Google は AI 技術を使用して、コンテンツをご希望の言語に翻訳しています。AI 翻訳には誤りが含まれる場合があります。

CX Agent Studio MCP サーバーを使用する

CX Agent Studio は、エージェントと AI アプリケーションが CX Agent Studio リソースを編集するために使用できるリモート Model Context Protocol（MCP）サーバーを提供します。たとえば、Gemini CLI や Antigravity を使用して、CX Agent Studio エージェントアプリケーションの設計と構築を行うことができます。

この機能により、AI アシストによる開発ワークフローが可能になり、エージェントアプリケーションの構築と維持管理に伴う手間が大幅に軽減されます。

Vibe コーディング（迅速なプロトタイピング）: UI を手動でクリックしてエージェントを作成するのではなく、AI アシスト IDE に「Shopify API を使用して、丁寧な口調で話す小売サポートエージェントを作成する」と指示するだけで済みます。コーディングエージェントは、MCP サーバーを使用してエージェントアーキテクチャを構築します。
一括リファクタリングとクリーンアップ: MCP サーバーは、UI で行うのが面倒な一括オペレーションに優れています。たとえば、「15 個のサブエージェントすべてで 'customer_id' パラメータの名前を変更する」や「未使用のインテントをすべて検索して削除する」といったコマンドを実行できます。
インタラクティブな評価主導型開発: 失敗した評価を実行し、「この特定の評価に合格するまで手順を変更する」とエージェントに指示できます。
自己修復と最適化: 自動化された「ヘルパーエージェント」は、エージェントのパフォーマンス（特定の評価の失敗など）をモニタリングし、MCP サーバーを使用して手順を自律的に調整したり、ツール定義を修正してスコアを改善したりできます（「山登り」）。
コンテキスト認識: サーバーを使用すると、コーディングアシスタントがデプロイされたエージェントの現在の状態を「読み取る」ことができるため、JSON ファイルを手動で掘り下げることなく、複雑なレガシー構成を簡単に把握できます。

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、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。

Customer Experience Agent Studio リモート MCP サーバーは、Customer Experience Agent Studio API を有効にすると有効になります。

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、次の機能と特典があります。

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。

制限事項

次の制限が適用されます。

トークンコンテキストの制限: 大規模なエージェント構成（多くのツールと広範な手順を含む）では、完全なエージェント定義を取得するときに、一部のコーディングモデルのコンテキストウィンドウを超える可能性があります。アプリ定義全体を一度に取得するのではなく、特定のサブコンポーネント（1 つのツールなど）を取得することをおすすめします。また、ユーザーはコンテキストウィンドウの使用状況をモニタリングし、バッファをクリアするためにエージェントセッションを定期的に（数回のリクエストごと）再起動する必要があります。
レイテンシ: 一般に、小さな変更の場合は「直接変更」（API 呼び出し）の方が高速です。ただし、大規模なアーキテクチャのリファクタリング（50 個のファイルで変数の名前を変更するなど）の場合は、データの完全性を確保するために「エクスポート -> ローカル編集 -> インポート」ワークフローをおすすめします。MCP サーバーは、export_app ツールと import_app ツールを使用してこのワークフローもサポートしています。

仕組み

サーバーは、UI でエージェントを構築するためにも使用される CX Agent Studio API を公開します。 AI アプリケーションは、サーバーを使用し、サーバーに接続するように構成されています。サーバーは、次のような使用可能なツールの一覧をアドバタイズします。

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

AI アプリケーションに自然言語コマンドを指定すると、AI アプリケーションは CX Agent Studio MCP サーバーを使用するかどうか、どのツールを呼び出すかを決定します。

タスクの複雑さに応じて、次の 2 つの異なるワークフローを使用できます。

リモート MCP サーバーを使用する（速度とプロトタイピングに最適） : MCP サーバーをコーディング環境に直接接続して、API 呼び出しを使用してリアルタイムで変更を行います。
ローカルコピー（スケーリングと制御に最適） : MCP サーバーの export_app ツールを使用して、エージェントをローカルファイルシステムにダウンロードし、コーディングアシスタントでファイルを編集して、import_app を使用して変更をプッシュします。これは、大規模なリファクタリング、バージョン管理の統合、チームの貢献のマージに役立ちます。

次のセクションは、Customer Experience Agent Studio リモート MCP サーバーにのみ適用されます。

必要なロール

Customer Experience Agent Studio 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、Customer Experience Agent Studio MCP サーバーを使用する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)

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。

これらの事前定義ロールには Customer Experience Agent Studio MCP サーバーを使用するため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

Customer Experience Agent Studio 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

カスタムロールや他の事前定義ロールを使用して、これらの権限を取得することもできます。

認証と認可

Customer Experience Agent Studio 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 サーバーの認証では、すべての Google Cloud ID がサポートされています。

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個別の 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。

MCP の 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。

CX Agent Studio には、次の MCP ツール OAuth スコープがあります。 https://www.googleapis.com/auth/ces

CES 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 アプリケーションとエージェントは、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、さまざまな 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。サーバー名や URL などのサーバーの詳細情報を入力するよう求められます。

CX Agent Studio 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: CES MCP サーバー
サーバー URL または エンドポイント: https://ces.googleapis.com/mcp
トランスポート: HTTP
認証の詳細: 認証情報、 Google Cloud 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。選択する認証の詳細は、認証方法によって異なります。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。

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

Customer Experience Agent Studio MCP サーバーで使用可能な MCP ツールの詳細とその説明については、 Customer Experience Agent Studio 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 Customer Experience Agent Studio 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: ces.googleapis.com
Content-Type: application/json

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

セキュリティと安全に関するオプションの構成

MCP ツールで実行できるアクションが多岐にわたるため、MCP によって新たなセキュリティリスクと考慮事項が加わります。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、 Google Cloud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。

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、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ために設計された Google Cloud 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、機密情報がログに公開される可能性があります。

Model Armor への MCP リクエストのルーティング

Model Armor は特定のリージョンで利用できます。Model Armor を有効にして、Model Armor がサポートしていない管轄区域で MCP サーバーを使用すると、呼び出しのルーティング動作が MCP サーバーによって異なる場合があり、使用中のデータと転送中のデータのデータ所在地コンプライアンスに違反する可能性があります。個々の MCP サーバーの動作の詳細については、 Model Armor 対応プロダクトをご覧ください。

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 権限が必要です。プロジェクトを作成した場合は、オーナーロール（roles/owner）を通じてこの権限がすでに付与されている可能性があります。それ以外の場合は、Service Usage 管理者ロール（roles/serviceusage.serviceUsageAdmin）を通じてこの権限を取得できます。ロールを付与する方法をご確認ください。
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 Google Cloud で Cloud Shell をアクティブにします。

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 ツールの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度。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

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 Model Armor が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、他の要素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 ポリシーで MCP の使用を制御する

Identity and Access Management（IAM）拒否ポリシーと許可ポリシーは、と Google MCP サーバーの Google Cloud 保護に役立ちます。

複数の条件を組み合わせて、次の条件に基づいてアクセスを許可または拒否することで、カスタマイズされたセキュリティポリシーとガバナンスポリシーを構築できます。

プリンシパル。
読み取り専用属性などのツールプロパティ。
サービス名またはツール名。
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

Customer Experience Agent Studio 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。