Menghubungkan ke Memorystore for Redis Cluster dari aplikasi AI menggunakan server MCP jarak jauh

Dokumen ini menunjukkan cara menggunakan server Model Context Protocol (MCP) jarak jauh Memorystore for Redis Cluster untuk terhubung dengan aplikasi AI, termasuk Antigravity, ChatGPT, Claude, dan aplikasi kustom yang Anda kembangkan. Server MCP jarak jauh Memorystore for Redis Cluster memungkinkan Anda mengelola cluster dan cadangan di Memorystore for Redis Cluster dari lingkungan pengembangan yang mendukung AI dan platform agen AI. Server MCP jarak jauh Memorystore for Redis Cluster diaktifkan saat Anda mengaktifkan Memorystore for Redis Cluster API.

Model Context Protocol (MCP) menstandarkan cara model bahasa besar (LLM) dan aplikasi atau agen AI terhubung ke sumber data eksternal. Server MCP memungkinkan Anda menggunakan alat, resource, dan perintahnya untuk melakukan tindakan dan mendapatkan data terbaru dari layanan backend-nya.

Apa perbedaan antara server MCP lokal dan jarak jauh?

Server MCP lokal

Biasanya dijalankan di komputer lokal Anda dan menggunakan aliran input dan output standar (stdio) untuk komunikasi antar-layanan di perangkat yang sama.

Server MCP jarak jauh

Berjalan di infrastruktur layanan dan menawarkan endpoint HTTP ke aplikasi AI untuk komunikasi antara klien MCP AI dan server MCP. Untuk mengetahui informasi selengkapnya tentang arsitektur MCP, lihat Arsitektur MCP.

Core stateless

Dengan MCP versi 2026-07-28, MCP berubah dari protokol stateful dua arah menjadi protokol stateless. Setiap permintaan MCP menjelaskan dirinya sendiri dan dapat dirutekan menggunakan header. Tidak perlu handshake initialize/initialized atau Mcp-Session-Id karena setiap permintaan menyertakan semua informasi yang diperlukan dalam header HTTP atau parameter _meta. Server MCP dapat meminta informasi tambahan yang diperlukan oleh alat melalui permintaan multi-pulang pergi (MRTR).

Untuk membantu merutekan dan memproses permintaan tanpa mengurai isi permintaan, beberapa header MCP diperlukan, termasuk:

• Header yang diperlukan oleh spesifikasi MCP seperti header versi protokol dan header permintaan standar.
• Header kustom yang ditentukan oleh server MCP. Header ini dicerminkan ke dalam header HTTP dari skema input alat menggunakan properti x-mcp-header. Misalnya, server MCP dapat menentukan header kustom untuk menentukan region atau project ID Google Cloud .

Untuk mengetahui informasi selengkapnya tentang arsitektur MCP, lihat spesifikasi dan perubahan utama MCP versi 28-07-2026.

Server MCP jarak jauh Google Cloud dan Google

Server MCP jarak jauh Google dan Google Cloud memiliki fitur dan manfaat berikut:

• Penemuan yang disederhanakan dan terpusat
• Endpoint HTTP global atau regional terkelola
• Otorisasi terperinci
• Keamanan perintah dan respons opsional dengan perlindungan Model Armor
• Logging audit terpusat

Untuk mengetahui informasi tentang server MCP lainnya dan informasi tentang kontrol keamanan dan tata kelola yang tersedia untuk server MCP Google Cloud, lihat Ringkasan server MCP Google Cloud.

Sebelum memulai

Login ke akun Google Cloud Anda. Jika Anda baru menggunakan Google Cloud, buat akun untuk mengevaluasi performa produk kami dalam skenario dunia nyata. Pelanggan baru juga mendapatkan kredit gratis senilai $300 untuk menjalankan, menguji, dan men-deploy workload.

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

If you're using an existing project for this guide, verify that you have the permissions required to complete this guide. If you created a new project, then you already have the required permissions.

Enable the Memorystore for Redis Cluster API, if it is 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 API

Install the Google Cloud CLI.

