Remote-MCP-Server von BigQuery Data Transfer Service verwenden

In diesem Dokument wird beschrieben, wie Sie den Remote-MCP-Server (Model Context Protocol) von BigQuery Data Transfer Service verwenden, um eine Verbindung zu KI-Anwendungen wie Antigravity, ChatGPT, Claude und benutzerdefinierten Anwendungen herzustellen, die Sie entwickeln. Der MCP-Server des BigQuery Data Transfer Service bietet eine umfassende Reihe von Funktionen, mit denen Sie Prompts in natürlicher Sprache an Ihre KI-Anwendung senden können, um eine Reihe von Aufgaben im Zusammenhang mit der Datenübertragung auszuführen, darunter:

  • Verfügbare Datenquellen auflisten und Details dazu abrufen.
  • Datenübertragungskonfigurationen erstellen, verwalten und auflisten.
  • Datenübertragungsausführungen auflisten und Details dazu abrufen.
  • Prüfen Sie, ob die Anmeldedaten für eine Datenquelle gültig sind.
Der Remote-MCP-Server des BigQuery Data Transfer Service wird aktiviert, wenn Sie die BigQuery Data Transfer Service API aktivieren.

Das Model Context Protocol (MCP) standardisiert, wie Large Language Models (LLMs) und KI-Anwendungen oder -Agenten mit externen Datenquellen verbunden werden. Mit MCP-Servern können Sie deren Tools, Ressourcen und Prompts verwenden, um Aktionen auszuführen und aktualisierte Daten von ihrem Backend-Dienst abzurufen.

Was ist der Unterschied zwischen lokalen und Remote-MCP-Servern?

Lokale MCP-Server
Werden in der Regel auf Ihrem lokalen Computer ausgeführt und verwenden die Standardeingabe- und ‑ausgabestreams (stdio) für die Kommunikation zwischen Diensten auf demselben Gerät.
Remote-MCP-Server
Sie werden in der Infrastruktur des Dienstes ausgeführt und bieten KI-Anwendungen einen HTTP-Endpunkt für die Kommunikation zwischen dem KI-MCP-Client und dem MCP-Server. Weitere Informationen zur MCP-Architektur finden Sie unter MCP-Architektur.

Zustandsloser Kern

Mit der MCP-Version 2026-07-28 wird MCP von einem bidirektionalen, zustandsorientierten Protokoll zu einem zustandslosen Protokoll geändert. Jede MCP-Anfrage ist selbsterklärend und kann über Header weitergeleitet werden. Der initialize/initialized-Handshake oder Mcp-Session-Id ist nicht erforderlich, da jede Anfrage alle erforderlichen Informationen in HTTP-Headern oder im Parameter _meta enthält. MCP-Server können über Multi-Round-Trip-Anfragen (MRTR) zusätzliche Informationen anfordern, die von einem Tool benötigt werden.

Damit Anfragen ohne Parsen des Anfragetexts weitergeleitet und verarbeitet werden können, sind einige MCP-Header erforderlich, darunter die folgenden:

  • Header, die gemäß der MCP-Spezifikation erforderlich sind, z. B. der Header für die Protokollversion und Standardanfrageheader.
  • Benutzerdefinierte Header, die vom MCP-Server definiert werden. Diese Header werden mithilfe des Attributs x-mcp-header aus dem Eingabeschema des Tools in HTTP-Header gespiegelt. Ein MCP-Server kann beispielsweise einen benutzerdefinierten Header definieren, um die Google Cloud -Region oder die Projekt-ID anzugeben.

Weitere Informationen zur MCP-Architektur finden Sie in der Spezifikation und den wichtigsten Änderungen für die MCP-Version 2026-07-28.

Remote-MCP-Server von Google und Google Cloud

Remote-MCP-Server von Google und Google Cloud bieten die folgenden Funktionen und Vorteile:

  • Vereinfachte, zentrale Suche
  • Verwaltete globale oder regionale HTTP-Endpunkte
  • Detaillierte Autorisierung
  • Optionale Prompt- und Antwortsicherheit mit Model Armor-Schutz
  • Zentralisiertes Audit-Logging

Informationen zu anderen MCP-Servern sowie zu den Sicherheits- und Governance-Steuerelementen für Google Cloud-MCP-Server finden Sie unter Google Cloud-MCP-Server – Übersicht.

