Use Looker with MCP, Gemini CLI and other Agents

TL;DR

Bài này chỉ bạn cách kết nối Looker với các AI agent như Gemini CLI hay Claude qua Model Context Protocol (MCP). Nhờ đó, bạn có thể dùng ngôn ngữ tự nhiên để tự động hóa việc query data, tạo báo cáo, hay thậm chí là viết LookML.

Nói đơn giản: Như có một trợ lý data analyst AI, bạn hỏi gì về Looker nó cũng trả lời và làm giùm liền.

Tổng quan

Bài viết này hướng dẫn cách mình kết nối Looker — nền tảng phân tích dữ liệu mạnh mẽ — với các công cụ AI developer. Mục tiêu là để AI có thể “nói chuyện” trực tiếp với Looker, giúp tự động hóa nhiều tác vụ liên quan đến data.

Có hai cách chính để làm chuyện này. Cách đầu tiên là dùng extension chuyên biệt cho Gemini CLI. Đây là một AI agent mã nguồn mở của Google, được thiết kế để tăng tốc workflow cho dev. Với Looker extension, Gemini CLI có thể truy cập data của bạn một cách an toàn, có quản lý, và giúp bạn tự động tạo báo cáo, visualization, dashboard chỉ bằng cách gõ lệnh tự nhiên.

Cách thứ hai là dùng MCP Toolbox for Databases. Đây là một MCP server mã nguồn mở, giúp kết nối Looker với các IDE và AI agent khác hỗ trợ Model Context Protocol (MCP) như Claude Code, Cursor, hay VS Code Copilot. MCP Toolbox sẽ lo phần xác thực, quản lý kết nối, để AI agent có thể tương tác với data của bạn qua ngôn ngữ tự nhiên một cách dễ dàng.

Xài vào việc gì?

Cần nhanh chóng lấy thông tin từ Looker mà hông muốn viết LookML hay SQL Thay vì phải nhớ cấu trúc LookML hay viết SQL phức tạp, bạn chỉ cần gõ “list all models”, “show dimensions in ‘Sales’ explore” vào AI agent. Nó sẽ tự động gọi API của Looker và trả về kết quả ngay lập tức. Tiết kiệm thời gian mò mẫm.

Muốn tạo báo cáo, dashboard tự động từ yêu cầu tự nhiên Bạn có thể yêu cầu “create a dashboard showing monthly sales by region” hoặc “make a look for top 10 products last quarter”. AI agent sẽ dùng các tool như make_look hay make_dashboard để tạo ra nội dung này trong Looker, sau đó trả về URL cho bạn. Hông cần click chuột hay kéo thả thủ công.

Tối ưu hóa LookML hoặc kiểm tra sức khỏe instance Looker Dùng các tool như health_pulse để kiểm tra tình trạng Looker instance, hoặc health_vacuum để tìm các LookML element hông dùng tới. Thậm chí có thể bật dev_mode và dùng AI để update_project_file trực tiếp. Như có một trợ lý devops kiêm LookML engineer.

Khám phá cấu trúc database mà hông cần truy cập trực tiếp Với các tool như get_connection_schemas, get_connection_tables, bạn có thể hỏi AI về cấu trúc database mà Looker đang kết nối. Điều này giúp dev hiểu rõ hơn về data model mà hông cần quyền truy cập database trực tiếp, tăng cường bảo mật và hiệu quả.

