Dbt CLI 도구를 감싸는 모델 Context Protocol (MCP) 서버는 표준화 된 MCP 도구를 통해 dbt 프로젝트와 상호 작용하는 AI 코딩 에이전트를 가능하게합니다.

특징

• MCP 도구를 통해 dbt 명령 실행
• 모든 주요 dbt 작업 지원 (런, 테스트, 컴파일 등)
• 직접적인 상호 작용을 위한 명령 선 공용영역
• dbt 프로젝트의 환경변수 관리
• Configurable dbt 실행 가능한 경로
• Flexible profiles.yml 위치 설정

설치

# 필수품

• Python 3.10 이상
• uv Python 환경 관리 도구
• dbt CLI 설치

설정

사용법

명령 선 공용영역

패키지는 dbt와 직접 상호 작용을 위한 명령행 인터페이스를 제공합니다:

모듈을 직접 사용할 수 있습니다:

명령 선 선택권

• --dbt-path: dbt 실행 가능한 경로 (기본값: “dbt”)
• --env-file: 환경 파일 경로 (과태: “.env”)
• --log-level: 로깅 레벨 (과태: “INFO”)
• --profiles-dir: profile.yml 파일 포함 디렉토리 경로 (기본값은 project-dir 지정하지 않는 경우)

환경 변수

서버는 환경 변수를 사용하여 구성될 수 있습니다:

• DBT_PATH: dbt 실행 가능한 경로

DBT CLI MCP Server

A Model Context Protocol (MCP) server that wraps the dbt CLI tool, enabling AI coding agents to interact with dbt projects through standardized MCP tools.

Features

• Execute dbt commands through MCP tools
• Support for all major dbt operations (run, test, compile, etc.)
• Command-line interface for direct interaction
• Environment variable management for dbt projects
• Configurable dbt executable path
• Flexible profiles.yml location configuration

Installation

Prerequisites

• Python 3.10 or higher
• uv tool for Python environment management
• dbt CLI installed

Setup

# Clone the repository with submodules
git clone --recurse-submodules https://github.com/yourusername/dbt-cli-mcp.git
cd dbt-cli-mcp

# If you already cloned without --recurse-submodules, initialize the submodule
# git submodule update --init

# Create and activate a virtual environment
uv venv
source .venv/bin/activate  # On Windows: .venv\Scripts\activate

# Install dependencies
uv pip install -e .

# For development, install development dependencies
uv pip install -e ".[dev]"

Usage

Command Line Interface

The package provides a command-line interface for direct interaction with dbt:

# Run dbt models
dbt-mcp run --models customers --project-dir /path/to/project

# Run dbt models with a custom profiles directory
dbt-mcp run --models customers --project-dir /path/to/project --profiles-dir /path/to/profiles

# List dbt resources
dbt-mcp ls --resource-type model --output-format json

# Run dbt tests
dbt-mcp test --project-dir /path/to/project

# Get help
dbt-mcp --help
dbt-mcp run --help

You can also use the module directly:

python -m src.cli run --models customers --project-dir /path/to/project

Command Line Options

• --dbt-path: Path to dbt executable (default: “dbt”)
• --env-file: Path to environment file (default: “.env”)
• --log-level: Logging level (default: “INFO”)
• --profiles-dir: Path to directory containing profiles.yml file (defaults to project-dir if not specified)

Environment Variables

The server can also be configured using environment variables:

• DBT_PATH: Path to dbt executable
• ENV_FILE: Path to environment file
• LOG_LEVEL: Logging level
• DBT_PROFILES_DIR: Path to directory containing profiles.yml file

Using with MCP Clients

To use the server with an MCP client like Claude for Desktop, add it to the client’s configuration:

{
  "mcpServers": {
    "dbt": {
      "command": "uv",
      "args": ["--directory", "/path/to/dbt-cli-mcp", "run", "src/server.py"],
      "env": {
        "DBT_PATH": "/absolute/path/to/dbt",
        "ENV_FILE": ".env"
        // You can also set DBT_PROFILES_DIR here for a server-wide default
      }
    }
  }
}

⚠️ IMPORTANT: Absolute Project Path Required ⚠️