שימוש בשרת ה-MCP של שירות ההעברה ל-BigQuery

במאמר הזה מוסבר איך להשתמש בשרת Model Context Protocol‏ (MCP) מרוחק של BigQuery כדי להתחבר לאפליקציות AI, כולל Antigravity, ‏ ChatGPT, ‏ Claude ואפליקציות בהתאמה אישית שאתם מפתחים. אתם יכולים להשתמש בשרת Model Context Protocol ‏(MCP) של BigQuery Migration Service כדי לבצע משימות כמו תרגום שאילתות SQL וקבוצות של קובצי SQL לתחביר GoogleSQL, תרגום מטא-נתונים להצהרות DDL, יצירת הצעות ל-DDL משאילתות קלט של SQL וקבלת הסברים על תרגומי SQL. שרת ה-MCP המרוחק של BigQuery מופעל כשמפעילים את BigQuery API.

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

מה ההבדל בין שרתי MCP מקומיים לשרתי MCP מרוחקים?

שרתי MCP מקומיים
בדרך כלל פועלים במחשב המקומי ומשתמשים בזרמי הקלט והפלט הסטנדרטיים (stdio) לתקשורת בין שירותים באותו מכשיר.
שרתי MCP מרוחקים
הם פועלים בתשתית של השירות ומציעים נקודת קצה (endpoint) מסוג HTTP לאפליקציות AI, כדי לאפשר תקשורת בין לקוח ה-MCP של ה-AI לבין שרת ה-MCP. מידע נוסף על ארכיטקטורת MCP

ליבה בלי שמירת מצב

בגרסת MCP‏ 2026-07-28, פרוטוקול MCP משתנה מפרוטוקול דו-כיווני עם שמירת מצב (stateful) לפרוטוקול ללא שמירת מצב (stateless). כל בקשת MCP מתארת את עצמה ואפשר לנתב אותה באמצעות כותרות. אין צורך בלחיצת היד של initialize/initialized או ב-Mcp-Session-Id כי כל בקשה כוללת את כל המידע הנדרש בכותרות ה-HTTP או בפרמטר _meta. שרתי MCP יכולים לבקש מידע נוסף שנדרש לכלי באמצעות בקשות מרובות-סבבים (MRTR).

כדי לעזור לנתב ולעבד בקשות בלי לנתח את גוף הבקשה, נדרשות כמה כותרות MCP, כולל:

מידע נוסף על ארכיטקטורת MCP זמין במפרט של גרסת MCP ‏2026-07-28 ובשינויים העיקריים.

שרתי MCP של Google ושרתי MCP מרוחקים של Google Cloud

לשרתי MCP של Google ושל Google Cloud יש את התכונות והיתרונות הבאים:

  • חיפוש פשוט ומרוכז
  • נקודות קצה (endpoints) מנוהלות של HTTP גלובלי או אזורי
  • הרשאה פרטנית
  • אבטחה אופציונלית של הנחיות ותשובות באמצעות הגנה מוגברת על המודל
  • רישום מרכזי ביומן הביקורת

במאמר סקירה כללית על שרתי Google Cloud MCP תוכלו לקרוא על שרתי MCP אחרים ועל אמצעי האבטחה והפיקוח שזמינים לשרתי Google Cloud MCP.

לפני שמתחילים

  1. נכנסים לחשבון Google Cloud . אנחנו ממליצים למשתמשים חדשים ב- Google Cloudליצור חשבון כדי שיוכלו להעריך את הביצועים של המוצרים שלנו בתרחישים מהעולם האמיתי. לקוחות חדשים מקבלים בחינם גם קרדיט בשווי 300$ להרצה, לבדיקה ולפריסה של עומסי העבודה.

  2. 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.

    Go to project selector

  3. 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.

  4. 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.

    Go to project selector

  5. 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.

  6. מפעילים את BigQuery Migration Service API, אם הוא עדיין לא מופעל.

