Utilizza il server MCP di Agent Registry

Questo documento mostra come utilizzare il server Model Context Protocol (MCP) remoto di Agent Registry per connetterti ad applicazioni AI, tra cui Gemini CLI, ChatGPT, Claude e applicazioni personalizzate che stai sviluppando. Il server MCP remoto di Agent Registry consente alle tue applicazioni AI di rilevare dinamicamente altri agenti, endpoint e server MCP disponibili nel tuo ambiente. Il server MCP remoto di Agent Registry viene abilitato quando abiliti l'API Agent Registry.

Il Model Context Protocol (MCP) standardizza il modo in cui i modelli linguistici di grandi dimensioni (LLM) e le applicazioni o gli agenti AI si connettono a origini dati esterne. I server MCP ti consentono di utilizzare i loro strumenti, risorse e prompt per eseguire azioni e ottenere dati aggiornati dal loro servizio di backend.

Qual è la differenza tra i server MCP locali e remoti?

Server MCP locali
In genere vengono eseguiti sulla macchina locale e utilizzano i flussi di input e output standard (stdio) per la comunicazione tra i servizi sullo stesso dispositivo.
Server MCP remoti
Vengono eseguiti sull'infrastruttura del servizio e offrono un endpoint HTTP alle applicazioni AI per la comunicazione tra il client MCP AI e il server MCP. Per saperne di più sull'architettura MCP, consulta Architettura MCP.

Server MCP Google e remoti Google Cloud

I server MCP Google e Google Cloud remoti hanno le seguenti funzionalità e vantaggi:

  • Rilevamento semplificato e centralizzato
  • Endpoint HTTP globali o regionali gestiti
  • Autorizzazione granulare
  • Sicurezza di prompt e risposte facoltativa con la protezione Model Armor
  • Logging di audit centralizzato

Per informazioni su altri server MCP e sui controlli di sicurezza e governance disponibili per i server MCP di Google Cloud, consulta la panoramica dei server MCP di Google Cloud.

Prima di iniziare

Prima di poter utilizzare il server MCP di Agent Registry, devi configurare Agent Registry. Per autenticarti ed eseguire le attività di rilevamento, devi disporre anche dell' ID progetto.

Ruoli obbligatori

Per ottenere le autorizzazioni necessarie per utilizzare il server MCP di Agent Registry, chiedi all'amministratore di concederti i seguenti ruoli IAM sul progetto in cui vuoi utilizzare il server MCP di Agent Registry:

Per saperne di più sulla concessione dei ruoli, consulta Gestisci l'accesso a progetti, cartelle e organizzazioni.

Questi ruoli predefiniti contengono le autorizzazioni necessarie per utilizzare il server MCP di Agent Registry. Per vedere quali sono esattamente le autorizzazioni richieste, espandi la sezione Autorizzazioni obbligatorie:

Autorizzazioni obbligatorie

Per utilizzare il server MCP di Agent Registry sono necessarie le seguenti autorizzazioni:

  • Esegui chiamate agli strumenti MCP: mcp.tools.call

Potresti anche ottenere queste autorizzazioni con ruoli personalizzati o altri ruoli predefiniti.

Autenticazione e autorizzazione

Il server MCP remoto di Agent Registry utilizza il protocollo OAuth 2.0 con Identity and Access Management (IAM) per l'autenticazione e l'autorizzazione. Tutte le Google Cloud identità sono supportate per l'autenticazione ai server MCP.

Il server MCP di Agent Registry richiede un'entità per il controllo di Identity and Access Management (IAM) e non accetta chiavi API. Ti consigliamo di creare un'identità separata per gli agenti che utilizzano gli strumenti MCP in modo da poter controllare e monitorare l'accesso alle risorse.

Per saperne di più sull'autenticazione, consulta Autenticarsi ai server MCP.

