"Managed Service for Apache Spark" is the new name for the product formerly known as "Dataproc on Compute Engine" (cluster deployment) and "Google Cloud Serverless for Apache Spark" (serverless deployment).

Google utiliza tecnología de IA para traducir contenido a tu idioma preferido. Las traducciones realizadas con IA pueden contener errores.

Usa el servidor de MCP de Managed Service para Apache Spark

En este documento, se muestra cómo usar el servidor remoto del Protocolo de contexto del modelo (MCP) de Managed Service para Apache Spark para conectarte con aplicaciones de IA, como Antigravity, ChatGPT, Claude y las aplicaciones personalizadas que estás desarrollando. El servidor de MCP remoto de Managed Service para Apache Spark te permite realizar operaciones basadas en clústeres, como crear un clúster, enviar un trabajo o crear una política de escalado automático desde tu aplicación de IA. El servidor de MCP remoto de Managed Service para Apache Spark se habilita cuando habilitas la API de Managed Service para Apache Spark.

El Protocolo de contexto del modelo (MCP) estandariza la forma en que los modelos de lenguaje grandes (LLM) y las aplicaciones o agentes de IA se conectan a fuentes de datos externas. Los servidores de MCP te permiten usar sus herramientas, recursos y mensajes para realizar acciones y obtener datos actualizados de su servicio de backend.

¿Cuál es la diferencia entre los servidores de MCP locales y remotos?

Servidores de MCP locales: Por lo general, se ejecutan en tu máquina local y usan los flujos de entrada y salida estándar (stdio) para la comunicación entre servicios en el mismo dispositivo.
Servidores de MCP remotos: Se ejecutan en la infraestructura del servicio y ofrecen un extremo HTTP a las aplicaciones de IA para la comunicación entre el cliente de MCP de IA y el servidor de MCP. Para obtener más información sobre la arquitectura de MCP, consulta Arquitectura de MCP.

Núcleo sin estado

Con la versión 2026-07-28 del MCP, este cambia de un protocolo bidireccional con estado a un protocolo sin estado. Cada solicitud de MCP se describe a sí misma y se puede enrutar con encabezados. No es necesario el protocolo de enlace initialize/initialized ni Mcp-Session-Id, ya que cada solicitud incluye toda la información necesaria en los encabezados HTTP o el parámetro _meta. Los servidores de MCP pueden solicitar información adicional que requiere una herramienta a través de solicitudes de ida y vuelta múltiples (MRTR).

Para ayudar a enrutar y procesar las solicitudes sin analizar el cuerpo de la solicitud, se requieren algunos encabezados de MCP, incluidos los siguientes:

Encabezados que requiere la especificación de MCP, como el encabezado de la versión del protocolo y los encabezados de la solicitud estándar.
Encabezados personalizados que define el servidor de MCP. Estos encabezados se reflejan en los encabezados HTTP del esquema de entrada de la herramienta con la propiedad x-mcp-header. Por ejemplo, un servidor de MCP podría definir un encabezado personalizado para especificar la región o el ID del proyecto de Google Cloud .

Para obtener más información sobre la arquitectura de MCP, consulta la especificación y los cambios clave de la versión 2026-07-28 de MCP.

Para obtener información sobre el servidor de MCP local de Managed Service para Apache Spark, consulta Introducción a MCP Toolbox para bases de datos.

Servidores de MCP remotos de Google y Google Cloud

Los servidores de MCP remotos de Google y Google Cloud tienen las siguientes características y beneficios:

Descubrimiento simplificado y centralizado
Extremos HTTP globales o regionales administrados
Autorización detallada
Seguridad opcional de instrucciones y respuestas con la protección de Model Armor
Registro de auditoría centralizado

Para obtener información sobre otros servidores de MCP y sobre los controles de seguridad y administración disponibles para los servidores de MCP de Google Cloud, consulta la Descripción general de los servidores de MCP de Google Cloud.

Antes de comenzar

Accede a tu cuenta de Google Cloud . Si eres nuevo en Google Cloud, crea una cuenta para evaluar el rendimiento de nuestros productos en situaciones reales. Los clientes nuevos también obtienen $300 en créditos gratuitos para ejecutar, probar y, además, implementar cargas de trabajo.

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 you have the permissions required to complete this guide.

Verify that billing is enabled for your Google Cloud project.

Enable the Managed Service for Apache Spark, Cloud Storage, and BigQuery 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 you have the permissions required to complete this guide.

Verify that billing is enabled for your Google Cloud project.

Enable the Managed Service for Apache Spark, Cloud Storage, and BigQuery APIs, if any are not already enabled.