Hinweis

  1. Melden Sie sich in Ihrem Google Cloud -Konto an. Wenn Sie mit Google Cloudnoch nicht vertraut sind, erstellen Sie einfach ein Konto, um die Leistungsfähigkeit unserer Produkte in der Praxis sehen und bewerten zu können. Neukunden erhalten außerdem ein Guthaben von 300 $, um Arbeitslasten auszuführen, zu testen und bereitzustellen.
  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. Aktivieren Sie die BigQuery Data Transfer Service API, falls sie noch nicht aktiviert ist.

    Rollen, die zum Aktivieren von APIs erforderlich sind

    Zum Aktivieren von APIs benötigen Sie die Berechtigung serviceusage.services.enable. Wenn Sie das Projekt erstellt haben, haben Sie diese Berechtigung wahrscheinlich bereits über die Inhaberrolle (roles/owner). Andernfalls können Sie diese Berechtigung über die Rolle „Service Usage-Administrator“ (roles/serviceusage.serviceUsageAdmin) erhalten. Informationen zum Zuweisen von Rollen

    API aktivieren

    Bei neuen Projekten ist die BigQuery Data Transfer Service API automatisch aktiviert.

Erforderliche Rollen

Bitten Sie Ihren Administrator, Ihnen die folgenden IAM-Rollen für das Projekt zuzuweisen, in dem Sie den BigQuery Data Transfer Service-MCP-Server verwenden möchten, um die Berechtigungen zu erhalten, die Sie zur Verwendung des BigQuery Data Transfer Service-MCP-Servers benötigen:

Weitere Informationen zum Zuweisen von Rollen finden Sie unter Zugriff auf Projekte, Ordner und Organisationen verwalten.

Diese vordefinierten Rollen enthalten die Berechtigungen, die für die Verwendung des BigQuery Data Transfer Service-MCP-Servers erforderlich sind. Maximieren Sie den Abschnitt Erforderliche Berechtigungen, um die notwendigen Berechtigungen anzuzeigen:

Erforderliche Berechtigungen

Die folgenden Berechtigungen sind erforderlich, um den BigQuery Data Transfer Service-MCP-Server zu verwenden:

  • MCP-Toolaufrufe ausführen: mcp.tools.call

Sie können diese Berechtigungen auch mit benutzerdefinierten Rollen oder anderen vordefinierten Rollen erhalten.

BigQuery Data Transfer Service verwendet einen Dienst-Agent, um auf Ihre Ressourcen zuzugreifen und sie zu verwalten. Der Dienst-Agent wird automatisch in Ihrem Namen erstellt, nachdem Sie den BigQuery Data Transfer Service aktiviert und die API zum ersten Mal verwendet haben. Bei der Erstellung des Dienst-Agents gewährt Google automatisch die vordefinierte Dienst-Agent-Rolle.

Informationen zu Berechtigungen für den BigQuery Data Transfer Service finden Sie unter IAM-Rollen und Berechtigungen für den BigQuery Data Transfer Service.

Authentifizierung und Autorisierung

Der Remote-MCP-Server des BigQuery Data Transfer Service verwendet das OAuth 2.0-Protokoll mit Identity and Access Management (IAM) für die Authentifizierung und Autorisierung. Alle Google Cloud -Identitäten werden für die Authentifizierung bei MCP-Servern unterstützt.

Der MCP-Server des BigQuery Data Transfer Service akzeptiert keine API-Schlüssel. Wir empfehlen, für Agenten, die MCP-Tools verwenden, eine separate Identität zu erstellen, damit der Zugriff auf Ressourcen gesteuert und überwacht werden kann. Weitere Informationen zur Authentifizierung finden Sie unter Bei MCP-Servern authentifizieren.

MCP-OAuth-Bereiche für BigQuery Data Transfer Service

OAuth 2.0 verwendet Bereiche und Anmeldedaten, um zu bestimmen, ob ein authentifiziertes Hauptkonto berechtigt ist, eine bestimmte Aktion für eine Ressource auszuführen. Weitere Informationen zu OAuth 2.0-Bereichen bei Google finden Sie unter Mit OAuth 2.0 auf Google APIs zugreifen.

MCP-Server von BigQuery Data Transfer Service verwenden das OAuth 2.0-Protokoll mit IAM für die Authentifizierung und Autorisierung. Alle Google Cloud -Identitäten werden für die Authentifizierung bei MCP-Servern unterstützt.

