שימוש בשרת ה-MCP של BigQuery

במאמר הזה נסביר איך להשתמש בשרת Model Context Protocol‏ (MCP) מרוחק של BigQuery כדי להתחבר לאפליקציות AI, כולל Gemini CLI, ‏ ChatGPT, ‏ Claude ואפליקציות מותאמות אישית שאתם מפתחים. אפשר להשתמש בשרת MCP מרוחק של BigQuery כדי לבצע משימות כמו הפעלת שאילתות, קבלת מטא-נתונים ורישום משאבים. שרת ה-MCP המרוחק של BigQuery מופעל כשמפעילים את BigQuery API.

Model Context Protocol‏ (MCP) הוא תקן שקובע איך מודלים גדולים של שפה (LLM) ואפליקציות או סוכני AI מתחברים למקורות נתונים חיצוניים. שרתי MCP מאפשרים לכם להשתמש בכלים, במשאבים ובהנחיות שלהם כדי לבצע פעולות ולקבל נתונים מעודכנים משירות ה-Backend שלהם.

מה ההבדל בין שרתי MCP מקומיים לבין שרתי MCP מרחוק?

שרתי MCP מקומיים

בדרך כלל פועלים במחשב המקומי ומשתמשים בזרמי הקלט והפלט הרגילים (stdio) לתקשורת בין שירותים באותו מכשיר.

שרתי MCP מרוחקים

פועל בתשתית של השירות ומציע נקודת קצה של HTTP לאפליקציות AI לצורך תקשורת בין לקוח ה-MCP של ה-AI לבין שרת ה-MCP. מידע נוסף על ארכיטקטורת MCP זמין במאמר ארכיטקטורת MCP.

יכול להיות שתשתמשו בשרת MCP מקומי של BigQuery מהסיבות הבאות:

• צריך ליצור כלי מותאם אישית על בסיס שאילתת SQL עם פרמטרים.
• אין לך הרשאות להפעיל או להשתמש בשרת ה-MCP בפרויקט שלך.

מידע נוסף על השימוש בשרת MCP מקומי זמין במאמר חיבור מודלים של שפה גדולה ל-BigQuery באמצעות MCP. הקטעים הבאים רלוונטיים רק לשרת BigQuery MCP.

Google ושרתי MCP מרוחקים Google Cloud

לשרתי MCP של Google ושרתי MCP מרוחקים יש את התכונות והיתרונות הבאים: Google Cloud

• גילוי פשוט ומרכזי
• נקודות קצה (endpoints) מנוהלות של HTTP ברמה הגלובלית או האזורית
• הרשאות פרטניות
• אבטחת הנחיות ותשובות אופציונלית באמצעות הגנה מוגברת על המודל
• רישום מרכזי ביומן הביקורת

מידע על שרתי MCP אחרים ועל אמצעי אבטחה ובקרה שזמינים לשרתי Google Cloud MCP מופיע במאמר סקירה כללית על שרתי Google Cloud MCP.

לפני שמתחילים

נכנסים לחשבון Google Cloud . אם אתם משתמשים חדשים ב- Google Cloud, צרו חשבון כדי שתוכלו להעריך את הביצועים של המוצרים שלנו בתרחישים מהעולם האמיתי. לקוחות חדשים מקבלים בחינם גם קרדיט בשווי 300$ להרצה, לבדיקה ולפריסה של עומסי העבודה.

In the Google Cloud console, on the project selector page, select or create a Google Cloud project.

Roles required to select or create a project

• Select a project: Selecting a project doesn't require a specific IAM role—you can select any project that you've been granted a role on.
• Create a project: To create a project, you need the Project Creator role (roles/resourcemanager.projectCreator), which contains the resourcemanager.projects.create permission. Learn how to grant roles.

Note: If you don't plan to keep the resources that you create in this procedure, create a project instead of selecting an existing project. After you finish these steps, you can delete the project, removing all resources associated with the project.

Go to project selector

If you're using an existing project for this guide, verify that you have the permissions required to complete this guide. If you created a new project, then you already have the required permissions.