Roles required to enable APIs

Enable the APIs

Roles obligatorios

Se requieren ciertos roles de IAM para ejecutar los ejemplos de esta página. Según las políticas de la organización, es posible que ya se hayan otorgado estos roles. Para verificar las asignaciones de roles, consulta ¿Necesitas otorgar roles?.

Para obtener más información sobre cómo otorgar roles, consulta Administra el acceso a proyectos, carpetas y organizaciones.

Funciones de usuario

Para obtener los permisos que necesitas para usar Managed Service para Apache Spark, pídele a tu administrador que te otorgue los siguientes roles de IAM:

Editor de Dataproc (roles/dataproc.editor) en el proyecto
Usuario de la cuenta de servicio (roles/iam.serviceAccountUser) en la cuenta de servicio predeterminada de Compute Engine

Para obtener los permisos que necesitas para usar el servidor de MCP de Managed Service para Apache Spark, pídele a tu administrador que te otorgue los siguientes roles de IAM en el proyecto:

Realizar llamadas a herramientas de MCP: Usuario de la herramienta de MCP (roles/mcp.toolUser)

Estos roles predefinidos contienen los permisos necesarios para usar el servidor de MCP de Managed Service para Apache Spark. Para ver los permisos exactos que son necesarios, expande la sección Permisos requeridos:

Permisos necesarios

Se requieren los siguientes permisos para usar el servidor de MCP de Managed Service para Apache Spark:

Realiza llamadas a herramientas de MCP: mcp.tools.call

Función de cuenta de servicio

Para asegurarte de que la cuenta de servicio predeterminada de Compute Engine tenga los permisos necesarios para crear clústeres y enviar trabajos, pídele a tu administrador que otorgue el rol de IAM de trabajador de Dataproc (roles/dataproc.worker) a la cuenta de servicio predeterminada de Compute Engine en el proyecto.

Este rol predefinido contiene los permisos necesarios para crear clústeres y enviar trabajos. Para ver los permisos exactos que son necesarios, expande la sección Permisos requeridos:

Permisos necesarios

Se requieren los siguientes permisos para crear clústeres y enviar trabajos:

Realiza llamadas a herramientas de MCP: mcp.tools.call

Autenticación y autorización

El servidor de MCP remoto de Managed Service para Apache Spark usa el protocolo OAuth 2.0 con Identity and Access Management (IAM) para la autenticación y la autorización. Todas las identidades deGoogle Cloud son compatibles con la autenticación en los servidores de MCP.

El servidor de MCP remoto de Managed Service para Apache Spark no acepta claves de API.

Te recomendamos que crees una identidad independiente para los agentes que usan herramientas de MCP, de modo que se pueda controlar y supervisar el acceso a los recursos. Para obtener más información sobre la autenticación, consulta Autentícate en servidores de MCP.

Permisos de OAuth de MCP de Managed Service para Apache Spark

OAuth 2.0 usa permisos y credenciales para determinar si un principal autenticado está autorizado a realizar una acción específica en un recurso. Para obtener más información sobre los permisos de OAuth 2.0 en Google, consulta Usa OAuth 2.0 para acceder a las APIs de Google.

Managed Service para Apache Spark tiene los siguientes permisos de OAuth de la herramienta de MCP:

URI del permiso para gcloud CLI	Descripción
`https://www.googleapis.com/auth/dataproc`	Ver y administrar tus datos en Managed Service para Apache Spark, y ver la dirección de correo electrónico de tu Cuenta de Google

Es posible que se requieran permisos adicionales en los recursos a los que se accede durante una llamada a la herramienta. Para ver una lista de los permisos necesarios para Managed Service para Apache Spark, consulta la API de Managed Service para Apache Spark.

Configura un cliente de MCP para que use el servidor de MCP de Managed Service para Apache Spark

Las aplicaciones y los agentes de IA, como Claude o Antigravity, pueden crear una instancia de un cliente de MCP que se conecte a un solo servidor de MCP. Una aplicación de IA puede tener varios clientes que se conecten a diferentes servidores de MCP. Si tu aplicación no aparece en la guía específica del cliente, puedes usar la siguiente información para conectarte desde la mayoría de las aplicaciones.