Note: If you installed the gcloud CLI previously, make sure you have the latest version by running gcloud components update.

If you're using an external identity provider (IdP), you must first sign in to the gcloud CLI with your federated identity.

To initialize the gcloud CLI, run the following command:

gcloud init

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

If you're using an existing project for this guide, verify that you have the permissions required to complete this guide. If you created a new project, then you already have the required permissions.

Enable the Memorystore for Redis Cluster API, if it is 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 API

Install the Google Cloud CLI.

Note: If you installed the gcloud CLI previously, make sure you have the latest version by running gcloud components update.

If you're using an external identity provider (IdP), you must first sign in to the gcloud CLI with your federated identity.

To initialize the gcloud CLI, run the following command:

gcloud init

Peran yang diperlukan

Untuk mendapatkan izin yang Anda perlukan untuk menggunakan server MCP Memorystore for Redis Cluster, minta administrator untuk memberi Anda peran IAM berikut pada project tempat Anda ingin menggunakan server MCP Memorystore for Redis Cluster:

• Melakukan panggilan alat MCP: MCP Tool User (roles/mcp.toolUser)
• Membuat cluster di Memorystore for Redis Cluster: Redis Admin (roles/redis.admin)
• Mendapatkan cluster atau mencantumkan semua cluster dalam project: Redis Viewer (roles/redis.viewer)
• Mengelola kebijakan penggunaan layanan: Service Usage Admin (roles/serviceusage.serviceUsageAdmin)

Untuk mengetahui informasi selengkapnya tentang pemberian peran, lihat Mengelola akses ke project, folder, dan organisasi.

Peran bawaan ini berisi izin yang diperlukan untuk menggunakan server MCP Memorystore for Redis Cluster. Untuk melihat izin yang benar-benar diperlukan, perluas bagian Izin yang diperlukan:

Izin yang diperlukan

Izin berikut diperlukan untuk menggunakan server MCP Memorystore for Redis Cluster:

• Mendapatkan informasi tentang kebijakan penggunaan layanan: serviceusage.mcppolicy.get
• Memperbarui kebijakan penggunaan layanan: serviceusage.mcppolicy.update
• Melakukan panggilan alat MCP: mcp.tools.call
• Buat cluster: redis.clusters.create
• Mencantumkan cluster: redis.clusters.list
• Mendapatkan informasi tentang cluster: redis.clusters.get
• Meng-clone cluster: redis.clusters.create
• Mengupdate cluster: redis.clusters.update
• Mencadangkan cluster: redis.clusters.backup
• Menghapus cluster: redis.clusters.delete
• Buat pengguna: redis.users.create
• Mencantumkan pengguna: redis.users.list
• Mendapatkan informasi tentang pengguna: redis.users.get
• Memperbarui pengguna: redis.users.update
• Menghapus pengguna: redis.users.delete

Anda mungkin juga bisa mendapatkan izin ini dengan peran khusus atau peran bawaan lainnya.

Autentikasi dan otorisasi

Server MCP Memorystore for Redis Cluster menggunakan protokol OAuth 2.0 dengan Identity and Access Management (IAM) untuk autentikasi dan otorisasi. Semua identitasGoogle Cloud didukung untuk autentikasi ke server MCP.

Server MCP jarak jauh Memorystore for Redis Cluster menerima kunci API.

Sebaiknya buat identitas terpisah untuk agen yang menggunakan alat MCP agar akses ke resource dapat dikontrol dan dipantau. Untuk mengetahui informasi selengkapnya tentang autentikasi, lihat Melakukan autentikasi ke Google dan server Google Cloud MCP.

Cakupan OAuth MCP Memorystore for Redis Cluster

OAuth 2.0 menggunakan cakupan dan kredensial untuk menentukan apakah akun utama yang diautentikasi diizinkan untuk melakukan tindakan tertentu pada resource. Untuk informasi selengkapnya tentang cakupan OAuth 2.0 di Google, baca Menggunakan OAuth 2.0 untuk mengakses Google API.

