Google 會運用 AI 技術將內容翻譯成你偏好的語言，但可能會出錯。

使用 Bigtable 遠端 MCP 伺服器

本文說明如何使用 Bigtable 遠端 Model Context Protocol (MCP) 伺服器，連線至 AI 應用程式，包括 Gemini CLI、ChatGPT、Claude，以及您開發的自訂應用程式。透過 Bigtable 遠端 MCP 伺服器，您可以管理 Bigtable 執行個體和資料表，以及查詢資料。使用管理 MCP 伺服器執行管理工作，並使用資料 MCP 伺服器從 AI 應用程式查詢資料表。啟用 Bigtable API 時，系統會啟用 Bigtable 遠端 MCP 伺服器。

Model Context Protocol (MCP) 規範大型語言模型 (LLM) 和 AI 應用程式/代理程式連結外部資料來源的標準方式。MCP 伺服器可讓您使用工具、資源和提示，從後端服務執行動作及取得更新資料。

本機和遠端 MCP 伺服器有何不同？

本機 MCP 伺服器: 通常在本機上執行，並使用標準輸入和輸出串流 (stdio)，在同一部裝置上的服務之間進行通訊。
遠端 MCP 伺服器: 在服務的基礎架構上執行，並為 AI 應用程式提供 HTTP 端點，供 AI MCP 用戶端與 MCP 伺服器之間的通訊。如要進一步瞭解 MCP 架構，請參閱「MCP 架構」。

無狀態核心

MCP 2026-07-28 版將從雙向有狀態通訊協定變更為無狀態通訊協定。每個 MCP 要求都會自我描述，並可使用標頭進行路徑設定。不需要 initialize/initialized 交握或 Mcp-Session-Id，因為每個要求都包含 HTTP 標頭或 _meta 參數中所需的所有資訊。MCP 伺服器可透過多重往返要求 (MRTR)，要求工具所需的額外資訊。

為協助系統在不剖析要求主體的情況下，轉送及處理要求，您必須提供部分 MCP 標頭，包括：

MCP 規格所需的標頭，例如通訊協定版本標頭和標準要求標頭。
MCP 伺服器定義的自訂標頭。這些標頭會使用 x-mcp-header 屬性，從工具的輸入結構定義鏡像到 HTTP 標頭。舉例來說，MCP 伺服器可能會定義自訂標頭，以指定 Google Cloud 區域或專案 ID。

如要進一步瞭解 MCP 架構，請參閱 MCP 2026-07-28 版的規格和主要變更。

事前準備

登入 Google Cloud 帳戶。如果您是 Google Cloud新手，歡迎建立帳戶，親自評估產品在實際工作環境中的成效。新客戶還能獲得價值 $300 美元的免費抵免額，可用於執行、測試及部署工作負載。

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

Verify that billing is enabled for your Google Cloud project.

Enable the Bigtable Admin and Bigtable Data APIs, if any are not already enabled.

Roles required to enable APIs

To enable APIs, you need the serviceusage.services.enable permission. If you created the project, then you likely already have this permission through the Owner role (roles/owner). Otherwise, you can get this permission through the Service Usage Admin role (roles/serviceusage.serviceUsageAdmin). Learn how to grant roles.

Enable the APIs

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

Verify that billing is enabled for your Google Cloud project.

Enable the Bigtable Admin and Bigtable Data APIs, if any are not already enabled.

Roles required to enable APIs

Enable the APIs

執行下列指令，安裝 cbt CLI ：
```
gcloud components install cbt
```

必要的角色

如要取得使用 Bigtable MCP 伺服器所需的權限，請要求管理員在您要使用 Bigtable MCP 伺服器的專案中，授予下列 IAM 角色：

發出 MCP 工具呼叫： MCP 工具使用者 (roles/mcp.toolUser)
使用管理員 MCP 伺服器： Bigtable 系統管理員 (roles/bigtable.admin)
使用資料 MCP 伺服器： Bigtable Reader (roles/bigtable.reader)

如要進一步瞭解如何授予角色，請參閱「管理專案、資料夾和組織的存取權」。

這些預先定義的角色具備使用 Bigtable MCP 伺服器所需的權限。如要查看確切的必要權限，請展開「Required permissions」(必要權限) 部分：

