MCP-Server von CX Agent Studio verwenden

CX Agent Studio bietet einen Remote- MCP-Server (Model Context Protocol) , der von Agenten und KI-Anwendungen verwendet werden kann, um CX Agent Studio- Ressourcen zu bearbeiten. Sie können beispielsweise die Gemini CLI oder Antigravity verwenden, um Ihre CX Agent Studio-Agentenanwendung zu entwerfen und zu erstellen.

Diese Funktion ermöglicht KI-gestützte Entwicklungsworkflows, wodurch die Schwierigkeiten beim Erstellen und Verwalten von Agentenanwendungen erheblich reduziert werden:

  • Vibe Coding (Rapid Prototyping) : Anstatt manuell über die Benutzeroberfläche einen Agenten zu erstellen, können Sie Ihrer KI-gestützten IDE einfach sagen: „Erstelle einen Kundensupport-Agenten, der die Shopify API verwendet und freundlich spricht.“ Der Coding-Agent verwendet den MCP-Server, um die Agentenarchitektur für Sie zu erstellen.
  • Mass Refactoring &Clean-up:Der MCP-Server eignet sich hervorragend für Bulk-Vorgänge, die auf einer Benutzeroberfläche mühsam sind. Sie können beispielsweise den Befehl „Benenne den Parameter ‚customer_id‘ in allen 15 Unteragenten um“ oder „Suche und lösche alle nicht verwendeten Intents“ ausführen.
  • Interaktive, bewertungsgesteuerte Entwicklung:Sie können eine fehlgeschlagene Bewertung ausführen und den Agenten anweisen: „Ändere die Anweisungen, bis diese bestimmte Bewertung bestanden wird.“
  • Selbstheilung und Optimierung:Ein automatisierter „Helper Agent“ kann die Leistung eines Agenten überwachen (z. B. wenn eine bestimmte Bewertung nicht bestanden wird) und den MCP-Server verwenden, um Anweisungen autonom anzupassen oder Tooldefinitionen zu korrigieren, um die Bewertung zu verbessern („Hill Climbing“).
  • Kontextbezogenheit:Der Server ermöglicht es Coding-Assistenten, den aktuellen Status eines bereitgestellten Agenten zu „lesen“. So können Sie komplexe Legacy-Konfigurationen besser verstehen, ohne JSON-Dateien manuell durchsuchen zu müssen.

Model Context Protocol (MCP) standardisiert, wie Large Language Models (LLMs) und KI-Anwendungen oder -Agenten eine Verbindung zu externen Datenquellen herstellen. Mit MCP-Servern können Sie ihre Tools, Ressourcen und Prompts verwenden, um Aktionen auszuführen und aktualisierte Daten von ihrem Backend-Dienst abzurufen.

Was ist der Unterschied zwischen lokalen und Remote-MCP-Servern?

Lokale MCP-Server
werden in der Regel auf Ihrem lokalen Rechner ausgeführt und verwenden die Standardeingabe- und ‑ausgabestreams (stdio) für die Kommunikation zwischen Diensten auf demselben Gerät.
Remote-MCP-Server
werden in der Infrastruktur des Dienstes ausgeführt und bieten einen HTTP-Endpunkt für KI-Anwendungen zur Kommunikation zwischen dem KI-MCP-Client und dem MCP-Server. Weitere Informationen zur MCP-Architektur finden Sie unter MCP-Architektur.
Der Remote-MCP-Server von Customer Experience Agent Studio wird aktiviert, wenn Sie die Customer Experience Agent Studio API aktivieren.

Google- und Google Cloud Remote-MCP-Server

Google- und Google Cloud Remote-MCP-Server haben die folgenden Funktionen und Vorteile:

  • Vereinfachte, zentrale Erkennung
  • Verwaltete globale oder regionale HTTP-Endpunkte
  • Detaillierte Autorisierung
  • Optionale Prompt- und Antwortsicherheit mit Model Armor-Schutz
  • Zentralisierte Audit-Protokollierung

Informationen zu anderen MCP-Servern und zu Sicherheits und Governance-Kontrollen, die für Google Cloud-MCP-Server verfügbar sind, finden Sie unter Übersicht über Google Cloud-MCP-Server.

