Utiliser le serveur MCP distant Gemini Cloud Assist

L'utilisation de cette offre en version preview de Gemini Cloud Assist est soumise au Google Cloud Contrat, y compris aux Conditions des offres de pré-DG des Conditions spécifiques du serviceGoogle Cloud , ainsi qu'aux conditions du Programme Testeur de confiance de Gemini pour Google Cloud .

Ce document explique comment utiliser le serveur MCP (Model Context Protocol) distant de Gemini Cloud Assist pour vous connecter à des applications d'IA, y compris Antigravity, ChatGPT, Claude et les applications personnalisées que vous développez. Le serveur MCP distant Gemini Cloud Assist vous aide à concevoir une infrastructure, à examiner les problèmes, à gérer les ressources et à optimiser les coûts.

Nous vous recommandons d'utiliser le serveur MCP App Design Center et le serveur MCP Gemini Cloud Assist ensemble pour concevoir et déployer des applications.

Le Model Context Protocol (MCP) standardise la façon dont les grands modèles de langage (LLM) et les applications ou agents d'IA se connectent à des sources de données externes. Les serveurs MCP vous permettent d'utiliser leurs outils, leurs ressources et leurs prompts pour effectuer des actions et obtenir des données à jour à partir de leur service de backend.

Quelle est la différence entre les serveurs MCP locaux et distants ?

Serveurs MCP locaux
Ils s'exécutent généralement sur votre ordinateur local et utilisent les flux d'entrée et de sortie standards (stdio) pour la communication entre les services sur le même appareil.
Serveurs MCP distants
S'exécuter sur l'infrastructure du service et proposer un point de terminaison HTTP aux applications d'IA pour la communication entre le client MCP d'IA et le serveur MCP. Pour en savoir plus sur l'architecture MCP, consultez Architecture MCP.

Noyau sans état

Avec la version 2026-07-28 du MCP, le MCP passe d'un protocole bidirectionnel avec état à un protocole sans état. Chaque requête MCP est auto-descriptive et peut être acheminée à l'aide d'en-têtes. Le handshake initialize/initialized ou Mcp-Session-Id n'est pas nécessaire, car chaque requête inclut toutes les informations requises dans les en-têtes HTTP ou le paramètre _meta. Les serveurs MCP peuvent demander des informations supplémentaires requises par un outil via des requêtes multi-aller-retour (MRTR).

Pour faciliter le routage et le traitement des requêtes sans analyser le corps de la requête, certains en-têtes MCP sont requis, y compris les suivants :

  • En-têtes requis par la spécification MCP, tels que l'en-tête de version du protocole et les en-têtes de requête standards.
  • En-têtes personnalisés définis par le serveur MCP. Ces en-têtes sont mis en miroir dans les en-têtes HTTP à partir du schéma d'entrée de l'outil à l'aide de la propriété x-mcp-header. Par exemple, un serveur MCP peut définir un en-tête personnalisé pour spécifier la région ou l'ID du projet Google Cloud .

Pour en savoir plus sur l'architecture MCP, consultez la spécification et les principaux changements de la version 2026-07-28 de MCP.

Serveurs MCP distants Google et Google Cloud

Les serveurs MCP distants Google et Google Cloud présentent les fonctionnalités et avantages suivants :

  • Découverte simplifiée et centralisée
  • Points de terminaison HTTP gérés mondiaux ou régionaux
  • Autorisations précises
  • Sécurité facultative des prompts et des réponses avec la protection Model Armor
  • Journaux d'audit centralisés

Pour en savoir plus sur les autres serveurs MCP et sur les contrôles de sécurité et de gouvernance disponibles pour les serveurs MCP Google Cloud, consultez la présentation des serveurs MCP Google Cloud.

Avant de commencer

Connectez-vous à votre compte Google Cloud . Si vous débutez sur Google Cloud, créez un compte pour évaluer les performances de nos produits en conditions réelles. Les nouveaux clients bénéficient également de 300 $ de crédits sans frais pour exécuter, tester et déployer des charges de travail.

Installez la Google Cloud CLI. Après l'installation, initialisez la Google Cloud CLI en exécutant la commande suivante : 

gcloud init

Si vous utilisez un fournisseur d'identité (IdP) externe, vous devez d'abord vous connecter à la gcloud CLI avec votre identité fédérée.