所需權限

如要使用 Bigtable MCP 伺服器，必須具備下列權限：

發出 MCP 工具呼叫： mcp.tools.call
使用管理 MCP 伺服器：
- bigtable.instances.create
- bigtable.instances.delete
- bigtable.instances.get
- bigtable.instances.list
- bigtable.tables.create
- bigtable.tables.delete
- bigtable.tables.get
- bigtable.tables.list
使用資料 MCP 伺服器： bigtable.instances.executeQuery

您或許還可透過自訂角色或其他預先定義的角色取得這些權限。

驗證及授權

Bigtable MCP 伺服器會使用 OAuth 2.0 通訊協定搭配 Identity and Access Management (IAM) 進行驗證和授權。所有Google Cloud 身分都支援 MCP 伺服器驗證。

Bigtable 遠端 MCP 伺服器不接受 API 金鑰。

建議您使用 MCP 工具為代理商建立個別身分，以便控管及監控資源存取權。如要進一步瞭解驗證，請參閱「向 MCP 伺服器進行驗證」。

Bigtable MCP OAuth 範圍

OAuth 2.0 會使用範圍和憑證，判斷通過驗證的主體是否有權對資源執行特定動作。如要進一步瞭解 Google 的 OAuth 2.0 範圍，請參閱「使用 OAuth 2.0 存取 Google API」。

Bigtable 具有下列 MCP 工具 OAuth 範圍：

gcloud CLI 的範圍 URI	說明
`https://www.googleapis.com/auth/bigtable.admin`	可授予 Bigtable 資源的完整存取權，並指派 Bigtable IAM 角色。
`https://www.googleapis.com/auth/bigtable.data`	可讀取及寫入 Bigtable 資料表中的資料。

在工具呼叫期間存取的資源可能需要額外範圍。如要查看 Bigtable 必要的範圍清單，請參閱「Bigtable OAuth 範圍」。

設定 MCP 用戶端，以便使用 Bigtable MCP 伺服器

AI 應用程式和代理 (例如 Claude 或 Antigravity) 可以例項化 MCP 用戶端，並連至單一 MCP 伺服器。AI 應用程式可有多個用戶端，連線至不同的 MCP 伺服器。如果您的應用程式未列在特定用戶端指南中，則可以使用下列資訊從大多數應用程式連線。

在 AI 應用程式中，尋找新增或連線至遠端 MCP 伺服器的方法。如果是 Bigtable MCP 伺服器，請視需要輸入下列資訊：

伺服器名稱：
- Bigtable Admin MCP 伺服器
- Bigtable 資料 MCP 伺服器
伺服器網址或端點：
- Admin API：https://bigtableadmin.googleapis.com/mcp
- Data API：https://bigtable.googleapis.com/mcp
傳輸：可串流的 HTTP
驗證詳細資料：視驗證方式而定，您可以輸入 Google Cloud 憑證、OAuth 用戶端 ID 和密鑰，或是代理程式身分和憑證。如要進一步瞭解驗證，請參閱「向 MCP 伺服器進行驗證」。
OAuth 範圍：連線至 Bigtable MCP 伺服器時要使用的 Bigtable OAuth 範圍。

重新導向 URI

如果是網路應用程式和部分桌面應用程式，您必須在建立驗證用的用戶端 ID 和密鑰時，將重新導向 URI 加入許可清單。授權伺服器會使用重新導向 URI 將權杖傳送至應用程式。應用程式的說明文件應指定您必須使用的重新導向 URI。不支援自訂重新導向 URI。

如要瞭解如何設定及連線至 MCP 伺服器的應用程式專屬指引，請參閱用戶端專屬指引。

如需一般指引，請參閱下列資源：

可用的工具

如要查看 Bigtable MCP 伺服器的可用 MCP 工具詳細資料和說明，請參閱 Bigtable MCP 參考資料。

清單工具

使用 MCP 檢查器列出工具，或直接將 tools/list HTTP 要求傳送至 Bigtable 遠端 MCP 伺服器。tools/list 方法不需要驗證。

