Managed Service for Apache Spark MCP サーバーを使用する

このドキュメントでは、Managed Service for Apache Spark リモート Model Context Protocol（MCP）サーバーを使用して、Gemini CLI、ChatGPT、Claude などの AI アプリケーションや、開発中のカスタムアプリケーションに接続する方法について説明します。 Managed Service for Apache Spark リモート MCP サーバーを使用すると、AI アプリケーションからクラスタの作成、ジョブの送信、自動スケーリングポリシーの作成などのクラスタベースのオペレーションを実行できます。

Managed Service for Apache Spark リモート MCP サーバーは、Managed Service for Apache Spark API を有効にすると有効になります。

Model Context Protocol （MCP）により、大規模言語モデル（LLM）と AI アプリケーション（エージェント）が外部のデータソースに接続する方法が標準化されます。MCP サーバーを使用すると、そのツール、リソース、プロンプトを使用してアクションを実行し、バックエンドサービスから更新されたデータを取得できます。

ローカル MCP サーバーとリモート MCP サーバーの違いは何ですか？

ローカル MCP サーバー: 通常はローカルマシンで実行され、同じデバイス上のサービス間の通信に標準の入力ストリームと出力ストリーム（stdio）を使用します。
リモート MCP サーバー: サービスのインフラストラクチャで実行され、AI アプリケーションに HTTP エンドポイントを提供して、AI MCP クライアントと MCP サーバー間の通信を行います。MCP アーキテクチャの詳細については、 MCP アーキテクチャをご覧ください。

Managed Service for Apache Spark ローカル MCP サーバーの詳細については、データベース向け MCP ツールボックスの概要をご覧ください。

Google と Google Cloud リモート MCP サーバー

Google と Google Cloud リモート MCP サーバーには、次の機能とメリットがあります。

簡素化された一元的な検出
マネージドグローバルまたはリージョン HTTP エンドポイント
きめ細かい認可
Model Armor 保護によるプロンプトとレスポンスのセキュリティ（オプション）
一元的な監査ロギング

他の MCP サーバーと、Google Cloud サーバーで使用可能なセキュリティとガバナンスの制御については、Google Cloud MCP サーバーの概要をご覧ください。

始める前に

アカウントにログインします。 Google Cloud を初めて使用する場合は、アカウントを作成して、実際のシナリオでプロダクトがどのように機能するかを評価してください。 Google Cloud新規のお客様には、ワークロードの実行、テスト、デプロイができる無料クレジット $300 分を差し上げます。

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.

Roles required to enable APIs

To enable APIs, you need the Service Usage Admin IAM role (roles/serviceusage.serviceUsageAdmin), which contains the serviceusage.services.enable permission. 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.

Roles required to enable APIs

To enable APIs, you need the Service Usage Admin IAM role (roles/serviceusage.serviceUsageAdmin), which contains the serviceusage.services.enable permission. Learn how to grant roles.

Enable the APIs

必要なロール

このページの例を実行するには、特定の IAM ロールが必要です。組織のポリシーによっては、これらのロールがすでに付与されている場合があります。ロールの付与を確認するには、ロールを付与する必要がありますか？をご覧ください。

ロールの付与については、プロジェクト、フォルダ、組織へのアクセス権の管理をご覧ください。

ユーザーロール

Managed Service for Apache Spark サービスを使用するために必要な権限を取得するには、次の IAM ロールを付与するよう管理者に依頼してください。

Dataproc 編集者（roles/dataproc.editor）プロジェクトに対する
Compute Engine のデフォルトのサービスアカウントに対するサービスアカウントユーザー（roles/iam.serviceAccountUser）

Managed Service for Apache Spark MCP サーバーを使用するために必要な権限を取得するには、プロジェクトに対する次の IAM ロールを付与するよう管理者に依頼してください。

MCP ツール呼び出しを行う: MCP ツールユーザー (roles/mcp.toolUser)

