Menggunakan server MCP lokal Backup and DR untuk mengaktifkan operasi pencadangan dengan perintah bahasa alami

Server Model Context Protocol (MCP) lokal Backup and DR memungkinkan asisten AI dan aplikasi yang didukung LLM berinteraksi secara aman dengan lingkungan pencadangan Anda. Dengan menjalankan server secara lokal, Anda dapat menggunakan AI generatif untuk mengelola tugas Backup and DR—seperti membuat vault cadangan dan rencana cadangan, atau mengaktifkan notifikasi pemberitahuan—menggunakan perintah bahasa alami sambil mempertahankan kontrol atas lingkungan lokal Anda. Pelajari lebih lanjut cara menggunakan server MCP untuk berinteraksi di berbagai Google Cloud layanan.

Server MCP lokal Backup and DR bertindak sebagai jembatan antara host yang kompatibel dengan MCP (seperti Gemini CLI, ChatGPT, atau Claude Code) dan Backup and DR API Google Cloud .

Karena server berjalan di workstation Anda, AI dapat menggunakan kredensial lokal dan jalur jaringan Anda untuk berkomunikasi langsung dengan Google Cloud.

Server MCP lokal Backup and DR memberikan manfaat berikut:

  • Pengelolaan berbasis AI: Gunakan perintah bahasa alami untuk mengotomatiskan dan menyederhanakan tugas Backup and DR yang kompleks.
  • Keamanan: Data Anda tetap berada dalam perimeter yang ditentukan. Server lokal menggunakan autentikasi Google Cloud CLI yang ada.
  • Pemecahan masalah yang disederhanakan: Identifikasi dan beri tahu pengguna tentang kegagalan tugas pencadangan dan pemulihan, serta dapatkan langkah-langkah perbaikan untuk memperbaiki error.
  • Penemuan terpusat: Berinteraksi di berbagai Google Cloud layanan, seperti Cloud Monitoring, Cloud Storage, dan BigQuery, menggunakan lingkungan MCP yang sama.

Sebelum memulai

Sebelum menyiapkan server MCP lokal untuk Backup and DR, pastikan Anda memiliki hal berikut:

  • Project Google Cloud dengan Backup and DR, Compute Engine, dan Cloud SQL API diaktifkan.
  • Host MCP, seperti Gemini CLI.
  • Lingkungan lokal dengan hal berikut:
    • Node.js (v20+)
    • Google Cloud SDK (Google Cloud CLI) diinisialisasi dan diautentikasi.

Izin yang diperlukan

Pengguna memerlukan peran dan izin Identity and Access Management (IAM) yang relevan untuk melakukan tugas yang sesuai menggunakan server MCP lokal. Contoh:

  • roles/backupdr.viewer (untuk membuat kueri informasi dan status metadata)
  • roles/backupdr.restoreUser (untuk memicu pemulihan)

Menyiapkan server MCP lokal

Untuk menginstal Gemini CLI dan menyiapkan server MCP lokal Backup and DR, ikuti langkah-langkah berikut:

  1. Menginstal Gemini CLI

    Untuk mengintegrasikan server MCP lokal Backup and DR dengan Gemini CLI atau Gemini Code Assist, jalankan perintah penyiapan ini. Tindakan ini akan menginstal server MCP sebagai ekstensi Gemini CLI untuk pengguna saat ini, sehingga tersedia untuk semua project Anda.

    npm install -g @google/gemini-cli
    

    Untuk mengetahui informasi selengkapnya, lihat https://geminicli.com/docs/get-started/installation.

  2. Menyiapkan server MCP lokal Backup and DR

    Untuk menginstal server MCP Backup and DR, jalankan perintah ini. Secara default, server akan diinstal di tingkat akses READ_ONLY.

    npx @google-cloud/backupdr-mcp init --agent=gemini-cli
    

    Setelah proses penginstalan, Anda dapat memverifikasi bahwa server MCP Backup and DR dikonfigurasi dengan benar dengan menjalankan perintah berikut:

    gemini mcp list
    

    Output akan menampilkan status yang mirip dengan berikut ini:

    > ✓ backupdr (from @google-cloud/backupdr-mcp): npx -y backupdr-mcp --access-level READ_ONLY (stdio) - Connected
    
  3. Mengonfigurasi server MCP lokal

    Anda dapat menyesuaikan perilaku server MCP menggunakan tanda berikut.

    1. Mengonfigurasi tingkat akses.

      Tingkat akses mengontrol alat mana yang tersedia untuk agen AI.

