Google uses AI technology to translate content into your preferred language. AI translations can contain errors.

Usar servidores MCP

Com os servidores MCP, é possível acessar e executar ferramentas para criar, gerenciar e consultar recursos doGoogle Cloud usando plataformas de agentes de IA. Este documento descreve como se conectar a servidores remotos do Protocolo de Contexto de Modelo (MCP) usando a extensão do Google Cloud Data Agent Kit para Visual Studio Code. Google Cloud

Servidores MCP compatíveis

Os seguintes servidores MCP remotos são compatíveis com o trabalho na extensão Data Agent Kit para VS Code. Para detalhes específicos do produto, consulte estes guias:

Um servidor MCP remoto é ativado quando você ativa a API correspondente. Por exemplo, quando você ativa a API Spanner no seu projeto, o MCP remoto do Spanner é ativado automaticamente.

Google Cloud servidores MCP remotos

Os servidores MCP remotos do Google e do Google Cloud têm os seguintes recursos e benefícios:

Descoberta simplificada e centralizada
Endpoints HTTP globais ou regionais gerenciados
Autorização detalhada
Segurança opcional de comandos e respostas com a proteção do Model Armor
Registro de auditoria centralizado

Para informações sobre outros servidores MCP e controles de segurança e governança disponíveis para servidores MCP do Google Cloud, consulte Visão geral dos servidores MCP do Google Cloud.

O padrão do Protocolo de Contexto de Modelo (MCP) padroniza como os modelos de linguagem grandes (LLMs) e os aplicativos ou agentes de IA se conectam a fontes de dados externas. Com os servidores do MCP, você pode usar as ferramentas, os recursos e os comandos deles para realizar ações e receber dados atualizados do serviço de back-end.

Qual é a diferença entre servidores MCP locais e remotos?

Servidores MCP locais: Normalmente executados na máquina local e usam os fluxos de entrada e saída padrão (stdio) para comunicação entre serviços no mesmo dispositivo.
Servidores MCP remotos: Executar na infraestrutura do serviço e oferecer um endpoint HTTP para aplicativos de IA para comunicação entre o cliente MCP de IA e o servidor MCP. Para mais informações sobre a arquitetura do MCP, consulte Arquitetura do MCP.

Antes de começar

Instale a extensão do Data Agent Kit para VS Code.
Configure a extensão. Não se esqueça de ativar todas as APIs.

Funções exigidas

Para receber as permissões necessárias para acessar os servidores do Google Cloud MCP no seu IDE, peça ao administrador para conceder a você o papel do IAM de Usuário da ferramenta do MCP (roles/mcp.toolUser) no projeto em que você está trabalhando.

Dependendo dos recursos que você planeja acessar, talvez sejam necessários outros papéis além daqueles que permitem usar a extensão. Para conferir as funções mínimas necessárias para acessar servidores MCP remotos em cada serviço Google Cloudcompatível, consulte os guias específicos do produto.

Para mais informações sobre a concessão de papéis, consulte Gerenciar o acesso a projetos, pastas e organizações.

Identidade temporária de conta de serviço

Ao se conectar aos servidores do MCP pela extensão Data Agent Kit para VS Code, é possível usar suas credenciais de usuário ou a representação de conta de serviço. Recomendamos usar a identidade temporária de conta de serviço para a CLI gcloud e as credenciais padrão do aplicativo (ADC) ao se conectar aos servidores do MCP.

Isso envolve começar com as credenciais usadas para fazer login no Google Cloud e na CLI gcloud no VS Code, geralmente sua conta de usuário. Em seguida, solicite credenciais de curta duração para sua conta de serviço e use as credenciais da conta de serviço em vez das suas credenciais de usuário. Para mais informações, consulte Usar a identidade temporária de conta de serviço.

Para orientações sobre como usar a identidade temporária de conta de serviço para autenticar em servidores do MCP, consulte Identidade temporária de conta de serviço.

Autenticação e autorização

Conclua as etapas de autenticação e autorização a seguir. Para mais informações sobre a autorização da Conta do Google, consulte Como usar o OAuth 2.0 para acessar as APIs do Google.

Iniciar o processo de autenticação no ambiente de desenvolvimento integrado

Para começar o processo, envie um comando para o chat autônomo no ambiente de desenvolvimento integrado.