Installez la Google Cloud CLI. Après l'installation, initialisez la Google Cloud CLI en exécutant la commande suivante : 

gcloud init

Si vous utilisez un fournisseur d'identité (IdP) externe, vous devez d'abord vous connecter à la gcloud CLI avec votre identité fédérée.

Activer l'API

Activez le service Gemini Cloud Assist dans votre projet :

gcloud services enable geminicloudassist.googleapis.com \
    --project=PROJECT_ID

Remplacez PROJECT_ID par l'ID du projet Google Cloud .

Rôles requis

Pour obtenir les autorisations nécessaires pour utiliser le serveur MCP Gemini Cloud Assist, demandez à votre administrateur de vous accorder les rôles IAM suivants sur le projet dans lequel vous souhaitez utiliser le serveur MCP Gemini Cloud Assist :

  • Effectuer des appels d'outils MCP : Utilisateur de l'outil MCP (roles/mcp.toolUser)
  • Utiliser Gemini Cloud Assist : l'un des rôles Utilisateur Gemini Cloud Assist (roles/geminicloudassist.user), Éditeur Gemini Cloud Assist (roles/geminicloudassist.editor) ou Administrateur Gemini Cloud Assist (roles/geminicloudassist.admin)

Pour en savoir plus sur l'attribution de rôles, consultez Gérer l'accès aux projets, aux dossiers et aux organisations.

Ces rôles prédéfinis contiennent les autorisations requises pour utiliser le serveur MCP Gemini Cloud Assist. Pour connaître les autorisations exactes requises, développez la section Autorisations requises :

Autorisations requises

Vous devez disposer des autorisations suivantes pour utiliser le serveur MCP Gemini Cloud Assist :

  • Effectuer des appels d'outils MCP : mcp.tools.call

Vous pouvez également obtenir ces autorisations avec des rôles personnalisés ou d'autres rôles prédéfinis.

Authentification et autorisation

Le serveur MCP distant Gemini Cloud Assist utilise le protocole OAuth 2.0 avec Identity and Access Management (IAM) pour l'authentification et l'autorisation. Toutes les identitésGoogle Cloud sont compatibles avec l'authentification auprès des serveurs MCP.

Gemini Cloud Assist n'accepte pas les clés API comme méthode d'authentification.

Nous vous recommandons de créer une identité distincte pour les agents qui utilisent des outils MCP afin de pouvoir contrôler et surveiller l'accès aux ressources. Pour en savoir plus sur l'authentification, consultez S'authentifier auprès des serveurs MCP.

Champs d'application OAuth MCP de Gemini Cloud Assist

OAuth 2.0 utilise des champs d'application et des identifiants pour déterminer si un compte principal authentifié est autorisé à effectuer une action spécifique sur une ressource. Pour en savoir plus sur les champs d'application OAuth 2.0 chez Google, consultez Utiliser OAuth 2.0 pour accéder aux API Google.

Gemini Cloud Assist dispose du champ d'application OAuth de l'outil MCP suivant :

URI de champ d'application pour gcloud CLI Description
https://www.googleapis.com/auth/cloud-platform Lire et écrire des données.

Configurer un client MCP pour utiliser le serveur MCP Gemini Cloud Assist

Les applications et agents d'IA, tels que Claude ou Antigravity, peuvent instancier un client MCP qui se connecte à un seul serveur MCP. Une application d'IA peut avoir plusieurs clients qui se connectent à différents serveurs MCP. Si votre application ne figure pas dans les instructions spécifiques au client, vous pouvez utiliser les informations suivantes pour vous connecter à partir de la plupart des applications.

Dans votre application d'IA, recherchez un moyen d'ajouter un serveur MCP distant ou de vous y connecter. Pour le serveur MCP Gemini Cloud Assist, saisissez les informations suivantes :

Propriété de configuration Valeur
Nom du serveur gemini-cloud-assist
URL ou point de terminaison du serveur https://geminicloudassist.googleapis.com/mcp
Transport HTTP diffusable en streaming
Informations d'authentification Selon la méthode d'authentification que vous souhaitez utiliser, vous pouvez saisir vos identifiants Google Cloud , l'ID client et le secret de votre client OAuth, ou l'identité et les identifiants d'un agent. Pour en savoir plus, consultez S'authentifier auprès des serveurs MCP.
Habilitation OAuth Champ d'application OAuth 2.0 utilisé lors de la connexion au serveur MCP Gemini Cloud Assist.