Ambiti OAuth MCP di Agent Registry

OAuth 2.0 utilizza ambiti e credenziali per determinare se un'entità autenticata è autorizzata a eseguire un'azione specifica su una risorsa. Per saperne di più sugli ambiti OAuth 2.0 in Google, consulta Utilizzare OAuth 2.0 per accedere alle API di Google.

Agent Registry ha i seguenti ambiti OAuth per gli strumenti MCP:

URI dell'ambito per Google Cloud CLI Descrizione
https://www.googleapis.com/auth/cloud-platform Accesso completo a tutte le Google Cloud risorse.
https://www.googleapis.com/auth/agentregistry.read-write Accesso in lettura e scrittura alle risorse di Agent Registry.

Potrebbero essere necessari ambiti aggiuntivi per le risorse a cui si accede durante una chiamata allo strumento. Per visualizzare un elenco di ruoli e autorizzazioni richiesti per Agent Registry, consulta Ruoli e autorizzazioni di Agent Registry.

Configurare un client MCP per utilizzare il server MCP di Agent Registry

Le applicazioni e gli agenti AI, come Claude o Antigravity, possono creare un'istanza di un client MCP che si connette a un singolo server MCP. Un'applicazione AI può avere più client che si connettono a server MCP diversi. Se la tua applicazione non è elencata nelle indicazioni specifiche per il client, puoi utilizzare le seguenti informazioni per connetterti dalla maggior parte delle applicazioni.

  • Nome server: server MCP di Agent Registry
  • URL server o endpoint: https://agentregistry.googleapis.com/mcp
  • Trasporto: HTTP
  • Dettagli di autenticazione: a seconda di come vuoi autenticarti, puoi inserire le tue Google Cloud credenziali, l'ID client OAuth e il client secret oppure un' identità e le credenziali dell'agente. Per saperne di più sull'autenticazione, consulta Autenticarsi ai server MCP.
  • Ambito OAuth: l'ambito OAuth 2.0 che vuoi utilizzare quando ti connetti al server MCP di Agent Registry.

Per indicazioni specifiche per l'applicazione sulla configurazione e la connessione al server MCP, consulta Indicazioni specifiche per il client.

Per indicazioni più generali, consulta le seguenti risorse:

Strumenti disponibili

Per visualizzare i dettagli degli strumenti MCP disponibili e le relative descrizioni per il server MCP di Agent Registry, consulta il riferimento MCP di Agent Registry.

L'API Agent Registry separa le operazioni di lettura e scrittura. Esegui una query sulle risorse di sola lettura Agent, McpServer o Endpoint per scoprire le funzionalità, ma devi utilizzare la risorsa scrivibile Service per creare, aggiornare ed eliminare le voci.

Strumenti di rilevamento

Gli strumenti più comuni utilizzati dagli agenti AI per il rilevamento dinamico includono:

  • search_agents: esegue una ricerca per parola chiave o prefisso per rilevare gli agenti all'interno di un progetto e di una località specifici in base a query in linguaggio naturale, competenze, tag o descrizioni specifici.
  • search_mcp_servers: esegue una ricerca per parola chiave o prefisso per rilevare i server MCP in base agli strumenti specifici che offrono o alle relative descrizioni.
  • get_agent, get_mcp_server, get_endpoint: recupera i metadati completi e i dettagli di configurazione di risorse specifiche utilizzando i relativi nomi di risorse univoci.
  • get_service: recupera una risorsa Service specifica per esaminare la specifica di registrazione sottostante utilizzata per eseguire l'onboarding manuale di una risorsa.
  • get_operation: recupera l'ultimo stato di un'operazione a lunga esecuzione.
  • list_bindings, get_binding, fetch_available_bindings: Recupera le configurazioni di binding che collegano gli agenti di origine alle risorse di destinazione o ai provider di autenticazione.