BigQuery Data Transfer Service unterstützt die folgenden OAuth-Bereiche des BigQuery MCP-Tools:

Bereichs-URI für die gcloud CLI Beschreibung
https://www.googleapis.com/auth/bigquery Ihre Daten in BigQuery aufrufen und verwalten sowie die E‑Mail-Adresse Ihres Google-Kontos sehen.

Für die Ressourcen, auf die während eines Toolaufrufs zugegriffen wird, sind möglicherweise zusätzliche Bereiche erforderlich. Eine Liste der für den BigQuery Data Transfer Service erforderlichen Bereiche finden Sie unter BigQuery Data Transfer Service API.

MCP-Client für die Verwendung des BigQuery Data Transfer Service-MCP-Servers konfigurieren

KI-Anwendungen und -Agenten wie Claude oder Antigravity können einen MCP-Client instanziieren, der eine Verbindung zu einem einzelnen MCP-Server herstellt. Eine KI-Anwendung kann mehrere Clients haben, die sich mit verschiedenen MCP-Servern verbinden. Wenn Ihre Anwendung nicht in der clientspezifischen Anleitung aufgeführt ist, können Sie die folgenden Informationen verwenden, um eine Verbindung von den meisten Anwendungen herzustellen.

Suchen Sie in Ihrer KI-Anwendung nach einer Möglichkeit, einen Remote-MCP-Server hinzuzufügen oder eine Verbindung zu ihm herzustellen. Geben Sie für den BigQuery Data Transfer Service-MCP-Server die folgenden Informationen ein:

  • Servername: BigQuery Data Transfer Service MCP-Server
  • Server-URL oder Endpunkt: https://bigquerydatatransfer.googleapis.com/mcp
  • Transport: Streamable HTTP
  • Authentifizierungsdetails: Je nachdem, wie Sie sich authentifizieren möchten, können Sie Ihre Google Cloud -Anmeldedaten, Ihre OAuth-Client-ID und Ihr Secret oder eine Agentenidentität und Anmeldedaten eingeben. Weitere Informationen zur Authentifizierung finden Sie unter Bei MCP-Servern authentifizieren.

Weiterleitungs-URIs

Bei webbasierten Anwendungen und einigen Desktopanwendungen müssen Sie einen Weiterleitungs-URI auf die Zulassungsliste setzen, wenn Sie eine Client-ID und einen Clientschlüssel für die Authentifizierung erstellen. Weiterleitungs-URIs werden vom Autorisierungsserver verwendet, um Tokens an Ihre Anwendung zu senden. In der Dokumentation Ihrer Anwendung sollte der Weiterleitungs-URI angegeben sein, den Sie verwenden müssen. Benutzerdefinierte Weiterleitungs-URIs werden nicht unterstützt.

Anwendungsspezifische Anleitungen zum Einrichten und Verbinden mit einem MCP-Server finden Sie unter Clientspezifische Anleitungen.

Allgemeine Informationen finden Sie in den folgenden Ressourcen:

Verfügbare Tools

Details zu den verfügbaren MCP-Tools und deren Beschreibungen für den MCP-Server des BigQuery Data Transfer Service finden Sie in der MCP-Referenz für den BigQuery Data Transfer Service.

Tools auflisten

Verwenden Sie den MCP-Inspector, um Tools aufzulisten, oder senden Sie eine tools/list-HTTP-Anfrage direkt an den Remote-MCP-Server von BigQuery Data Transfer Service. Die Methode tools/list erfordert keine Authentifizierung.

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

Ersetzen Sie Folgendes:

  • TOOLSET_ENDPOINT: der Rest des MCP-Endpunkts nach dem Dienstnamen. Für BigQuery Data Transfer Service ist dies mcp.
  • MCP_PROTOCOL_VERSION: die MCP-Protokollversion. Beispiel: 2026-07-28.

Beispielanwendungsfälle

Im Folgenden finden Sie Beispielanwendungsfälle für den MCP-Server des BigQuery Data Transfer Service:

  • Unterstützte Datenquellen ermitteln, erforderliche Konfigurationsparameter prüfen und feststellen, ob gültige Anmeldedaten für eine Datenquelle vorhanden sind.
  • Datenübertragungskonfigurationen mit Prompts in natürlicher Sprache erstellen, aktualisieren, prüfen und löschen.
  • Manuelle Übertragungen für ein einzelnes Datum starten oder Backfills für einen Zeitraum auslösen.
  • Überwachen Sie den Status von Übertragungsausführungen und prüfen Sie die Logs von Übertragungsausführungen, um Fehler bei fehlgeschlagenen Übertragungen zu beheben.

