dbt MCP Server

¿Qué es el servidor dbt MCP?

El servidor dbt MCP es un puente entre dbt y interfaces impulsadas por IA, exponiendo la funcionalidad central de dbt, metadatos y semánticas analíticas como herramientas estandarizadas que pueden ser invocadas por LLM y aplicaciones a través del MCP. Esto permite a los usuarios automatizar, consultar y gestionar sus flujos de trabajo y métricas de datos de dbt desde interfaces de lenguaje natural y agentes impulsados por LLM con control de acceso detallado y una integración basada en protocolos consistente.

Cómo configurar el servidor dbt MCP

Instala el servidor a través del script proporcionado:
```
/bin/bash -c "$(curl -fsSL https://raw.githubusercontent.com/dbt-labs/dbt-mcp/refs/heads/main/install.sh)"
```
Esto instala o actualiza el servidor dbt MCP en tu directorio home bajo ~/.dbt-mcp/.
Configura las variables de entorno para ajustes requeridos como DBT_HOST, DBT_TOKEN y rutas específicas del proyecto (DBT_PROJECT_DIR, etc.). Puedes personalizar qué grupos de herramientas (CLI, Capa Semántica, API de Descubrimiento) están habilitados a través de flags como DISABLE_DBT_CLI=false, o configurar características semánticas/remotas según sea necesario.
Configura el cliente MCP (por ejemplo, Claude Desktop, Cursor, VS Code) especificando el comando del servidor, argumentos y configuración del entorno. Añade los detalles del servidor a los respectivos archivos de configuración MCP (claude_desktop_config.json, mcp.json, settings.json), actualizando la ruta ejecutable para tu sistema operativo.

Cómo usar el servidor dbt MCP

Conecta tu cliente MCP (como Claude Desktop, Cursor o VS Code) al servidor dbt MCP añadiendo su configuración en la configuración de tu cliente.
Inicia el servidor MCP usando el comando instalado con los argumentos correctos. El servidor ahora expone herramientas dbt a tus clientes conectados.
Desde el cliente, invoca las características de dbt utilizando solicitudes de lenguaje natural o a través de comandos de UI; el cliente traducirá estas solicitudes a llamadas de herramientas MCP, que luego serán ejecutadas por el servidor contra tu proyecto dbt.
Gestiona, supervisa o detén el servidor desde la interfaz MCP de tu cliente o a través de la línea de comandos.
Para el uso basado en CLI, asegúrate de que los entornos y dependencias estén configurados correctamente, y revisa siempre qué grupos de herramientas están activos.

Características clave

Acceso fluido, basado en protocolos, a las APIs centrales, semánticas y de descubrimiento de dbt directamente desde interfaces de IA
Ejecución segura de comandos de CLI de dbt, recuperación de métricas semánticas y consultas de metadatos del proyecto
Configuración detallada y habilitación de grupos de herramientas (CLI, Capa Semántica, Descubrimiento)
Listo para integración con modernos clientes LLM (Claude Desktop, Cursor, VS Code y más)
Menor fricción para que los agentes LLM realicen operaciones dbt tanto de solo lectura como de modificación de estado
Instalación fácil, configuración unificada y soporte de actualizaciones automáticas

Casos de uso

Permitir copilotos basados en LLM en editores de código (como VS Code o Cursor) para automatizar flujos de trabajo dbt, como construir o probar modelos
Permitir que agentes de lenguaje natural obtengan documentación del proyecto dbt o metadatos para asistencia a desarrolladores o incorporación
Potenciar dashboards de IA o chatbots con acceso a métricas semánticas a través de la Capa Semántica de dbt, habilitando análisis conversacional
Integrar puntos de control operativos de dbt (construir/probar/ejecutar) en tuberías automatizadas orquestadas por agentes impulsados por LLM
Facilitar consultas ad-hoc, exploración de modelos o análisis de causas raíz desde interfaces conversacionales usando APIs de descubrimiento de dbt

FAQ

Q: ¿Necesito desplegar el servidor dbt MCP en la misma máquina que mi proyecto dbt?
A: El servidor puede ejecutarse localmente o de manera remota, pero requerirá acceso a los archivos y entornos del proyecto relevantes. Puedes especificar rutas y variables de entorno para asegurarte de que localiza tu proyecto dbt correctamente.

Q: ¿Es seguro permitir que LLM accedan a todas las herramientas dbt a través de MCP?
A: Usa precaución; algunas herramientas de dbt (como build, run y test) pueden alterar tu almacén o modelos. Solo habilita las herramientas en las que confíes totalmente, y prefieres modos de solo lectura (por ejemplo, Descubrimiento y Capa Semántica) donde sea apropiado.

Q: ¿Cómo actualizo el servidor si se lanzan nuevas versiones?
A: Simplemente vuelve a ejecutar el script de instalación; detectará y actualizará tu instalación existente de dbt-mcp de forma segura.

Q: ¿Qué versiones de dbt son compatibles?
A: El servidor dbt MCP es compatible con entornos tanto de dbt Core como de dbt Cloud. Asegúrate de que tu ruta CLI y la versión de dbt coincidan con lo que se especifica en tu configuración.

Q: ¿Puedo habilitar o deshabilitar selectivamente ciertos grupos de herramientas?
A: Sí; utiliza variables de entorno como DISABLE_DBT_CLI o DISABLE_DISCOVERY para activar o desactivar funciones al iniciar el servidor.

Nombre del Protocolo	Descripción
build	Ejecuta modelos, pruebas, instantáneas y semillas de dbt en orden de dependencia dentro de tu proyecto, materializando resultados en el almacén.
compile	Compila y valida modelos, pruebas y análisis, generando el SQL sin ejecutarlos.
docs	Construye y sirve documentación para tu proyecto dbt, permitiendo la exploración interactiva de modelos, fuentes y linaje.
ls	Lista recursos dbt como modelos, semillas, instantáneas y pruebas con opciones de filtrado para una exploración más detallada del proyecto.
parse	Analiza y valida archivos de proyecto dbt por corrección de sintaxis y lógica, ayudando a detectar errores temprano.
run	Ejecuta y materializa modelos dbt seleccionados en tu almacén de datos según la configuración actual.
test	Ejecuta pruebas de dbt para validar la integridad del modelo y las reglas de calidad de datos definidas en tu proyecto.
show	Ejecuta una consulta ad-hoc interactiva contra tu almacén de datos desde el contexto de dbt.
list_metrics	Recupera todas las métricas semánticas definidas de tu Capa Semántica de dbt para posteriores consultas o inspecciones.
get_dimensions	Devuelve las dimensiones asociadas con métricas específicas de la Capa Semántica.
get_entities	Recupera entidades (por ejemplo, claves primarias u objetos de negocio) asociadas con métricas específicas.
query_metrics	Permite consultar métricas semánticas con soporte para agrupación, filtrado, ordenación y limitación de resultados.
get_mart_models	Lista todos los modelos de mart dbt presentes en tu proyecto, útiles para analistas o catalogación de datos.
get_all_models	Devuelve todos los modelos dbt definidos dentro de tu proyecto, incluyendo su metadatos básicos.
get_model_details	Obtiene información detallada sobre un modelo dbt dado, incluyendo esquema, linaje y dependencias.
get_model_parents	Devuelve los modelos padres upstream para un modelo específico, ayudando en el análisis de dependencias o navegación en el proyecto.