Gli strumenti di ricerca sono più adatti alle query in linguaggio naturale. Tuttavia, il server MCP fornisce anche strumenti di elenco che restituiscono elenchi di risorse impaginati. Questi strumenti sono utili per enumerare le risorse o filtrare in base agli attributi delle risorse anziché alle ricerche in linguaggio naturale:

  • list_agents: restituisce un elenco impaginato di agenti all'interno di un progetto e di una località specifici Google Cloud .
  • list_mcp_servers: restituisce un elenco impaginato di server MCP all'interno di un progetto e di una località Google Cloud specifici.
  • list_endpoints, list_services: restituisce un elenco impaginato di endpoint registrati e risorse Service di cui è stato eseguito l'onboarding manuale in un progetto e in una località specifici.

Strumenti amministrativi

Le applicazioni AI utilizzano principalmente Agent Registry per il rilevamento. Tuttavia, il server MCP espone anche strumenti per gestire programmaticamente le voci del registro:

  • create_service: registra manualmente un nuovo componente agentico personalizzato , come un agente, un server MCP o un endpoint, fornendo la relativa specifica JSON.
  • update_service: aggiorna la specifica o i parametri di una risorsa Service esistente, ad esempio applicando una patch a una scheda dell'agente caricata.
  • delete_service: elimina una risorsa Service, annullando la registrazione dell'agente, del server MCP o dell'endpoint di cui è stato eseguito l'onboarding manuale dal registro.
  • create_binding, update_binding, delete_binding: gestisce programmaticamente le connessioni e i mapping di accesso delegato tra gli agenti e i server o gli endpoint MCP di destinazione.

Strumenti di elenco

Utilizza l'ispettore MCP per elencare gli strumenti o invia una tools/list richiesta HTTP direttamente al server MCP remoto di Agent Registry. Il metodo tools/list non richiede l'autenticazione.

POST /mcp HTTP/1.1
Host: agentregistry.googleapis.com
Content-Type: application/json

{
  "jsonrpc": "2.0",
  "method": "tools/list"
}

Esempi di casi d'uso

Quando connetti l'applicazione o l'agente AI al server MCP di Agent Registry, puoi utilizzare i prompt in linguaggio naturale per rilevare e recuperare dinamicamente le risorse nel tuo ambiente.

Di seguito sono riportati alcuni prompt di esempio che puoi utilizzare con l'applicazione AI connessa:

  • Rileva un agente in base alla competenza: "Trova un agente in grado di prenotare voli aziendali".
  • Rileva i server MCP: "Quali server MCP registrati offrono strumenti per i dati BigQuery?".
  • Recupera i dettagli di risorse specifiche: "Mostrami i metadati e i dettagli di configurazione dell'agente denominato projects/123456789/locations/global/agents/travel-agent".

Configurazioni di sicurezza e protezione facoltative

MCP introduce nuovi rischi e considerazioni sulla sicurezza a causa della vasta gamma di azioni che puoi eseguire con gli strumenti MCP. Per ridurre al minimo e gestire questi rischi, Google Cloud offre impostazioni predefinite e policy personalizzabili per controllare l'utilizzo degli strumenti MCP nella tua Google Cloud organizzazione o nel tuo progetto.

Per saperne di più sulla sicurezza e la governance di MCP, consulta Sicurezza e protezione dell'AI.

Utilizzare Model Armor

Model Armor è un Google Cloud servizio progettato per migliorare la sicurezza e la sicurezza delle applicazioni AI. Funziona controllando in modo proattivo i prompt e le risposte degli LLM, proteggendo da vari rischi e supportando le pratiche di AI responsabile. Che tu stia eseguendo il deployment dell'AI nel tuo ambiente cloud o su provider di servizi cloud esterni, Model Armor può aiutarti a prevenire input dannosi, verificare la sicurezza dei contenuti, proteggere i dati sensibili, mantenere la conformità e applicare in modo coerente le policy di sicurezza dell'AI nel tuo ambiente AI diversificato.

Quando Model Armor è abilitato con il logging abilitato, Model Armor registra l'intero payload. In questo modo, le informazioni sensibili potrebbero essere esposte nei log.

Abilitare Model Armor

Prima di poter utilizzare Model Armor, devi abilitare le API Model Armor.