Memorystore for Redis Cluster memiliki cakupan OAuth alat MCP berikut:

URI Cakupan	Deskripsi
https://www.googleapis.com/auth/redis.read-write	Membuat, mencantumkan, mencadangkan, mengupdate, dan menghapus cluster.

Mengonfigurasi klien MCP untuk menggunakan server MCP Memorystore for Redis Cluster

Aplikasi dan agen AI, seperti Claude atau Antigravity, dapat membuat instance klien MCP yang terhubung ke satu server MCP. Aplikasi AI dapat memiliki beberapa klien yang terhubung ke server MCP yang berbeda. Jika aplikasi Anda tidak tercantum dalam panduan khusus klien, Anda dapat menggunakan informasi berikut untuk terhubung dari sebagian besar aplikasi.

Di aplikasi AI Anda, cari cara untuk menambahkan atau terhubung ke server MCP jarak jauh. Untuk server MCP Memorystore for Redis Cluster, masukkan informasi berikut sesuai kebutuhan:

• Nama server: Server MCP Memorystore for Redis Cluster
• URL Server atau Endpoint: https://redis.googleapis.com/mcp
• Transport: HTTP yang dapat di-streaming
• Detail autentikasi: bergantung pada cara Anda ingin melakukan autentikasi, Anda dapat memasukkan kredensial Google Cloud , Client ID dan rahasia OAuth, atau identitas dan kredensial agen. Untuk mengetahui informasi selengkapnya tentang autentikasi, lihat Melakukan autentikasi ke server MCP.
• Cakupan OAuth: cakupan OAuth 2.0 yang ingin Anda gunakan saat terhubung ke server MCP Memorystore for Redis Cluster.

Untuk panduan khusus aplikasi tentang cara menyiapkan dan menghubungkan ke server MCP, lihat Panduan khusus klien.

Untuk panduan yang lebih umum, lihat referensi berikut:

• Terhubung ke server MCP jarak jauh.
• Mengonfigurasi MCP di aplikasi AI.

URI Pengalihan

Untuk aplikasi berbasis web, dan beberapa aplikasi desktop, Anda harus mengizinkan URI pengalihan saat membuat client ID dan rahasia untuk autentikasi. URI pengalihan digunakan oleh server otorisasi untuk mengirim token ke aplikasi Anda. Dokumentasi aplikasi Anda harus menentukan URI pengalihan yang harus Anda gunakan. URI pengalihan kustom tidak didukung.

Alat yang tersedia

Untuk melihat detail alat MCP yang tersedia dan deskripsinya untuk server MCP Memorystore for Redis Cluster, lihat referensi MCP Memorystore for Redis Cluster.

Alat daftar

Gunakan MCP inspector untuk mencantumkan alat, atau kirim permintaan HTTP tools/list langsung ke server MCP jarak jauh Memorystore for Redis Cluster. Metode tools/list tidak memerlukan autentikasi.

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

Ganti kode berikut:

• TOOLSET_ENDPOINT: sisa endpoint MCP setelah nama layanan. Misalnya, untuk Memorystore for Redis Cluster, ini mungkin mcp/toolset-name.
• MCP_PROTOCOL_VERSION: versi protokol MCP. Contoh, 2026-07-28. ## Contoh kasus penggunaan

Berikut adalah contoh kasus penggunaan untuk server MCP Memorystore for Redis Cluster:

"Mengapa Anda membuat cluster regional dengan autentikasi IAM yang diaktifkan?"

Membuat jenis cluster ini akan menghilangkan sandi statis dan menggantinya dengan kredensial terpusat yang berumur singkat untuk workload regional yang sangat aman. Agen AI server MCP Memorystore for Redis Cluster menggunakan alat MCP create_cluster untuk membuat cluster.

"Mengapa Anda melihat semua cluster aktif di region tertentu?"

Dengan mencantumkan cluster ini, Anda dapat memastikan bahwa resource sesuai dengan arsitektur Anda saat ini. Agen AI dari server MCP Memorystore for Redis Cluster menggunakan alat MCP list_clusters untuk mengambil daftar cluster yang diformat di region yang ditentukan.

