Managed Service for Apache Spark-MCP-Server verwenden

In diesem Dokument wird beschrieben, wie Sie den Remote-MCP-Server (Model Context Protocol) von Managed Service for Apache Spark verwenden, um eine Verbindung zu KI-Anwendungen wie Antigravity, ChatGPT, Claude und benutzerdefinierten Anwendungen herzustellen, die Sie entwickeln. Mit dem Remote-MCP-Server von Managed Service for Apache Spark können Sie clusterbasierte Vorgänge ausführen, z. B. einen Cluster erstellen, einen Job senden oder eine Autoscaling-Richtlinie aus Ihrer KI-Anwendung erstellen. Der Remote-MCP-Server von Managed Service for Apache Spark wird aktiviert, wenn Sie die Managed Service for Apache Spark API aktivieren.

Das Model Context Protocol (MCP) standardisiert, wie Large Language Models (LLMs) und KI-Anwendungen oder -Agenten mit externen Datenquellen verbunden werden. Mit MCP-Servern können Sie deren 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 Computer 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 KI-Anwendungen einen HTTP-Endpunkt für die Kommunikation zwischen dem KI-MCP-Client und dem MCP-Server. Weitere Informationen zur MCP-Architektur finden Sie unter MCP-Architektur.

Zustandsloser Kern

Mit der MCP-Version 2026-07-28 wird MCP von einem bidirektionalen, zustandsorientierten Protokoll zu einem zustandslosen Protokoll geändert. Jede MCP-Anfrage ist selbsterklärend und kann über Header weitergeleitet werden. Der initialize/initialized-Handshake oder Mcp-Session-Id ist nicht erforderlich, da jede Anfrage alle erforderlichen Informationen in HTTP-Headern oder im Parameter _meta enthält. MCP-Server können über Multi-Round-Trip-Anfragen (MRTR) zusätzliche Informationen anfordern, die von einem Tool benötigt werden.

Damit Anfragen ohne Parsen des Anfragetexts weitergeleitet und verarbeitet werden können, sind einige MCP-Header erforderlich, darunter die folgenden:

• Header, die gemäß der MCP-Spezifikation erforderlich sind, z. B. der Header für die Protokollversion und Standardanfrageheader.
• Benutzerdefinierte Header, die vom MCP-Server definiert werden. Diese Header werden mithilfe des Attributs x-mcp-header aus dem Eingabeschema des Tools in HTTP-Header gespiegelt. Ein MCP-Server kann beispielsweise einen benutzerdefinierten Header definieren, um die Google Cloud -Region oder Projekt-ID anzugeben.

Weitere Informationen zur MCP-Architektur finden Sie in der Spezifikation und den wichtigsten Änderungen für die MCP-Version 2026-07-28.

Informationen zum lokalen MCP-Server von Managed Service for Apache Spark finden Sie unter Einführung in die MCP Toolbox for Databases.

Remote-MCP-Server von Google und Google Cloud

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

• Vereinfachte, zentrale Erkennung
• Verwaltete globale oder regionale HTTP-Endpunkte
• Detaillierte Autorisierung
• Optionale Sicherheit für Prompts und Antworten mit Model Armor-Schutz
• Zentralisiertes Audit-Logging

Informationen zu anderen MCP-Servern sowie zu den Sicherheits- und Governance-Steuerelementen für Google Cloud-MCP-Server finden Sie in der Übersicht über Google Cloud-MCP-Server.

Hinweis

Melden Sie sich in Ihrem Google Cloud -Konto an. Wenn Sie mit Google Cloudnoch nicht vertraut sind, erstellen Sie einfach ein Konto, um die Leistungsfähigkeit unserer Produkte in der Praxis sehen und bewerten zu können. Neukunden erhalten außerdem ein Guthaben von 300 $, um Arbeitslasten auszuführen, zu testen und bereitzustellen.

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.

Note: If you don't plan to keep the resources that you create in this procedure, create a project instead of selecting an existing project. After you finish these steps, you can delete the project, removing all resources associated with the project.

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, if any are not already enabled.

Roles required to enable APIs

To enable APIs, you need the serviceusage.services.enable permission. If you created the project, then you likely already have this permission through the Owner role (roles/owner). Otherwise, you can get this permission through the Service Usage Admin role (roles/serviceusage.serviceUsageAdmin). 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.

Note: If you don't plan to keep the resources that you create in this procedure, create a project instead of selecting an existing project. After you finish these steps, you can delete the project, removing all resources associated with the project.

