dbt MCP Server

Qu'est-ce que le serveur dbt MCP ?

Le serveur dbt MCP est un pont entre dbt et les interfaces alimentées par l'IA, exposant les fonctionnalités de base de dbt, les métadonnées et les sémantiques analytiques en tant qu'outils standardisés pouvant être appelés par des LLM et des applications via le MCP. Cela permet aux utilisateurs d'automatiser, d'interroger et de gérer leurs flux de travail dbt et leurs métriques de données à partir d'interfaces en langage naturel et d'agents pilotés par LLM avec un contrôle d'accès granulaire et une intégration basée sur un protocole cohérent.

Comment configurer le serveur dbt MCP

Installez le serveur via le script fourni :
```
/bin/bash -c "$(curl -fsSL https://raw.githubusercontent.com/dbt-labs/dbt-mcp/refs/heads/main/install.sh)"
```
Cela installe ou met à jour le serveur dbt MCP dans votre répertoire personnel sous ~/.dbt-mcp/.
Définissez les variables d'environnement pour les paramètres requis tels que DBT_HOST, DBT_TOKEN, et les chemins spécifiques au projet (DBT_PROJECT_DIR, etc.). Vous pouvez personnaliser quels groupes d'outils (CLI, couche sémantique, API de découverte) sont activés via des drapeaux comme DISABLE_DBT_CLI=false, ou configurer des fonctionnalités sémantiques/à distance au besoin.
Configurez le client MCP (ex. : Claude Desktop, Cursor, VS Code) en spécifiant la commande du serveur, les arguments et la configuration de l'environnement. Ajoutez les détails du serveur dans les fichiers de configuration MCP respectifs (claude_desktop_config.json, mcp.json, settings.json), en mettant à jour le chemin exécutable pour votre système d'exploitation.

Comment utiliser le serveur dbt MCP

Connectez votre client MCP (tel que Claude Desktop, Cursor ou VS Code) au serveur dbt MCP en ajoutant sa configuration dans les paramètres de votre client.
Démarrez le serveur MCP en utilisant la commande installée avec les arguments corrects. Le serveur expose maintenant les outils dbt à vos clients connectés.
À partir du client, invoquez les fonctionnalités dbt à l'aide de requêtes en langage naturel ou via des commandes d'interface utilisateur ; le client traduira celles-ci en appels d'outils MCP, qui seront ensuite exécutés par le serveur contre votre projet dbt.
Gérez, surveillez ou arrêtez le serveur depuis l'interface MCP de votre client ou via la ligne de commande.
Pour une utilisation basée sur l'CLI, assurez-vous que les environnements et dépendances sont correctement définis, et passez toujours en revue quels groupes d'outils sont actifs.

Caractéristiques clés

Accès fluide, basé sur un protocole, aux API de base, sémantiques et de découverte de dbt directement depuis les interfaces AI
Exécution sécurisée des commandes CLI dbt, récupération de métriques sémantiques et requêtes de métadonnées de projet
Configuration granulaire et activation des groupes d'outils (CLI, couche sémantique, découverte)
Prêt à l'intégration avec des clients LLM modernes (Claude Desktop, Cursor, VS Code, et plus)
Moins de friction pour les agents LLM pour effectuer à la fois des opérations dbt en lecture seule et des opérations modifiant l'état
Installation facile, configuration unifiée et prise en charge des mises à jour automatiques

Cas d'utilisation

Activer des copilotes basés sur LLM dans les éditeurs de code (comme VS Code ou Cursor) pour automatiser les flux de travail dbt, tels que la construction ou les tests de modèles
Permettre aux agents en langage naturel de récupérer la documentation du projet dbt ou des métadonnées pour l'assistance des développeurs ou l'intégration
Alimenter des tableaux de bord IA ou des chatbots avec accès aux métriques sémantiques via la couche sémantique de dbt, permettant des analyses conversationnelles
Intégrer les points de contrôle opérationnels dbt (construction/test/exécution) dans des pipelines automatisés orchestrés par des agents pilotés par LLM
Faciliter les requêtes ad-hoc, l'exploration de modèles, ou l'analyse des causes profondes à partir d'interfaces en conversation utilisant les API de découverte dbt

