はじめに
「先週のチャネル別セッション数、出してもらえますか？」
この一言をデータチームに投げるたびに、返答まで半日〜1日かかる。マーケ担当やCSチームがデータを見たいタイミングと、実際に手に入るタイミングにズレがある。SQLを書けない非エンジニアにとって、BigQueryに溜まったデータは「見えない資産」のままです。
この課題を解決するために、MCP（Model Context Protocol）を使ってClaude CodeとBigQueryを接続し、自然言語で質問するだけで分析結果が返ってくる社内ツールを構築しました。
この記事では、セットアップから運用のガードレールまで、実際に導入した手順を共有します。
MCP（Model Context Protocol）とは
MCPはAnthropicが策定したオープンプロトコルで、AIエージェントが外部のツールやデータソースに接続するための標準規格です。
MCPには主に2つの概念があります。
- Tools: AIが呼び出せる「操作」。SQLの実行、データの取得など
- Resources: AIが参照できる「情報」。テーブルのスキーマ、データセット一覧など
MCPサーバーがこれらを公開し、Claude Code（MCPクライアント）が接続することで、AIが直接BigQueryを操作できるようになります。
[ユーザー] → 自然言語で質問
↓
[Claude Code] → MCPプロトコルでリクエスト
↓
[BigQuery MCPサーバー] → SQL生成・実行
↓
[BigQuery] → クエリ結果を返却
↓
[Claude Code] → 結果を要約してユーザーに回答BigQuery MCPサーバーのセットアップ
1. 事前準備
- Google Cloud Platform（GCP）アカウント
- BigQueryにデータが格納済み
- Claude Codeインストール済み
2. GCP認証の設定
gcloud auth application-default login
gcloud config set project YOUR_PROJECT_ID3. MCPサーバーのインストール
pip install bigquery-mcp-server4. Claude Codeの設定
プロジェクトルートの .mcp.json または ~/.claude/settings.json に以下を追加します。
{
"mcpServers": {
"bigquery": {
"command": "python",
"args": ["-m", "bigquery_mcp_server"],
"env": {
"GOOGLE_CLOUD_PROJECT": "your-project-id"
}
}
}
}💡 補足
.mcp.jsonをプロジェクトルートに置けば、チームメンバーがリポジトリをcloneするだけで同じMCP設定を共有できます。
5. 接続確認
Claude Codeを起動して、以下のように話しかけます。
BigQueryに接続できていますか？利用可能なデータセットを教えてください。正常に接続されていれば、データセット一覧が返ってきます。
実際の会話例
例1：チャネル別セッション数の確認
ユーザー:
先週のチャネル別セッション数を教えて
Claude Code: BigQueryに対して以下のクエリを実行しました。
SELECT
channel_grouping,
COUNT(DISTINCT session_id) AS sessions
FROM `your-project.your_dataset.stg_sessions`
WHERE session_date BETWEEN DATE_SUB(CURRENT_DATE(), INTERVAL 7 DAY) AND CURRENT_DATE()
GROUP BY channel_grouping
ORDER BY sessions DESC| チャネル | セッション数 |
|---|---|
| Organic Search | 1,245 |
| Direct | 892 |
| Social | 456 |
先週のセッション数は合計2,593でした。Organic Searchが最も多く全体の48%を占めています。
例2：前週比の確認
ユーザー:
前週と比べてどう変化した？
Claude Codeは直前の文脈を理解しているため、追加で前々週のデータも取得し、比較結果を返してくれます。SQLを都度指定する必要はありません。
ガードレールの設定
社内ツールとして運用するには、安全対策が不可欠です。以下の3点を設定しました。
1. 読み取り専用アクセス
GCPのIAMで、MCPサーバーが使用するサービスアカウントに BigQuery データ閲覧者（roles/bigquery.dataViewer）ロールのみを付与します。
gcloud projects add-iam-policy-binding your-project-id \
--member="serviceAccount:[email protected]" \
--role="roles/bigquery.dataViewer"⚠️ 注意
BigQuery 管理者やBigQuery データ編集者は絶対に付与しないでください。意図しないデータの削除・変更を防ぐためです。
2. クエリコスト上限
BigQueryのカスタムクォータを設定し、1日あたりのスキャン量に上限を設けます。
# 1日あたり1TBまでに制限（プロジェクト単位）
bq update --project_id your-project-id \
--default_query_job_config '{"maximum_bytes_billed": "1099511627776"}'MCPサーバー側でもクエリごとの上限を設定できます。
{
"mcpServers": {
"bigquery": {
"command": "python",
"args": ["-m", "bigquery_mcp_server"],
"env": {
"GOOGLE_CLOUD_PROJECT": "your-project-id",
"BQ_MAXIMUM_BYTES_BILLED": "10737418240"
}
}
}
}3. 許可データセットの制限
MCPサーバーの設定で、アクセス可能なデータセットを明示的に指定します。顧客の個人情報が含まれるデータセットを除外することで、情報漏洩リスクを低減できます。
チームへの展開
共有する設定ファイル
.mcp.json をリポジトリに含め、以下のドキュメントを用意しました。
- セットアップ手順: GCP認証とClaude Codeのインストール
- 質問例集: よく使う分析パターンをテンプレート化
- 注意事項: コスト上限とアクセス範囲の説明
質問テンプレートの例
チームメンバーが迷わないよう、CLAUDE.mdに質問例を記載しました。
## よく使う分析クエリ
- 「今週のチャネル別セッション数を教えて」
- 「先月のコンバージョン率を日別で出して」
- 「直帰率が高いランディングページ上位10件は？」
- 「前月比でセッション数が増えたチャネルはどれ？」導入後の変化
MCPを導入してから、以下の変化がありました。
- データチームへの問い合わせが減少: 定型的な集計はチームメンバーが自分で実行
- 意思決定のスピード向上: データ取得までのリードタイムが半日→数秒に
- 分析の幅が広がった: SQLを意識しない分、「こういう切り口で見たい」という発想が増えた
ただし、複雑なクエリや精度が求められる分析は、依然としてデータチームが対応しています。MCPは万能ではなく、日常的なセルフサービス分析を担う補助ツールとして位置づけるのが現実的です。
まとめ
MCP × BigQuery × Claude Codeの組み合わせで、非エンジニアでも自然言語でデータ分析ができる社内ツールを構築しました。
ポイントは以下の3点です。
- MCPサーバーでClaude CodeとBigQueryを接続し、SQLを書かずにデータ取得
- IAM・コスト上限・データセット制限でガードレールを設定
- 設定ファイルとテンプレートを共有し、チーム全体で活用
「GA4のデータがBigQueryにあるけど活用できていない」「データチームへの依頼が多すぎて回らない」といった課題をお持ちの方は、ぜひ試してみてください。