用途：bigquery 是面向 Google BigQuery 和 GCP 数据仓库的命令行工具与 MCP 服务，官方建议除 MCP 工具覆盖范围外的操作都用 CLI。认证复用 Google Cloud SDK（gcloud）ADC，可用 bigquery auth check 验证状态与作用域。
主要能力：查询支持自动 dry-run 与费用确认（默认阈值 1GB）、--yes 跳过确认、--jsonl/--stream/--file/--stdin 输出与输入、dry-run 仅估费用。数据集与表操作包括 list、describe、create、update、delete，以及表的 streaming insert（<1000 行）、从 Cloud Storage 的 load（>10MB）、copy、extract。作业可 list、get、cancel。输出默认 query 为 JSON（含 bytes、cost、cacheHit），列表为 text，均可用 --format json|text|jsonl。
MCP：bigquery mcp stdio 默认只读，--enable-writes 开启写工具；http 模式可指定 --port。只读工具有 query、dry_run、list_datasets、list_tables、describe_table；写工具有 create_dataset、create_table、insert_rows、load_data、execute_ddl。表以 bigquery://project.dataset.table 资源形式暴露，读取等价 describe_table。
限制与注意：--max-results 只限制返回行数，不减少扫描字节；真正降费用需在 SQL 中用 LIMIT。tables load 只接受 gs:// 路径，传本地路径会静默失败（退出码 0、无输出）；本地文件用 tables insert，且必须为 JSONL。新建表元数据有约 50 秒传播延迟，需重试；streaming insert 后约 90 分钟内 DELETE/TRUNCATE 受流缓冲阻塞。JSONL 输出中 DATE 返回 {"value":"YYYY-MM-DD"}，TIMESTAMP 返回 epoch 字符串，数值列为字符串；UNNEST 字面量大时 CLI 可能报 JSON 解析错误，需改为客户端匹配。
适用场景：需要按需执行查询、控制查询成本、批量导入/导出数据，或在智能体中用结构化工具调用访问 BigQuery 的场景。
使用方式：先执行 bigquery auth check；查询如 bigquery query --yes "SELECT ..."；估费 bigquery dry-run "SELECT ..."；表插入如 bigquery tables insert TABLE file.jsonl --format jsonl；MCP 配置 command 为 bigquery，args 为 ["mcp", "stdio"]。