Beschränkungen

Es gelten folgende Einschränkungen:

  • Token-Kontextlimits:Bei großen Agentenkonfigurationen (mit vielen Tools und umfangreichen Anweisungen) kann das Kontextfenster einiger Coding-Modelle überschritten werden, wenn vollständige Agentendefinitionen abgerufen werden. Wir empfehlen, bestimmte Unterkomponenten (z. B. nur ein Tool) abzurufen, anstatt die gesamte App-Definition auf einmal. Außerdem sollten Nutzer die Nutzung des Kontextfensters im Blick behalten und ihre Agentensitzung regelmäßig (alle paar Anfragen) neu starten, um den Puffer zu leeren.
  • Latenz : „Direkte Mutation“ (API-Aufrufe) ist bei kleinen Änderungen in der Regel schneller. Bei umfangreichen architektonischen Refactorings (Umbenennen von Variablen in 50 Dateien) empfehlen wir jedoch den Workflow „Exportieren -> Lokal bearbeiten -> Importieren“, um die Datenintegrität zu gewährleisten. Der MCP-Server unterstützt dies auch mit den Tools export_app und import_app.

Funktionsweise

Der Server stellt die CX Agent Studio API bereit, die auch von der Benutzeroberfläche zum Erstellen von Agenten verwendet wird. Ihre KI-Anwendung ist so konfiguriert, dass sie den Server verwendet und eine Verbindung zu ihm herstellt. Der Server gibt eine Liste der verfügbaren Tools aus, z. B.:

  • list_agents()
  • create_tool(name, python_code, ...)
  • update_instruction(agent_name, new_instruction)
  • run_evaluation(dataset)

Wenn Sie Ihrer KI-Anwendung einen Befehl in natürlicher Sprache geben, entscheidet die KI-Anwendung, ob der CX Agent Studio-MCP-Server verwendet werden soll und welches Tool aufgerufen werden soll.

Je nach Komplexität der Aufgabe können Sie einen von zwei verschiedenen Workflows verwenden:

  • Remote-MCP-Server verwenden (am besten für Geschwindigkeit und Prototyping) : Verbinden Sie den MCP-Server direkt mit Ihrer Coding-Umgebung, um mit API-Aufrufen Änderungen in Echtzeit vorzunehmen.
  • Lokale Kopien (am besten für Skalierung und Kontrolle) : Verwenden Sie das Tool export_app des MCP-Servers, um den Agenten in Ihr lokales Dateisystem herunterzuladen, bearbeiten Sie die Dateien mit Ihrem Coding-Assistenten und übertragen Sie die Änderungen mit import_app zurück. Dies ist nützlich für umfangreiche Refactorings, die Integration der Versionsverwaltung oder das Zusammenführen von Beiträgen des Teams.

Die folgenden Abschnitte gelten nur für den Remote-MCP-Server von Customer Experience Agent Studio.

Erforderliche Rollen

Bitten Sie Ihren Administrator, Ihnen die folgenden IAM-Rollen für das Projekt zuzuweisen, in dem Sie den MCP-Server von Customer Experience Agent Studio verwenden möchten, um die Berechtigungen zu erhalten, die Sie zur Verwendung des MCP-Servers von Customer Experience Agent Studio benötigen:

Weitere Informationen zum Zuweisen von Rollen finden Sie unter Zugriff auf Projekte, Ordner und Organisationen verwalten.

Diese vordefinierten Rollen enthalten die Berechtigungen, die zur Verwendung des MCP-Servers von Customer Experience Agent Studio erforderlich sind. Maximieren Sie den Abschnitt Erforderliche Berechtigungen , um die notwendigen Berechtigungen anzuzeigen, die erforderlich sind:

Erforderliche Berechtigungen

Die folgenden Berechtigungen sind erforderlich, um den MCP-Server von Customer Experience Agent Studio zu verwenden:

  • MCP-Toolaufrufe ausführen: mcp.tools.call

Sie können diese Berechtigungen auch mit benutzerdefinierten Rollen oder anderen vordefinierten Rollen erhalten.

Authentifizierung und Autorisierung

Der Remote-MCP-Server von Customer Experience Agent Studio verwendet das OAuth 2.0 -Protokoll mit IAM (Identity and Access Management) zur Authentifizierung und Autorisierung. Alle Google Cloud Identitäten werden für die Authentifizierung bei MCP-Servern unterstützt.

Wir empfehlen, eine separate Identität für Agenten zu erstellen, die MCP-Tools verwenden, damit der Zugriff auf Ressourcen gesteuert und überwacht werden kann. Weitere Informationen zur Authentifizierung finden Sie unter Bei MCP-Servern authentifizieren.

MCP-OAuth-Bereiche

OAuth 2.0 verwendet Bereiche und Anmeldedaten, um zu ermitteln, ob ein authentifiziertes Hauptkonto berechtigt ist, eine bestimmte Aktion für eine Ressource auszuführen. Weitere Informationen zu OAuth 2.0-Bereichen bei Google finden Sie unter Mit OAuth 2.0 auf Google APIs zugreifen.