"Mengapa Anda mengambil endpoint koneksi dan metadata operasional dari cluster di region tertentu?"

Anda memerlukan informasi ini untuk integrasi aplikasi dan pemeliharaan sistem. Agen AI server MCP Memorystore for Redis Cluster menggunakan alat MCP get_cluster untuk mengambil informasi tentang cluster, seperti endpoint penemuan, jumlah shard, dan jumlah replika.

"Bagaimana cara mengoptimalkan Memorystore for Redis Cluster untuk aplikasi yang memerlukan banyak data?"

Untuk meningkatkan kapasitas CPU dan throughput memori secara signifikan untuk aplikasi ini, Anda dapat menskalakan cluster dengan meningkatkan jumlah shard cluster. Agen AI server MCP Memorystore for Redis Cluster menggunakan alat MCP update_cluster untuk memperbarui jumlah shard untuk cluster.

"Bagaimana cara melindungi data Anda dari kegagalan yang mungkin terjadi dari cluster atau region tempatnya berada?"

Membuat cadangan cluster. Jika terjadi kegagalan regional atau cluster, Anda dapat memulihkan data ke cluster baru untuk melanjutkan operasi. Agen AI server MCP Memorystore for Redis Cluster menggunakan alat MCP backup_cluster untuk membuat cadangan cluster.

Konfigurasi keamanan dan keselamatan opsional

MCP menimbulkan risiko dan pertimbangan keamanan baru karena berbagai tindakan yang dapat Anda lakukan dengan alat MCP. Untuk meminimalkan dan mengelola risiko ini, Google Cloud menawarkan setelan default dan kebijakan yang dapat disesuaikan untuk mengontrol penggunaan alat MCP di organisasi atau project Google CloudAnda.

Untuk mengetahui informasi selengkapnya tentang keamanan dan tata kelola MCP, lihat Keamanan dan keselamatan AI.

Menggunakan Model Armor

Model Armor adalah Google Cloud layanan yang dirancang untuk meningkatkan keamanan dan keselamatan aplikasi AI Anda. Model Armor bekerja dengan menyaring perintah dan respons LLM secara proaktif, melindungi dari berbagai risiko, dan mendukung praktik AI yang bertanggung jawab. Baik Anda men-deploy AI di lingkungan cloud Anda, atau di penyedia cloud eksternal, Model Armor dapat membantu Anda mencegah input berbahaya, memverifikasi keamanan konten, melindungi data sensitif, mempertahankan kepatuhan, dan menerapkan kebijakan keamanan dan keselamatan AI Anda secara konsisten di seluruh lanskap AI Anda yang beragam.

Jika Model Armor diaktifkan dengan logging diaktifkan, Model Armor akan mencatat seluruh payload. Hal ini dapat mengekspos informasi sensitif di log Anda.

Pemilihan rute permintaan MCP ke Model Armor

Model Armor tersedia di region tertentu. Jika Model Armor diaktifkan dan Anda menggunakan server MCP di wilayah yang tidak didukung Model Armor, perilaku perutean panggilan mungkin berbeda untuk server MCP yang berbeda dan dapat melanggar kepatuhan residensi data untuk data yang sedang digunakan dan dalam pengiriman. Untuk mengetahui informasi selengkapnya tentang perilaku masing-masing server MCP, lihat Produk yang didukung Model Armor.

Mengaktifkan Model Armor

Anda harus mengaktifkan API Model Armor sebelum dapat menggunakan Model Armor.

Konsol

1. Aktifkan Model Armor API, jika belum diaktifkan.

   Peran yang diperlukan untuk mengaktifkan API

   Untuk mengaktifkan API, Anda memerlukan izin serviceusage.services.enable. Jika Anda membuat project, kemungkinan Anda sudah memiliki izin ini melalui peran Pemilik (roles/owner). Jika tidak, Anda bisa mendapatkan izin ini melalui peran Service Usage Admin (roles/serviceusage.serviceUsageAdmin). Pelajari cara memberikan peran.