In the Google Cloud console, on the project selector page, select or create a Google Cloud project.

Roles required to select or create a project

• Select a project: Selecting a project doesn't require a specific IAM role—you can select any project that you've been granted a role on.
• Create a project: To create a project, you need the Project Creator role (roles/resourcemanager.projectCreator), which contains the resourcemanager.projects.create permission. Learn how to grant roles.

Note: If you don't plan to keep the resources that you create in this procedure, create a project instead of selecting an existing project. After you finish these steps, you can delete the project, removing all resources associated with the project.

Go to project selector

If you're using an existing project for this guide, verify that you have the permissions required to complete this guide. If you created a new project, then you already have the required permissions.

1. מפעילים את BigQuery API.

   תפקידים שנדרשים להפעלת ממשקי API

   כדי להפעיל ממשקי API, נדרשת ההרשאה serviceusage.services.enable. אם יצרתם את הפרויקט, סביר להניח שכבר יש לכם את ההרשאה הזו דרך התפקיד 'בעלים' (roles/owner). אחרת, תוכלו לקבל את ההרשאה הזו דרך התפקיד 'אדמין בממשק 'שימוש בשירות'' (roles/serviceusage.serviceUsageAdmin). איך מקצים תפקידים

   להפעלת ה-API

   בפרויקטים חדשים, BigQuery API מופעל באופן אוטומטי.

2. אופציונלי: מפעילים את החיוב בפרויקט. גם אם אתם לא רוצים להפעיל חיוב או לספק כרטיס אשראי, השלבים שבמסמך הזה עדיין רלוונטיים. ‫BigQuery מספק לכם ארגז חול לביצוע השלבים. מידע נוסף זמין במאמר בנושא הפעלת ארגז החול של BigQuery.
   הערה: אם לפרויקט שלכם יש חשבון לחיוב ואתם רוצים להשתמש ב-Sandbox של BigQuery, אתם צריכים להשבית את החיוב בפרויקט.

התפקידים הנדרשים

כדי לקבל את ההרשאות שדרושות לשימוש בשרת BigQuery MCP, צריך לבקש מהאדמין להקצות לכם את תפקידי ה-IAM הבאים בפרויקט שבו רוצים להשתמש בשרת BigQuery MCP:

• ביצוע קריאות לכלי MCP: משתמש בכלי MCP (roles/mcp.toolUser)
• הפעלת משימות BigQuery: BigQuery Job User (roles/bigquery.jobUser)
• הפעלת שאילתות על נתונים ב-BigQuery: BigQuery Data Viewer (roles/bigquery.dataViewer)

להסבר על מתן תפקידים, ראו איך מנהלים את הגישה ברמת הפרויקט, התיקייה והארגון.

התפקידים המוגדרים מראש האלה מכילים את ההרשאות שנדרשות לשימוש בשרת BigQuery MCP. כדי לראות בדיוק אילו הרשאות נדרשות, אפשר להרחיב את הקטע ההרשאות הנדרשות:

ההרשאות הנדרשות

כדי להשתמש בשרת BigQuery MCP, נדרשות ההרשאות הבאות:

• ביצוע קריאות לכלי ה-MCP: mcp.tools.call
• הפעלת משימות ב-BigQuery: bigquery.jobs.create
• הפעלת שאילתות על נתונים ב-BigQuery: bigquery.tables.getData

יכול להיות שתקבלו את ההרשאות האלה באמצעות תפקידים בהתאמה אישית או תפקידים מוגדרים מראש אחרים.

יכול להיות שיידרשו הרשאות נוספות ב-BigQuery, בהתאם למשימה. מידע על הרשאות ב-BigQuery זמין במאמר תפקידים והרשאות של IAM ב-BigQuery.

אימות והרשאה

שרתי MCP של BigQuery משתמשים בפרוטוקול OAuth 2.0 עם IAM לאימות ולהרשאה. כל Google Cloud הזהויות נתמכות לצורך אימות לשרתי MCP.