    התפקידים שנדרשים כדי להפעיל ממשקי API

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

    להפעלת ה-API

התפקידים הנדרשים

כדי לקבל את ההרשאות שדרושות להפעלת שרת ה-MCP של שירות ההעברה ל-BigQuery, בקשו מהאדמין לתת לכם את התפקידים הבאים ב-IAM בפרויקט שבו אתם רוצים להפעיל את שרת ה-MCP של שירות ההעברה ל-BigQuery:

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

התפקידים המוגדרים מראש האלה כוללים את ההרשאות שנדרשות כדי להפעיל את שרת ה-MCP של BigQuery Migration Service. כדי לראות בדיוק אילו הרשאות נדרשות, אפשר להרחיב את הקטע ההרשאות הנדרשות:

ההרשאות הנדרשות

כדי להפעיל את שרת ה-MCP של שירות ההעברה ל-BigQuery, נדרשות ההרשאות הבאות:

  • להפעיל קריאות API לכלי MCP: mcp.tools.call
  • משתמשים ב-BigQuery Migration Service:
    • bigquerymigration.workflows.create
    • bigquerymigration.workflows.get
    • bigquerymigration.workflows.list
    • bigquerymigration.workflows.delete
    • bigquerymigration.subtasks.get
    • bigquerymigration.subtasks.list
  • גישה לקטגוריות של Cloud Storage לקובצי קלט ופלט:
    • storage.objects.get
    • storage.objects.list
    • storage.objects.create

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

יכול להיות שתידרשנה הרשאות נוספות ל-BigQuery Migration Service, בהתאם למשימה. במאמר תפקידים והרשאות של BigQuery Migration Service תוכלו לקרוא מידע נוסף על התפקידים וההרשאות של BigQuery Migration Service.

אימות והרשאה

שרתי ה-MCP של BigQuery Migration Service משתמשים בפרוטוקול OAuth 2.0 עם ניהול זהויות והרשאות גישה (IAM) לאימות ולהרשאה. כל Google Cloud הזהויות נתמכות לאימות בשרתי MCP.

שרת ה-MCP של שירות ההעברה ל-BigQuery לא מקבל מפתחות API.

היקפי ההרשאות של BigQuery Migration Service MCP OAuth

ב-OAuth 2.0 משתמשים בהיקפי הרשאות ובפרטי כניסה כדי לקבוע אם לחשבון משתמש מאומת מסוים מותר לבצע פעולה מסוימת במשאב. למידע נוסף על היקפי ההרשאות של OAuth 2.0 ב-Google, קראו את המאמר שימוש ב-OAuth 2.0 לגישה ל-Google APIs.

ל-BigQuery Migration Service יש את היקפי ההרשאות הבאים של OAuth לכלי MCP:

URI של היקף ההרשאות ל-CLI של gcloud תיאור
https://www.googleapis.com/auth/bigquerymigration הצגה וניהול של תהליכי העבודה ב-BigQuery Migration Service והצגת כתובת האימייל של חשבון Google שלך.
https://www.googleapis.com/auth/devstorage.read_only ההיקף הזה נדרש לכלים שקוראים קובצי קלט מ-Cloud Storage, כמו קובצי מטא-נתונים, קלט של תרגום באצווה וקלט של הצעות DDL באצווה.

יכול להיות שמשאבים שאליהם ניגשים במהלך קריאת API לכלי ידרשו היקפי הרשאות נוספים.

הגדרת לקוח MCP לשימוש בשרת ה-MCP של שירות ההעברה ל-BigQuery

אפליקציות וסוכני 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.

רושמים את שרת ה-MCP באמצעות add-mcp

אתם יכולים לרשום באופן אוטומטי את שרת ה-MCP של שירות ההעברה ל-BigQuery בלקוחות AI נתמכים באמצעות add-mcp, בלי לאתר באופן ידני את הנתיבים של קובצי התצורה. הכלי מזהה באופן אוטומטי את לקוחות ה-AI שמותקנים. בדוגמה הבאה מוסבר איך משתמשים ב-add-mcp כדי לרשום את שרת ה-MCP של שירות ההעברה ל-BigQuery:

npx add-mcp https://bigquerymigration.googleapis.com/mcp --name bqms --header "x-goog-user-project: PROJECT_ID" --scopes "https://www.googleapis.com/auth/bigquerymigration,https://www.googleapis.com/auth/devstorage.read_only" --timeout 30000