これらの事前定義ロールには Managed Service for Apache Spark MCP サーバーの使用に必要な権限が含まれています。必要とされる正確な権限については、「必要な権限」セクションを開いてご確認ください。

必要な権限

Managed Service for Apache Spark MCP サーバーを使用するには、次の権限が必要です。

MCP ツール呼び出しを行う: mcp.tools.call

サービスアカウントロール

Compute Engine のデフォルトのサービスアカウントにクラスタの作成とジョブの送信に必要な権限を付与するには、プロジェクトに対する Dataproc ワーカー（roles/dataproc.worker）IAM ロールを Compute Engine のデフォルトのサービスアカウントに付与するよう管理者に依頼してください。

この事前定義ロールにはクラスタの作成とジョブの送信に必要な権限が含まれています。必要とされる正確な権限については、「必要な権限」セクションを開いてご確認ください。

必要な権限

クラスタを作成してジョブを送信するには、次の権限が必要です。

MCP ツール呼び出しを行う: mcp.tools.call

認証と認可

Managed Service for Apache Spark リモート MCP サーバーは、認証と認可に Identity and Access Management（IAM）と OAuth 2.0 プロトコルを使用します。MCP サーバーへの認証では、すべての Google Cloud ID がサポートされています。

Managed Service for Apache Spark リモート MCP サーバーは API キーを受け付けません。

リソースへのアクセスを制御してモニタリングできるように、MCP ツールを使用するエージェント用に別の ID を作成することをおすすめします。認証の詳細については、 MCP サーバーに対して認証するをご覧ください。

Managed Service for Apache Spark MCP OAuth スコープ

OAuth 2.0 では、スコープと認証情報を使用して、認証されたプリンシパルがリソースに対して特定のアクションを実行する権限があるかどうかを判断します。Google の OAuth 2.0 スコープの詳細については、 OAuth 2.0 を使用して Google API にアクセスするをご覧ください。

Managed Service for Apache Spark には、次の MCP ツール OAuth スコープがあります。

gcloud CLI のスコープの URI	説明
`https://www.googleapis.com/auth/dataproc`	Managed Service for Apache Spark でデータを表示して管理し、Google アカウントのメールアドレスを確認する

ツール呼び出し中にアクセスされるリソースに追加のスコープが必要になる場合があります。Managed Service for Apache Spark に必要なスコープの一覧を表示するには、 Managed Service for Apache Spark APIをご覧ください。

Managed Service for Apache Spark MCP サーバーを使用するように MCP クライアントを構成する

Claude や Gemini CLI などの AI アプリケーションやエージェントは、単一の MCP サーバーに接続する MCP クライアントをインスタンス化できます。AI アプリケーションには、異なる MCP サーバーに接続する複数のクライアントを設定できます。リモート MCP サーバーに接続するには、MCP クライアントがリモート MCP サーバーの URL を認識している必要があります。

AI アプリケーションで、リモート MCP サーバーに接続する方法を探します。サーバーの名前や URL などの詳細を入力するよう求められます。

Managed Service for Apache Spark MCP サーバーの場合は、必要に応じて次の情報を入力します。

サーバー名: Managed Service for Apache Spark MCP サーバー
サーバー URL または エンドポイント: https://dataproc-us-central1.googleapis.com/mcp
トランスポート: HTTP
認証の詳細: 認証方法に応じて、認証情報、OAuth クライアント ID とシークレット、またはエージェントの ID と認証情報を入力できます。 Google Cloud 認証の詳細については、MCP サーバーに対して認証するをご覧ください。
OAuth スコープ: Managed Service for Apache Spark MCP サーバーに接続するときに使用するOAuth 2.0 スコープ。詳細については、 Managed Service for Apache Spark MCP OAuth スコープをご覧ください。

