Utiliser le serveur MCP CX Agent Studio

CX Agent Studio fournit un serveur MCP (Model Context Protocol) distant qui peut être utilisé par les agents et les applications d'IA pour modifier les ressources CX Agent Studio. Par exemple, vous pouvez utiliser Gemini CLI ou Antigravity pour vous aider à concevoir et à créer votre application d'agent CX Agent Studio.

Cette fonctionnalité permet de créer des workflows de développement assistés par l'IA, ce qui réduit considérablement les frictions liées à la création et à la maintenance des applications d'agent :

  • Vibe Coding (prototypage rapide) : au lieu de cliquer manuellement dans l'interface utilisateur pour créer un agent, vous pouvez simplement indiquer à votre IDE assisté par l'IA : "Créer un agent d'assistance pour la vente au détail qui utilise l'API Shopify et qui s'exprime de manière conviviale". L'agent de codage utilise le serveur MCP pour créer l'architecture de l'agent.
  • Refactorisation et nettoyage en masse : le serveur MCP excelle dans les opérations groupées qui sont fastidieuses dans une interface utilisateur. Par exemple, vous pouvez commander "Renommer le paramètre 'customer_id' dans les 15 sous-agents" ou "Rechercher et supprimer tous les intents inutilisés".
  • Développement interactif axé sur l'évaluation : vous pouvez exécuter une évaluation qui échoue et demander à l'agent : "Modifier les instructions jusqu'à ce que cette évaluation spécifique réussisse".
  • Auto-réparation et optimisation : un "agent d'assistance" automatisé peut surveiller les performances d'un agent (par exemple, en cas d'échec d'une évaluation spécifique) et utiliser le serveur MCP pour ajuster de manière autonome les instructions ou corriger les définitions d'outils afin d'améliorer le score (méthode "hill-climbing").
  • Connaissance du contexte : le serveur permet aux assistants de codage de "lire" l'état actuel d'un agent déployé, ce qui vous permet de comprendre plus facilement les configurations héritées complexes sans avoir à parcourir manuellement les fichiers JSON.

Le protocole MCP (Model Context Protocol) 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 mises à jour à partir de leur service backend.

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

Serveurs MCP locaux
Ils s'exécutent généralement sur votre machine locale et utilisent les flux d'entrée et de sortie standards (stdio) pour la communication entre les services sur le même appareil.
Serveurs MCP distants
Ils s'exécutent sur l'infrastructure du service et proposent 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.
Le serveur MCP distant Customer Experience Agent Studio est activé lorsque vous activez l'API Customer Experience Agent Studio.

Serveurs MCP Google et Google Cloud distants

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

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

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.

Limites

Les limites suivantes s'appliquent :

  • Limites de contexte des jetons : les configurations d'agent volumineuses (avec de nombreux outils et des instructions détaillées) peuvent dépasser la fenêtre de contexte de certains modèles de codage lors de la récupération des définitions complètes de l'agent. Nous vous recommandons de récupérer des sous-composants spécifiques (par exemple, un seul outil) plutôt que la définition complète de l'application en une seule fois. De plus, les utilisateurs doivent surveiller leur utilisation de la fenêtre de contexte et redémarrer régulièrement leur session d'agent (toutes les quelques requêtes) pour effacer le tampon.
  • Latence : la "mutation directe" (appels d'API) est généralement plus rapide pour les petites modifications. Toutefois, pour les refactorisations architecturales massives (renommage de variables dans 50 fichiers), nous vous recommandons le workflow "Exporter -> Modifier localement -> Importer" pour garantir l'intégrité des données, que le serveur MCP prend également en charge à l'aide des outils export_app et import_app.

Fonctionnement

Le serveur expose l'API CX Agent Studio, qui est également utilisée par l'interface utilisateur pour créer des agents. Votre application d'IA est configurée pour utiliser le serveur et s'y connecter. Le serveur annonce une liste d'outils disponibles, tels que :

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

Lorsque vous fournissez une commande en langage naturel à votre application d'IA, celle-ci décide si elle doit utiliser le serveur MCP CX Agent Studio et quel outil appeler.

Vous pouvez utiliser l'un des deux workflows distincts en fonction de la complexité de la tâche :

  • Utiliser le serveur MCP distant (idéal pour la vitesse et le prototypage) : connectez le serveur MCP directement à votre environnement de codage pour apporter des modifications en temps réel à l'aide d'appels d'API.
  • Copies locales (idéal pour l'évolutivité et le contrôle) : utilisez l'outil export_app du serveur MCP pour télécharger l'agent sur votre système de fichiers local, modifiez les fichiers avec votre assistant de codage et renvoyez les modifications à l'aide de import_app. Cette méthode est utile pour la refactorisation à grande échelle, l'intégration du contrôle des versions ou la fusion des contributions de l'équipe.

Les sections suivantes ne s'appliquent qu'au serveur MCP distant Customer Experience Agent Studio.

