Menggunakan server MCP Agent Registry

Dokumen ini menunjukkan cara menggunakan server Model Context Protocol (MCP) jarak jauh Agent Registry untuk terhubung dengan aplikasi AI, termasuk Gemini CLI, ChatGPT, Claude, dan aplikasi kustom yang Anda kembangkan. Server MCP jarak jauh Agent Registry memungkinkan aplikasi AI Anda menemukan agen, endpoint, dan server MCP lain yang tersedia di lingkungan Anda secara dinamis. Server MCP jarak jauh Agent Registry diaktifkan saat Anda mengaktifkan Agent Registry API.

Model Context Protocol (MCP) menstandarkan cara model bahasa besar (LLM) dan aplikasi atau agen AI terhubung ke sumber data eksternal. Server MCP memungkinkan Anda menggunakan alat, resource, dan perintahnya untuk melakukan tindakan dan mendapatkan data terbaru dari layanan backend-nya.

Apa perbedaan antara server MCP lokal dan jarak jauh?

Server MCP lokal

Biasanya dijalankan di komputer lokal Anda dan menggunakan input dan output stream (stdio) standar untuk komunikasi antar-layanan di perangkat yang sama.

Server MCP jarak jauh

Berjalan di infrastruktur layanan dan menawarkan endpoint HTTP ke aplikasi AI untuk komunikasi antara klien MCP AI dan server MCP. Untuk mengetahui informasi selengkapnya tentang arsitektur MCP, lihat Arsitektur MCP.

Stateless core

Dengan MCP versi 2026-07-28, MCP berubah dari protokol stateful dua arah menjadi protokol stateless. Setiap permintaan MCP menjelaskan dirinya sendiri dan dapat dirutekan menggunakan header. Tidak ada kebutuhan untuk handshake initialize/initialized atau Mcp-Session-Id karena setiap permintaan menyertakan semua informasi yang diperlukan di header HTTP atau parameter _meta. Server MCP dapat meminta informasi tambahan yang diperlukan oleh alat melalui permintaan perjalanan pulang pergi multi-putaran (MRTR).

Untuk membantu merutekan dan memproses permintaan tanpa mengurai isi permintaan, beberapa header MCP diperlukan, termasuk yang berikut:

• Header yang diperlukan oleh spesifikasi MCP seperti header versi protokol dan header permintaan standar.
• Header kustom yang ditentukan oleh server MCP. Header ini dicerminkan ke dalam header HTTP dari skema input alat menggunakan properti x-mcp-header. Misalnya, server MCP dapat menentukan header kustom untuk menentukan Google Cloud ID project atau region.

Untuk mengetahui informasi selengkapnya tentang arsitektur MCP, lihat spesifikasi MCP versi 2026-07-28 dan perubahan utama.

Server MCP jarak jauh dan Google Cloud Google

Server MCP jarak jauh Google dan Google Cloud memiliki fitur dan manfaat berikut:

• Penemuan yang disederhanakan dan terpusat
• Endpoint HTTP global atau regional yang dikelola
• Otorisasi terperinci
• Keamanan perintah dan respons opsional dengan perlindungan Model Armor
• Logging audit terpusat

Untuk mengetahui informasi tentang server MCP lainnya dan informasi tentang kontrol keamanan dan tata kelola yang tersedia untuk server MCP Google Cloud, lihat Ringkasan server MCP Google Cloud.

Sebelum memulai

Sebelum dapat menggunakan server MCP Agent Registry, Anda harus menyiapkan Agent Registry. Anda juga memerlukan project ID Anda untuk mengautentikasi dan melakukan tugas penemuan.

Peran yang diperlukan

Untuk mendapatkan izin yang Anda perlukan guna menggunakan server MCP Agent Registry, minta administrator untuk memberi Anda peran IAM berikut pada project tempat Anda ingin menggunakan server MCP Agent Registry:

• Melakukan panggilan alat MCP: Pengguna Alat MCP (roles/mcp.toolUser)
• Temukan resource: Agent Registry API Viewer (roles/agentregistry.viewer)
• Mengelola resource: Editor Agent Registry API (roles/agentregistry.editor)

Untuk mengetahui informasi selengkapnya tentang pemberian peran, lihat Mengelola akses ke project, folder, dan organisasi.