      • Tanda: --access-level
      • Nilai: READ_ONLY (default), UPSERT, ALL

      • READ_ONLY: Menyediakan alat hanya baca untuk penemuan dan pemeriksaan.

        npx @google-cloud/backupdr-mcp init --agent=gemini-cli --access-level=READ_ONLY
        
      • UPSERT: Menyediakan alat penemuan, pemeriksaan, pembuatan, dan pembaruan (termasuk pemulihan).

        npx @google-cloud/backupdr-mcp init --agent=gemini-cli --access-level=UPSERT
        
      • SEMUA: Menyediakan semua alat, termasuk operasi destruktif seperti penghapusan.

        npx @google-cloud/backupdr-mcp init --agent=gemini-cli --access-level=ALL
        
    2. Mengonfigurasi file konteks

    File konteks adalah fitur yang efektif untuk memberikan konteks instruksional ke model Gemini. Server MCP Backup and DR dilengkapi dengan beberapa informasi konteks tentang cara menggunakan alat dan alur kerja umum.

    • Tanda: --overwrite-context-file
    • Nilai: true, false (default)
    • Lokasi: ~/.gemini/backupdr-mcp/GEMINI.md

    Secara default, file konteks hanya dibuat jika belum ada. Untuk menginstal server MCP dengan menimpa file konteks, jalankan perintah berikut:

    npx @google-cloud/backupdr-mcp init --agent=gemini-cli --overwrite-context-file=true
    

    Jika --overwrite-context-file ditetapkan ke false, konteks akan dibuat hanya jika belum ada di direktori saat penginstalan ekstensi.

    Untuk menginstal server MCP lokal tanpa menimpa file konteks, jalankan perintah berikut:

    npx @google-cloud/backupdr-mcp init --agent=gemini-cli --overwrite-context-file=false
    

    Untuk mengetahui detail selengkapnya, lihat Memberikan konteks dengan file GEMINI.md.

  4. Mengonfigurasi autentikasi dan otorisasi pengguna

    Server MCP menggunakan Kredensial Default Aplikasi (ADC) untuk melakukan operasi. Pemeriksaan IAM yang berlaku untuk Backup and DR Service dilakukan pada ADC. Untuk mengetahui informasi selengkapnya tentang kredensial default aplikasi, lihat Menyiapkan Kredensial Default Aplikasi.

    1. Untuk mengonfigurasi kredensial, jalankan perintah berikut:

      gcloud auth application-default login
      
    2. Untuk menggunakan kredensial akun layanan, bukan kredensial Anda sendiri, tiru identitas akun layanan menggunakan Kredensial Default Aplikasi (ADC). Jalankan perintah berikut untuk meniru identitas akun layanan:

      gcloud auth application-default login --impersonate-service-account [SERVICE_ACCOUNT_EMAIL]
      

Alat yang tersedia

Server MCP lokal Backup and DR mencakup alat berikut.

Alat hanya baca

Alat ini memungkinkan penemuan dan pemeriksaan resource Backup and DR tanpa mengizinkan pengeditan apa pun.

Alat Deskripsi
list_backup_vaults Mencantumkan semua vault cadangan dalam project dan lokasi.
get_backup_vault Mendapatkan detail vault cadangan tertentu.
list_backup_plans Mencantumkan semua rencana cadangan dalam project dan lokasi.
get_backup_plan Mendapatkan detail rencana cadangan tertentu.
list_backup_plan_associations Mencantumkan semua hubungan antara rencana cadangan dan resource.
get_backup_plan_association Mendapatkan detail hubungan rencana cadangan tertentu.
list_datasources Mencantumkan semua sumber data dalam vault cadangan.
get_datasource Mendapatkan detail sumber data tertentu.
list_backups Mencantumkan semua cadangan untuk sumber data tertentu.
get_backup Mendapatkan detail cadangan tertentu.
find_protectable_resources Menemukan resource (VM, Disk, SQL) yang dapat dilindungi.
get_backupdr_operation Mengambil status operasi Backup and DR yang berjalan lama.
get_csql_operation Mengambil status operasi Cloud SQL yang berjalan lama.

Alat Upsert

Alat ini memungkinkan pembuatan dan pembaruan resource, termasuk operasi pemulihan.

Alat Deskripsi
create_backup_vault Membuat vault cadangan baru di lokasi yang ditentukan.
create_backup_plan Membuat rencana cadangan baru dengan aturan dan retensi.
update_backup_plan Mengubah rencana cadangan yang ada.
create_backup_plan_association Mengaitkan resource dengan rencana cadangan.
restore_backup Memulihkan cadangan ke instance atau disk Compute Engine target.
csql_restore Memulihkan cadangan Cloud SQL ke instance target.

Alat penghapusan

Alat ini mencakup kemampuan untuk menghapus resource. Aktifkan hanya jika diperlukan dengan menetapkan tingkat akses ke ALL.

Alat Deskripsi
delete_backup_vault Menghapus vault cadangan.
delete_backup_plan Menghapus rencana cadangan.
delete_backup_plan_association Menghapus perlindungan dari resource.
delete_backup Menghapus cadangan tertentu dari vault.