CX Agent Studio hat die folgenden OAuth-Bereiche für MCP-Tools: https://www.googleapis.com/auth/ces

MCP-Client für die Verwendung des CES-MCP-Servers konfigurieren

KI-Anwendungen und -Agenten wie Claude oder die Gemini CLI können einen MCP-Client instanziieren, der eine Verbindung zu einem einzelnen MCP-Server herstellt. Eine KI-Anwendung kann mehrere Clients haben, die eine Verbindung zu verschiedenen MCP-Servern herstellen. Um eine Verbindung zu einem Remote-MCP-Server herzustellen, muss der MCP-Client die URL des Remote-MCP-Servers kennen.

Suchen Sie in Ihrer KI-Anwendung nach einer Möglichkeit, eine Verbindung zu einem Remote-MCP-Server herzustellen. Sie werden aufgefordert, Details zum Server einzugeben, z. B. seinen Namen und seine URL.

Geben Sie für den MCP-Server von CX Agent Studio nach Bedarf Folgendes ein:

  • Servername: CES-MCP-Server
  • Server-URL oder Endpunkt: https://ces.googleapis.com/mcp
  • Transport: HTTP
  • Authentifizierungsdetails: Ihre Google Cloud Anmeldedaten, Ihre OAuth-Client-ID und Ihr Secret oder eine Agentenidentität und ‑anmeldedaten. Welche Authentifizierungsdetails Sie auswählen, hängt davon ab, wie Sie sich authentifizieren möchten. Weitere Informationen finden Sie unter Bei MCP-Servern authentifizieren.

Eine hostspezifische Anleitung zum Einrichten und Herstellen einer Verbindung zu einem MCP-Server finden Sie hier:

Allgemeinere Anleitungen finden Sie in den folgenden Ressourcen:

Verfügbare Tools

Details zu verfügbaren MCP-Tools und deren Beschreibungen für den MCP-Server von Customer Experience Agent Studio finden Sie in der MCP-Referenz von Customer Experience Agent Studio.

Tools auflisten

Verwenden Sie den MCP-Inspector, um Tools aufzulisten, oder senden Sie eine tools/list HTTP-Anfrage direkt an den Remote-MCP-Server von Customer Experience Agent Studio. Für die Methode tools/list ist keine Authentifizierung erforderlich.

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

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

Optionale Sicherheitskonfigurationen

MCP birgt neue Sicherheitsrisiken und ‑aspekte, da mit den MCP-Tools eine Vielzahl von Aktionen ausgeführt werden kann. Um diese Risiken zu minimieren und zu verwalten, Google Cloud bietet Standardeinstellungen und anpassbare Richtlinien, um die Verwendung von MCP-Tools in Ihrer Google Cloud Organisation oder Ihrem Projekt zu steuern.

Weitere Informationen zu MCP-Sicherheit und ‑Governance finden Sie unter KI-Sicherheit.

Model Armor verwenden

Model Armor ist ein Google Cloud Dienst, der die Sicherheit und Sicherheit Ihrer KI-Anwendungen verbessern soll. Dazu werden LLM-Prompts und ‑Antworten proaktiv geprüft, um vor verschiedenen Risiken zu schützen und verantwortungsbewusste KI-Praktiken zu unterstützen. Unabhängig davon, ob Sie KI in Ihrer Cloud-Umgebung oder bei externen Cloud-Anbietern bereitstellen, kann Model Armor Ihnen helfen, schädliche Eingaben zu verhindern, die Sicherheit von Inhalten zu überprüfen, sensible Daten zu schützen, die Compliance einzuhalten und Ihre KI-Sicherheitsrichtlinien in Ihrer vielfältigen KI-Landschaft einheitlich durchzusetzen.

Wenn Model Armor mit aktivierter Protokollierung aktiviert ist, protokolliert Model Armor die gesamte Nutzlast. Dadurch können sensible Informationen in Ihren Logs offengelegt werden.

MCP-Anfragen an Model Armor weiterleiten

Model Armor ist in bestimmten Regionen verfügbar. Wenn Model Armor aktiviert ist und Sie einen MCP-Server in einer Gerichtsbarkeit verwenden, die von Model Armor nicht unterstützt wird, kann das Routing-Verhalten des Aufrufs für verschiedene MCP-Server unterschiedlich sein und die Compliance mit den Datenstandortvorgaben für verwendete und übertragene Daten beeinträchtigen. Weitere Informationen zum Verhalten einzelner MCP-Server finden Sie unter Von Model Armor unterstützte Produkte.

Model Armor aktivieren

Sie müssen die Model Armor APIs aktivieren, bevor Sie Model Armor verwenden können.

