指令列與 Looker 執行個體互動。

您也可以使用一般用途 MCP Toolbox for Databases，連結其他支援 Model Context Protocol (MCP) 的整合式開發環境 (IDE) 和開發人員工具。MCP Toolbox 是開放原始碼 MCP 伺服器，可處理驗證和連線集區等複雜作業，簡化 AI 代理與資料的連線程序，讓您直接在 IDE 中使用自然語言與資料互動。對於這些工具，這個方法提供核心資料庫互動功能。

關於 Gemini CLI 和擴充功能

Gemini CLI 是開放原始碼的 AI 代理，可協助您編寫程式碼、偵錯、探索資料及建立內容，加速開發工作流程。其目標是提供優雅的代理功能體驗，讓使用者與資料雲端服務和熱門的開放原始碼資料庫互動。

擴充功能的運作方式

Gemini CLI 具有高度擴充性，可透過擴充功能新增工具和功能。這些擴充功能安裝方式簡單明瞭。您可以從 GitHub 網址、本機目錄或可設定的登錄檔載入。這些擴充功能提供豐富的功能，包括新工具、斜線指令和提示，可簡化工作流程。

準備 Looker 驗證

您有兩種方式可向 Looker 驗證 MCP 用戶端：使用標準 API 憑證，或透過 OAuth 應用程式註冊驗證用戶端。

方法 1：API 憑證

1. 取得 Looker 用戶端 ID 和用戶端密鑰。按照「Looker API 驗證」說明文件頁面的指示操作。
2. 請準備好 Looker 執行個體的基本網址。可能類似 https://looker.example.com。在某些情況下，API 會監聽不同的通訊埠，因此您需要改用 https://looker.example.com:19999。

方法 2：註冊 OAuth 應用程式

1. 開啟 Looker API Explorer。

   已安裝 API Explorer

   如果 Looker 執行個體已安裝 API Explorer，您可以使用下列網址格式存取：

   LOOKER_INSTANCE_URL/extensions/marketplace_extension_api_explorer::api-explorer/
   

   未安裝 API Explorer

   如果 Looker 執行個體沒有 API Explorer，可以從 Looker Marketplace 安裝。如要瞭解如何安裝 API Explorer，請參閱「使用 API Explorer」頁面。

   PSA 私人執行個體

   如果您使用採用私人服務連線的 Looker (Google Cloud Core) 私人連線執行個體，則不支援 Looker Marketplace 和 API 探索工具。如要註冊 AI 代理程式，請直接呼叫 oauth_client_apps API 端點。如果使用這個方法，可以略過 API 瀏覽工具程序的其餘步驟。

   以下是 curl 指令的範例，可用於 oauth_client_apps 端點，註冊代理程式。

   curl -X POST "https://LOOKER_INSTANCE_URL/api/4.0/oauth_client_apps/CLIENT_GUID" \
   -H "Authorization: token ACCESS_TOKEN" \
   -H "Content-Type: application/json" \
   -d '{
     "redirect_uri": "REDIRECT_URI",
     "display_name": "CLIENT_NAME",
     "description": "OAuth client to access MCP server using CLIENT_NAME",
     "enabled": true
   }'
   

2. 在「Auth」方法下方，找到「Register OAuth App」API 端點。您也可以在「搜尋」欄位中搜尋「OAuth 應用程式」。

3. 選取「Run It」(執行)。

4. 在「client_guid」中輸入自訂字串 (例如 gemini_cli 或 claude-desktop)。

5. 在要求主體中，輸入下列 JSON 設定：

   {
     "redirect_uri": "AI_AGENT_REDIRECT_URI",
     "display_name": "APPLICATION_NAME",
     "description": "APPLICATION_DESCRIPTION",
     "enabled": true
   }
   

   更改下列內容：

   • AI_AGENT_REDIRECT_URI：AI 代理程式擴充功能或共用服務應用程式的重新導向 URI。

     • 如果是雲端託管應用程式，網址可能看起來像安全的 HTTPS 網址：https://AI_AGENT_URL/oauth2callback

     • 如果是本機執行的應用程式，則應為具有靜態通訊埠的 localhost 網址：http://localhost:7777/oauth/callback

     • 如果是 IDE，畫面可能如下所示：vscode://google.vscode-looker-official/oauth_callback

   • APPLICATION_NAME：OAuth 應用程式的顯示名稱，例如 Claude Desktop。

   • APPLICATION_DESCRIPTION：OAuth 應用程式的簡短說明。

6. 勾選「I understand that this API endpoint will change data」(我瞭解這個 API 端點會變更資料) 旁的確認方塊，然後選取「Run」(執行)。

安裝 MCP Toolbox

1. 以二進位檔形式下載最新版的 MCP Toolbox。選取與作業系統和 CPU 架構對應的二進位檔。您必須使用 MCP Toolbox V1.0.0 以上版本。

   linux/amd64

   curl -O https://storage.googleapis.com/mcp-toolbox-for-databases/v1.0.0/linux/amd64/toolbox
   