如果是管理員 MCP 伺服器，請將要求傳送至：

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

如果是資料 MCP 伺服器，請將要求傳送至：

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

更改下列內容：

TOOLSET_ENDPOINT：服務名稱後方的 MCP 端點其餘部分。舉例來說，如果是 Bigtable，這可能是 mcp/toolset-name。
MCP_PROTOCOL_VERSION：MCP 通訊協定版本。例如：2026-07-28。

提示範例

您可以使用下列提示詞範例建立或刪除 Bigtable 資源，以及取得相關資訊。

管理員提示範例

「在專案 PROJECT_ID 的可用區 ZONE_ID 中，建立具有 NODES 個節點的執行個體 INSTANCE_ID。」
「列出專案 PROJECT_ID 中的執行個體。」
「Get instance INSTANCE_ID in project PROJECT_ID.」
「Delete instance INSTANCE_ID in project PROJECT_ID.」(刪除專案 PROJECT_ID 中的執行個體 INSTANCE_ID。)
「在專案 PROJECT_ID 的執行個體 INSTANCE_ID 中建立資料表 TABLE_ID。」
「列出專案 PROJECT_ID 中執行個體 INSTANCE_ID 的資料表。」
「Get table TABLE_ID in INSTANCE_ID project PROJECT_ID.」(取得 INSTANCE_ID 專案中的 PROJECT_ID 表格 TABLE_ID)。
「Delete table TABLE_ID in instance INSTANCE_ID project PROJECT_ID.」(刪除專案 PROJECT_ID 中執行個體 INSTANCE_ID 的資料表 TABLE_ID)。

在提示中，請替換下列項目：

PROJECT_ID 替換為您的 Google Cloud 專案 ID。
將 INSTANCE_ID 換成 Bigtable 執行個體 ID。
ZONE_ID，並指定叢集執行的區域。
將 TABLE_ID 換成 Bigtable 資料表 ID。
如要控管叢集中的節點數量，請將 NODES 替換為叢集中所需的節點數量。如未指定，則預設為 1。

查詢資料的提示範例

「Execute a query to retrieve up to 10 rows from the table TABLE_ID in instance INSTANCE_ID in project PROJECT_ID.」(執行查詢，從專案 PROJECT_ID 中執行個體 INSTANCE_ID 的資料表 TABLE_ID 擷取最多 10 列資料。)
「針對專案 PROJECT_ID 下的執行個體 INSTANCE_ID 執行 SQL 查詢：SELECT _key, column_family, value FROM TABLE_ID WHERE row_key LIKE USER_ID。」
「使用應用程式設定檔 APP_PROFILE_ID，從專案 PROJECT_ID 的 Bigtable 執行個體 INSTANCE_ID 擷取資料，查詢為：SELECT * FROM TABLE_ID WHERE cf1['status'] = 'ERROR'。」

在提示中，請替換下列項目：

將 TABLE_ID 換成 Bigtable 資料表 ID。
將 INSTANCE_ID 換成 Bigtable 執行個體 ID。
PROJECT_ID 替換為您的 Google Cloud 專案 ID。
USER_ID，其中包含要查詢的使用者模式或列鍵。
將 APP_PROFILE_ID 替換為應用程式設定檔的 ID。

選用的安全和防護設定

MCP 工具可執行多種動作，因此會帶來新的安全風險和考量。為盡量降低及管理這些風險，Google Cloud 提供預設設定和可自訂的政策，控管機構或專案中 MCP 工具的使用情形。 Google Cloud

如要進一步瞭解 MCP 安全性和管理，請參閱「AI 安全性」。

使用 Model Armor

Model Armor 是一項Google Cloud 服務，旨在提升 AI 應用程式的安全性。這項功能會主動篩選 LLM 提示詞和回覆，防範各種風險並支援負責任的 AI 做法。無論您是在雲端環境或外部雲端供應商部署 AI，Model Armor 都能協助您防範惡意輸入、驗證內容安全性、保護敏感資料、維持法規遵循狀態，以及在多元的 AI 環境中，持續落實 AI 安全政策。