באפליקציית ה-AI, מחפשים דרך להוסיף שרת MCP מרוחק או להתחבר אליו. בשרת ה-MCP של שירות ההעברה ל-BigQuery, מזינים את הפרטים הבאים לפי הצורך:

  • שם השרת: שרת MCP של BigQuery Migration Service
  • כתובת ה-URL של השרת או נקודת הקצה (endpoint): bigquerymigration.googleapis.com/mcp
  • תעבורה: HTTP שניתן להעביר בסטרימינג
  • פרטי אימות: בהתאם לשיטת האימות שאתם רוצים להשתמש בה, אתם יכולים להזין את פרטי הכניסה, את מזהה הלקוח והסוד של לקוח OAuth או את פרטי הכניסה והזהות של הנציג. Google Cloud מידע נוסף על אימות זמין במאמר אימות בשרתי MCP.
  • היקף ההרשאות של OAuth: היקף ההרשאות של OAuth 2.0 שבו רוצים להשתמש כשמתחברים לשרת ה-MCP של BigQuery Migration Service.
{
  "name": "BQMS-MCP",
  "version": "1.0.0",
  "mcpServers": {
    "BigQueryMigration": {
      "httpUrl": "https://bigquerymigration.googleapis.com/mcp",
      "authProviderType": "google_credentials",
      "oauth": {
        "scopes": [
          "https://www.googleapis.com/auth/bigquerymigration",
          "https://www.googleapis.com/auth/devstorage.read_only"
        ]
      },
      "timeout": 30000,
      "headers": {
        "x-goog-user-project": "PROJECT_ID"
      }
    }
  }
}

‫URI של הפניה אוטומטית

באפליקציות מבוססות-אינטרנט ובחלק מהאפליקציות למחשב, צריך להוסיף לרשימת ההיתרים URI להפניה אוטומטית כשיוצרים מזהה לקוח וסוד לאימות. כתובות URI להפניה אוטומטית משמשות את שרת ההרשאות כדי לשלוח אסימונים לאפליקציה. במסמכי התיעוד של האפליקציה צריך לציין את כתובת ה-URI להפניה אוטומטית שבה צריך להשתמש. אי אפשר להשתמש בכתובות URI מותאמות אישית להפניה אוטומטית.

במאמר הנחיות ספציפיות ללקוח מוסבר איך להגדיר שרת MCP ולהתחבר אליו באפליקציות ספציפיות.

להנחיות כלליות נוספות, אפשר לעיין במקורות המידע הבאים:

באילו כלים אפשר להשתמש

בחומר העזר בנושא שרת ה-MCP של BigQuery Migration Service מפורטים כלי ה-MCP שזמינים לשרת ה-MCP של BigQuery Migration Service והתיאורים שלהם.

כלים לרשימות

אתם יכולים להשתמש בכלי לבדיקת MCP כדי להציג רשימה של הכלים, או לשלוח בקשת HTTP מסוג tools/list ישירות לשרת ה-MCP המרוחק של שירות ההעברה ל-BigQuery. השיטה tools/list לא דורשת אימות.

curl -X POST https://bigquerymigration.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"]
              }
            }
          }
        }
      }
    }'

מחליפים את מה שכתוב בשדות הבאים:

  • ‫TOOLSET_ENDPOINT: החלק שנותר בנקודת הקצה של ה-MCP אחרי שם השירות. ב-BigQuery Migration Service, זהו mcp.
  • ‫MCP_PROTOCOL_VERSION: גרסת פרוטוקול ה-MCP. לדוגמה, 2026-07-28.

תרחישים לדוגמה

הנה כמה דוגמאות לתרחישים לדוגמה של שרת ה-MCP של שירות ההעברה ל-BigQuery:

  • משתמשים בלקוח MCP עם IDE כדי לתרגם קובץ שאילתה לתחביר GoogleSQL.
  • באמצעות לקוח MCP בלי IDE, אפשר לתרגם שאילתה מסוימת לתחביר של GoogleSQL.
  • להעריך את איכות התרגום.
  • לקבל הסברים על תרגומי SQL.
  • יצירת הצהרת DDL לשאילתה מסוימת.
  • תרגום ספרייה של קובצי SQL שמאוחסנים ב-Cloud Storage לתחביר של GoogleSQL.
  • תרגום קובץ ZIP של מטא-נתונים ממערכת המקור להצהרות DDL ל-BigQuery.
  • ליצור הצהרות DDL לטבלאות ולתצוגות שאליהן מפנה קבוצה של קובצי SQL.