En tu aplicación de IA, busca una forma de agregar un servidor de MCP remoto o conectarte a él. Para el servidor de MCP de Managed Service para Apache Spark, ingresa lo siguiente según sea necesario:

Nombre del servidor: Servidor de MCP de Managed Service para Apache Spark
URL del servidor o Extremo: https://dataproc-us-central1.googleapis.com/mcp
Transporte: HTTP transmisible
Detalles de autenticación: Según cómo quieras autenticarte, puedes ingresar tus credenciales de Google Cloud , tu ID de cliente de OAuth y el secreto, o una identidad y credenciales de agente. Para obtener más información sobre la autenticación, consulta Autentícate en servidores de MCP.
Permiso de OAuth: Es el permiso de OAuth 2.0 que deseas usar cuando te conectes al servidor de MCP de Managed Service para Apache Spark. Para obtener más información, consulta Permisos de OAuth de MCP de Managed Service para Apache Spark. ### URIs de redireccionamiento

En el caso de las aplicaciones basadas en la Web y algunas aplicaciones de escritorio, debes incluir un URI de redireccionamiento en la lista de entidades permitidas cuando crees un ID de cliente y un secreto para la autenticación. El servidor de autorización usa los URI de redireccionamiento para enviar tokens a tu aplicación. En la documentación de tu aplicación, se debe especificar el URI de redireccionamiento que debes usar. No se admiten los URI de redireccionamiento personalizados.

Para obtener orientación específica de la aplicación sobre cómo configurar y conectarse al servidor de MCP, consulta Orientación específica del cliente.

Para obtener orientación más general, consulta los siguientes recursos:

Herramientas disponibles

Las herramientas de MCP que son de solo lectura tienen el atributo de MCP mcp.tool.isReadOnly establecido en true. Es posible que solo quieras permitir herramientas de solo lectura en ciertos entornos a través de la política de la organización.

Para ver los detalles de las herramientas de MCP disponibles y sus descripciones para el servidor de MCP de Managed Service para Apache Spark, consulta la referencia de MCP de Managed Service para Apache Spark.

Herramientas de listas

Usa el inspector de MCP para enumerar las herramientas o envía una solicitud HTTP tools/list directamente al servidor de MCP remoto de Managed Service para Apache Spark. El método tools/list no requiere autenticación.

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

Reemplaza lo siguiente:

TOOLSET_ENDPOINT: el resto del extremo de MCP después del nombre del servicio. Por ejemplo, para Managed Service para Apache Spark, podría ser mcp/toolset-name.
MCP_PROTOCOL_VERSION: Es la versión del protocolo de MCP. Por ejemplo, 2026-07-28.

Ejemplos de casos de uso

A continuación, se muestran casos de uso de ejemplo para el servidor de MCP de Managed Service para Apache Spark:

"Enumera los clústeres de Managed Service para Apache Spark en PROJECT_ID y REGION".
"Obtén el estado más reciente del clúster CLUSTER_NAME en PROJECT_ID y REGION".
"Borra CLUSTER_NAME en PROJECT_ID y REGION, y sondea hasta que se complete. Informa cualquier error si se produce un error".

Reemplaza lo siguiente:

PROJECT_ID: Es el ID del proyecto de Google Cloud . Los IDs de los proyectos se enumeran en la sección Información del proyecto en el Panel de la consola de Google Cloud .
REGION: Es la región de Compute Engine en la que se encuentra el clúster de Managed Service para Apache Spark.
CLUSTER_NAME: Es el nombre del clúster de Managed Service para Apache Spark existente.

Parámetros de configuración de seguridad opcionales

El MCP presenta nuevos riesgos y consideraciones de seguridad debido a la gran variedad de acciones que puedes realizar con las herramientas de MCP. Para minimizar y administrar estos riesgos, Google Cloud ofrece parámetros de configuración predeterminados y políticas personalizables para controlar el uso de las herramientas de MCP en tu Google Cloud organización o proyecto.

Para obtener más información sobre la seguridad y la administración de MCP, consulta Seguridad y protección de la IA.

Usa Model Armor

Model Armor es un servicio de Google Cloud diseñado para mejorar la seguridad de tus aplicaciones de IA. Funciona analizando de forma proactiva las instrucciones y respuestas de los LLM, protegiendo contra diversos riesgos y respaldando prácticas de IA responsable. Ya sea que implementes IA en tu entorno de nube o en proveedores de servicios en la nube externos, Model Armor puede ayudarte a evitar entradas maliciosas, verificar la seguridad del contenido, proteger datos sensibles, mantener el cumplimiento y aplicar tus políticas de seguridad de la IA de manera coherente en todo tu panorama de IA.

Cuando Model Armor está habilitado con el registro habilitado, Model Armor registra toda la carga útil. Esto podría exponer información sensible en tus registros.