Peran bawaan ini berisi izin yang diperlukan untuk menggunakan server MCP Agent Registry. Untuk melihat izin yang benar-benar diperlukan, perluas bagian Izin yang diperlukan:

Izin yang diperlukan

Izin berikut diperlukan untuk menggunakan server MCP Agent Registry:

• Melakukan panggilan alat MCP: mcp.tools.call

Anda mungkin juga bisa mendapatkan izin ini dengan peran khusus atau peran bawaan lainnya.

Autentikasi dan otorisasi

Server MCP jarak jauh Agent Registry menggunakan protokol OAuth 2.0 dengan Identity and Access Management (IAM) untuk autentikasi dan otorisasi. Semua Google Cloud identitas didukung untuk autentikasi ke server MCP.

Server MCP Agent Registry memerlukan akun utama untuk kontrol Identity and Access Management (IAM) dan tidak menerima kunci API. Sebaiknya buat identitas terpisah untuk agen yang menggunakan alat MCP agar Anda dapat mengontrol dan memantau akses ke resource.

Untuk mengetahui informasi selengkapnya tentang autentikasi, lihat Mengautentikasi ke server MCP.

Cakupan OAuth MCP Agent Registry

OAuth 2.0 menggunakan cakupan dan kredensial untuk menentukan apakah pokok terautentikasi diizinkan untuk melakukan tindakan tertentu pada resource. Untuk mengetahui informasi selengkapnya tentang cakupan OAuth 2.0 di Google, lihat Menggunakan OAuth 2.0 untuk mengakses Google API.

Agent Registry memiliki cakupan OAuth alat MCP berikut:

URI cakupan untuk Google Cloud CLI	Deskripsi
https://www.googleapis.com/auth/cloud-platform	Akses penuh ke semua resource Google Cloud .
https://www.googleapis.com/auth/agentregistry.read-write	Akses baca dan tulis ke resource Agent Registry.

Cakupan tambahan mungkin diperlukan pada resource yang diakses selama panggilan alat. Untuk melihat daftar peran dan izin yang diperlukan untuk Agent Registry, lihat Peran dan izin Agent Registry.

Mengonfigurasi klien MCP untuk menggunakan server MCP Agent Registry

Aplikasi dan agen AI, seperti Claude atau Antigravity, dapat membuat instance klien MCP yang terhubung ke satu server MCP. Aplikasi AI dapat memiliki beberapa klien yang terhubung ke server MCP yang berbeda. Jika aplikasi Anda tidak tercantum dalam panduan khusus klien, Anda dapat menggunakan informasi berikut untuk terhubung dari sebagian besar aplikasi.

• Nama server: Server MCP Agent Registry
• URL Server atau Endpoint: https://agentregistry.googleapis.com/mcp
• Transportasi: HTTP yang dapat di-streaming
• Detail autentikasi: bergantung pada cara autentikasi yang Anda inginkan, Anda dapat memasukkan Google Cloud kredensial, ID Klien OAuth dan rahasia, atau identitas dan kredensial agen. Untuk mengetahui informasi selengkapnya tentang autentikasi, lihat Mengautentikasi ke server MCP.
• Cakupan OAuth: Cakupan OAuth 2.0 yang ingin Anda gunakan saat terhubung ke server MCP Agent Registry.

Untuk panduan khusus aplikasi tentang cara menyiapkan dan terhubung ke server MCP, lihat Panduan khusus klien.

Untuk panduan umum lainnya, lihat referensi berikut:

• Terhubung ke server MCP jarak jauh.
• Mengonfigurasi MCP di aplikasi AI.

Alat yang tersedia

Untuk melihat detail alat MCP yang tersedia dan deskripsinya untuk server MCP Agent Registry, lihat referensi MCP Agent Registry.

Agent Registry API memisahkan operasi baca dan tulis. Anda membuat kueri resource Agent, McpServer, atau Endpoint hanya baca untuk menemukan kemampuan, tetapi Anda harus menggunakan resource Service yang dapat ditulis untuk membuat, memperbarui, dan menghapus entri.