פרומפטים לדוגמה

אתם יכולים להשתמש בהנחיות לדוגמה הבאות כדי ליצור ולנהל משאבים של BigQuery Migration Service:

תרגום שאילתה

אתם יכולים להשתמש בהנחיות הבאות כדי לתרגם שאילתה, להעריך את האיכות, להסביר תרגומים או ליצור הצעות ל-DDL:

  • תרגום השאילתה DIALECT ב-FILENAME הזה. משתמשים ב-PROJECT_ID וב-LOCATION. שומרים את יומני הפלט והתרגום בספריות נפרדות.

    כשמשתמשים בהנחיה הזו, לקוח ה-MCP קורא לכלי translate_query כדי לתרגם את השאילתה בקובץ שצוין. לקוח ה-MCP מפעיל מדי פעם את הכלי get_translation כדי לקבל את התוצאות. בסיום התרגום, הלקוח כותב את הפלט בספריית הפלט ואת היומנים בספריית היומנים.

  • תרגם את השאילתה הזו מDIALECT: QUERY. משתמשים ב-PROJECT_ID וב-LOCATION.

    כשמשתמשים בהנחיה הזו, לקוח ה-MCP קורא לכלי translate_query כדי לתרגם את השאילתה שצוינה ומציג את תוצאות התרגום.

  • בודקים את איכות התרגום.

    כשמשתמשים בהנחיה הזו, לקוח ה-MCP קורא ובוחן את יומני התרגום ומציג סיכום של בעיות התרגום עם הצעות לשלבים הבאים.

  • הסבר על התרגום.

    כשמשתמשים בהנחיה הזו, לקוח ה-MCP קורא לכלי explain_translation כדי לקבל הסבר על התרגום. אם יומני התרגום מכילים שגיאות מסוג RelationNotFound או AttributeNotFound, לקוח ה-MCP אמור להציע לכם ליצור חבילת מטא-נתונים. אם אתם לא מצליחים ליצור את המטא-נתונים, אתם יכולים לשלוח הנחיה שמבקשת את הצהרת ה-DDL.

    דוגמה לתשובה:

    The translated code converts Teradata-specific features into their
BigQuery equivalents. Here's a breakdown of the key changes:
* `MACRO` to `PROCEDURE`: The `YourMacroName` macro was converted
into a BigQuery stored procedure because
BigQuery doesn't support macros.
* `SELECT INTO` to `SET`:
  * For setting multiple `OUT` parameters in `YourStoredProcedureName`, the
    `SELECT ... INTO` is changed to `SET (...) = (SELECT STRUCT(...))`.
  * For single variable assignment in `YourOtherProcedureName`,
    `SELECT ... INTO` is replaced by `SET variable = (SELECT ...)` which is
    the standard in BigQuery.
* Atomic Operations to `MERGE: The BEGIN REQUEST ... END REQUEST` blocks in
  the `ProcedureA`, `ProcedureB`, and `ProcedureC` procedures,
  which perform atomic "update or insert" operations, are translated into
  standard SQL `MERGE` statements. This is the correct and modern way to
  handle this logic in BigQuery.

  • צור DDL לשאילתת הקלט הזו.

    לקוח ה-MCP מפעיל את הכלי generate_ddl_suggestion כדי להתחיל משימת הצעה. הלקוח מקבל את תוצאות ההצעות על ידי קריאה לכלי fetch_ddl_suggestion. כשההצעה זמינה, לקוח ה-MCP מציג אותה.

    אם הצהרות ה-DDL נכונות, אתם יכולים לשלוח הנחיה להוסיף את הצהרות ה-DDL שנוצרו בתחילת השאילתה כדי לשפר את איכות התרגום.