Console

  1. Abilita l'API Model Armor.

    Ruoli richiesti per abilitare le API

    Per abilitare le API, devi disporre dell'autorizzazione serviceusage.services.enable. Se hai creato il progetto, probabilmente hai già questa autorizzazione tramite il ruolo Proprietario (roles/owner). In caso contrario, puoi ottenere questa autorizzazione tramite il ruolo Amministratore utilizzo servizi (roles/serviceusage.serviceUsageAdmin). Scopri come concedere i ruoli.

    Abilitare l'API

  2. Seleziona il progetto in cui vuoi attivare Model Armor.

gcloud

Prima di iniziare, segui questi passaggi utilizzando Google Cloud CLI con l'API Model Armor:

  1. Nella Google Cloud console, attiva Cloud Shell.

    Attiva Cloud Shell

    Nella parte inferiore della Google Cloud console viene avviata una sessione di Cloud Shell e viene visualizzato un prompt della riga di comando. Cloud Shell è un ambiente shell con Google Cloud CLI già inclusa e installata e con valori già impostati per il progetto corrente. L'inizializzazione della sessione può richiedere alcuni secondi.

  2. Esegui il comando seguente per impostare l'endpoint API per il servizio Model Armor.

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

    Sostituisci LOCATION con la regione in cui vuoi utilizzare Model Armor.

Configurare la protezione per i server MCP

Per proteggere le chiamate e le risposte degli strumenti MCP, puoi utilizzare le impostazioni di base di Model Armor. Un'impostazione di base definisce i filtri di sicurezza minimi che si applicano al progetto. Questa configurazione applica un insieme coerente di filtri a tutte le chiamate e le risposte degli strumenti MCP all'interno del progetto.

Configura un'impostazione di base di Model Armor con la sanificazione MCP abilitata. Per saperne di più, consulta Configurare le impostazioni di base di Model Armor.

Vedi il seguente comando di esempio:

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"}]'

Sostituisci PROJECT_ID con l'ID progetto Google Cloud .

Tieni presente le seguenti impostazioni:

  • INSPECT_AND_BLOCK: il tipo di applicazione che ispeziona i contenuti per il server MCP di Google e blocca i prompt e le risposte che corrispondono ai filtri.
  • ENABLED: l'impostazione che abilita un filtro o un'applicazione.
  • MEDIUM_AND_ABOVE: il livello di attendibilità per le impostazioni del filtro AI responsabile - Pericoloso. Puoi modificare questa impostazione, anche se valori inferiori potrebbero generare più falsi positivi. Per saperne di più, consulta Livelli di attendibilità di Model Armor.

Disabilitare l'analisi del traffico MCP con Model Armor

Per impedire a Model Armor di analizzare automaticamente il traffico da e verso i server MCP di Google in base alle impostazioni di base del progetto, esegui il comando seguente:

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

Sostituisci PROJECT_ID con l' Google Cloud ID progetto. Model Armor non applica automaticamente le regole definite nelle impostazioni di base di questo progetto al traffico del server MCP di Google.

Le impostazioni di base e la configurazione generale di Model Armor possono influire su più di un solo MCP. Poiché Model Armor si integra con servizi come Vertex AI, qualsiasi modifica apportata alle impostazioni di base può influire sull'analisi del traffico e sui comportamenti di sicurezza in tutti i servizi integrati, non solo in MCP.

Controllare l'utilizzo di MCP con i criteri di rifiuto IAM

I criteri di rifiuto di Identity and Access Management (IAM) ti aiutano a proteggere i server MCP remoti. Google Cloud Configura questi criteri per bloccare l'accesso indesiderato agli strumenti MCP.

Ad esempio, puoi negare o consentire l'accesso in base a:

  • L'entità
  • Proprietà degli strumenti come di sola lettura
  • L'ID client OAuth dell'applicazione

Per saperne di più, consulta Controllare l'utilizzo di MCP con Identity and Access Management.

Passaggi successivi