איך משתמשים בשרת MCP של BigQuery Migration Service

במאמר הזה נסביר איך להשתמש בשרת BigQuery remote Model Context Protocol‏ (MCP) כדי להתחבר לאפליקציות מבוססות-AI, כולל Gemini CLI, ‏ ChatGPT, ‏ Claude ואפליקציות מותאמות אישית שאתם מפתחים. אפשר להשתמש בשרת Model Context Protocol ‏ (MCP) של שירות ההעברה ל-BigQuery כדי לבצע משימות כמו תרגום שאילתות SQL לתחביר GoogleSQL, יצירת הצהרות DDL משאילתות קלט של SQL וקבלת הסברים על תרגומים של SQL. 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 הקצה העורפי שלהם.

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

לשרתי Google ולשרתי ה-MCP של Google Cloud יש את התכונות והיתרונות הבאים:

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

מידע על שרתים אחרים של MCP ועל אמצעי אבטחה וניהול שזמינים לשרתים של Google Cloud MCP מופיע במאמר סקירה כללית על שרתים של Google Cloud MCP.

לפני שמתחילים

  1. 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.

  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.

    תפקידים שנדרשים להפעלת ממשקי API

    כדי להפעיל ממשקי API, צריך את תפקיד ה-IAM 'אדמין של Service Usage' (roles/serviceusage.serviceUsageAdmin), שכולל את ההרשאה serviceusage.services.enable. איך מקצים תפקידים

    להפעלת ה-API

התפקידים הנדרשים

כדי לקבל את ההרשאות שדרושות להפעלת שרת ה-MCP של שירות ההעברה ל-BigQuery, אתם צריכים לבקש מהאדמין להקצות לכם את תפקידי ה-IAM הבאים 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 מכילים את ההרשאות שנדרשות להפעלת 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 BigQuery Migration Service, נדרשות ההרשאות הבאות:

  • התקשרות לכלי ה-MCP: mcp.tools.call
  • שימוש ב-BigQuery Migration Service:
    • bigquerymigration.workflows.create
    • bigquerymigration.workflows.get
    • bigquerymigration.workflows.list
    • bigquerymigration.workflows.delete
    • bigquerymigration.subtasks.get
    • bigquerymigration.subtasks.list

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

יכול להיות שיידרשו הרשאות נוספות ל-BigQuery Migration Service, בהתאם למשימה. במאמר תפקידים והרשאות של BigQuery Migration Service יש מידע על תפקידים והרשאות של BigQuery Migration Service.

אימות והרשאה

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

שרת ה-MCP של BigQuery Migration Service לא מקבל מפתחות API.

היקפי הרשאות OAuth של BigQuery Migration Service 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 Migration Service יש את היקפי ההרשאות הבאים של OAuth בכלי MCP:

URI של היקף ל-CLI של gcloud תיאור
https://www.googleapis.com/auth/bigquerymigration הצגה וניהול של תהליכי העבודה שלכם ב-BigQuery Migration Service והצגת כתובת האימייל של חשבון Google שלכם.
https://www.googleapis.com/auth/devstorage.read_only ההיקף הזה נדרש לתרגומי שאילתות שקוראות נתונים מ-Cloud Storage.

יכול להיות שיידרשו היקפי הרשאות נוספים כדי לגשת למשאבים במהלך הפעלת כלי.

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

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 MCP של שירות ההעברה ל-BigQuery, מזינים את הפרטים הבאים לפי הצורך:

  • שם השרת: BigQuery Migration Service MCP server
  • כתובת ה-URL של השרת או נקודת הקצה: bigquerymigration.googleapis.com/mcp
  • Transport: HTTP

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

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

הדוגמה הבאה היא הגדרה של Gemini CLI:

{
  "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"
      }
    }
  }
}

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

הנחיות כלליות נוספות זמינות במקורות המידע הבאים:

כלים זמינים

כדי לראות פרטים על כלי MCP זמינים ותיאורים שלהם עבור שרת ה-MCP של BigQuery Migration Service, אפשר לעיין בהפניה ל-MCP של BigQuery Migration Service.

כלים ליצירת רשימות

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

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

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

תרחישים לדוגמה

אלה כמה תרחישי שימוש לדוגמה בשרת BigQuery Migration Service MCP:

  • באמצעות לקוח MCP עם IDE, מתרגמים קובץ שאילתות לתחביר של GoogleSQL.
  • בעזרת לקוח MCP ללא IDE, מתרגמים שאילתה שצוינה לתחביר של GoogleSQL.
  • הערכת איכות התרגום.
  • לקבל הסברים על תרגומים של SQL.
  • יצירת הצהרת DDL לשאילתה ספציפית.