  • מוסיפים את הצהרות ה-DDL שנוצרו בתחילת שאילתת הקלט ומתרגמים מחדש.

    כשמשתמשים בהנחיה הזו, לקוח ה-MCP מוסיף את הצהרות ה-DDL לשאילתת הקלט המקורית וקורא לכלי translate_query. הלקוח מפעיל את הכלי get_translation כדי לקבל את התרגום. התרגום החדש של השאילתה והיומנים נשמרים כשהם זמינים.

    אם הצהרות ה-DDL שנוצרו נכונות, כל השגיאות ב-RelationNotFound או ב-AttributeNotFound אמורות להיפתר, וכתוצאה מכך איכות התרגום תשתפר.

תרגום שאילתות באצווה

אתם יכולים להשתמש בהנחיות הבאות כדי לתרגם קובצי SQL או קובצי מטא-נתונים שמאוחסנים ב-Cloud Storage, או כדי ליצור הצעות ל-DDL לקבוצה של קובצי SQL:

  • תרגם את קובצי ה-SQL של DIALECT ב-SOURCE_URI ל-GoogleSQL וכתוב את הפלט ב-TARGET_URI. משתמשים ב-PROJECT_NUMBER וב-LOCATION.

    כשמשתמשים בהנחיה הזו, לקוח ה-MCP מפעיל את הכלי translate_batch_queries, ואז מפעיל מדי פעם את הכלי fetch_batch_translation עד שמצב התרגום הוא SUCCEEDED או FAILED. השרת כותב את קובצי ה-SQL המתורגמים ואת דוח הסיכום של translation_report.csv ב-TARGET_URI. למידע נוסף על קובצי הפלט, קראו את המאמר בדיקת הפלט של התרגום.

    כדי לשפר את איכות התרגום, צריך לכלול קובץ ZIP של מטא-נתונים וקובצי YAML של הגדרות אישיות ב-SOURCE_URI. המתרגם מזהה את הקבצים האלה באופן אוטומטי. מומלץ להשתמש ב-TARGET_URI ריק לכל תרגום, כדי שהפלט של תרגומים שונים לא יתערבב.

  • תרגום קובץ המטא-נתונים של DIALECT METADATA_FILE_URI ל-BigQuery DDL. כותבים את הפלט ב-TARGET_URI. משתמשים ב-PROJECT_NUMBER וב-LOCATION.

    כשמשתמשים בהנחיה הזו, לקוח ה-MCP מפעיל את הכלי translate_metadata, ואז מפעיל מדי פעם את הכלי fetch_batch_translation עד שמצב התרגום הוא SUCCEEDED או FAILED. השרת כותב את הצהרות ה-DDL שנוצרו ואת מיפויי הטבלאות ב-TARGET_URI. אם התרגום נכשל, הלקוח קורא את יומני התרגום מ-fetch_batch_translation כדי לאבחן את הבעיה. מידע נוסף זמין במאמר תרגום מטא-נתונים.

  • יוצרים DDL לקובצי ה-SQL של DIALECT ב-SOURCE_URI וכותבים את הפלט ב-TARGET_URI. משתמשים ב-PROJECT_NUMBER וב-LOCATION.

    כשמשתמשים בהנחיה הזו, לקוח ה-MCP מפעיל את הכלי generate_batch_ddl_suggestion, ואז מפעיל מדי פעם את הכלי fetch_batch_ddl_suggestion עד שמצב ההצעה הוא SUCCEEDED או FAILED. השרת כותב את הצהרות ה-DDL המוצעות לספריית Cloud Storage שמוחזרת בתגובה של fetch_batch_ddl_suggestion. כדי לתרגם מחדש באמצעות הצהרות ה-DDL המוצעות, מעתיקים אותן כקובצי SQL לא מכווצים לספרייה ב-SOURCE_URI ומריצים שוב את translate_batch_queries.

    הצהרות ה-DDL המוצעות מוסקות מהאופן שבו קובצי ה-SQL משתמשים בטבלאות ובתצוגות, ולכן הן משוערות. השתמשו בהנחיה הזו רק אם אתם לא יכולים ליצור קובץ ZIP של מטא-נתונים ממערכת המקור. למידע נוסף, ראו יצירת DDL של מקור.