Se o painel de chat não aparecer, abra a paleta de comandos pressionando Cmd/Ctrl+Shift+P, pesquise e execute Abrir chat.
No painel de chat, envie o seguinte comando:
```
list BigQuery datasets using mcp server
```
O agente propõe o seguinte comando da CLI gcloud:
```
gcloud config get-value project
```
Clique em Permitir.

Uma caixa de diálogo vai aparecer perguntando se você quer fornecer um ID do cliente.
Clique em Copiar URIs e continuar.

A paleta de comandos é aberta e pede um ID do cliente OAuth.

Receber o ID do cliente OAuth

Em seguida, obtenha o ID do cliente OAuth no console Google Cloud .

No navegador, abra o console doGoogle Cloud .
Clique em Selecionar um projeto.
Selecione o mesmo projeto que você está usando na extensão do Data Agent Kit para VS Code.
No menu de navegação da API, clique em Credenciais.
Em IDs do cliente OAuth 2.0, clique no ID do cliente que você quer usar.
No painel de detalhes, em Informações adicionais, encontre e copie o valor de ID do cliente.

Fornecer credenciais ao VS Code

Insira o ID e a chave secreta do cliente na IDE.

Volte para o VS Code.
Cole o ID do cliente na caixa de diálogo Adicionar detalhes de registro do cliente.
Pressione Enter.
Volte ao console e copie o valor de Chave secreta do cliente.
Volte para o VS Code.
Cole a chave secreta do cliente na caixa de diálogo Adicionar detalhes de registro do cliente e pressione Enter.

O agente continua sendo executado, e uma caixa de diálogo aparece informando que o servidor MCP quer fazer a autenticação.
Clique em Permitir.
Se você receber uma solicitação para fazer login na sua Conta do Google de novo, siga as instruções e volte para a IDE.

O agente recebe os conjuntos de dados do BigQuery solicitados do servidor MCP e mostra a lista.

Configure Google Cloud servidores MCP remotos na extensão

Usando ferramentas de agente no IDE, você pode instanciar um cliente do MCP que se conecta a um único servidor do MCP. É possível ter vários clientes que se conectam a servidores MCP diferentes. Para se conectar a um servidor MCP remoto, o cliente MCP precisa saber, no mínimo, o URL do servidor MCP remoto.

Para cada cliente, use o seguinte conforme necessário.

Nome do servidor: SERVER_NAME
Endpoint: ENDPOINT
Transporte: HTTP
Detalhes da autenticação: dependendo de como você quer autenticar, é possível inserir suas Google Cloud credenciais, o ID e a chave secreta do cliente OAuth ou uma identidade e credenciais do agente.
- Para mais informações sobre autenticação, consulte Autenticar em servidores do MCP.
- Para detalhes de autenticação de cada serviço compatível, consulte os guias específicos do produto.
Escopo do OAuth: o escopo do OAuth 2.0 que você quer usar ao se conectar ao servidor MCP do AlloyDB.

Substitua SERVER_NAME e ENDPOINT pelos valores do serviço a que você está se conectando. Para o AlloyDB, especifique uma região, como us-east4.

Serviço	Nome do servidor	Endpoint
AlloyDB	Servidor MCP do AlloyDB	https://alloydb.REGION.rep.googleapis.com/mcp
BigQuery	Servidor MCP do BigQuery	https://bigquery.googleapis.com/mcp
Cloud SQL	Servidor MCP do Cloud SQL	https://sqladmin.googleapis.com/mcp
Knowledge Catalog	Servidor MCP do Knowledge Catalog	https://dataplex.googleapis.com/mcp
Serviço Gerenciado para Apache Spark	Servidor MCP do Serviço Gerenciado para Apache Spark	https://dataproc-us-central1.googleapis.com/mcp
Spanner	Servidor MCP do Spanner	https://spanner.googleapis.com/mcp

Configurações do MCP para a caixa de ferramentas e servidores MCP remotos

Use as configurações a seguir para cada serviço do Google Cloud Data Agent Kit que você quer conectar.