Beispiel-Prompts

Mit den folgenden Beispiel-Prompts können Sie Datenquellen ermitteln, Übertragungskonfigurationen verwalten und Fehler bei Übertragungsausführungen beheben:

  • „Listet alle verfügbaren Datenquellen im Projekt PROJECT_ID und am Standort LOCATION auf und prüft, ob ich gültige Anmeldedaten für die Datenquelle DATA_SOURCE_ID habe.“
  • „Listen Sie alle Datenübertragungskonfigurationen im Projekt PROJECT_ID in der Region LOCATION auf.“
  • „Starten Sie eine manuelle Übertragungsausführung für die Übertragungskonfiguration TRANSFER_CONFIG_ID im Projekt PROJECT_ID und am Standort LOCATION für den Zeitraum von 2026-01-01 bis 2026-01-07.“
  • "Prüfen Sie den Status der letzten Übertragungsausführungen für die Konfiguration TRANSFER_CONFIG_ID im Projekt PROJECT_ID. Wenn Ausführungen fehlgeschlagen sind, zeige mir die Übertragungsprotokolle und erkläre, was schiefgelaufen ist.“

Ersetzen Sie in den Prompts Folgendes:

  • PROJECT_ID: die Projekt-ID von Google Cloud .
  • LOCATION: der Standort der Übertragungskonfiguration oder Datenquelle.
  • DATA_SOURCE_ID: die Datenquellen-ID, z. B. google_ads oder scheduled_query.
  • TRANSFER_CONFIG_ID: die ID der Übertragungskonfiguration.

Optionale Sicherheitskonfigurationen

MCP bringt aufgrund der Vielzahl von Aktionen, die Sie mit den MCP-Tools ausführen können, neue Sicherheitsrisiken und ‑aspekte mit sich. Um diese Risiken zu minimieren und zu verwalten, bietetGoogle Cloud Standardeinstellungen und anpassbare Richtlinien, mit denen Sie die Verwendung von MCP-Tools in Ihrer Organisation oder Ihrem Projekt in Google Cloudsteuern können.

Weitere Informationen zur Sicherheit und Governance von MCP finden Sie unter KI-Sicherheit.

Model Armor verwenden

Model Armor ist ein Dienst vonGoogle Cloud , der die Sicherheit Ihrer KI-Anwendungen verbessern soll. Dazu werden LLM-Prompts und ‑Antworten proaktiv geprüft, um vor verschiedenen Risiken zu schützen und eine verantwortungsbewusste Anwendung von KI zu unterstützen. Unabhängig davon, ob Sie KI in Ihrer Cloud-Umgebung oder bei externen Cloud-Anbietern bereitstellen, kann Model Armor Ihnen helfen, schädliche Eingaben zu verhindern, die Inhaltssicherheit zu überprüfen, sensible Daten zu schützen, die Compliance aufrechtzuerhalten und Ihre KI-Sicherheitsrichtlinien konsistent in Ihrer vielfältigen KI-Landschaft durchzusetzen.

Wenn Model Armor mit aktiviertem Logging aktiviert ist, protokolliert Model Armor die gesamte Nutzlast. Dadurch könnten vertrauliche Informationen in Ihren Logs offengelegt werden.

MCP-Anfragenrouting zu Model Armor

Model Armor ist in bestimmten Regionen verfügbar. Wenn Model Armor aktiviert ist und Sie einen MCP-Server in einer Gerichtsbarkeit verwenden, die von Model Armor nicht unterstützt wird, kann das Routingverhalten des Aufrufs für verschiedene MCP-Server unterschiedlich sein und die Einhaltung von Datenstandortvorgaben für Daten, die gerade verwendet oder übertragen werden, beeinträchtigen. Weitere Informationen zum Verhalten einzelner MCP-Server finden Sie unter Von Model Armor unterstützte Produkte.

Model Armor aktivieren

Sie müssen die Model Armor APIs aktivieren, bevor Sie Model Armor verwenden können.