שרת ה-MCP של BigQuery לא מקבל מפתחות API.

היקפי ההרשאות של OAuth ב-BigQuery MCP

ב-OAuth 2.0 משתמשים בהיקפי הרשאות ובפרטי כניסה כדי לקבוע אם לגורם מאומת מסוים יש הרשאה לבצע פעולה ספציפית במשאב. מידע נוסף על היקפי ההרשאות של OAuth 2.0 ב-Google זמין במאמר שימוש ב-OAuth 2.0 לגישה ל-Google APIs.

ל-BigQuery יש את היקפי הגישה הבאים של OAuth בכלי MCP:

URI של היקף ל-CLI של gcloud	תיאור
https://www.googleapis.com/auth/bigquery	הצגה וניהול של הנתונים שלכם ב-BigQuery והצגת כתובת האימייל של חשבון Google שלכם.

יכול להיות שיידרשו היקפי הרשאות נוספים במשאבים שאליהם ניגשים במהלך הפעלת כלי. כדי לראות רשימה של היקפי ההרשאות שנדרשים ל-BigQuery, אפשר לעיין במאמר בנושא היקפי הרשאות OAuth 2.0 ל-BigQuery API v2.

הגדרת לקוח MCP לשימוש בשרת BigQuery MCP

אפליקציות וסוכנים מבוססי-AI, כמו Claude או Antigravity, יכולים ליצור מופע של לקוח MCP שמתחבר לשרת MCP יחיד. לאפליקציית AI יכולים להיות כמה לקוחות שמתחברים לשרתי MCP שונים. אם האפליקציה שלכם לא מופיעה בהנחיות הספציפיות ללקוח, תוכלו להשתמש במידע הבא כדי להתחבר מרוב האפליקציות.

באפליקציית ה-AI, מחפשים דרך להוסיף או להתחבר לשרת MCP מרוחק. בשרת BigQuery MCP, מזינים את הפרטים הבאים לפי הצורך:

• שם השרת: BigQuery MCP server
• כתובת URL של השרת או נקודת קצה: https://bigquery.googleapis.com/mcp
• Transport: HTTP

• פרטי אימות: Google Cloud פרטי הכניסה שלכם, מזהה הלקוח והסוד של OAuth, או זהות ופרטי כניסה של סוכן

  פרטי האימות שבוחרים תלויים בשיטת האימות שרוצים להשתמש בה. מידע נוסף זמין במאמר בנושא אימות לשרתי MCP.

  ‫URI של הפניה אוטומטית

באפליקציות מבוססות-אינטרנט ובחלק מהאפליקציות למחשב, צריך להוסיף לרשימת ההיתרים URI להפניה אוטומטית כשיוצרים מזהה לקוח וסוד לאימות. שרת ההרשאות משתמש בכתובות ה-URI להפניה אוטומטית כדי לשלוח טוקנים לאפליקציה שלכם. במסמכי התיעוד של האפליקציה צריך לציין את ה-URI להפניה אוטומטית שבו צריך להשתמש. אין תמיכה בכתובות URI מותאמות אישית להפניה אוטומטית.

הנחיות ספציפיות לאפליקציות לגבי הגדרה וחיבור לשרת MCP מפורטות במאמר הנחיות ספציפיות ללקוחות.

הנחיות כלליות נוספות זמינות במקורות המידע הבאים:

• חיבור לשרתי MCP מרוחקים.
• הגדרת MCP באפליקציית AI.

כלים זמינים

כדי לראות פרטים על כלי MCP זמינים והתיאורים שלהם בשרת BigQuery MCP, אפשר לעיין בהפניה ל-BigQuery MCP.