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, if any are not already enabled.

Roles required to enable APIs

To enable APIs, you need the serviceusage.services.enable permission. If you created the project, then you likely already have this permission through the Owner role (roles/owner). Otherwise, you can get this permission through the Service Usage Admin role (roles/serviceusage.serviceUsageAdmin). Learn how to grant roles.

Enable the APIs

Erforderliche Rollen

Bestimmte IAM-Rollen sind erforderlich, um die Beispiele auf dieser Seite auszuführen. Je nach Organisationsrichtlinien wurden diese Rollen möglicherweise bereits gewährt. Informationen zum Prüfen von Rollenzuweisungen finden Sie unter Müssen Sie Rollen zuweisen?.

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

Nutzerrollen

Bitten Sie Ihren Administrator, Ihnen die folgenden IAM-Rollen zuzuweisen, um die Berechtigungen zu erhalten, die Sie zur Verwendung von Managed Service for Apache Spark benötigen:

• Dataproc-Bearbeiter (roles/dataproc.editor) für das Projekt
• Dienstkontonutzer (roles/iam.serviceAccountUser) für das Compute Engine-Standarddienstkonto

Bitten Sie Ihren Administrator, Ihnen die folgenden IAM-Rollen für das Projekt zuzuweisen, um die Berechtigungen zu erhalten, die Sie zur Verwendung des MCP-Servers von Managed Service for Apache Spark benötigen:

• MCP-Toolaufrufe ausführen: MCP Tool User (roles/mcp.toolUser)

Diese vordefinierten Rollen enthalten die Berechtigungen, die für die Verwendung des MCP-Servers von Managed Service for Apache Spark erforderlich sind. Maximieren Sie den Abschnitt Erforderliche Berechtigungen, um die notwendigen Berechtigungen anzuzeigen:

Erforderliche Berechtigungen

Die folgenden Berechtigungen sind erforderlich, um den Managed Service for Apache Spark-MCP-Server zu verwenden:

• MCP-Toolaufrufe ausführen: mcp.tools.call

Dienstkontorolle

Bitten Sie Ihren Administrator, dem Compute Engine-Standarddienstkonto die IAM-Rolle Dataproc-Worker (roles/dataproc.worker) für das Projekt zuzuweisen, damit das Compute Engine-Standarddienstkonto die erforderlichen Berechtigungen zum Erstellen von Clustern und Senden von Jobs hat.

Diese vordefinierte Rolle enthält die Berechtigungen, die zum Erstellen von Clustern und Senden von Jobs erforderlich sind. Maximieren Sie den Abschnitt Erforderliche Berechtigungen, um die notwendigen Berechtigungen anzuzeigen:

Erforderliche Berechtigungen

Die folgenden Berechtigungen sind zum Erstellen von Clustern und Senden von Jobs erforderlich:

• MCP-Toolaufrufe ausführen: mcp.tools.call

Authentifizierung und Autorisierung

Der Remote-MCP-Server von Managed Service for Apache Spark verwendet das OAuth 2.0-Protokoll mit Identity and Access Management (IAM) für die Authentifizierung und Autorisierung. Alle Google Cloud -Identitäten werden für die Authentifizierung bei MCP-Servern unterstützt.

Der Remote-MCP-Server für Managed Service for Apache Spark akzeptiert keine API-Schlüssel.

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

Managed Service for Apache Spark MCP-OAuth-Bereiche

OAuth 2.0 verwendet Bereiche und Anmeldedaten, um zu bestimmen, 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.

Managed Service for Apache Spark hat die folgenden OAuth-Bereiche für MCP-Tools:

Bereichs-URI für die gcloud CLI	Beschreibung
https://www.googleapis.com/auth/dataproc	Ihre Daten in Managed Service for Apache Spark aufrufen und verwalten sowie die E‑Mail-Adresse Ihres Google-Kontos sehen

Für die Ressourcen, auf die während eines Toolaufrufs zugegriffen wird, sind möglicherweise zusätzliche Bereiche erforderlich. Eine Liste der für Managed Service for Apache Spark erforderlichen Bereiche finden Sie unter Managed Service for Apache Spark API.

MCP-Client für die Verwendung des Managed Service for Apache Spark-MCP-Servers konfigurieren

KI-Anwendungen und -Agenten wie Claude oder Antigravity können einen MCP-Client instanziieren, der eine Verbindung zu einem einzelnen MCP-Server herstellt. Eine KI-Anwendung kann mehrere Clients haben, die sich mit verschiedenen MCP-Servern verbinden. Wenn Ihre Anwendung nicht in der clientspezifischen Anleitung aufgeführt ist, können Sie die folgenden Informationen verwenden, um eine Verbindung von den meisten Anwendungen herzustellen.