Enrutamiento de solicitudes de MCP a Model Armor

Model Armor está disponible en ciertas regiones. Cuando Model Armor está habilitado y usas un servidor de MCP en una jurisdicción que Model Armor no admite, el comportamiento de enrutamiento de la llamada podría ser diferente para los distintos servidores de MCP y podría incumplir el cumplimiento de la residencia de datos para los datos en uso y en tránsito. Para obtener más información sobre el comportamiento de los servidores de MCP individuales, consulta Productos compatibles con Model Armor.

Habilita Model Armor

Para poder usar las APIs de Model Armor, debes habilitarlas.

Console

Habilita la API de Model Armor si aún no está habilitada.
Roles necesarios para habilitar las APIs
Para habilitar las APIs, necesitas el permiso serviceusage.services.enable. Si creaste el proyecto, es probable que ya tengas este permiso a través del rol de propietario (roles/owner). De lo contrario, puedes obtenerlo a través del rol de administrador de Service Usage (roles/serviceusage.serviceUsageAdmin). Obtén información para otorgar roles.
Habilitar la API
Elige el proyecto en el que quieres activar Model Armor.

gcloud

Antes de empezar, sigue estos pasos a través de la Google Cloud CLI con la API de Model Armor:

En la consola de Google Cloud , activa Cloud Shell.

Activa Cloud Shell

En la parte inferior de la consola de Google Cloud , se inicia una sesión de Cloud Shell en la que se muestra una ventana de línea de comandos. Cloud Shell es un entorno de shell con Google Cloud CLI ya instalada y con valores ya establecidos para el proyecto actual. La sesión puede tardar unos segundos en inicializarse.
Ejecuta el comando siguiente para configurar el extremo de API del servicio de Model Armor.
```
gcloud config set api_endpoint_overrides/modelarmor "https://modelarmor.LOCATION.rep.googleapis.com/"
```
Reemplaza LOCATION por la región en la que quieres usar Model Armor.

Configura la protección para los servidores de MCP remotos de Google y Google Cloud

Para proteger las llamadas y respuestas de las herramientas de MCP, puedes usar la configuración mínima de Model Armor. Un parámetro de configuración mínimo define los filtros de seguridad mínimos que se aplican en todo el proyecto. Esta configuración aplica un conjunto coherente de filtros a todas las llamadas y respuestas de herramientas de MCP dentro del proyecto.

Establece un parámetro de configuración mínima de Model Armor con la limpieza de MCP habilitada. Para obtener más información, consulta Configura los parámetros mínimos de Model Armor.

Consulta el siguiente comando de ejemplo:

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"}]'

Reemplaza PROJECT_ID por el ID del proyecto de Google Cloud .

Ten en cuenta los siguientes parámetros de configuración:

INSPECT_AND_BLOCK: Es el tipo de aplicación de medidas por incumplimiento que inspecciona el contenido del servidor de MCP de Google y bloquea las instrucciones y respuestas que coinciden con los filtros.
ENABLED: Es el parámetro de configuración que habilita un filtro o una aplicación de política.
MEDIUM_AND_ABOVE: Es el nivel de confianza para la configuración del filtro de IA responsable: peligroso. Puedes modificar este parámetro de configuración, aunque los valores más bajos pueden generar más falsos positivos. Para obtener más información, consulta Niveles de confianza de Model Armor.

Inhabilita el análisis del tráfico de MCP con Model Armor

Para evitar que Model Armor analice automáticamente el tráfico hacia y desde los servidores de MCP de Google según la configuración de base del proyecto, ejecuta el siguiente comando:

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

Reemplaza PROJECT_ID por el ID del proyecto de Google Cloud . Model Armor no aplica automáticamente las reglas definidas en la configuración de base de este proyecto a ningún tráfico del servidor de MCP de Google.

La configuración mínima y general de Model Armor puede afectar más que solo el MCP. Debido a que Model Armor se integra en servicios como Vertex AI, cualquier cambio que realices en la configuración mínima puede afectar el análisis del tráfico y los comportamientos de seguridad en todos los servicios integrados, no solo en MCP.

Controla el uso de MCP con políticas de IAM

Las políticas de denegación y las políticas de permisos de Identity and Access Management (IAM) te ayudan a proteger los servidores de MCP de Google y Google Cloud .

Puedes combinar varios criterios para crear políticas de seguridad y administración personalizadas permitiendo o denegando el acceso según lo siguiente:

La principal.
Propiedades de la herramienta, como el atributo de solo lectura.
El nombre del servicio o de la herramienta.
Es el ID de cliente de OAuth de la aplicación.

Para obtener más información, consulta Controla el uso de MCP con Identity and Access Management.

¿Qué sigue?

Lee la documentación de referencia de MCP de Managed Service para Apache Spark.
Obtén más información sobre los servidores de MCP de Google Cloud.