מגבלות

השימוש בכלי MCP של BigQuery כפוף למגבלות הבאות:

• הכלים execute_sql ו-execute_sql_readonly לא תומכים בשאילתות של טבלאות חיצוניות ב-Google Drive.
• כברירת מחדל, הכלים execute_sql ו-execute_sql_readonly מגבילים את זמן העיבוד של השאילתות לשלוש דקות. שאילתות שפועלות יותר משלוש דקות מבוטלות באופן אוטומטי.
• תוצאות השאילתה מוגבלות ל-3,000 שורות לכל היותר.
• הכלי execute_sql_readonly מאפשר לבצע רק פעולות של קריאה בלבד על הנתונים. לא נתמכות מוטציות כמו הצהרות DML, הצהרות DDL ופונקציות UDF של Python.

כלים ליצירת רשימות

אפשר להשתמש בכלי הבדיקה של MCP כדי לראות רשימה של כלים, או לשלוח בקשת HTTP‏ tools/list ישירות לשרת BigQuery MCP. בשיטה tools/list לא נדרש אימות.

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

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

דחיית הגישה לכלים

כלי ה-MCP היחיד שאינו לקריאה בלבד הוא execute_sql. אתם יכולים להגביל את הגישה אל הכלי execute_sql באמצעות יצירה של מדיניות דחייה שמגבילה את השימוש בכלי MCP לקריאה וכתיבה.

תרחישים לדוגמה

אלה כמה תרחישי שימוש לדוגמה בשרת BigQuery MCP:

• יצירת תהליכי עבודה שמשתמשים בתובנות מנתוני BigQuery כדי להפעיל פעולות מסוימות, כמו יצירת בעיות וחיבור אימיילים.

• כדי להפיק תובנות ברמה גבוהה יותר, אפשר להשתמש ביכולות המתקדמות של BigQuery, כמו תחזיות.

• אפשר ליצור חוויית שיחה למשתמשים באמצעות הוראות מותאמות אישית לסוכן.

הנחיות לדוגמה

אפשר להשתמש בהנחיות לדוגמה הבאות כדי לקבל מידע על משאבי BigQuery, לקבל תובנות ולנתח נתונים של BigQuery:

• ‫"List the datasets in project PROJECT_ID." (הצגת רשימת מערכי הנתונים בפרויקט PROJECT_ID).
• ‫"Find all the queries that I ran in project PROJECT_ID using the MCP server in the REGION region. מומלץ להשתמש בתג goog-mcp-server:true כדי לזהות את משימות השאילתות שהופעלו דרך שרת ה-MCP".
• ‫"Find the top orders by volume from DATASET_ID in project PROJECT_ID. תזהה את הטבלאות המתאימות, תמצא את הסכימה הנכונה ותציג את התוצאות".
• ‫"Create a forecast on the table PROJECT_ID.DATASET_ID.TABLE_ID for future years. משתמשים בעמודה COLUMN_NAME כעמודת הנתונים ובעמודה COLUMN_NAME כעמודת חותמת הזמן. תציג את 10 התחזיות המובילות".

בהנחיות, מחליפים את מה שכתוב בשדות הבאים:

• ‫PROJECT_ID: מזהה הפרויקט Google Cloud
• ‫REGION: שם האזור
• ‫DATASET_ID: השם של מערך הנתונים
• ‫TABLE_ID: שם הטבלה
• ‫COLUMN_NAME: שם העמודה

הגדרות אבטחה ובטיחות אופציונליות

ה-MCP מציג סיכוני אבטחה חדשים ושיקולים חדשים בגלל המגוון הרחב של פעולות שאפשר לבצע באמצעות כלי ה-MCP. כדי למזער את הסיכונים האלה ולנהל אותם,Google Cloud מציע הגדרות ברירת מחדל ומדיניות שניתנת להתאמה אישית כדי לשלוט בשימוש בכלי MCP בארגון או בפרויקט שלכם ב- Google Cloud.

מידע נוסף על אבטחה וניהול של MCP זמין במאמר בנושא אבטחה ובטיחות של AI.