Pour obtenir des conseils spécifiques à l'application sur la configuration et la connexion au serveur MCP, consultez Conseils spécifiques au client.

Pour obtenir des conseils plus généraux, consultez les ressources suivantes :

Outils disponibles

Pour afficher les détails des outils MCP disponibles et leurs descriptions pour le serveur MCP Gemini Cloud Assist, consultez la documentation de référence sur le MCP Gemini Cloud Assist.

Lister les outils

Utilisez l'inspecteur MCP pour lister les outils ou envoyez une requête HTTP tools/list directement au serveur MCP distant de Gemini Cloud Assist. La méthode tools/list ne nécessite pas d'authentification.

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

Remplacez les éléments suivants :

  • TOOLSET_ENDPOINT : le reste du point de terminaison MCP après le nom du service. Par exemple, pour Gemini Cloud Assist, il peut s'agir de mcp/toolset-name.
  • MCP_PROTOCOL_VERSION : version du protocole MCP. Exemple : 2026-07-28.

Exemples de cas d'utilisation

Voici des exemples de cas d'utilisation du serveur MCP Gemini Cloud Assist :

  • Accéder aux connaissances sur les produits et aux bonnes pratiques : obtenez des conseils pour utiliser et configurer les produits Google Cloud .

    Prompt de l'utilisateur : What storage class should I use for my data?

    Action de l'agent : l'agent identifie et présente les bonnes pratiques.

  • Inspecter vos ressources, applications et données : posez des questions sur les configurations et les métriques de vos ressources.

    Prompt de l'utilisateur : List all config changes in the last 24 hours.

    Action de l'agent : l'agent inspecte vos organisations et renvoie les informations que vous avez demandées.

  • Générer une conception d'infrastructure en fonction d'objectifs : décrivez les services Google Clouddont vous avez besoin et l'objectif que vous souhaitez atteindre.

    Prompt de l'utilisateur : Help me set up a web application using Cloud Run, Cloud SQL, and Cloud Load Balancing in the eu-west-2 region.

    Action de l'agent : l'agent génère une conception d'architecture qui correspond à votre objectif en utilisant les services Google Cloud que vous souhaitez.

Configurations de sécurité facultatives

Le MCP introduit de nouveaux risques et considérations de sécurité en raison de la grande variété d'actions que vous pouvez effectuer avec les outils MCP. Pour minimiser et gérer ces risques,Google Cloud propose des paramètres par défaut et des règles personnalisables permettant de contrôler l'utilisation des outils MCP dans votre organisation ou projet Google Cloud.

Pour en savoir plus sur la sécurité et la gouvernance de MCP, consultez Sécurité et sûreté de l'IA.

Utiliser Model Armor

Model Armor est un serviceGoogle Cloud conçu pour améliorer la sécurité de vos applications d'IA. Il analyse de manière proactive les prompts et les réponses des LLM, protège contre divers risques et favorise les pratiques pour une IA responsable. Que vous déployiez l'IA dans votre environnement cloud ou sur des fournisseurs de services cloud externes, Model Armor peut vous aider à empêcher les entrées malveillantes, à vérifier la sécurité du contenu, à protéger les données sensibles, à maintenir la conformité et à appliquer vos règles de sécurité de l'IA de manière cohérente dans votre paysage d'IA diversifié.

Lorsque Model Armor est activé avec la journalisation activée, il consigne l'intégralité de la charge utile. Cela pourrait exposer des informations sensibles dans vos journaux.

Routage des requêtes MCP vers Model Armor

Model Armor est disponible dans certaines régions. Lorsque Model Armor est activé et que vous utilisez un serveur MCP dans une juridiction non compatible avec Model Armor, le comportement de routage de l'appel peut être différent selon les serveurs MCP et peut enfreindre la conformité de la résidence des données pour les données en cours d'utilisation et en transit. Pour en savoir plus sur le comportement des différents serveurs MCP, consultez Produits compatibles avec Model Armor.