FAQ

Q : Dois-je déployer le serveur dbt MCP sur la même machine que mon projet dbt ?
R : Le serveur peut être exécuté localement ou à distance, mais il devra avoir accès aux fichiers de projet pertinents et à l'environnement. Vous pouvez spécifier des chemins et des variables d'environnement pour assurer qu'il localise correctement votre projet dbt.

Q : Est-il sûr de permettre aux LLM d'accéder à tous les outils dbt via MCP ?
R : Faites preuve de prudence ; certains outils dbt (comme build, run, et test) peuvent modifier votre entrepôt ou vos modèles. Activez uniquement les outils que vous faites entièrement confiance à vos clients d'utiliser, et préférez les modes en lecture seule (ex. : Découverte et Couche Sémantique) lorsque cela est approprié.

Q : Comment mettre à jour le serveur si de nouvelles versions sont publiées ?
R : Il suffit de relancer le script d'installation ; il détectera et mettra à jour votre installation dbt-mcp existante en toute sécurité.

Q : Quelles versions de dbt sont prises en charge ?
R : Le serveur dbt MCP est compatible avec les environnements dbt Core et dbt Cloud. Assurez-vous que votre chemin CLI et votre version de dbt correspondent à ce qui est spécifié dans votre configuration.

Q : Puis-je activer ou désactiver sélectivement certains groupes d'outils ?
R : Oui ; utilisez des variables d'environnement comme DISABLE_DBT_CLI ou DISABLE_DISCOVERY pour activer ou désactiver les fonctionnalités au démarrage du serveur.

Nom du Protocole	Description
build	Exécute les modèles, tests, instantanés et semences dbt dans l'ordre de dépendance au sein de votre projet, matérialisant les résultats dans l'entrepôt.
compile	Compile et valide les modèles, tests et analyses, produisant le SQL généré sans les exécuter.
docs	Construit et sert la documentation pour votre projet dbt, permettant une exploration interactive des modèles, sources et lignées.
ls	Liste les ressources dbt telles que modèles, semences, instantanés et tests avec des options de filtrage pour une exploration de projet plus fine.
parse	Analyse et valide les fichiers du projet dbt pour la syntaxe et la logique, aidant à attraper les erreurs tôt.
run	Exécute et matérialise les modèles dbt sélectionnés dans votre entrepôt de données selon la configuration actuelle.
test	Exécute des tests dbt pour valider l'intégrité des modèles et les règles de qualité des données définies dans votre projet.
show	Exécute une requête interactive ad-hoc contre votre entrepôt de données depuis le contexte dbt.
list_metrics	Récupère toutes les métriques sémantiques définies à partir de votre Couche Sémantique dbt pour des requêtes ou une inspection ultérieures.
get_dimensions	Renvoie les dimensions associées aux métriques spécifiées de la Couche Sémantique.
get_entities	Récupère les entités (ex. : clés primaires ou objets métier) associées aux métriques spécifiques.
query_metrics	Permet de requêter les métriques sémantiques avec prise en charge du regroupement, du filtrage, du tri et de la limitation des résultats.
get_mart_models	Liste tous les modèles de mart dbt présents dans votre projet, utile pour les analystes ou pour le catalogage de données.
get_all_models	Retourne tous les modèles dbt définis dans votre projet, y compris leurs métadonnées de base.
get_model_details	Récupère des informations détaillées sur un modèle dbt donné, y compris le schéma, la lignée et les dépendances.
get_model_parents	Retourne les modèles parents en amont pour un modèle spécifié, aidant à l'analyse des dépendances ou à la navigation dans le projet.