Suchen Sie in Ihrer KI-Anwendung nach einer Möglichkeit, einen Remote-MCP-Server hinzuzufügen oder eine Verbindung zu ihm herzustellen. Geben Sie für den MCP-Server von Managed Service for Apache Spark Folgendes ein:

• Servername: Managed Service for Apache Spark MCP-Server
• Server-URL oder Endpunkt: https://dataproc-us-central1.googleapis.com/mcp
• Transport: Streamable HTTP
• Authentifizierungsdetails: Je nachdem, wie Sie sich authentifizieren möchten, können Sie Ihre Google Cloud -Anmeldedaten, Ihre OAuth-Client-ID und Ihr OAuth-Secret oder eine Agentenidentität und Anmeldedaten eingeben. Weitere Informationen zur Authentifizierung finden Sie unter Bei MCP-Servern authentifizieren.
• OAuth-Bereich: Der OAuth 2.0-Bereich, den Sie beim Herstellen einer Verbindung zum Managed Service for Apache Spark-MCP-Server verwenden möchten. Weitere Informationen finden Sie unter MCP-OAuth-Bereiche für Managed Service for Apache Spark. ### Weiterleitungs-URIs

Für webbasierte Anwendungen und einige Desktopanwendungen müssen Sie einen Weiterleitungs-URI auf die Zulassungsliste setzen, wenn Sie eine Client-ID und einen Clientschlüssel für die Authentifizierung erstellen. Weiterleitungs-URIs werden vom Autorisierungsserver verwendet, um Tokens an Ihre Anwendung zu senden. In der Dokumentation Ihrer Anwendung sollte der Weiterleitungs-URI angegeben sein, den Sie verwenden müssen. Benutzerdefinierte Weiterleitungs-URIs werden nicht unterstützt.

Anwendungsspezifische Anleitungen zum Einrichten und Verbinden mit einem MCP-Server finden Sie unter Clientspezifische Anleitungen.

Allgemeine Informationen finden Sie in den folgenden Ressourcen:

• Mit Remote-MCP-Servern verbinden
• MCP in einer KI-Anwendung konfigurieren

Verfügbare Tools

Bei MCP-Tools mit Lesezugriff ist das MCP-Attribut mcp.tool.isReadOnly auf true gesetzt. Möglicherweise möchten Sie in bestimmten Umgebungen nur Tools mit Lesezugriff über Ihre Organisationsrichtlinie zulassen.

Details zu den verfügbaren MCP-Tools und deren Beschreibungen für den Managed Service for Apache Spark-MCP-Server finden Sie in der Referenz zu Managed Service for Apache Spark-MCP.

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 Managed Service for Apache Spark. Für die Methode tools/list ist keine Authentifizierung erforderlich.

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

Ersetzen Sie Folgendes:

• TOOLSET_ENDPOINT: der Rest des MCP-Endpunkts nach dem Dienstnamen. Für Managed Service for Apache Spark könnte dies beispielsweise mcp/toolset-name sein.
• MCP_PROTOCOL_VERSION: die MCP-Protokollversion. Beispiel: 2026-07-28.

Beispielanwendungsfälle

Im Folgenden finden Sie Beispielanwendungsfälle für den Managed Service for Apache Spark-MCP-Server:

• "List the Managed Service for Apache Spark clusters in PROJECT_ID and REGION."
• „Rufe den aktuellen Status für den Cluster CLUSTER_NAME in PROJECT_ID und REGION ab.“
• „Löschen Sie CLUSTER_NAME in PROJECT_ID und REGION und fragen Sie bis zum Abschluss ab. Melden Sie alle Fehler, falls der Vorgang fehlgeschlagen ist.“

Ersetzen Sie Folgendes:

• PROJECT_ID: die Projekt-ID in Google Cloud . Projekt-IDs werden im Abschnitt Projektinformationen im Dashboard der Google Cloud Console aufgeführt.
• REGION: die Compute Engine-Region, in der sich der Managed Service for Apache Spark-Cluster befindet.
• CLUSTER_NAME: der Name des vorhandenen Managed Service for Apache Spark-Clusters.