Contoh perintah

Setelah server terhubung, Anda dapat menggunakan perintah bahasa alami di klien AI untuk mengelola lingkungan pencadangan.

  • Menilai kesehatan cadangan di seluruh project

    Show the list of unprotected resources in project PROJECT_ID for region LOCATION.
    

    Ganti kode berikut:

    • PROJECT_ID: Project ID tempat Anda ingin memeriksa kesehatan cadangan.
    • LOCATION: Region tempat resource Anda berada.
  • Membuat vault cadangan dan rencana cadangan

    Create a backup vault named VAULT_NAME in LOCATION to protect resource RESOURCE_NAME using backup plan PLAN_NAME.
    

    Ganti kode berikut:

    • VAULT_NAME: Nama vault cadangan baru.
    • LOCATION: Region tempat Anda ingin membuat vault.
    • RESOURCE_NAME: Nama resource yang akan dilindungi.
    • PLAN_NAME: Nama rencana cadangan yang akan diterapkan.
  • Mengaudit cadangan untuk kepatuhan

    Audit all backups in the project PROJECT_ID in the region LOCATION. Once the audit is complete, compare the findings against my corporate backup policy to identify any compliance gaps.
    

    Ganti kode berikut:

    • PROJECT_ID: Project ID yang akan diaudit.
    • LOCATION: Region yang akan diaudit.
  • Analisis akar masalah untuk kegagalan

    Perintah ini memerlukan alat observability. Untuk menginstal alat MCP ini, lihat Alat MCP yang Tersedia di GitHub.

    Identify and investigate the root cause of the resource RESOURCE_NAME backup failure in the last DURATION days in project PROJECT_ID.
    

    Ganti kode berikut:

    • RESOURCE_NAME: Nama resource dengan kegagalan cadangan.
    • DURATION: Jendela waktu untuk investigasi (misalnya, 7).
    • PROJECT_ID: Project ID tempat kegagalan terjadi.
  • Memulihkan cadangan

    Restore the last successful backup for resource RESOURCE_NAME from project PROJECT_ID. Name the restored instance NEW_INSTANCE_NAME.
    

    Ganti kode berikut:

    • RESOURCE_NAME: Nama resource yang akan dipulihkan.
    • PROJECT_ID: Project ID yang berisi cadangan.
    • NEW_INSTANCE_NAME: Nama untuk instance yang dipulihkan.
  • Membuat kebijakan pemberitahuan

    Anda dapat mengaktifkan pemberitahuan untuk kombinasi log dan filter tambahan apa pun.

    Perintah ini memerlukan alat gcloud. Untuk menginstal alat MCP ini, lihat Alat MCP yang Tersedia di GitHub.

    Create a log-based alert policy named ALERT_NAME to trigger on any log entry from `backupdr.googleapis.com` with severity `ERROR`. Send notification of the alerts immediately to EMAIL_ADDRESS.
    

    Ganti kode berikut:

    • ALERT_NAME: Nama untuk kebijakan pemberitahuan baru.
    • EMAIL_ADDRESS: Email untuk menerima notifikasi.

Mengakses server menggunakan klien AI lainnya

Anda dapat menggunakan server MCP Backup and DR dengan klien lain.

  • Untuk melakukannya, tambahkan cuplikan berikut ke file konfigurasi JSON masing-masing:

    "backupdr": {
      "command": "npx",
      "args": ["-y", "@google-cloud/backupdr-mcp"]
    }
    

Petunjuk untuk alat populer:

  • Claude Desktop: Buka Claude > Settings > Developer > Edit Config dan edit claude_desktop_config.json.
  • Cline: Klik ikon Server MCP, lalu Konfigurasi Server MCP untuk mengedit cline_mcp_settings.json.
  • Cursor: Edit .cursor/mcp.json untuk satu project atau ~/.cursor/mcp.json untuk semua project.
  • Gemini CLI (Penyiapan Manual): Jika tidak menggunakan ekstensi, edit .gemini/settings.json untuk satu project atau ~/.gemini/settings.json untuk semua project.

  • Untuk Visual Studio Code, edit file .vscode/mcp.json di ruang kerja Anda untuk satu project atau file setelan pengguna global Anda untuk semua project:

    "servers": {
      "backupdr": {
        "command": "npx",
        "args": ["-y", "@google-cloud/backupdr-mcp"]
      }
    }
    

Pernyataan penyangkalan

Operasi yang dibantu AI masih terus berkembang; meskipun kami memprioritaskan akurasi, perlu diingat bahwa output berbasis model dapat mencakup ketidakakuratan dan harus selalu ditinjau kebenarannya.

Langkah berikutnya