Rôles requis

Pour obtenir les autorisations nécessaires à l'utilisation du serveur MCP Customer Experience Agent Studio, demandez à votre administrateur de vous accorder les rôles IAM suivants sur le projet dans lequel vous souhaitez utiliser le serveur MCP Customer Experience Agent Studio :

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 Customer Experience Agent Studio. Pour connaître les autorisations exactes requises, développez la section Autorisations requises :

Autorisations requises

Vous devez disposer des autorisations suivantes pour utiliser le serveur MCP Customer Experience Agent Studio :

  • 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 Customer Experience Agent Studio utilise le protocole OAuth 2.0 avec Identity and Access Management (IAM) pour l'authentification et l'autorisation. Toutes Google Cloud les identités sont compatibles avec l'authentification auprès des serveurs MCP.

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.

Habilitations OAuth MCP

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

CX Agent Studio dispose des habilitations OAuth d'outil MCP suivantes : https://www.googleapis.com/auth/ces

Configurer un client MCP pour utiliser le serveur MCP CES

Les applications et agents d'IA, tels que Claude ou Gemini CLI, 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. Pour se connecter à un serveur MCP distant, le client MCP doit connaître l'URL du serveur MCP distant.

Dans votre application d'IA, recherchez un moyen de vous connecter à un serveur MCP distant. Vous êtes invité à saisir des informations sur le serveur, telles que son nom et son URL.

Pour le serveur MCP CX Agent Studio, saisissez les informations suivantes, le cas échéant :

  • Nom du serveur : serveur MCP CES
  • URL du serveur ou Point de terminaison : https://ces.googleapis.com/mcp
  • Transport: HTTP
  • Informations d'authentification : vos Google Cloud identifiants, votre ID client et votre code secret OAuth, ou une identité et des identifiants d'agent. Les informations d'authentification que vous choisissez dépendent de la façon dont vous souhaitez vous authentifier. Pour en savoir plus, consultez S'authentifier auprès des serveurs MCP.

Pour obtenir des conseils spécifiques à l'hôte sur la configuration et la connexion au serveur MCP, consultez les ressources suivantes :

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 Customer Experience Agent Studio, consultez la référence MCP Customer Experience Agent Studio.

Lister les outils

Utilisez l'inspecteur MCP pour lister les outils ou envoyez directement une requête HTTP tools/list au serveur MCP distant Customer Experience Agent Studio. La méthode tools/list ne nécessite pas d'authentification.

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

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

Configurations de sécurité facultatives

Le protocole 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 pour contrôler l'utilisation des outils MCP dans votre Google Cloud organisation ou projet.

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

Utiliser Model Armor

Model Armor est un Google Cloud service conçu pour améliorer la sécurité de vos applications d'IA. Il fonctionne en analysant de manière proactive les prompts et les réponses des LLM, en protégeant contre divers risques et en favorisant les pratiques d'IA responsable. Que vous déployiez l'IA dans votre environnement cloud ou auprès de fournisseurs de cloud externes, Model Armor peut vous aider à éviter les entrées malveillantes, à vérifier la sécurité du contenu, à protéger les données sensibles, à assurer la conformité et à appliquer vos règles de sécurité de l'IA de manière cohérente dans votre environnement d'IA diversifié.

Lorsque Model Armor est activé avec la journalisation, il enregistre l'intégralité de la charge utile. Cela peut 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 prise en charge par Model Armor, le comportement de routage de l'appel peut être différent pour différents 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 serveurs MCP individuels, 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.

    Rôles requis pour activer les API

    Pour activer les API, vous avez besoin 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 obtenir cette autorisation via le rôle Administrateur d'utilisation du service (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 Google Cloud console, activez Cloud Shell.

    Activer Cloud Shell

    En bas de la Google Cloud console, une session Cloud Shell démarre et affiche une invite de ligne de commande. Cloud Shell est un environnement 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 vos appels et réponses d'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 cohérent de filtres à tous les appels et réponses d'outils MCP du projet.

Configurez un paramètre de plancher Model Armor avec le nettoyage MCP activé. Pour en savoir plus, consultez Configurer les paramètres de plancher Model Armor settings.

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 Google Cloud projet.

Notez les paramètres suivants :

  • INSPECT_AND_BLOCK : type d'application qui inspecte le contenu du serveur MCP Google et bloque les prompts et les réponses qui correspondent aux filtres.
  • ENABLED : paramètre qui active un filtre ou une application.
  • MEDIUM_AND_ABOVE : niveau de confiance pour les paramètres de 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 plancher 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' Google Cloud ID du projet. Model Armor n'applique pas automatiquement les règles définies dans les paramètres de plancher de ce projet au trafic des serveurs MCP Google.

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

Contrôler l'utilisation du protocole MCP avec les stratégies IAM

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

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

  • Le principal.
  • Les propriétés de l'outil, telles que l'attribut en lecture seule.
  • Le nom du service ou de l'outil.
  • L'ID client OAuth de l'application.

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

Étape suivante