MCP サーバーの設定と接続に関するホスト固有のガイダンスについては、以下をご覧ください。

一般的なガイダンスについては、次のリソースをご覧ください。

使用可能なツール

読み取り専用の MCP ツールでは、MCP 属性 mcp.tool.isReadOnly が true に設定されています。組織のポリシーを使用して、特定の環境で読み取り専用ツールのみを許可することがあります。

Managed Service for Apache Spark MCP サーバーで使用可能な MCP ツールの詳細とその説明を表示するには、 Managed Service for Apache Spark MCP リファレンスをご覧ください。

ツールの一覧表示

MCP インスペクタを使用してツールを一覧表示するか、 tools/list HTTP リクエストを Managed Service for Apache Spark リモート MCP サーバーに直接送信します。tools/list メソッド: 認証を必要としません。

POST /mcp HTTP/1.1
Host: dataproc.googleapis.com
Content-Type: application/json

{
  "jsonrpc": "2.0",
  "method": "tools/list",
}

サンプルユースケース

Managed Service for Apache Spark MCP サーバーのユースケースの例を次に示します。

「PROJECT_ID と REGION の Managed Service for Apache Spark クラスタを一覧表示する。」
「 PROJECT_ID と REGION の CLUSTER_NAME クラスタの最新のステータスを取得する。」
「PROJECT_ID と REGION の CLUSTER_NAME を削除し、完了するまでポーリングする。失敗した場合はエラーを報告する。」

次のように置き換えます。

PROJECT_ID: プロジェクト ID Google Cloud プロジェクト ID は、コンソールのダッシュボードの [プロジェクト情報] セクションに表示されます。 Google Cloud
REGION: Managed Service for Apache Spark クラスタが配置されている Compute Engine リージョン。
CLUSTER_NAME: 既存の Managed Service for Apache Spark クラスタの名前。

セキュリティと安全に関するオプションの構成

MCP では、MCP ツールで実行できるアクションが多岐にわたるため、新たなセキュリティリスクと考慮事項が生じます。これらのリスクを最小限に抑えて管理するために、 Google Cloud は、組織またはプロジェクトでの MCP ツールの使用を制御するデフォルトの設定とカスタマイズ可能なポリシーを提供します。 Google Cloud

MCP のセキュリティとガバナンスの詳細については、 AI のセキュリティと安全性をご覧ください。

Model Armor を使用する

Model Armor は、 Google Cloud AI アプリケーションのセキュリティと安全性を強化するように設計されたサービスです。LLM のプロンプトとレスポンスを事前にスクリーニングすることで、さまざまなリスクから保護し、責任ある AI への取り組みをサポートします。クラウド環境や外部クラウドプロバイダに AI をデプロイする場合でも、Model Armor を使用すると、悪意のある入力からの防御、コンテンツの安全性の検証、センシティブデータの保護、コンプライアンスの維持、多様な AI 環境全体で AI の安全性とセキュリティポリシーの一貫した適用が可能になります。

ロギングを有効にして Model Armorを有効にすると、Model Armor はペイロード全体をログに記録します。これにより、ログに機密情報が公開される可能性があります。

Model Armor を有効にする

Model Armor を使用するには、Model Armor API を有効にする必要があります。

コンソール

Model Armor API を有効にします。
API を有効にするために必要なロール
API を有効にするには、serviceusage.services.enable 権限を含む Service Usage 管理者 IAM ロール（roles/serviceusage.serviceUsageAdmin）が必要です。詳しくは、ロールを付与する方法をご覧ください。
API の有効化
Model Armor を有効にするプロジェクトを選択します。

gcloud

始める前に、Google Cloud CLI で Model Armor API を使用して、次の処理を行います。

コンソールで Cloud Shell をアクティブにします。 Google Cloud

Cloud Shell をアクティブにする

コンソールの下部にある Google Cloud Cloud Shell セッションが開始し、コマンドラインプロンプトが表示されます。Cloud Shell はシェル環境です。Google Cloud CLI がすでにインストールされており、現在のプロジェクトの値もすでに設定されています。セッションが初期化されるまで数秒かかることがあります。
次のコマンドを実行して、Model Armor サービスの API エンドポイントを設定します。
```
gcloud config set api_endpoint_overrides/modelarmor "https://modelarmor.LOCATION.rep.googleapis.com/"
```
LOCATION は、Model Armor を使用するリージョンに置き換えます。