Alat penemuan

Alat paling umum yang digunakan oleh agen AI untuk penemuan dinamis meliputi:

• search_agents: Melakukan penelusuran kata kunci atau awalan untuk menemukan agen dalam project dan lokasi tertentu berdasarkan kueri bahasa alami, keterampilan A2A, tag, atau deskripsi tertentu.
• search_mcp_servers: Melakukan penelusuran kata kunci atau awalan untuk menemukan server MCP berdasarkan alat tertentu yang ditawarkan atau deskripsinya.
• get_agent, get_mcp_server, get_endpoint: Mengambil detail metadata dan konfigurasi lengkap resource tertentu menggunakan nama resource uniknya.
• get_service: Mengambil resource Service tertentu untuk memeriksa spesifikasi pendaftaran pokok yang digunakan untuk mengaktifkan resource secara manual.
• get_operation: Mendapatkan status terbaru dari operasi yang berjalan lama.
• list_bindings, get_binding, fetch_available_bindings: Mengambil konfigurasi binding yang menghubungkan agen sumber ke target resource atau penyedia autentikasi.

Alat penelusuran paling cocok untuk kueri bahasa alami. Namun, server MCP juga menyediakan alat listingan yang menampilkan daftar resource yang dipaginasi. Alat ini berguna untuk menghitung resource atau memfilter menurut atribut resource, bukan penelusuran bahasa alami:

• list_agents: Menampilkan daftar agen yang di-pagination dalam project dan lokasiGoogle Cloud yang ditentukan.
• list_mcp_servers: Menampilkan daftar server MCP yang di-pagination dalam project dan lokasi yang ditentukan Google Cloud .
• list_endpoints, list_services: Menampilkan daftar endpoint terdaftar dan resource Service yang diaktifkan secara manual dalam project dan lokasi tertentu yang dipaginasi.

Alat administratif

Aplikasi AI terutama menggunakan Agent Registry untuk penemuan. Namun, server MCP juga mengekspos alat untuk mengelola entri registri secara terprogram:

• create_service: Mendaftarkan komponen agentik kustom baru secara manual, seperti agen, server MCP, atau endpoint, dengan memberikan spesifikasi JSON-nya.
• update_service: Mengupdate spesifikasi atau parameter resource Service yang ada, seperti melakukan patch pada Kartu Agen yang diupload.
• delete_service: Menghapus resource Service, yang secara efektif membatalkan pendaftaran agen, server MCP, atau endpoint yang diaktifkan secara manual dari registry.
• create_binding, update_binding, delete_binding: Mengelola koneksi dan pemetaan akses yang didelegasikan secara terprogram antara agen dan target server atau endpoint MCP Anda.

Alat daftar

Gunakan pemeriksa MCP untuk mencantumkan alat, atau kirim permintaan HTTP tools/list langsung ke server MCP jarak jauh Agent Registry. Metode tools/list tidak memerlukan autentikasi.

curl -X POST https://agentregistry.googleapis.com/TOOLSET_ENDPOINT \
    -H 'Content-Type: application/json' \
    -H 'Accept: application/json' \
    -H 'MCP-Protocol-Version: MCP_PROTOCOL_VERSION' \
    -H 'Mcp-Method: tools/list' \
    -d '{
      "jsonrpc": "2.0",
      "id": 1,
      "method": "tools/list",
      "params": {
        "_meta": {
          "io.modelcontextprotocol/protocolVersion": "MCP_PROTOCOL_VERSION",
          "io.modelcontextprotocol/clientCapabilities": {
            "extensions": {
              "io.modelcontextprotocol/ui": {
                "mimeTypes": ["text/html;profile=mcp-app"]
              }
            }
          }
        }
      }
    }'

Ganti kode berikut:

• TOOLSET_ENDPOINT: Bagian endpoint MCP setelah nama layanan. Misalnya, untuk Agent Registry, nilainya mungkin mcp/toolset-name.
• MCP_PROTOCOL_VERSION: Versi protokol MCP. Contoh, 2026-07-28.

Contoh kasus penggunaan

Saat menghubungkan aplikasi atau agen AI ke server MCP Agent Registry, Anda dapat menggunakan perintah bahasa alami untuk menemukan dan mengambil resource secara dinamis di lingkungan Anda.