   

   darwin/arm64

   curl -O https://storage.googleapis.com/mcp-toolbox-for-databases/v1.0.0/darwin/arm64/toolbox
   
   

   darwin/amd64

   curl -O https://storage.googleapis.com/mcp-toolbox-for-databases/v1.0.0/darwin/amd64/toolbox
   
   

   windows/amd64

   curl -O https://storage.googleapis.com/mcp-toolbox-for-databases/v1.0.0/windows/amd64/toolbox.exe
   
   

2. 將二進位檔設為可執行。

   chmod +x toolbox
   

3. 驗證安裝。

   ./toolbox --version
   

以共用服務的形式執行 MCP Toolbox

如果 MCP 用戶端需要透過 HTTPS 進行 OAuth 驗證，您必須在 HTTPS 反向 Proxy (例如 Cloud Run) 後方部署 MCP Toolbox。反向 Proxy 會終止 SSL，並將要求轉送至 MCP Toolbox 容器。

設定伺服器環境

1. 在部署作業中設定下列環境變數：

   • LOOKER_BASE_URL=YOUR_LOOKER_BASE_URL
   • LOOKER_USE_CLIENT_OAUTH=true

2. 使用下列引數執行 MCP Toolbox：

   • --prebuilt=looker,looker-dev
   • --mcp-prm-file=prm.json
   • [--address=0.0.0.0]
   • [--port=8080]

   MCP Toolbox 通常會監聽 127.0.0.1 通訊埠 5000。如果反向 Proxy 位於其他主機，請使用 --address=0.0.0.0 繫結至所有 IP 位址。如需使用 5000 以外的接聽埠，請使用 --port= 設定。舉例來說，Cloud Run 會自動將來自通訊埠 443 (HTTPS 通訊埠) 的外部流量轉送至 8080。

3. 建立具有下列結構的受保護資源中繼資料 (PRM) 設定檔 (prm.json)：

   {
   "resource": "https://PROXY_URL/mcp",
   "authorization_servers": ["LOOKER_URL"],
   "scopes_supported": ["cors_api"]
   }
   

   更改下列內容：

   • PROXY_URL：反向 Proxy 伺服器的網域和基本路徑。
   • LOOKER_URL：Looker 執行個體的基準網址。

如要瞭解如何設定用戶端 (以共用服務的形式執行 MCP Toolbox 時)，請參閱「Claude 電腦版設定」範例。

設定 MCP 用戶端

本節說明如何設定各種開發人員工具，以便使用 MCP Toolbox for Databases 連線至 Looker 執行個體。這個工具箱可做為開放原始碼的 Model Context Protocol (MCP) 伺服器，位於 IDE 和資料庫之間，為 AI 工具提供安全有效率的控制層。選取特定工具的分頁標籤，即可查看設定操作說明。

• Gemini CLI
• Gemini Code Assist
• Claude 程式碼
• Claude 電腦版
• Cline (VS Code 擴充功能)
• Cursor
• Visual Studio Code (Copilot)
• Windsurf (Codium)

      {
        "mcpServers": {
          "looker-toolbox": {
            "command": "./PATH/TO/toolbox",
            "args": ["--stdio", "--prebuilt", "looker"],
            "env": {
                "LOOKER_BASE_URL": "LOOKER_URL",
                "LOOKER_CLIENT_ID": "CLIENT_ID",
                "LOOKER_CLIENT_SECRET": "CLIENT_SECRET",
                "LOOKER_VERIFY_SSL": "VERIFY_SSL",
          }
          }
        }
      }
  

      {
        "mcpServers": {
          "looker-toolbox": {
            "type": "http",
            "url": "https://PROXY_URL/mcp"
          }
        }
      }
  

      {
        "mcpServers": {
          "looker-toolbox": {
            "command": "./PATH/TO/toolbox",
            "args": ["--stdio", "--prebuilt", "looker"],
            "env": {
                "LOOKER_BASE_URL": "LOOKER_URL",
                "LOOKER_CLIENT_ID": "CLIENT_ID",
                "LOOKER_CLIENT_SECRET": "CLIENT_SECRET",
                "LOOKER_VERIFY_SSL": "VERIFY_SSL",
          }
          }
        }
      }
  

      {
        "mcpServers": {
          "looker-toolbox": {
            "command": "./PATH/TO/toolbox",
            "args": ["--stdio", "--prebuilt", "looker"],
            "env": {
                "LOOKER_BASE_URL": "LOOKER_URL",
                "LOOKER_CLIENT_ID": "CLIENT_ID",
                "LOOKER_CLIENT_SECRET": "CLIENT_SECRET",
                "LOOKER_VERIFY_SSL": "VERIFY_SSL",
          }
          }
        }
      }
  

