Utilizzare il server MCP di CX Agent Studio

CX Agent Studio fornisce un server Model Context Protocol (MCP) remoto che può essere utilizzato da agenti e applicazioni AI per modificare le risorse di CX Agent Studio. Ad esempio, puoi utilizzare Gemini CLI o Antigravity per progettare e creare l'applicazione dell'agente CX Agent Studio.

Questa funzionalità consente workflow di sviluppo assistiti dall'AI, riducendo drasticamente le difficoltà di creazione e manutenzione delle applicazioni di agenti:

  • Vibe Coding (prototipazione rapida): invece di fare clic manualmente sull'interfaccia utente per creare un agente, puoi semplicemente dire al tuo IDE assistito dall'AI: "Crea un agente di assistenza per la vendita al dettaglio che utilizzi l'API Shopify e parli in modo amichevole". L'agente di programmazione utilizza il server MCP per creare l'architettura dell'agente.
  • Refactoring e pulizia di massa: Il server MCP eccelle nelle operazioni collettive che sono noiose in un'interfaccia utente. Ad esempio, puoi dare il comando "Rinomina il parametro "customer_id" in tutti i 15 subagenti" o "Trova ed elimina tutti gli intent inutilizzati".
  • Sviluppo interattivo basato sulla valutazione: puoi eseguire una valutazione non riuscita e chiedere all'agente: "Modifica le istruzioni finché questa valutazione specifica non viene superata".
  • Autoriparazione e ottimizzazione: un "agente helper" automatizzato può monitorare il rendimento di un agente (ad esempio, il mancato superamento di una valutazione specifica) e utilizzare il server MCP per modificare autonomamente le istruzioni o correggere le definizioni degli strumenti per migliorare il punteggio ("Hill Climbing").
  • Rilevamento del contesto:il server consente agli assistenti alla programmazione di "leggere" lo stato attuale di un agente di cui è stato eseguito il deployment, consentendoti di comprendere più facilmente le configurazioni legacy complesse senza dover esaminare manualmente i file JSON.

Il Model Context Protocol (MCP) standardizza il modo in cui i modelli linguistici di grandi dimensioni (LLM) e le applicazioni o agenti AI si connettono a origini dati esterne. I server MCP ti consentono di utilizzare i loro strumenti, risorse e prompt per eseguire azioni e ottenere dati aggiornati dal loro servizio di backend.

Qual è la differenza tra i server MCP locali e remoti?

Server MCP locali
In genere vengono eseguiti sulla macchina locale e utilizzano i flussi di input e output standard (stdio) per la comunicazione tra i servizi sullo stesso dispositivo.
Server MCP remoti
Esegui sull'infrastruttura del servizio e offri un endpoint HTTP alle applicazioni AI per la comunicazione tra il client AI MCP e il server MCP. Per maggiori informazioni sull'architettura MCP, consulta la sezione Architettura MCP.

Stateless core

Con la versione MCP 2026-07-28, MCP passa da un protocollo bidirezionale con stato a un protocollo stateless. Ogni richiesta MCP è autodescrittiva e può essere indirizzata utilizzando le intestazioni. Non è necessario l'handshake initialize/initialized o Mcp-Session-Id perché ogni richiesta include tutte le informazioni necessarie nelle intestazioni HTTP o nel parametro _meta. I server MCP possono richiedere ulteriori informazioni richieste da uno strumento tramite richieste multi-round-trip (MRTR).

Per facilitare l'instradamento e l'elaborazione delle richieste senza analizzare il corpo della richiesta, sono necessarie alcune intestazioni MCP, tra cui le seguenti:

Per saperne di più sull'architettura MCP, consulta le specifiche e le modifiche principali della versione MCP 2026-07-28.

Il server MCP remoto di Customer Experience Agent Studio viene attivato quando abiliti l'API Customer Experience Agent Studio.

Google e server MCP Google Cloud remoti

Google e i server MCP Google Cloud remoti hanno le seguenti funzionalità e vantaggi:

  • Rilevamento semplificato e centralizzato
  • Endpoint HTTP globali o regionali gestiti
  • Autorizzazione granulare
  • Sicurezza facoltativa di prompt e risposte con la protezione Model Armor
  • Audit logging centralizzato

Per informazioni su altri server MCP e sui controlli di sicurezza e governance disponibili per i server MCP di Google Cloud, consulta la panoramica dei server MCP di Google Cloud.