AlloyDB

Remoto

'alloydb': {
  remote: {
    vscode: {
      'datacloud_alloydb_remote': {
        type: 'http',
        url: 'https://alloydb.REGION.rep.googleapis.com/mcp',
        authProviderType: 'google_credentials',
        oauth: {
          scopes: ['https://www.googleapis.com/auth/cloud-platform'],
        },
      },

Local

'datacloud_alloydb-postgres-admin_toolbox': {
  '$typeName': 'exa.cascade_plugins_pb.CascadePluginCommandTemplate',
  'command': 'npx',
  'args': [
    '-y',
    '@toolbox-sdk/server@>=1.1.0',
    '--prebuilt',
    'alloydb-postgres-admin',
    '--stdio'
  ],
  'env': {},
},
'datacloud_alloydb-postgres_toolbox': {
  '$typeName': 'exa.cascade_plugins_pb.CascadePluginCommandTemplate',
  'command': 'npx',
  'args': [
    '-y',
    '@toolbox-sdk/server@>=1.1.0',
    '--prebuilt',
    'alloydb-postgres',
    '--stdio'
  ],
  'env': {
    'ALLOYDB_POSTGRES_CLUSTER': '',
    'ALLOYDB_POSTGRES_DATABASE': '',
    'ALLOYDB_POSTGRES_INSTANCE': '',
    'ALLOYDB_POSTGRES_IP_TYPE': '',
    'ALLOYDB_POSTGRES_PASSWORD': '',
    'ALLOYDB_POSTGRES_PROJECT': '',
    'ALLOYDB_POSTGRES_REGION': '',
    'ALLOYDB_POSTGRES_USER': '',
  },
},

BigQuery

Remoto

'datacloud_bigquery_remote': {
  type: 'http',
  url: 'https://bigquery.googleapis.com/mcp',
  authProviderType: 'google_credentials',
  oauth: {
    scopes: [
      'https://www.googleapis.com/auth/bigquery',
      'https://www.googleapis.com/auth/cloud-platform',
    ],
  },
},

Local

'datacloud_bigquery_toolbox': {
  command: 'npx',
  args: [
    '-y',
    '@toolbox-sdk/server@>=1.1.0',
    '--prebuilt',
    'bigquery',
    '--stdio'
  ],
  env: {
    'BIGQUERY_LOCATION': '',
    'BIGQUERY_PROJECT': '',
  },
},

Cloud SQL

Remoto

'datacloud_cloud-sql_remote': {
  type: 'http',
  url: 'https://sqladmin.googleapis.com/mcp',
  authProviderType: 'google_credentials',
  oauth: {
    scopes: ['https://www.googleapis.com/auth/cloud-platform'],
  },
},

Local

'datacloud_cloud-sql-postgresql-admin_toolbox': {
  '$typeName': 'exa.cascade_plugins_pb.CascadePluginCommandTemplate',
  'command': 'npx',
  'args': [
    '-y',
    '@toolbox-sdk/server@>=1.1.0',
    '--prebuilt',
    'cloud-sql-postgres-admin',
    '--stdio'
  ],
  'env': {},
},
'datacloud_cloud-sql-postgresql_toolbox': {
  '$typeName': 'exa.cascade_plugins_pb.CascadePluginCommandTemplate',
  'command': 'npx',
  'args': [
    '-y',
    '@toolbox-sdk/server@>=1.1.0',
    '--prebuilt',
    'cloud-sql-postgres',
    '--stdio'
  ],
  'env': {
    'CLOUD_SQL_POSTGRES_DATABASE': '',
    'CLOUD_SQL_POSTGRES_INSTANCE': '',
    'CLOUD_SQL_POSTGRES_IP_TYPE': '',
    'CLOUD_SQL_POSTGRES_PASSWORD': '',
    'CLOUD_SQL_POSTGRES_PROJECT': '',
    'CLOUD_SQL_POSTGRES_REGION': '',
    'CLOUD_SQL_POSTGRES_USER': '',
  },
},

Knowledge Catalog

Remoto

'datacloud_knowledge_catalog_remote': {
  type: 'http',
  url: 'https://dataplex.googleapis.com/mcp',
  authProviderType: 'google_credentials',
  oauth: {
    scopes: ['https://www.googleapis.com/auth/cloud-platform'],
  },

Local

'datacloud_knowledge_catalog_toolbox': {
  '$typeName': 'exa.cascade_plugins_pb.CascadePluginCommandTemplate',
  'command': 'npx',
  'args': [
    '-y',
    '@toolbox-sdk/server@>=1.1.0',
    '--prebuilt',
    'dataplex',
    '--stdio'
  ],
  'env': {
      'DATAPLEX_PROJECT': '${PROJECT_ID}',
    }