Các điểm chính

1. AI agents giờ có thể “hiểu” Looker: Nhờ Gemini CLI extension hoặc MCP Toolbox, các AI như Gemini, Claude, Copilot có thể tương tác trực tiếp với Looker’s semantic layer. Điều này mở ra khả năng tự động hóa data exploration và báo cáo.
2. Model Context Protocol (MCP) là chìa khóa: MCP là giao thức giúp AI agent kết nối với database (qua MCP Toolbox). Nó giải quyết các vấn đề phức tạp như authentication và connection pooling, để dev chỉ cần tập trung vào việc ra lệnh tự nhiên.
3. Hông chỉ đọc data, mà còn tạo và sửa LookML: Các AI tool này hông chỉ giúp bạn query data hay tạo báo cáo. Chúng còn có thể bật dev_mode, liệt kê project, tạo/sửa/xóa LookML files, và thậm chí lấy schema của database. Đây là một bước tiến lớn trong việc tự động hóa công việc của LookML developer.
4. Tăng tốc workflow cho dev và data analyst: Việc dùng ngôn ngữ tự nhiên để tương tác với Looker giúp giảm đáng kể thời gian viết query, tạo dashboard, hay tìm kiếm thông tin. Từ đó, dev có thể tập trung vào những tác vụ phức tạp hơn.
5. Hệ sinh thái đa dạng: Ngoài Gemini CLI, nhiều IDE và AI agent phổ biến khác như Claude Code, Cursor, VS Code (Copilot) cũng có thể kết nối với Looker thông qua MCP Toolbox. Điều này cho phép bạn chọn công cụ mình quen thuộc.
6. Competitive Timing: Nếu bạn hông bắt đầu tích hợp AI vào workflow data của mình ngay bây giờ, bạn sẽ bị bỏ lại phía sau. Các team khác sẽ có khả năng tạo insight, báo cáo nhanh hơn gấp nhiều lần.

Workflow gợi ý

1. Tạo báo cáo doanh số hàng tháng tự động:
   • Bước 1: Dùng Gemini CLI hoặc AI agent khác, yêu cầu get_models để xem các model LookML có sẵn.
   • Bước 2: Chọn model phù hợp (ví dụ: sales_model), rồi dùng get_explores để tìm Explore liên quan (ví dụ: orders).
   • Bước 3: Yêu cầu AI make_look với prompt như “create a look showing monthly sales by product category for the last 12 months, grouped by region”. AI sẽ tạo Look trong Looker và trả về URL.
2. Kiểm tra và tối ưu LookML project:
   • Bước 1: Bật dev_mode trong AI agent.
   • Bước 2: Yêu cầu health_vacuum để tìm các LookML element hông dùng tới trong project.
   • Bước 3: Dựa trên kết quả, yêu cầu AI update_project_file để xóa hoặc chỉnh sửa các element đó.
3. Khám phá database schema cho dự án mới:
   • Bước 1: Yêu cầu get_connections để xem các kết nối database.
   • Bước 2: Chọn kết nối, rồi yêu cầu get_connection_schemas, get_connection_tables, get_connection_table_columns để khám phá cấu trúc database.
   • Bước 3: Dựa trên thông tin này, bạn có thể yêu cầu AI create_project_file để tạo các LookML view mới.

Quick Start

1. Làm ngay tuần này: Cài Gemini CLI và Looker extension của nó. Thử kết nối với Looker instance của bạn và chạy vài lệnh get_models, get_explores để xem nó hoạt động ra sao.
2. Bước tiếp: Thử nghiệm với các lệnh tạo nội dung như make_look hoặc make_dashboard để xem khả năng tự động hóa báo cáo. Đừng ngại “phá” trong môi trường dev nha.
3. Thói quen duy trì: Tích hợp việc dùng AI agent vào workflow hàng ngày khi cần khám phá data, tạo báo cáo nhanh, hoặc thậm chí là debug LookML. Biến nó thành trợ thủ đắc lực của mình.

FAQ

MCP Toolbox là gì? MCP Toolbox là một server mã nguồn mở giúp các AI agent kết nối với database thông qua Model Context Protocol (MCP). Nó đơn giản hóa việc tương tác với data bằng ngôn ngữ tự nhiên, lo các phần kỹ thuật như xác thực và quản lý kết nối giùm bạn.

Tôi có cần biết code để xài mấy cái này hông? Hông cần biết code sâu, nhưng bạn cần hiểu về cấu trúc dữ liệu và Looker để đưa ra các prompt hiệu quả. Mục tiêu là dùng ngôn ngữ tự nhiên để AI tự tạo code hoặc tương tác với API.

An toàn dữ liệu có được đảm bảo hông? Có, vì bạn phải cung cấp Client ID/Secret của Looker API và có thể cấu hình SSL. AI agent chỉ truy cập data thông qua Looker’s semantic layer, vốn đã có cơ chế quản lý quyền và bảo mật.

Tôi có thể dùng AI để sửa LookML trong production hông? Nên cẩn thận nha. Các tool này cho phép bạn update_project_file và bật dev_mode. Tuy nhiên, mình khuyến nghị chỉ nên làm trong môi trường dev hoặc test trước khi đẩy lên production để tránh những thay đổi hông mong muốn.