Limitazioni

Si applicano le seguenti limitazioni:

  • Limiti di contesto dei token:le configurazioni di agenti di grandi dimensioni (con molti strumenti e istruzioni dettagliate) potrebbero superare la finestra contestuale di alcuni modelli di codifica quando vengono recuperate le definizioni complete degli agenti. Ti consigliamo di recuperare componenti secondari specifici (ad esempio, un solo strumento) anziché l'intera definizione dell'app contemporaneamente. Inoltre, gli utenti devono monitorare l'utilizzo della finestra contestuale e riavviare periodicamente la sessione dell'agente (ogni poche richieste) per svuotare il buffer.
  • Latenza: le "mutazioni dirette" (chiamate API) sono generalmente più rapide per le piccole modifiche. Tuttavia, per i refactoring architetturali massicci (rinomina delle variabili in 50 file), consigliamo il flusso di lavoro "Esporta -> Modifica locale -> Importa" per garantire l'integrità dei dati, che il server MCP supporta anche utilizzando gli strumenti export_app e import_app.

Come funziona

Il server espone l'API CX Agent Studio, che viene utilizzata anche dalla UI per creare agenti. La tua applicazione AI è configurata per utilizzare il server e connettersi a quest'ultimo. Il server pubblicizza un elenco di strumenti disponibili, ad esempio:

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

Quando fornisci un comando in linguaggio naturale alla tua applicazione AI, l'applicazione AI decide se utilizzare il server MCP di CX Agent Studio e quale strumento chiamare.

Puoi utilizzare uno dei due flussi di lavoro distinti a seconda della complessità dell'attività:

  • Utilizza il server MCP remoto (ideale per velocità e prototipazione): collega il server MCP direttamente al tuo ambiente di programmazione per apportare modifiche in tempo reale utilizzando le chiamate API.
  • Copie locali (ideali per scalabilità e controllo): utilizza lo strumento export_app del server MCP per scaricare l'agente nel file system locale, modifica i file con l'assistente alla codifica e invia nuovamente le modifiche utilizzando import_app. È utile per il refactoring su larga scala, l'integrazione del controllo della versione o l'unione dei contributi del team.

Le seguenti sezioni si applicano solo al server MCP remoto di Customer Experience Agent Studio.

Ruoli obbligatori

Per ottenere le autorizzazioni necessarie per utilizzare il server MCP di Customer Experience Agent Studio, chiedi all'amministratore di concederti i seguenti ruoli IAM sul progetto in cui vuoi utilizzare il server MCP di Customer Experience Agent Studio:

  • Effettua chiamate allo strumento MCP: MCP Tool User (roles/mcp.toolUser)

Per saperne di più sulla concessione dei ruoli, consulta Gestisci l'accesso a progetti, cartelle e organizzazioni.

Questi ruoli predefiniti contengono le autorizzazioni necessarie per utilizzare il server MCP di Customer Experience Agent Studio. Per vedere quali sono esattamente le autorizzazioni richieste, espandi la sezione Autorizzazioni obbligatorie:

Autorizzazioni obbligatorie

Per utilizzare il server MCP di Customer Experience Agent Studio sono necessarie le seguenti autorizzazioni:

  • Effettua chiamate allo strumento MCP: mcp.tools.call

Potresti anche ottenere queste autorizzazioni con ruoli personalizzati o altri ruoli predefiniti.

Autenticazione e autorizzazione

Il server MCP remoto di Customer Experience Agent Studio utilizza il protocollo OAuth 2.0 con Identity and Access Management (IAM) per l'autenticazione e l'autorizzazione. Tutte le Google Cloud identità sono supportate per l'autenticazione ai server MCP.

Ti consigliamo di creare un'identità separata per gli agenti che utilizzano gli strumenti MCP in modo che l'accesso alle risorse possa essere controllato e monitorato. Per saperne di più sull'autenticazione, consulta Eseguire l'autenticazione nei server MCP.