Google と Google Cloud リモート MCP サーバーの保護を構成する

MCP ツール呼び出しとレスポンスを保護するには、Model Armor のフロア設定を使用します。フロア設定では、プロジェクト全体に適用される最小限のセキュリティフィルタを定義します。この構成では、プロジェクト内のすべての MCP ツール呼び出しとレスポンスに一貫したフィルタセットが適用されます。

MCP サニタイズを有効にして、Model Armor のフロア設定を行います。詳細については、Model Armor のフロア設定を構成するをご覧ください。

次のコマンド例をご覧ください。

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"}]'

PROJECT_ID は、実際の Google Cloud プロジェクト ID に置き換えます。

次の設定に注意してください。

INSPECT_AND_BLOCK: Google MCP サーバーのコンテンツを検査し、フィルタに一致するプロンプトとレスポンスをブロックする適用タイプ。
ENABLED: フィルタまたは適用を有効にする設定。
MEDIUM_AND_ABOVE: 責任ある AI - 危険フィルタ設定の信頼レベル。この設定は変更できますが、値を小さくすると誤検出が増える可能性があります。詳細については、Model Armor の信頼レベルをご覧ください。

Model Armor による MCP トラフィックのスキャンを無効にする

Model Armor がプロジェクトのフロア設定に基づいて Google MCP サーバーとの間のトラフィックを自動的にスキャンしないようにするには、次のコマンドを実行します。

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

PROJECT_ID は、 Google Cloud プロジェクト ID に置き換えます。Model Armor は、このプロジェクトのフロア設定で定義されたルールを Google MCP サーバーのトラフィックに自動的に適用しません。

Model Armor のフロア設定と一般的な構成は、MCP だけでなく、他のサービスにも影響する可能性があります。Model Armor は Vertex AI などのサービスと統合されているため、フロア設定を変更すると、MCP だけでなく、統合されたすべてのサービスでトラフィックスキャンと安全性の動作に影響する可能性があります。

IAM 拒否ポリシーを使用して MCP の使用を制御する

Identity and Access Management（IAM）拒否ポリシーは、リモート MCP サーバーの保護 Google Cloud に役立ちます。不要な MCP ツールへのアクセスをブロックするように、これらのポリシーを構成します。

たとえば、次の条件に基づいてアクセスを拒否または許可できます。

プリンシパル
読み取り専用などのツールプロパティ
アプリケーションの OAuth クライアント ID

詳細については、Identity and Access Management による MCP の使用の制御をご覧ください。

次のステップ

Managed Service for Apache Spark MCP リファレンスドキュメントを読む。
Google Cloud MCP サーバーの詳細を確認する。

Managed Service for Apache Spark MCP サーバーを使用する

ローカル MCP サーバーとリモート MCP サーバーの違いは何ですか？

Google と Google Cloud リモート MCP サーバー

始める前に

必要なロール

ユーザーロール

必要な権限

サービス アカウント ロール

必要な権限

認証と認可

Managed Service for Apache Spark MCP OAuth スコープ

Managed Service for Apache Spark MCP サーバーを使用するように MCP クライアントを構成する

使用可能なツール

ツールの一覧表示

サンプル ユースケース

セキュリティと安全に関するオプションの構成

Model Armor を使用する

Model Armor を有効にする

コンソール

gcloud

Google と Google Cloud リモート MCP サーバーの保護を構成する

Model Armor による MCP トラフィックのスキャンを無効にする

IAM 拒否ポリシーを使用して MCP の使用を制御する

次のステップ

サービスアカウントロール

サンプルユースケース