Activer Model Armor

Vous devez activer les API Model Armor avant de pouvoir utiliser Model Armor.

Console

  1. Activez l'API Model Armor, si ce n'est pas déjà fait.

    Rôles requis pour activer les API

    Pour activer des API, vous devez disposer de l'autorisation serviceusage.services.enable. Si vous avez créé le projet, vous disposez probablement déjà de cette autorisation via le rôle Propriétaire (roles/owner). Sinon, vous pouvez l'obtenir via le rôle Administrateur Service Usage (roles/serviceusage.serviceUsageAdmin). Découvrez comment attribuer des rôles.

    Activer l'API

  2. Sélectionnez le projet dans lequel vous souhaitez activer Model Armor.

gcloud

Avant de commencer, suivez ces étapes à l'aide de la Google Cloud CLI avec l'API Model Armor :

  1. Dans la console Google Cloud , activez Cloud Shell.

    Activer Cloud Shell

    En bas de la fenêtre de la console Google Cloud , une session Cloud Shell démarre et affiche une invite de ligne de commande. Cloud Shell est un environnement de shell dans lequel la Google Cloud CLI est déjà installée, et dans lequel des valeurs sont déjà définies pour votre projet actuel. L'initialisation de la session peut prendre quelques secondes.

  2. Exécutez la commande suivante pour définir le point de terminaison de l'API pour le service Model Armor.

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

    Remplacez LOCATION par la région dans laquelle vous souhaitez utiliser Model Armor.

Configurer la protection pour les serveurs MCP Google et Google Cloud distants

Pour protéger les appels et les réponses de vos outils MCP, vous pouvez utiliser les paramètres de plancher Model Armor. Un paramètre de plancher définit les filtres de sécurité minimaux qui s'appliquent à l'ensemble du projet. Cette configuration applique un ensemble de filtres cohérent à tous les appels et réponses d'outils MCP du projet.

Configurez un paramètre plancher Model Armor avec la désinfection MCP activée. Pour en savoir plus, consultez Configurer les paramètres de plancher Model Armor.

Consultez l'exemple de commande suivant :

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"}]'

Remplacez PROJECT_ID par l'ID du projet Google Cloud .

Notez les paramètres suivants :

  • INSPECT_AND_BLOCK : type d'application qui inspecte le contenu du serveur MCP Google et bloque les requêtes et les réponses qui correspondent aux filtres.
  • ENABLED : paramètre qui active un filtre ou une mesure d'application.
  • MEDIUM_AND_ABOVE : niveau de confiance pour les paramètres du filtre "IA responsable - Dangereux". Vous pouvez modifier ce paramètre, mais des valeurs inférieures peuvent entraîner davantage de faux positifs. Pour en savoir plus, consultez Niveaux de confiance de Model Armor.

Désactiver l'analyse du trafic MCP avec Model Armor

Pour empêcher Model Armor d'analyser automatiquement le trafic vers et depuis les serveurs MCP Google en fonction des paramètres de base du projet, exécutez la commande suivante :

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

Remplacez PROJECT_ID par l'ID du projet Google Cloud . Model Armor n'applique pas automatiquement les règles définies dans les paramètres de base de ce projet au trafic des serveurs MCP Google.

Les paramètres de base et la configuration générale de Model Armor peuvent avoir un impact sur d'autres éléments que le MCP. Comme Model Armor s'intègre à des services tels que Vertex AI, toute modification apportée aux paramètres de seuil peut affecter l'analyse du trafic et les comportements de sécurité dans tous les services intégrés, et pas seulement dans MCP.

Contrôler l'utilisation de MCP avec des stratégies IAM

Les stratégies de refus et les stratégies d'autorisation IAM (Identity and Access Management) vous aident à sécuriser les serveurs Google Cloud et Google MCP.

Vous pouvez combiner plusieurs critères pour créer des règles de sécurité et de gouvernance personnalisées en autorisant ou en refusant l'accès en fonction des éléments suivants :

  • Le compte principal.
  • Propriétés de l'outil, comme l'attribut en lecture seule.
  • Nom du service ou de l'outil.
  • ID client OAuth de l'application.

Pour en savoir plus, consultez Contrôler l'utilisation de MCP avec Identity and Access Management.

Étapes suivantes