让AI读懂数据仓库：dbt MCP服务器把模型与指标接进对话

数据团队的日常一半耗在"问答"上：业务问"这个指标怎么算的"，分析师查半天模型代码；新人问"这张表从哪来"，老人翻血缘图。dbt Labs 官方的 dbt MCP 服务器把 dbt 项目里的模型、指标、血缘、文档全部开放给 AI Agent，让这些问题变成对话里的一句话。

是什么

dbt MCP Server 是 dbt Labs 官方组织维护的开源项目（Apache-2.0 协议），截至本文数据核实 600+ 星、更新活跃。dbt 是数据领域主流的分析工程工具——数据转换、建模、测试、文档都在 dbt 项目里管理；这台 MCP 服务器把 dbt Core、dbt Fusion、dbt Platform 三种形态的项目上下文统一供给 AI 客户端，相当于给 Agent 发了一张数据仓库的"内部地图"。官方还为支持 MCPB 的客户端提供安装包（.mcpb）一键导入。

工具面四组

一是 SQL 组：execute_sql 在 dbt Platform 基础设施上执行查询（支持语义层），text_to_sql 结合项目上下文把自然语言转成 SQL——注意它是拿着你项目的真实表结构和业务口径来写，不是凭空编。二是语义层组：列出指标、维度、实体，直接查指标编译后的 SQL 并执行——业务人员问"上季度华东区销售额"，Agent 走语义层拿口径一致的答案，避免各写各的 SQL 口径打架。三是发现组：列模型、查血缘（带类型/深度/方向过滤）、看数据新鲜度与测试结果、找宏与曝光——“这张表上游是什么、昨天为什么没更新"一类问题直接有答案。四是治理向：模型健康信号聚合运行状态、测试结果与上游新鲜度，数据质量巡检可以交给 Agent 定期跑。

适合谁用与边界

有 dbt 项目的数据团队是唯一主场景：分析师提效（查口径、写查询）、数据工程师减负（血缘认知、故障排查）、业务自助取数（语义层兜底口径）。边界如实标注：Platform 侧工具（执行 SQL、语义层）需要 dbt Platform 环境，纯 Core 用户可用面以发现与文档类工具为主；数据安全敏感的单位要按最小权限原则配置服务账号，Agent 能看到什么、能执行什么，权限先行。

数据团队的价值在口径一致与可信交付，不在人肉查表。把 dbt 的元数据开放给 AI，等于给整个组织配了个懂仓库的值班分析员。贵州诚鑫致达科技为企业做数据基础设施规划时，元数据与 AI 的打通是趋势项——工具链越标准，AI 接进来越顺。

企业存储选型参考｜贵州诚鑫致达

用 DS918+/DS920+/DS1517+/DS1817+ 等经典机型的老用户，群晖机型参考：可平滑升级到 DS1522+ · DS1823xs+ · DS2422+。需要选型建议或上门评估，搜「诚鑫致达」即可找到我们。