      {
        "mcpServers": {
          "looker-toolbox": {
            "type": "http",
            "url": "https://PROXY_URL/mcp"
          }
        }
      }
  

      {
        "mcpServers": {
          "looker-toolbox": {
            "command": "./PATH/TO/toolbox",
            "args": ["--stdio", "--prebuilt", "looker"],
            "env": {
                "LOOKER_BASE_URL": "LOOKER_URL",
                "LOOKER_CLIENT_ID": "CLIENT_ID",
                "LOOKER_CLIENT_SECRET": "CLIENT_SECRET",
                "LOOKER_VERIFY_SSL": "VERIFY_SSL",
          }
          }
        }
      }
  

      {
        "mcpServers": {
          "looker-toolbox": {
            "type": "http",
            "url": "https://PROXY_URL/mcp"
          }
        }
      }
  

      {
        "servers": {
          "looker-toolbox": {
            "command": "./PATH/TO/toolbox",
            "args": ["--stdio", "--prebuilt", "looker"],
            "env": {
                "LOOKER_BASE_URL": "LOOKER_URL",
                "LOOKER_CLIENT_ID": "CLIENT_ID",
                "LOOKER_CLIENT_SECRET": "CLIENT_SECRET",
                "LOOKER_VERIFY_SSL": "VERIFY_SSL",
          }
          }
        }
      }
  

      {
        "servers": {
          "looker-toolbox": {
            "type": "http",
            "url": "https://PROXY_URL/mcp"
          }
        }
      }
  

      {
        "mcpServers": {
          "looker-toolbox": {
            "command": "./PATH/TO/toolbox",
            "args": ["--stdio", "--prebuilt", "looker"],
            "env": {
                "LOOKER_BASE_URL": "LOOKER_URL",
                "LOOKER_CLIENT_ID": "CLIENT_ID",
                "LOOKER_CLIENT_SECRET": "CLIENT_SECRET",
                "LOOKER_VERIFY_SSL": "VERIFY_SSL",
          }
          }
        }
      }
  

      {
        "mcpServers": {
          "looker-toolbox": {
            "type": "http",
            "url": "https://PROXY_URL/mcp"
          }
        }
      }
  

使用 AI 工具

您的 AI 工具現已透過 MCP 連線至 Looker。請試著要求 AI 助理列出模型、探索、維度和指標。您也可以擷取查詢的 SQL 或執行已儲存的 Look，藉此執行查詢。

LLM 可使用下列工具：

Looker 模型和查詢工具

這些工具可用來取得 Looker 模型的相關資訊，並針對該模型執行查詢。

• get_models：列出 Looker 執行個體上的所有 LookML 模型。
• get_explores：列出指定模型中的探索。
• get_dimensions：列出指定探索中的維度。
• get_measures：列出指定探索中的指標。
• get_filters：列出特定探索中的篩選器。
• get_parameters：列出指定「探索」中的參數。
• query：執行查詢並傳回資料。
• query_sql：傳回 Looker 為查詢生成的 SQL。
• query_url：傳回 Looker 中查詢的連結，以供進一步探索。

Looker 內容工具

這些工具會從 Looker 執行個體取得已儲存的內容 (Look 和資訊主頁)，並建立新的已儲存內容。

• get_looks：傳回符合標題或說明的已儲存 Look。
• run_look：執行已儲存的 Look 並傳回資料。
• make_look：在 Looker 中建立已儲存的 Look，並傳回網址。
• get_dashboards：傳回符合標題或說明的已儲存資訊主頁。
• make_dashboard：在 Looker 中建立已儲存的資訊主頁，並傳回網址。
• add_dashboard_element：將動態磚新增至資訊主頁。

Looker 執行個體健康狀態工具

這些工具提供的健康狀態檢查演算法，與熱門的 CLI Henry 相同。

• health_pulse：檢查 Looker 執行個體的健康狀態。
• health_analyze：分析 Looker 物件的使用情形。
• health_vacuum：找出可能未使用的 LookML 元素。

LookML 撰寫工具

這些工具可讓呼叫端編寫及修改 LookML 檔案，並取得編寫 LookML 時所需的資料庫結構定義。

• dev_mode：開啟及關閉工作階段的「開發模式」。LookML 撰寫作業必須在開發模式中進行。在開發模式中執行的查詢會使用修改後的 LookML，因此您可以測試變更的影響。
• get_projects：取得可用 LookML 專案的清單。
• get_project_files：取得專案中的 LookML 檔案清單。
• get_project_file：取得 LookML 檔案的內容。
• create_project_file：建立新的 LookML 檔案。
• update_project_file：修改現有的 LookML 檔案。
• delete_project_file：刪除 LookML 檔案。
• get_connections：取得連線清單。
• get_connection_schemas：取得連線的結構定義清單。
• get_connection_databases：取得連線的資料庫清單。
• get_connection_tables：取得連線的資料表清單。
• get_connection_table_columns：取得連線中資料表的資料欄清單。