בהנחיות, מחליפים את מה שכתוב בשדות הבאים:

  • ‫DIALECT: הניב של שאילתת ה-SQL, הקבצים או המטא-נתונים שאתם מתרגמים.
  • ‫QUERY: השאילתה שאתם מתרגמים.
  • ‫FILENAME: הקובץ שמכיל את השאילתה שאתם מתרגמים.
  • ‫SOURCE_URI: הספרייה ב-Cloud Storage שמכילה את קובצי הקלט, כמו gs://my_bucket/input/.
  • ‫TARGET_URI: הספרייה ב-Cloud Storage שאליה נשלחים הפלטים, למשל gs://my_bucket/output/.
  • ‫METADATA_FILE_URI: הנתיב ב-Cloud Storage של קובץ ה-ZIP של המטא-נתונים, למשל gs://my_bucket/metadata.zip. כדי ליצור את הקובץ הזה, עיינו במאמר יצירת מטא-נתונים לתרגום.
  • ‫PROJECT_NUMBER: מספר הפרויקט ב- Google Cloud .
  • ‫LOCATION: המיקום של מתרגם ה-SQL.

הגדרות אופציונליות של אבטחה ובטיחות

בגלל המגוון הרחב של הפעולות שאפשר לבצע באמצעות כלי MCP, הוא מביא איתו סיכוני אבטחה ושיקולים חדשים. כדי לצמצם את הסיכונים האלה ולנהל אותם,Google Cloud מציע הגדרות ברירת מחדל וכללי מדיניות שניתנים להתאמה אישית כדי לשלוט בשימוש בכלי MCP בארגון או בפרויקט ב- Google Cloud.

מידע נוסף על אבטחה ופיקוח ב-MCP זמין במאמר אבטחה ובטיחות ב-AI.

שימוש ב-Model Armor

הגנה מוגברת על המודל היא שירות שלGoogle Cloud שנועד לשפר את האבטחה והבטיחות של אפליקציות ה-AI שלכם. הוא פועל באופן יזום כדי לסנן הנחיות ותשובות של מודלים גדולים של שפה (LLM), להגן מפני סיכונים שונים ולתמוך בשיטות לפיתוח אחראי של AI. לא משנה אם אתם פורסים את ה-AI בסביבת הענן שלכם או אצל ספקי שירותי ענן חיצוניים, אתם יכולים להשתמש ב-Model Armor כדי למנוע קלט זדוני, לוודא שהתוכן בטוח, להגן על מידע אישי רגיש, לשמור על תאימות ולאכוף את מדיניות הבטיחות והאבטחה של ה-AI באופן עקבי בכל סביבת ה-AI שלכם.

כשהתכונה "הגנה מוגברת על המודל" מופעלת והרישום ביומן מופעל, התכונה מתעדת ביומן את כל המטען הייעודי (payload). זה עלול לחשוף מידע רגיש ביומנים.

ניתוב בקשות של MCP ל-Model Armor

התכונה "הגנה מוגברת על המודל" זמינה באזורים מסוימים. אם אתם מפעילים את Model Armor ומשתמשים בשרת MCP בסמכות שיפוט שלא נתמכת על ידי Model Armor, יכול להיות שהניתוב של הקריאה יהיה שונה בשרתי MCP שונים, ושהוא יפר את התאימות של מיקום אחסון הנתונים לנתונים שנמצאים בשימוש ובמעבר. למידע נוסף על ההתנהגות של שרתי MCP ספציפיים, קראו את המאמר מוצרים שנתמכים ב-Model Armor.

הפעלת Model Armor

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

המסוף

  1. מפעילים את Model Armor API, אם הוא עדיין לא מופעל.

    התפקידים שנדרשים כדי להפעיל ממשקי API

    כדי להפעיל ממשקי API, צריך את ההרשאה serviceusage.services.enable. אם אתם יצרתם את הפרויקט, סביר להניח שכבר יש לכם את ההרשאה הזו דרך התפקיד "בעלים" (roles/owner). אחרת, אתם יכולים 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, מבצעים את השלבים הבאים באמצעות Google Cloud CLI עם Model Armor API:

  1. מפעילים את Cloud Shell במסוף Google Cloud .