Ambiti OAuth MCP

OAuth 2.0 utilizza ambiti e credenziali per determinare se un'entità autenticata è autorizzata a eseguire un'azione specifica su una risorsa. Per saperne di più sugli ambiti OAuth 2.0 in Google, leggi Utilizzare OAuth 2.0 per accedere alle API di Google.

CX Agent Studio ha i seguenti ambiti OAuth dello strumento MCP: https://www.googleapis.com/auth/ces

Configura un client MCP per utilizzare il server MCP CES

Le applicazioni e gli agenti AI, come Claude o Gemini CLI, possono creare un'istanza di un client MCP che si connette a un singolo server MCP. Un'applicazione AI può avere più client che si connettono a server MCP diversi. Per connettersi a un server MCP remoto, il client MCP deve conoscere l'URL del server MCP remoto.

Nella tua applicazione AI, cerca un modo per connetterti a un server MCP remoto. Ti viene chiesto di inserire i dettagli del server, ad esempio nome e URL.

Per il server MCP di CX Agent Studio, inserisci quanto segue in base alle esigenze:

  • Nome server: server MCP CES
  • URL server o endpoint: https://ces.googleapis.com/mcp
  • Trasporto: HTTP trasmissibile
  • Dettagli di autenticazione: a seconda di come vuoi autenticarti, puoi inserire le tue Google Cloud credenziali, l'ID client e il client secret OAuth oppure un'identità e le credenziali dell'agente. Per saperne di più sull'autenticazione, consulta Autenticarsi sui server MCP.
  • Ambito OAuth: l'ambito OAuth 2.0 che vuoi utilizzare per connetterti al server MCP di CX Agent Studio.

Strumenti disponibili

Per visualizzare i dettagli degli strumenti MCP disponibili e le relative descrizioni per il server MCP di Customer Experience Agent Studio, consulta il riferimento MCP di Customer Experience Agent Studio.

Strumenti per le liste

Utilizza lo strumento di ispezione MCP per elencare gli strumenti o invia una richiesta HTTP tools/list direttamente al server MCP remoto di CX Agent Studio. Il metodo tools/list non richiede l'autenticazione.

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

Sostituisci quanto segue:

  • TOOLSET_ENDPOINT: la parte rimanente dell'endpoint MCP dopo il nome del servizio. Ad esempio, per CX Agent Studio, potrebbe essere mcp/toolset-name.
  • MCP_PROTOCOL_VERSION: la versione del protocollo MCP. Ad esempio, 2026-07-28.

Configurazioni di sicurezza e protezione facoltative

MCP introduce nuovi rischi e considerazioni sulla sicurezza a causa dell'ampia varietà di azioni che puoi eseguire con gli strumenti MCP. Per ridurre al minimo e gestire questi rischi, Google Cloud offre impostazioni predefinite e policy personalizzabili per controllare l'utilizzo degli strumenti MCP nella tua organizzazione o nel tuo progetto Google Cloud.

Per saperne di più sulla sicurezza e sulla governance di MCP, consulta Sicurezza e protezione dell'AI.

Utilizzare Model Armor

Model Armor è un servizioGoogle Cloud progettato per migliorare la sicurezza delle tue applicazioni di AI. Funziona analizzando in modo proattivo i prompt e le risposte degli LLM, proteggendo da vari rischi e supportando pratiche di AI responsabile. Che tu stia implementando l'AI nel tuo ambiente cloud o su provider cloud esterni, Model Armor può aiutarti a prevenire input dannosi, verificare la sicurezza dei contenuti, proteggere i dati sensibili, mantenere la conformità e applicare le tue norme di sicurezza dell'AI in modo coerente nel tuo panorama AI diversificato.

Quando Model Armor è abilitato con il logging abilitato, Model Armor registra l'intero payload. Ciò potrebbe esporre informazioni sensibili nei log.

Routing delle richieste MCP a Model Armor

Model Armor è disponibile in determinate regioni. Quando Model Armor è abilitato e utilizzi un server MCP in una giurisdizione che Model Armor non supporta, il comportamento di routing della chiamata potrebbe essere diverso per i diversi server MCP e potrebbe violare la conformità alla residenza dei dati per i dati in uso e in transito. Per saperne di più sul comportamento dei singoli server MCP, consulta Prodotti supportati da Model Armor.

