Agent Skills
返回列表
🤖

dbt 数据管道上下文 MCP 服务

AI Agent 更新于 2026.08.29

将以下提示词粘贴到你的 AI 对话框中：

请根据 https://skillhub.cn/install/skillhub.md 的指引，将规范名为 @user_3c6cb52e/dbt-mcp-server-data-pipeline-context 的技能安装到当前 AI 助手中。

技能介绍

解决什么问题

LLM 直接面对一个 dbt 项目时，看到的其实是一个黑盒：项目里有哪些模型、每张表有哪些字段、数据经过哪几层转换、语义层定义写在哪里，这些信息都不在提示词里。基于这种上下文写 SQL 只能靠猜，排查管道故障也只能手工翻文件。这个技能把 dbt Labs 官方的 dbt MCP Server 包装成一组 MCP 工具，给 AI 代理注入数据管道上下文，让它能理解并操作 dbt 项目。

如何工作

代理通过调用 MCP 工具与 dbt 项目交互，覆盖几个典型步骤：

  • 读取项目结构：get_node_details_dev 从本地 manifest.json 检索模型、种子、快照、源等节点详情。
  • 查看血缘：get_column_lineage 追踪列级血缘，弄清某个指标是由哪些上游字段一步步算出来的。
  • 查询语义层：代理可以查询指标与维度的定义，并从自然语言生成 SQL，不必手写 join。
  • 执行与体检：run 执行模型并在数据库中物化；get_model_health 返回运行状态、测试结果和上游源新鲜度。
  • 排查故障：get_job_run_details 获取运行详情，包括状态、时间、步骤和工件，便于定位 Platform 作业中出错的环节。

适用边界与注意点

  • get_column_lineage 需要通过 dbt Labs VSCE 安装 dbt-lsp，缺少该依赖时列级血缘不可用。
  • get_node_details_dev 依赖本地 manifest.json，清单需要保持完整且与项目状态一致。
  • run 是写操作，会把模型物化到数据库中，在生产环境中使用前应先确认影响范围。
  • 技能覆盖 dbt Core、Fusion 和 Platform 环境，具体工具在不同运行环境中的可用性可能有差异。

使用场景

  • 排查数据管道故障时，需要获取 dbt 作业的运行详情，查看状态、时间和失败步骤以定位报错环节。
  • 分析师想查询语义层指标定义并从自然语言生成 SQL，避免手写复杂的 join 逻辑直接取数。
  • 开发新模型时，需要执行 dbt 模型在数据库中物化，并检查上游源新鲜度与测试结果确认是否健康。
  • 梳理指标血缘时，需要追踪列级血缘关系，弄清某个业务指标是由哪些上游字段一步步计算出来的。

适合人员

  • 数据工程师在重构旧管道时，需要快速查阅本地 manifest.json 中的节点详情，确认模型与源的依赖关系。
  • 业务分析师在日常取数时，希望通过自然语言直接生成 SQL 查询语义层指标，无需理解底层表结构。
  • 数据平台管理员在监控生产环境时，需要实时获取模型健康信号和作业运行详情以保障数据质量。