הנחיות לדוגמה

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

  • תרגום השאילתה DIALECT בבקשה FILENAME. משתמשים ב-PROJECT_ID וב-LOCATION. שומרים את הפלט ואת יומני התרגום בספריות נפרדות.

    כשמשתמשים בהנחיה הזו, לקוח ה-MCP קורא לכלי translate_query כדי לתרגם את השאילתה בקובץ שצוין. לקוח ה-MCP מתקשר מעת לעת לכלי get_translation כדי לקבל את התוצאות. אחרי שהתרגום מסתיים, הלקוח כותב את הפלט לספריית הפלט ואת היומנים לספריית היומנים.

  • תורגם מ-DIALECT: 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.

  • הערכת איכות התרגום.

    כשמשתמשים בהנחיה הזו, לקוח ה-MCP קורא ובודק 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 RelationNotFound או AttributeNotFound, לקוח ה-MCP צריך להציע לכם ליצור חבילת מטא-נתונים. אם אתם לא יכולים 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.

  • יצירת DDL לשאילתת הקלט הזו.

    לקוח ה-MCP קורא לכלי generate_ddl_suggestion כדי להתחיל עבודת הצעות. הלקוח מקבל את תוצאות ההצעה על ידי קריאה לכלי fetch_ddl_suggestion. כשההצעה זמינה, היא מוצגת בלקוח MCP.

    אם הצהרות ה-DDL נכונות, אפשר לשלוח הנחיה להוספת הצהרות ה-DDL שנוצרו לפני השאילתה כדי לשפר את איכות התרגום.

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

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

    אם משפטי ה-DDL שנוצרו נכונים, צריך לפתור את השגיאות RelationNotFound או AttributeNotFound, וכתוצאה מכך איכות התרגום תשתפר.

בהנחיות, מחליפים את מה שכתוב בשדות הבאים:

  • ‫DIALECT: הניב של שאילתת ה-SQL שמתרגמים.
  • ‫QUERY: השאילתה שאתם מתרגמים.
  • ‫FILENAME: הקובץ שמכיל את השאילתה שאתם מתרגמים.
  • ‫PROJECT_NUMBER: Google Cloud מספר הפרויקט.
  • ‫LOCATION: המיקום של כלי התרגום של SQL.

הגדרות אבטחה ובטיחות אופציונליות

השימוש ב-MCP מציג סיכוני אבטחה חדשים ושיקולים חדשים בגלל המגוון הרחב של הפעולות שאפשר לבצע באמצעות הכלים של 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), ומגנה מפני סיכונים שונים. בנוסף, היא תומכת בשיטות עבודה מומלצות בתחום ה-AI האחראי. 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. יכול להיות שייחשף מידע רגיש ביומני הרישום.

הפעלת הגנה מוגברת על המודל

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

המסוף

  1. מפעילים את הגנה מוגברת על המודל API.

    תפקידים שנדרשים להפעלת ממשקי API

    כדי להפעיל ממשקי API, צריך את תפקיד ה-IAM 'אדמין של Service Usage' (roles/serviceusage.serviceUsageAdmin), שכולל את ההרשאה serviceusage.services.enable. איך מקצים תפקידים

    להפעלת ה-API

  2. בוחרים את הפרויקט שבו רוצים להפעיל את הגנה מוגברת על המודל.

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 בהגנה מוגברת על המודל.

הגדרת הגנה לשרתי MCP של Google ושרתי MCP מרוחקים Google Cloud

כדי להגן על הקריאות והתגובות 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.

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.

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 הגנה מוגברת על המודל.

השבתת סריקת תעבורת נתונים של MCP באמצעות הגנה מוגברת על המודל

כדי להפסיק את הסריקה האוטומטית של תעבורת נתונים אל השרתים של Google MCP וממנה על ידי הגנה מוגברת על המודל על סמך הגדרות אבטחה מינימליות 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 על תעבורה 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 הרצפה 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 של 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 Migration Service אין מכסות משלו. אין הגבלה על מספר השיחות שאפשר לבצע לשרת ה-MCP.

אתם עדיין כפופים למכסות שמוגדרות בממשקי ה-API שאליהם מתבצעות קריאות על ידי הכלים של שרת ה-MCP. מידע נוסף זמין במאמר BigQuery Migration Service API בדף בנושא מכסות ומגבלות.

המאמרים הבאים