    הפעלת Cloud Shell

    בחלק התחתון של מסוף Google Cloud 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 הקצה ל-API של שירות Model Armor.

    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 ו Google Cloud שרתי MCP מרוחקים

כדי להגן על קריאות ה-API לכלי והתשובות של כלי ה-MCP, אתם יכולים להשתמש בהגדרות אבטחה מינימליות של הגנה מוגברת על המודל. הגדרת רצפה קובעת את מסנני האבטחה המינימליים שחלים על הפרויקט. ההגדרה הזו מחילה קבוצה עקבית של מסננים על כל קריאות ה-API לכלי של MCP והתשובות שלהם בפרויקט.

מגדירים את הסף של Model Armor כשהסרת תוכן זדוני או רגיש ב-MCP מופעלת. מידע נוסף זמין במאמר הגדרת רמות הסינון של Model Armor.

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 הסמך של הגדרות הסינון של Responsible AI - Dangerous. אפשר לשנות את ההגדרה הזו, אבל ערכים נמוכים יותר עלולים לגרום ליותר תוצאות חיוביות כוזבות. מידע נוסף מופיע במאמר רמות הסמך של Model Armor.

השבתת הסריקה של תנועת MCP באמצעות Model Armor

כדי להפסיק את הסריקה האוטומטית של Model Armor לתנועה אל שרתי Google MCP וממנה על סמך הגדרות הסף 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 המינימום של הפרויקט הזה על תנועה בשרת MCP של Google.

הגדרות הסף וההגדרות הכלליות של Model Armor יכולות להשפיע לא רק על MCP. מכיוון שההגנה המוגברת על המודל משולבת עם שירותים כמו Vertex AI, כל שינוי שתבצעו בהגדרות של רמות הסינון יכול להשפיע על סריקת התנועה ועל התנהגויות הבטיחות בכל השירותים המשולבים, ולא רק ב-MCP.

שליטה בשימוש ב-MCP באמצעות מדיניות IAM

כללי מדיניות הדחייה וכללי מדיניות ההרשאה של ניהול הזהויות והרשאות הגישה (IAM) עוזרים לכם לאבטח את Google Cloud ואת שרתי Google MCP.

אתם יכולים לשלב כמה קריטריונים כדי ליצור מדיניות אבטחה ופיקוח בהתאמה אישית, על ידי מתן גישה או דחיית גישה על סמך:

  • חשבון המשתמש.
  • מאפייני כלים כמו המאפיין "לקריאה בלבד".
  • שם השירות או הכלי.
  • מזהה הלקוח ב-OAuth של האפליקציה.

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

מכסות ומגבלות

אתם עדיין כפופים למכסות שנאכפות על ידי קריאות ל-API שמופעלות על ידי הכלים של שרת ה-MCP. הכלים של שרת ה-MCP קוראים לשיטות ה-API הבאות:

כלי שיטת ה-API מכסות
explain_translation GetMigrationWorkflow מכסות ומגבלות של BigQuery Migration API
fetch_batch_ddl_suggestion GetMigrationWorkflow מכסות ומגבלות של BigQuery Migration API
fetch_batch_translation GetMigrationWorkflow מכסות ומגבלות של BigQuery Migration API
fetch_ddl_suggestion GetMigrationWorkflow מכסות ומגבלות של BigQuery Migration API
generate_batch_ddl_suggestion CreateMigrationWorkflow מכסות ומגבלות של BigQuery Migration API
generate_ddl_suggestion CreateMigrationWorkflow מכסות ומגבלות של BigQuery Migration API
get_translation GetMigrationWorkflow מכסות ומגבלות של BigQuery Migration API
translate_batch_queries CreateMigrationWorkflow מכסות ומגבלות של BigQuery Migration API
translate_metadata CreateMigrationWorkflow מכסות ומגבלות של BigQuery Migration API
translate_query CreateMigrationWorkflow מכסות ומגבלות של BigQuery Migration API

מידע נוסף על מכסות ב-BigQuery

המאמרים הבאים