Console

  1. Aktivieren Sie die Model Armor API, falls sie noch nicht aktiviert ist.

    Rollen, die zum Aktivieren von APIs erforderlich sind

    Zum Aktivieren von APIs benötigen Sie die Berechtigung serviceusage.services.enable. Wenn Sie das Projekt erstellt haben, haben Sie diese Berechtigung wahrscheinlich bereits über die Inhaberrolle (roles/owner). Andernfalls können Sie diese Berechtigung über die Rolle „Service Usage-Administrator“ (roles/serviceusage.serviceUsageAdmin) erhalten. Informationen zum Zuweisen von Rollen

    API aktivieren

  2. Wählen Sie das Projekt aus, in dem Sie Model Armor aktivieren möchten.

gcloud

Führen Sie die folgenden Schritte mit der Google Cloud CLI und der Model Armor API aus, bevor Sie beginnen:

  1. Aktivieren Sie Cloud Shell in der Google Cloud Console.

    Cloud Shell aktivieren

    Unten in der Google Cloud Console wird eine Cloud Shell-Sitzung gestartet und eine Eingabeaufforderung angezeigt. Cloud Shell ist eine Shell-Umgebung, in der das Google Cloud CLI bereits installiert ist und Werte für Ihr aktuelles Projekt bereits festgelegt sind. Das Initialisieren der Sitzung kann einige Sekunden dauern.

  2. Führen Sie den folgenden Befehl aus, um den API-Endpunkt für den Model Armor-Dienst festzulegen.

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

    Ersetzen Sie LOCATION durch die Region, in der Sie Model Armor verwenden möchten.

Schutz für Google- und Google Cloud Remote-MCP-Server konfigurieren

Zum Schutz Ihrer MCP-Toolaufrufe und ‑Antworten können Sie die Mindesteinstellungen für Model Armor verwenden. Eine Mindesteinstellung definiert die Mindestsicherheitsfilter, die für das gesamte Projekt gelten. Mit dieser Konfiguration wird ein einheitlicher Satz von Filtern auf alle MCP-Toolaufrufe und ‑Antworten im Projekt angewendet.

Richten Sie eine Model Armor-Mindesteinstellung mit aktivierter MCP-Bereinigung ein. Weitere Informationen finden Sie unter Model Armor-Mindesteinstellungen konfigurieren.

Sehen Sie sich den folgenden Beispielbefehl an:

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"}]'

Ersetzen Sie dabei PROJECT_ID durch die ID Ihres Projekts in Google Cloud .

Beachten Sie die folgenden Einstellungen:

  • INSPECT_AND_BLOCK: Der Erzwingungstyp, der Inhalte für den Google MCP-Server prüft und Prompts und Antworten blockiert, die den Filtern entsprechen.
  • ENABLED: Die Einstellung, mit der ein Filter oder eine Erzwingung aktiviert wird.
  • MEDIUM_AND_ABOVE: Das Konfidenzniveau für die Filter-Einstellungen „Responsible AI – Gefährlich“. Sie können diese Einstellung ändern. Niedrigere Werte können jedoch zu mehr falsch positiven Ergebnissen führen. Weitere Informationen finden Sie unter Model Armor-Konfidenzstufen.

Scannen von MCP-Traffic mit Model Armor deaktivieren

Führen Sie den folgenden Befehl aus, um zu verhindern, dass Model Armor den Traffic zu und von Google-MCP-Servern automatisch anhand der Mindesteinstellungen des Projekts scannt:

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

Ersetzen Sie PROJECT_ID durch die Projekt-ID in Google Cloud . Model Armor wendet die in den Mindesteinstellungen dieses Projekts definierten Regeln nicht automatisch auf den Traffic von Google-MCP-Servern an.

Die Mindesteinstellungen und die allgemeine Konfiguration von Model Armor können sich nicht nur auf MCP auswirken. Da Model Armor in Dienste wie Vertex AI eingebunden ist, können sich Änderungen an den Mindesteinstellungen auf das Scannen von Traffic und das Sicherheitsverhalten in allen eingebundenen Diensten auswirken, nicht nur in MCP.

MCP-Nutzung mit IAM-Richtlinien steuern

Mit Ablehnungsrichtlinien und Zulassungsrichtlinien von Identity and Access Management (IAM) können Sie Google Cloud und Google MCP-Server schützen.

Sie können mehrere Kriterien kombinieren, um benutzerdefinierte Sicherheits- und Governance-Richtlinien zu erstellen. Dazu können Sie den Zugriff anhand der folgenden Kriterien zulassen oder verweigern:

  • Das Hauptkonto.
  • Toolattribute wie das schreibgeschützte Attribut.
  • Der Dienst- oder Toolname.
  • Die OAuth-Client-ID der Anwendung.

Weitere Informationen finden Sie unter MCP-Nutzung mit Identity and Access Management steuern.

Nächste Schritte