Serviço Gerenciado para Apache Spark

Remoto

'datacloud_managed_apache_spark_remote': {
          type: 'http',
          url: 'https://dataproc-${REGION}.googleapis.com/mcp',
          authProviderType: 'google_credentials',
          oauth: {
            scopes: ['https://www.googleapis.com/auth/dataproc'],
          },
        },

Local

'datacloud_managed_apache_spark_toolbox': {
        '$typeName': 'exa.cascade_plugins_pb.CascadePluginCommandTemplate',
        'command': 'npx',
        'args': [
          '-y',
          TOOLBOX_VERSION,
          '--prebuilt',
          'dataproc',
          '--stdio',
          '--user-agent-metadata',
          'google-cloud-data-agent-kit-${IDE_TYPE}',
        ],
        'env': {
          'DATAPROC_PROJECT': '${PROJECT_ID}',
          'DATAPROC_REGION': '${REGION}',
        },
      },
      'datacloud_serverless-spark_toolbox': {
        '$typeName': 'exa.cascade_plugins_pb.CascadePluginCommandTemplate',
        'command': 'npx',
        'args': [
          '-y',
          TOOLBOX_VERSION,
          '--prebuilt',
          'serverless-spark',
          '--stdio',
          '--user-agent-metadata',
          'google-cloud-data-agent-kit-${IDE_TYPE}',
        ],
        'env': {
          'SERVERLESS_SPARK_PROJECT': '${PROJECT_ID}',
          'SERVERLESS_SPARK_LOCATION': '${REGION}',
        },
      },

Spanner

Remoto

'datacloud_spanner_remote': {
  type: 'http',
  url: 'https://spanner.googleapis.com/mcp',
  authProviderType: 'google_credentials',
  oauth: {
    scopes: [
      'https://www.googleapis.com/auth/spanner.admin',
      'https://www.googleapis.com/auth/spanner.data',
    ],
   },
},

Local

'datacloud_spanner_toolbox': {
  '$typeName': 'exa.cascade_plugins_pb.CascadePluginCommandTemplate',
  'command': 'npx',
  'args': [
    '-y',
    '@toolbox-sdk/server@>=1.1.0',
    '--prebuilt',
    'spanner',
    '--stdio'
  ],
  'env': {
    'SPANNER_DATABASE': '',
    'SPANNER_DIALECT': '',
    'SPANNER_INSTANCE': '',
    'SPANNER_PROJECT': '',
  },
},

Configurações opcionais de segurança

A MCP apresenta novos riscos e considerações de segurança devido à grande variedade de ações que podem ser realizadas com as ferramentas dela. Para minimizar e gerenciar esses riscos, o Google Cloud oferece configurações padrão e políticas personalizáveis para controlar o uso das ferramentas do MCP na sua organização ou projeto do Google Cloud.

Para mais informações sobre segurança e governança do MCP, consulte Segurança e proteção de IA.

Usar o Model Armor

O Model Armor é um Google Cloud serviço projetado para aumentar a segurança dos seus aplicativos de IA. Ele funciona verificando de forma proativa os comandos e respostas de LLMs, protegendo contra vários riscos e apoiando práticas de IA responsável. Se você estiver implantando IA no seu ambiente de nuvem ou em provedores de nuvem externos, o Model Armor pode ajudar a evitar entradas maliciosas, verificar a segurança do conteúdo, proteger dados sensíveis, manter a conformidade e aplicar suas políticas de segurança e proteção de IA de maneira consistente em todo o cenário diversificado de IA.

Quando o Model Armor está ativado com a geração de registros ativada, ele registra todo o payload. Isso pode expor informações sensíveis nos seus registros.

Ativar o Model Armor

É necessário ativar as APIs do Model Armor antes de usar o Model Armor.

Console

Ative a API Model Armor.
Funções necessárias para ativar APIs
Para ativar as APIs, é necessário ter o papel do IAM de administrador de uso do serviço (roles/serviceusage.serviceUsageAdmin), que contém a permissão serviceusage.services.enable. Saiba como conceder papéis.
Ativar a API
Selecione o projeto em que você quer ativar o Model Armor.

gcloud

Antes de começar, siga estas etapas usando a Google Cloud CLI com a API Model Armor:

No console do Google Cloud , ative o Cloud Shell.