שימוש בהגנה מוגברת על המודל

‫Model Armor הואGoogle Cloud שירות שנועד לשפר את האבטחה והבטיחות של אפליקציות ה-AI שלכם. היא פועלת על ידי סינון יזום של הנחיות ותשובות של מודלים גדולים של שפה (LLM), הגנה מפני סיכונים שונים ותמיכה בשיטות עבודה אחראיות בתחום ה-AI. בין אם אתם פורסים AI בסביבת הענן שלכם או אצל ספקי שירותי ענן חיצוניים, הגנה מוגברת על המודל יכול לעזור לכם למנוע קלט זדוני, לאמת את בטיחות התוכן, להגן על מידע אישי רגיש, לשמור על תאימות ולאכוף את מדיניות הבטיחות והאבטחה של ה-AI באופן עקבי בסביבת ה-AI המגוונת שלכם.

כשמפעילים את Model Armor עם הפעלת רישום ביומן, המערכת רושמת ביומן את כל מטען הנתונים. הפעולה הזו עלולה לחשוף מידע רגיש ביומני הרישום.

שימו לב: Model Armor זמין באזורים מסוימים. כש-Model Armor מופעל ואתם משתמשים בשרת MCP בתחום שיפוט ש-Model Armor לא תומך בו, יכול להיות שהתנהגות הניתוב של השיחה תהיה שונה בשרתי MCP שונים. מידע נוסף על ההתנהגות של שרתי MCP בודדים זמין במאמר בנושא מוצרים נתמכים של הגנה מוגברת על המודל.

הפעלת Model Armor

כדי להשתמש ב-Model Armor, צריך להפעיל את ממשקי ה-API של Model Armor.

המסוף

1. מפעילים את Model Armor API.

   תפקידים שנדרשים להפעלת ממשקי API

   כדי להפעיל ממשקי API, נדרשת ההרשאה serviceusage.services.enable. אם יצרתם את הפרויקט, סביר להניח שכבר יש לכם את ההרשאה הזו דרך התפקיד 'בעלים' (roles/owner). אחרת, תוכלו לקבל את ההרשאה הזו דרך התפקיד 'אדמין בממשק 'שימוש בשירות'' (roles/serviceusage.serviceUsageAdmin). איך מקצים תפקידים

   להפעלת ה-API

2. בוחרים את הפרויקט שבו רוצים להפעיל את Model Armor.

gcloud

לפני שמתחילים, צריך לבצע את השלבים הבאים באמצעות Google Cloud CLI עם Model Armor API:

1. במסוף Google Cloud , מפעילים את Cloud Shell.

   הפעלת Cloud Shell

   בחלק התחתון של Google Cloud המסוף יתחיל סשן של Cloud Shell ותופיע הודעה של שורת הפקודה. Cloud Shell היא סביבת מעטפת שבה ה-CLI של Google Cloud מותקן ומוגדרים ערכים לפרויקט הקיים. הסשן יופעל תוך כמה שניות.

2. מריצים את הפקודה הבאה כדי להגדיר את נקודת קצה ל-API לשירות הגנה מוגברת על המודל.

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

   מחליפים את LOCATION באזור שבו רוצים להשתמש ב-Model Armor.

הגדרת הגנה לשרתי MCP של Google ושרתי MCP מרוחקים Google Cloud

כדי להגן על השיחות והתשובות של כלי ה-MCP, אפשר להשתמש בהגדרות של Model Armor. הגדרת רמת בסיס מגדירה את מסנני האבטחה המינימליים שחלים על הפרויקט. ההגדרה הזו מחילה קבוצה עקבית של מסננים על כל הקריאות והתשובות של כלי MCP בפרויקט.

הערה: אל תפעילו את המסנן של הזרקת הנחיות ופריצה של מודלים, אלא אם התנועה שלכם ב-MCP כוללת נתונים בשפה טבעית.

הגדרת סף תחתון של הגנה מוגברת על המודל עם הפעלת ניקוי נתונים ב-MCP. מידע נוסף זמין במאמר בנושא הגדרת ערכי סף ב-Model Armor.

הערה: אם הסוכן ושרת ה-MCP נמצאים בפרויקטים שונים, אפשר ליצור הגדרות של רצפה בשני הפרויקטים (פרויקט הלקוח ופרויקט המשאב). במקרה הזה, Model Armor מופעל פעמיים, פעם אחת לכל פרויקט.