Abilita Model Armor

Prima di poter utilizzare Model Armor, devi abilitare le API Model Armor.

Console

  1. Abilita l'API Model Armor, se non è già abilitata.

    Ruoli richiesti per abilitare le API

    Per abilitare le API, devi disporre dell'autorizzazione serviceusage.services.enable. Se hai creato il progetto, probabilmente disponi già di questa autorizzazione tramite il ruolo Proprietario (roles/owner). In caso contrario, puoi ottenere questa autorizzazione tramite il ruolo Amministratore utilizzo servizi (roles/serviceusage.serviceUsageAdmin). Scopri come concedere i ruoli.

    Abilitare l'API

  2. Seleziona il progetto in cui vuoi attivare Model Armor.

gcloud

Prima di iniziare, segui questi passaggi utilizzando Google Cloud CLI con l'API Model Armor:

  1. Nella console Google Cloud , attiva Cloud Shell.

    Attiva Cloud Shell

    Nella parte inferiore della console Google Cloud viene avviata una sessione di Cloud Shell e viene visualizzato un prompt della riga di comando. Cloud Shell è un ambiente shell con Google Cloud CLI già installata e con valori già impostati per il progetto corrente. L'inizializzazione della sessione può richiedere alcuni secondi.

  2. Esegui questo comando per impostare l'endpoint API per il servizio Model Armor.

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

    Sostituisci LOCATION con la regione in cui vuoi utilizzare Model Armor.

Configurare la protezione per i server MCP remoti di Google e Google Cloud

Per proteggere le chiamate e le risposte allo strumento MCP, puoi utilizzare le impostazioni di base di Model Armor. Un'impostazione di base definisce i filtri di sicurezza minimi che vengono applicati a tutto il progetto. Questa configurazione applica un insieme coerente di filtri a tutte le chiamate e le risposte dello strumento MCP all'interno del progetto.

Configura un'impostazione di base di Model Armor con la sanificazione MCP attivata. Per saperne di più, consulta Configurare le impostazioni di base di Model Armor.

Vedi il seguente comando di esempio:

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"}]'

Sostituisci PROJECT_ID con l'ID progetto Google Cloud .

Tieni presente le seguenti impostazioni:

  • INSPECT_AND_BLOCK: il tipo di applicazione che ispeziona i contenuti per il server MCP di Google e blocca i prompt e le risposte che corrispondono ai filtri.
  • ENABLED: l'impostazione che attiva un filtro o l'applicazione.
  • MEDIUM_AND_ABOVE: il livello di confidenza per le impostazioni del filtro AI responsabile - Pericoloso. Puoi modificare questa impostazione, anche se valori inferiori potrebbero comportare un maggior numero di falsi positivi. Per saperne di più, consulta Livelli di confidenza di Model Armor.

Disabilita l'analisi del traffico MCP con Model Armor

Per impedire a Model Armor di analizzare automaticamente il traffico da e verso i server MCP di Google in base alle impostazioni di base del progetto, esegui questo comando:

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

Sostituisci PROJECT_ID con l'ID progetto Google Cloud . Model Armor non applica automaticamente le regole definite nelle impostazioni di base di questo progetto a nessun traffico del server Google MCP.

Le impostazioni di base di Model Armor e la configurazione generale possono influire su più di un solo MCP. Poiché Model Armor si integra con servizi come Vertex AI, qualsiasi modifica apportata alle impostazioni di base può influire sulla scansione del traffico e sui comportamenti di sicurezza in tutti i servizi integrati, non solo in MCP.

Controllare l'utilizzo di MCP con i criteri IAM

Le policy di negazione e le policy di autorizzazione di Identity and Access Management (IAM) ti aiutano a proteggere Google Cloud i server Google MCP.

Puoi combinare più criteri per creare policy di sicurezza e governance personalizzate consentendo o negando l'accesso in base a quanto segue:

  • Il soggetto.
  • Proprietà dello strumento come l'attributo di sola lettura.
  • Il nome del servizio o dello strumento.
  • L'ID client OAuth dell'applicazione.

Per saperne di più, consulta Controllare l'utilizzo di MCP con Identity and Access Management.

Passaggi successivi