啟用 Model Armor 並啟用記錄功能後，Model Armor 會記錄整個酬載。這可能會導致記錄中的私密資訊外洩。

MCP 要求轉送至 Model Armor

Model Armor 僅在特定區域推出。啟用 Model Armor 後，如果您在 Model Armor 不支援的管轄區使用 MCP 伺服器，不同 MCP 伺服器的呼叫路徑行為可能不同，且可能會違反使用中和傳輸中資料的資料落地法規。如要進一步瞭解個別 MCP 伺服器的行為，請參閱「Model Armor 支援的產品」。

啟用 Model Armor

您必須先啟用 Model Armor API，才能使用 Model Armor。

控制台

如果尚未啟用 Model Armor API，請先啟用。
啟用 API 時所需的角色
如要啟用 API，您必須具備 serviceusage.services.enable 權限。如果您建立了專案，可能已透過「擁有者」角色 (roles/owner) 取得這項權限。否則，您可以透過「服務使用情形管理員」角色 (roles/serviceusage.serviceUsageAdmin) 取得這項權限。瞭解如何授予角色。
啟用 API
選取要啟用 Model Armor 的專案。

gcloud

開始之前，請使用 Google Cloud CLI 搭配 Model Armor API 執行下列步驟：

在 Google Cloud 控制台中啟用 Cloud Shell。

啟用 Cloud Shell

Google Cloud 控制台底部會開啟 Cloud Shell 工作階段，並顯示指令列提示。Cloud Shell 是已安裝 Google Cloud CLI 的殼層環境，並已設定適用於您目前專案的值。工作階段可能要幾秒鐘的時間才能初始化。
執行下列指令，為 Model Armor 服務設定 API 端點。
```
gcloud config set api_endpoint_overrides/modelarmor "https://modelarmor.LOCATION.rep.googleapis.com/"
```
將 LOCATION 替換為要使用 Model Armor 的區域。

設定 Google 和 Google Cloud 遠端 MCP 伺服器的防護機制

如要保護 MCP 工具呼叫和回應，可以使用 Model Armor 底限設定。底限設定會定義適用於整個專案的最低安全性篩選條件。這項設定會對專案中的所有 MCP 工具呼叫和回覆套用一致的篩選器。

設定 Model Armor 底限設定，並啟用 MCP 清理功能。詳情請參閱「設定 Model Armor 底價」。

請參閱下列指令範例：

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"}]'

將 PROJECT_ID 替換為 Google Cloud 專案 ID。

請注意下列設定：

INSPECT_AND_BLOCK：強制執行類型，可檢查 Google MCP 伺服器的內容，並封鎖符合篩選條件的提示和回應。
ENABLED：啟用篩選器或強制執行的設定。
MEDIUM_AND_ABOVE：負責任的 AI 技術 - 危險篩選器設定的信心水準。您可以修改這項設定，但較低的值可能會導致更多誤判。詳情請參閱「Model Armor 信心水準」。

停用使用 Model Armor 掃描 MCP 流量

如要停止讓 Model Armor 根據專案的底限設定，自動掃描往返 Google MCP 伺服器的流量，請執行下列指令：

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

將 PROJECT_ID 替換為 Google Cloud 專案 ID。Model Armor 不會自動將這個專案底限設定中定義的規則，套用至任何 Google MCP 伺服器流量。

Model Armor 底限設定和一般設定的影響範圍不只 MCP，由於 Model Armor 會與 Vertex AI 等服務整合，因此您對底限設定所做的任何變更，都可能影響所有整合服務 (不只是 MCP) 的流量掃描和安全行為。

使用 IAM 政策控管 MCP 使用情形

Identity and Access Management (IAM) 拒絕政策和允許政策可協助您保護 Google Cloud 和 Google MCP 伺服器。

您可以組合多項條件，根據下列項目允許或拒絕存取權，建立自訂安全性和控管政策：

主體。
工具屬性，例如唯讀屬性。
服務名稱或工具名稱。
應用程式的 OAuth 用戶端 ID。

詳情請參閱「使用身分與存取權管理功能控管 MCP 使用情形」。

後續步驟

請參閱 Bigtable MCP 參考文件。
進一步瞭解 Google Cloud MCP 伺服器。
透過 Model Context Protocol 確保代理程式互動安全無虞的最佳做法。