דוגמה לפקודה:

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"}]'

מחליפים את PROJECT_ID במזהה הפרויקט ב- Google Cloud .

שימו לב להגדרות הבאות:

• ‫INSPECT_AND_BLOCK: סוג האכיפה שבודק את התוכן בשרת MCP של Google וחוסם הנחיות ותשובות שתואמות למסננים.
• ‫ENABLED: ההגדרה שמפעילה מסנן או אכיפה.
• ‫MEDIUM_AND_ABOVE: רמת המהימנות של ההגדרות של המסנן 'שימוש אחראי ב-AI – מסוכן'. אפשר לשנות את ההגדרה הזו, אבל ערכים נמוכים יותר עלולים להוביל ליותר תוצאות חיוביות כוזבות. מידע נוסף זמין במאמר בנושא רמות הסמך של Model Armor.

השבתת סריקת תעבורת נתונים של MCP באמצעות הגנה מוגברת על המודל

כדי להפסיק את הסריקה האוטומטית של התנועה אל השרתים של Google MCP וממנה על ידי Model Armor על סמך הגדרות הרצפה של הפרויקט, מריצים את הפקודה הבאה:

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

מחליפים את PROJECT_ID במזהה הפרויקט ב- Google Cloud . התכונה הגנה מוגברת על המודל לא מחילה באופן אוטומטי את הכללים שמוגדרים בהגדרות אבטחה מינימליות של הפרויקט הזה על תעבורת נתונים של שרת Google MCP.

ההגדרות של הסף התחתון של Model Armor וההגדרה הכללית יכולות להשפיע על יותר דברים מאשר רק על MCP. ‫Model Armor משולב עם שירותים כמו Vertex AI, ולכן כל שינוי שתבצעו בהגדרות של רמת הבסיס יכול להשפיע על סריקת התנועה ועל התנהגויות הבטיחות בכל השירותים המשולבים, ולא רק ב-MCP.

שליטה בשימוש ב-MCP באמצעות כללי מדיניות דחייה ב-IAM

כללי מדיניות הדחייה של ניהול זהויות והרשאות גישה (IAM) עוזרים לכם לאבטח שרתי MCP מרוחקים. Google Cloud כדאי להגדיר את המדיניות הזו כדי לחסום גישה לא רצויה לכלי MCP.

לדוגמה, אתם יכולים לדחות או לאשר גישה על סמך:

• הקרן
• מאפייני כלי כמו קריאה בלבד
• מזהה הלקוח ב-OAuth של האפליקציה

מידע נוסף זמין במאמר שליטה בשימוש ב-MCP באמצעות ניהול זהויות וגישה.

מכסות ומגבלות

לשרת ה-MCP של BigQuery אין מכסות משלו. אין הגבלה על מספר הקריאות שאפשר לבצע לשרת ה-MCP.

אתם עדיין כפופים למכסות שנאכפות על ידי ממשקי ה-API שמופעלים על ידי כלי השרת של ה-MCP. השיטות הבאות של ה-API מופעלות על ידי כלי שרת ה-MCP:

כלי	שיטת ה-API	מכסות
list_dataset_ids	datasets.list	מכסות ומגבלות של מערכי נתונים
list_table_ids	tables.list	מכסות ומגבלות של טבלאות
get_dataset_info	datasets.get	מכסות ומגבלות של מערכי נתונים
get_table_info	tables.get	מכסות ומגבלות של טבלאות
execute_sql	jobs.Query	מכסות ומגבלות של עבודות שאילתה
execute_sql_readonly	jobs.Query	מכסות ומגבלות של עבודות שאילתה

מידע נוסף על מכסות ב-BigQuery זמין במאמר מכסות ומגבלות.

המאמרים הבאים

• אפשר לעיין במאמרי העזרה בנושא BigQuery MCP.
• מידע נוסף על השרתים של Google Cloud MCP
• כאן אפשר לראות את המוצרים הנתמכים ב-MCP.