Ativar o Cloud Shell

Na parte de baixo do console Google Cloud , uma sessão do Cloud Shell é iniciada e exibe um prompt de linha de comando. O Cloud Shell é um ambiente shell com a CLI do Google Cloud já instalada e com valores já definidos para o projeto atual. A inicialização da sessão pode levar alguns segundos.
Execute o comando a seguir para definir o endpoint de API do serviço Model Armor.
```
gcloud config set api_endpoint_overrides/modelarmor "https://modelarmor.LOCATION.rep.googleapis.com/"
```
Substitua LOCATION pela região em que você quer usar o Model Armor.

Configurar a proteção para servidores MCP remotos e do Google Google Cloud

Para proteger as chamadas e respostas de ferramentas do MCP, use as configurações mínimas do Model Armor. Uma configuração mínima define os filtros de segurança mínimos que se aplicam a todo o projeto. Essa configuração aplica um conjunto consistente de filtros a todas as chamadas e respostas de ferramentas do MCP no projeto.

Configure uma configuração do Model Armor Floor com a limpeza da MCP ativada. Para mais informações, consulte Configurar configurações mínimas do Model Armor.

Confira o exemplo de comando a seguir:

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"}]'

Substitua PROJECT_ID pelo ID do projeto Google Cloud .

Observe as seguintes configurações:

INSPECT_AND_BLOCK: o tipo de aplicação que inspeciona o conteúdo do servidor MCP do Google e bloqueia solicitações e respostas que correspondem aos filtros.
ENABLED: a configuração que ativa um filtro ou uma restrição.
MEDIUM_AND_ABOVE: o nível de confiança das configurações de filtro de IA responsável - perigoso. É possível modificar essa configuração, mas valores mais baixos podem resultar em mais falsos positivos. Para mais informações, consulte Níveis de confiança do Model Armor.

Desativar a verificação do tráfego da MCP com o Model Armor

Para impedir que o Model Armor verifique automaticamente o tráfego de e para os servidores do Google MCP com base nas configurações mínimas do projeto, execute o seguinte comando:

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

Substitua PROJECT_ID pelo Google Cloud ID do projeto. O Model Armor não aplica automaticamente as regras definidas nas configurações de limite mínimo deste projeto ao tráfego de qualquer servidor MCP do Google.

As configurações mínimas e a configuração geral do Model Armor podem afetar mais do que apenas o MCP. Como o Model Armor se integra a serviços como a Vertex AI, as mudanças feitas nas configurações mínimas podem afetar a verificação de tráfego e os comportamentos de segurança em todos os serviços integrados, não apenas no MCP.

Controlar o uso do MCP com políticas de negação do IAM

As políticas de negação do Identity and Access Management (IAM) ajudam a proteger os servidores MCP remotos do Google Cloud . Configure essas políticas para bloquear o acesso indesejado às ferramentas do MCP.

Por exemplo, é possível negar ou permitir o acesso com base em:

O diretor
Propriedades da ferramenta, como somente leitura
O ID do cliente OAuth do aplicativo

Para mais informações, consulte Controlar o uso do MCP com o Identity and Access Management.

Resolver problemas

Para encontrar métodos de diagnóstico e resolução de erros da extensão Data Agent Kit para VS Code, consulte Solução de problemas.

Usar servidores MCP Mantenha tudo organizado com as coleções Salve e categorize o conteúdo com base nas suas preferências.

Servidores MCP compatíveis

Google Cloud servidores MCP remotos

Qual é a diferença entre servidores MCP locais e remotos?

Antes de começar

Funções exigidas

Identidade temporária de conta de serviço

Autenticação e autorização

Iniciar o processo de autenticação no ambiente de desenvolvimento integrado

Receber o ID do cliente OAuth

Fornecer credenciais ao VS Code

Configure Google Cloud servidores MCP remotos na extensão

Configurações do MCP para a caixa de ferramentas e servidores MCP remotos

AlloyDB

Remoto

Local

BigQuery

Remoto

Local

Cloud SQL

Remoto

Local

Knowledge Catalog

Remoto

Local

Serviço Gerenciado para Apache Spark

Remoto

Local

Spanner

Remoto

Local

Configurações opcionais de segurança

Usar o Model Armor

Ativar o Model Armor

Console

gcloud

Configurar a proteção para servidores MCP remotos e do Google Google Cloud

Desativar a verificação do tráfego da MCP com o Model Armor

Controlar o uso do MCP com políticas de negação do IAM

Resolver problemas

A seguir

Usar servidores MCP