Berikut adalah contoh perintah yang dapat Anda gunakan dengan aplikasi AI terhubung:

• Menemukan agen berdasarkan kemampuan A2A: "Temukan agen yang dapat memesan penerbangan perusahaan."
• Menemukan server MCP: "Server MCP mana yang terdaftar dan menawarkan alat data BigQuery?"
• Mengambil detail resource tertentu: "Tampilkan metadata dan detail konfigurasi untuk agen bernama projects/123456789/locations/global/agents/travel-agent."

Konfigurasi keamanan dan keselamatan opsional

MCP memperkenalkan risiko dan pertimbangan keamanan baru karena berbagai tindakan yang dapat Anda lakukan dengan alat MCP. Untuk meminimalkan dan mengelola risiko ini,Google Cloud menawarkan setelan default dan kebijakan yang dapat disesuaikan untuk mengontrol penggunaan alat MCP di organisasi atau project Google CloudAnda.

Untuk mengetahui informasi selengkapnya tentang keamanan dan tata kelola MCP, lihat Keamanan dan keselamatan AI.

Menggunakan Model Armor

Model Armor adalah layanan Google Cloud yang dirancang untuk meningkatkan keamanan dan keselamatan aplikasi AI Anda. Layanan ini bekerja dengan menyaring perintah dan respons LLM secara proaktif, melindungi dari berbagai risiko, dan mendukung praktik AI yang bertanggung jawab. Baik Anda men-deploy AI di lingkungan cloud Anda, atau di penyedia cloud eksternal, Model Armor dapat membantu Anda mencegah input berbahaya, memverifikasi keamanan konten, melindungi data sensitif, menjaga kepatuhan, dan menerapkan kebijakan keamanan dan keselamatan AI Anda secara konsisten di seluruh lanskap AI Anda yang beragam.

Jika Model Armor diaktifkan dengan logging diaktifkan, Model Armor akan mencatat seluruh payload. Hal ini dapat mengekspos informasi sensitif dalam log Anda.

Perutean permintaan MCP ke Model Armor

Model Armor tersedia di wilayah tertentu. Jika Model Armor diaktifkan dan Anda menggunakan server MCP di wilayah hukum yang tidak didukung Model Armor, perilaku perutean panggilan mungkin berbeda untuk server MCP yang berbeda dan dapat melanggar kepatuhan residensi data untuk data yang sedang digunakan dan dalam transit. Untuk mengetahui informasi selengkapnya tentang perilaku setiap server MCP, lihat Produk yang didukung Model Armor.

Mengaktifkan Model Armor

Anda harus mengaktifkan API Model Armor sebelum dapat menggunakan Model Armor.

Konsol

1. Aktifkan Model Armor API, jika belum diaktifkan.

   Peran yang diperlukan untuk mengaktifkan API

   Untuk mengaktifkan API, Anda memerlukan izin serviceusage.services.enable. Jika Anda membuat project, kemungkinan Anda sudah memiliki izin ini melalui peran Pemilik (roles/owner). Jika tidak, Anda bisa mendapatkan izin ini melalui peran Admin Penggunaan Layanan (roles/serviceusage.serviceUsageAdmin). Pelajari cara memberikan peran.

   Mengaktifkan API

2. Pilih project tempat Anda ingin mengaktifkan Model Armor.

gcloud

Sebelum memulai, ikuti langkah-langkah berikut menggunakan Google Cloud CLI dengan Model Armor API:

1. Di konsol Google Cloud , aktifkan Cloud Shell.

   Aktifkan Cloud Shell

   Di bagian bawah konsol Google Cloud , sesi Cloud Shell akan dimulai dan menampilkan perintah command line. Cloud Shell adalah lingkungan shell dengan Google Cloud CLI yang sudah terinstal, dan dengan nilai yang sudah ditetapkan untuk project Anda saat ini. Diperlukan waktu beberapa detik untuk melakukan inisialisasi pada sesi.

2. Jalankan perintah berikut untuk menetapkan endpoint API untuk layanan Model Armor.

   gcloud config set api_endpoint_overrides/modelarmor "https://modelarmor.LOCATION.rep.googleapis.com/"

   Ganti LOCATION dengan region tempat Anda ingin menggunakan Model Armor.

