用途：该技能文档介绍如何访问、配置和使用 Looker MCP Server，使 AI 助手、本地 IDE（VS Code、Cursor、Claude Desktop、Gemini CLI）及自动化代理能直接与 Looker 实例交互，用于查询数据、查看语义模型、管理 LookML 项目和执行系统诊断。
部署方式：一是 Looker 托管 MCP Server，内置于 Looker Core 与 Looker Original，由 Google Cloud 托管，端点为 https://<YOUR_LOOKER_INSTANCE_URL>/mcp，需在 Admin Panel > Platform > MCP 中开启并配置权限。二是本地/独立 MCP Server，使用 MCP Toolbox for Databases，可通过 npx @google/mcp-toolbox --prebuilt=looker,looker-dev 启动，或用 Docker 运行，需设置 LOOKER_BASE_URL、LOOKER_CLIENT_ID、LOOKER_CLIENT_SECRET，自签名证书可设 LOOKER_VERIFY_SSL=false。
认证：支持 OAuth。需在 Looker 注册 OAuth 客户端应用（可用 API Explorer 或 curl 调用 oauth_client_apps 端点），再执行 PKCE 流程获取访问令牌，并在 MCP 请求头中携带 Authorization: Bearer <ACCESS_TOKEN>。不同客户端回调地址不同，如 Claude Desktop、VS Code、Cursor 等各有对应 redirect_uri。
客户端配置：在 .mcp.json 等配置文件中添加服务器条目。远程托管可用 httpUrl 指向 /mcp；原生 OAuth 客户端自动处理授权，标准 HTTP 客户端需在 headers 中传令牌。本地独立模式支持 stdio（npx）和 HTTP（Docker，http://localhost:5000/mcp）。
可用工具：共 45 个，分 6 类：数据与查询执行（query、query_sql、query_url、run_look、run_dashboard）；发现与元数据目录（get_models、get_explores、get_dimensions、get_measures、get_filters、get_parameters、get_connections 等）；仪表板与内容创建（get_looks、get_dashboards、make_look、make_dashboard、add_dashboard_element、add_dashboard_filter、generate_embed_url）；LookML 项目开发（dev_mode、get_projects、get_project_files、create_project_file、update_project_file、validate_project、run_lookml_tests 等）；Git 版本控制（get_git_branch、list_git_branches、create_git_branch、switch_git_branch、delete_git_branch）；开发者与诊断工具（health_pulse、health_analyze、health_vacuum）。
安全与限制：用户级权限、Access Grants、Model Sets 等在使用托管 MCP 或用户 OAuth 令牌时生效；若独立服务器使用静态 API 凭据，所有工具以该凭据的安全上下文运行，可能绕过用户级访问控制与行级安全。编辑项目文件时应先开启 dev_mode 以隔离到个人开发分支。另提供 Looker CLI（looker-cli）作为终端、脚本与 CI/CD 场景的替代工具。具体收费、价格与平台支持细节暂未提供。