Optionale Sicherheitskonfigurationen

MCP bringt aufgrund der Vielzahl von Aktionen, die Sie mit den MCP-Tools ausführen können, neue Sicherheitsrisiken und ‑aspekte mit sich. Um diese Risiken zu minimieren und zu verwalten, bietetGoogle Cloud Standardeinstellungen und anpassbare Richtlinien, mit denen Sie die Verwendung von MCP-Tools in Ihrer Organisation oder Ihrem Projekt in Google Cloudsteuern können.

Weitere Informationen zur Sicherheit und Governance von MCP finden Sie unter KI-Sicherheit.

Model Armor verwenden

Model Armor ist ein Dienst vonGoogle Cloud , der die Sicherheit Ihrer KI-Anwendungen verbessern soll. Model Armor prüft proaktiv LLM-Prompts und ‑Antworten, schützt vor verschiedenen Risiken und unterstützt eine verantwortungsbewusste Anwendung von KI. 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 Inhaltssicherheit zu überprüfen, sensible Daten zu schützen, die Compliance aufrechtzuerhalten und Ihre KI-Sicherheitsrichtlinien konsistent in Ihrer vielfältigen KI-Landschaft durchzusetzen.

Wenn Model Armor mit aktiviertem Logging aktiviert ist, protokolliert Model Armor die gesamte Nutzlast. Dadurch könnten vertrauliche Informationen in Ihren Logs offengelegt werden.

MCP-Anfragenrouting zu Model Armor

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 Routingverhalten des Aufrufs für verschiedene MCP-Server unterschiedlich sein und die Einhaltung von Datenstandortvorgaben für Daten in Verwendung und Daten während der Übertragung 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, falls sie noch nicht aktiviert ist.

   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 Inhaberrolle (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 die folgenden Schritte mit der Google Cloud CLI und der Model Armor API aus, bevor Sie beginnen:

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 Eingabeaufforderung 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

Zum Schutz Ihrer MCP-Toolaufrufe und ‑Antworten können Sie die Mindesteinstellungen für 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.

Tipp: Aktivieren Sie den Filter für Prompt Injection und Jailbreak nur, wenn Ihr MCP-Traffic Daten in natürlicher Sprache enthält.

Richten Sie eine Model Armor-Mindesteinstellung mit aktivierter MCP-Bereinigung ein. Weitere Informationen finden Sie unter Model Armor-Mindesteinstellungen konfigurieren.

Hinweis: Wenn sich der Agent und der MCP-Server in verschiedenen Projekten befinden, können Sie in beiden Projekten (dem Clientprojekt und dem Ressourcenprojekt) Floor-Einstellungen erstellen. In diesem Fall wird Model Armor zweimal aufgerufen, einmal für jedes Projekt.

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 dabei PROJECT_ID durch die ID Ihres Projekts in Google Cloud .

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 eine Maßnahme aktiviert wird.
• MEDIUM_AND_ABOVE: Das Konfidenzniveau für die Filtereinstellungen „Verantwortungsbewusste Anwendung von KI – Gefährlich“. Sie können diese Einstellung ändern, wobei niedrigere Werte zu mehr falsch positiven Ergebnissen führen können. Weitere Informationen finden Sie unter Model Armor-Konfidenzniveaus.

Scannen von MCP-Traffic mit Model Armor deaktivieren

Führen Sie den folgenden Befehl aus, um zu verhindern, dass Model Armor den Traffic zu und von Google MCP-Servern basierend auf den Mindesteinstellungen des Projekts automatisch scannt:

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

Die Model Armor-Mindesteinstellungen und die allgemeine Konfiguration können sich nicht nur auf MCP auswirken. Da Model Armor in Dienste wie Vertex AI eingebunden ist, können sich Änderungen an den Mindesteinstellungen auf das Scannen von Traffic und das Sicherheitsverhalten in allen eingebundenen Diensten auswirken, nicht nur in MCP.

MCP-Nutzung mit IAM-Richtlinien steuern

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

Sie können mehrere Kriterien kombinieren, um benutzerdefinierte Sicherheits- und Governance-Richtlinien zu erstellen. Dazu können Sie den Zugriff anhand der folgenden Kriterien zulassen oder verweigern:

• Das Hauptkonto.
• Toolattribute wie das Attribut „read-only“.
• Der Name des Dienstes oder Tools.
• Die OAuth-Client-ID der Anwendung.

Weitere Informationen finden Sie unter MCP-Nutzung mit Identity and Access Management steuern.

Nächste Schritte

• Lesen Sie die Referenzdokumentation zu Managed Service for Apache Spark MCP.
• Weitere Informationen zu Google Cloud-MCP-Servern