Mengonfigurasi perlindungan untuk server MCP

Untuk membantu melindungi panggilan dan respons alat MCP, Anda dapat menggunakan setelan tingkat Model Armor. Setelan minimum menentukan filter keamanan minimum yang berlaku di seluruh project. Konfigurasi ini menerapkan serangkaian filter yang konsisten ke semua panggilan dan respons alat MCP dalam project.

Tips: Jangan aktifkan filter serangan prompt injection dan jailbreak kecuali jika traffic MCP Anda membawa data bahasa alami.

Siapkan setelan tingkat Model Armor dengan pengamanan MCP diaktifkan. Untuk mengetahui informasi selengkapnya, lihat Mengonfigurasi setelan batas bawah Model Armor.

Catatan: Jika agen dan server MCP berada dalam project yang berbeda, Anda dapat membuat setelan tingkat di kedua project (project klien dan project resource). Dalam hal ini, Model Armor dipanggil dua kali, sekali untuk setiap project.

Lihat contoh perintah berikut:

gcloud model-armor floorsettings update \
--full-uri='projects/PROJECT_ID/locations/global/floorSetting' \
--enable-floor-setting-enforcement=TRUE \
--add-integrated-services=GOOGLE_MCP_SERVER \
--google-mcp-server-enforcement-type=INSPECT_AND_BLOCK \
--enable-google-mcp-server-cloud-logging \
--malicious-uri-filter-settings-enforcement=ENABLED \
--add-rai-settings-filters='[{"confidenceLevel": "MEDIUM_AND_ABOVE", "filterType": "DANGEROUS"}]'

Ganti PROJECT_ID dengan project ID Google Cloud Anda.

Perhatikan setelan berikut:

• INSPECT_AND_BLOCK: Jenis penegakan yang memeriksa konten untuk server MCP Google dan memblokir perintah dan respons yang cocok dengan filter.
• ENABLED: Setelan yang mengaktifkan filter atau penerapan.
• MEDIUM_AND_ABOVE: Tingkat keyakinan untuk setelan filter AI yang bertanggung jawab - Berbahaya. Anda dapat mengubah setelan ini, meskipun nilai yang lebih rendah dapat menghasilkan lebih banyak positif palsu. Untuk mengetahui informasi selengkapnya, lihat Tingkat keyakinan Model Armor.

Menonaktifkan pemindaian traffic MCP dengan Model Armor

Untuk menghentikan Model Armor memindai traffic secara otomatis ke dan dari server MCP Google berdasarkan setelan tingkat project, jalankan perintah berikut:

gcloud model-armor floorsettings update \
  --full-uri='projects/PROJECT_ID/locations/global/floorSetting' \
  --remove-integrated-services=GOOGLE_MCP_SERVER

Ganti PROJECT_ID dengan ID project Google Cloud . Model Armor tidak otomatis menerapkan aturan yang ditentukan dalam setelan tingkat project ini ke traffic server MCP Google.

Setelan tingkat Model Armor dan konfigurasi umum dapat memengaruhi lebih dari sekadar MCP. Karena Model Armor terintegrasi dengan layanan seperti Vertex AI, setiap perubahan yang Anda lakukan pada setelan tingkat dapat memengaruhi pemindaian traffic dan perilaku keamanan di semua layanan terintegrasi, bukan hanya MCP.

Mengontrol penggunaan MCP dengan kebijakan IAM

Kebijakan penolakan dan kebijakan izin Identity and Access Management (IAM) membantu Anda mengamankan Google Cloud server Google MCP.

Anda dapat menggabungkan beberapa kriteria untuk membuat kebijakan keamanan dan tata kelola yang disesuaikan dengan mengizinkan atau menolak akses berdasarkan hal-hal berikut:

• Entitas utama.
• Properti alat seperti atribut hanya baca.
• Nama layanan atau nama alat.
• Client ID klien OAuth aplikasi.

Untuk mengetahui informasi selengkapnya, lihat Mengontrol penggunaan MCP dengan Identity and Access Management.

Langkah berikutnya

• Tinjau dokumentasi referensi MCP Agent Registry
• Pelajari lebih lanjut server MCP Google Cloud