Console

  1. Aktivieren Sie die Model Armor API.

    Erforderliche Rollen zum Aktivieren von APIs

    Zum Aktivieren von APIs benötigen Sie die Berechtigung serviceusage.services.enable. Wenn Sie das Projekt erstellt haben, haben Sie diese Berechtigung wahrscheinlich bereits über die Rolle „Inhaber“ (roles/owner). Andernfalls können Sie diese Berechtigung über die Rolle „Service Usage-Administrator“ (roles/serviceusage.serviceUsageAdmin) erhalten. Informationen zum Zuweisen von Rollen.

    API aktivieren

  2. Wählen Sie das Projekt aus, in dem Sie Model Armor aktivieren möchten.

gcloud

Führen Sie zuerst die folgenden Schritte mit der Google Cloud CLI und der Model Armor API aus:

  1. Aktivieren Sie Cloud Shell in der Google Cloud Console.

    Cloud Shell aktivieren

    Unten in der Google Cloud Console wird eine Cloud Shell Sitzung gestartet und eine Befehlszeilenaufforderung angezeigt. Cloud Shell ist eine Shell-Umgebung in der das Google Cloud CLI bereits installiert ist und Werte für Ihr aktuelles Projekt bereits festgelegt sind. Das Initialisieren der Sitzung kann einige Sekunden dauern.

  2. Führen Sie den folgenden Befehl aus, um den API-Endpunkt für den Model Armor-Dienst festzulegen.

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

    Ersetzen Sie LOCATION durch die Region, in der Sie Model Armor verwenden möchten.

Schutz für Google- und Google Cloud Remote-MCP-Server konfigurieren

Um Ihre MCP-Toolaufrufe und ‑antworten zu schützen, können Sie die Mindesteinstellungen von Model Armor verwenden. Eine Mindesteinstellung definiert die Mindestsicherheitsfilter, die für das gesamte Projekt gelten. Mit dieser Konfiguration wird ein einheitlicher Satz von Filtern auf alle MCP-Toolaufrufe und ‑antworten im Projekt angewendet.

Richten Sie eine Model Armor-Mindesteinstellung ein, bei der die MCP-Bereinigung aktiviert ist. Weitere Informationen finden Sie unter Model Armor-Mindesteinstellungen konfigurieren.

Sehen Sie sich den folgenden Beispielbefehl an:

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"}]'

Ersetzen Sie PROJECT_ID durch die ID Ihres Google Cloud Projekts in.

Beachten Sie die folgenden Einstellungen:

  • INSPECT_AND_BLOCK: Der Erzwingungstyp, der Inhalte für den Google-MCP-Server prüft und Prompts und Antworten blockiert, die den Filtern entsprechen.
  • ENABLED: Die Einstellung, mit der ein Filter oder Erzwingung aktiviert wird.
  • MEDIUM_AND_ABOVE: Das Konfidenzniveau für die Filtereinstellungen „Verantwortungsbewusste KI – gefährlich“. Sie können diese Einstellung ändern, niedrigere Werte können jedoch zu mehr falsch positiven Ergebnissen führen. Weitere Informationen finden Sie unter Konfidenzniveaus von Model Armor.

Scannen von MCP-Traffic mit Model Armor deaktivieren

Wenn Sie verhindern möchten, dass Model Armor den Traffic zu und von Google-MCP-Servern automatisch anhand der Mindesteinstellungen des Projekts scannt, führen Sie den folgenden Befehl aus:

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

Ersetzen Sie PROJECT_ID durch die Google Cloud Projekt ID. Model Armor wendet die in den Mindesteinstellungen dieses Projekts definierten Regeln nicht automatisch auf den Traffic von Google-MCP-Servern an.

Die Mindesteinstellungen und die allgemeine Konfiguration von Model Armor können sich auf mehr als nur MCP auswirken. Da Model Armor in Dienste wie Vertex AI eingebunden ist, können sich alle Änderungen, die Sie an den Mindesteinstellungen vornehmen, auf das Scannen von Traffic und das Sicherheitsverhalten aller eingebundenen Dienste auswirken, nicht nur auf MCP.

MCP-Nutzung mit IAM-Richtlinien steuern

Mit IAM-Ablehnungs- und ‑Zulassungsrichtlinien (Identity and Access Management) können Sie und Google-MCP-Server schützen. Google Cloud

Sie können mehrere Kriterien kombinieren, um benutzerdefinierte Sicherheits- und Governance-Richtlinien zu erstellen, indem Sie den Zugriff basierend auf Folgendem zulassen oder ablehnen:

  • Das Hauptkonto.
  • Toolattribute wie das schreibgeschützte Attribut.
  • Der Dienstname oder Toolname.
  • Die OAuth-Client-ID der Anwendung.

Weitere Informationen finden Sie unter MCP-Nutzung mit IAM steuern.

Nächste Schritte