   Mengaktifkan API

2. Pilih project tempat Anda ingin mengaktifkan Model Armor.

gcloud

Sebelum memulai, ikuti langkah-langkah berikut menggunakan Google Cloud CLI dengan Model Armor API:

1. Di konsol Google Cloud , aktifkan Cloud Shell.

   Aktifkan Cloud Shell

   Di bagian bawah konsol Google Cloud , sesi Cloud Shell akan dimulai dan menampilkan prompt command line. Cloud Shell adalah lingkungan shell dengan Google Cloud CLI yang sudah terinstal, dan dengan nilai yang sudah ditetapkan untuk project Anda saat ini. Diperlukan waktu beberapa detik untuk melakukan inisialisasi pada sesi.

2. Jalankan perintah berikut untuk menetapkan endpoint API untuk layanan Model Armor.

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

   Ganti LOCATION dengan region tempat Anda ingin menggunakan Model Armor.

Mengonfigurasi perlindungan untuk server MCP jarak jauh Google Cloud dan Google

Untuk membantu melindungi panggilan dan respons alat MCP, Anda dapat menggunakan setelan dasar Model Armor. Setelan minimum menentukan filter keamanan minimum yang berlaku di seluruh project. Konfigurasi ini menerapkan serangkaian filter yang konsisten ke semua panggilan dan respons alat MCP dalam project.

Tips: Jangan aktifkan filter prompt injection dan jailbreak kecuali jika traffic MCP Anda membawa data bahasa alami.

Menyiapkan setelan tingkat Model Armor dengan sanitasi MCP yang diaktifkan. Untuk mengetahui informasi selengkapnya, lihat Mengonfigurasi setelan batas Model Armor.

Catatan: Jika agen dan server MCP berada di project yang berbeda, Anda dapat membuat setelan lantai di kedua project (project klien dan project resource). Dalam hal ini, Model Armor dipanggil dua kali, sekali untuk setiap project.

Lihat contoh perintah berikut:

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"}]'

Ganti PROJECT_ID dengan project ID Google Cloud Anda.

Perhatikan setelan berikut:

• INSPECT_AND_BLOCK: Jenis penegakan yang memeriksa konten untuk server MCP Google dan memblokir perintah dan respons yang cocok dengan filter.
• ENABLED: Setelan yang mengaktifkan filter atau penerapan.
• MEDIUM_AND_ABOVE: Tingkat keyakinan untuk setelan filter Responsible AI - Berbahaya. Anda dapat mengubah setelan ini, meskipun nilai yang lebih rendah dapat menghasilkan lebih banyak positif palsu. Untuk mengetahui informasi selengkapnya, lihat Tingkat keyakinan Model Armor.

Menonaktifkan pemindaian traffic MCP dengan Model Armor

Untuk menghentikan Model Armor memindai traffic secara otomatis ke dan dari server MCP Google berdasarkan setelan dasar project, jalankan perintah berikut:

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

Ganti PROJECT_ID dengan project ID Google Cloud . Model Armor tidak otomatis menerapkan aturan yang ditentukan dalam setelan dasar project ini ke traffic server MCP Google mana pun.

Setelan minimum dan konfigurasi umum Model Armor dapat memengaruhi lebih dari sekadar MCP. Karena Model Armor terintegrasi dengan layanan seperti Vertex AI, setiap perubahan yang Anda buat pada setelan batas bawah dapat memengaruhi pemindaian traffic dan perilaku keamanan di semua layanan terintegrasi, bukan hanya MCP.

Mengontrol penggunaan MCP dengan kebijakan IAM

Kebijakan penolakan dan kebijakan izin Identity and Access Management (IAM) membantu Anda mengamankan Google Cloud dan server MCP Google.

Anda dapat menggabungkan beberapa kriteria untuk membuat kebijakan keamanan dan tata kelola yang disesuaikan dengan mengizinkan atau menolak akses berdasarkan hal berikut:

• Akun utama.
• Properti alat seperti atribut hanya baca.
• Nama layanan atau nama alat.
• Client ID klien OAuth aplikasi.

Untuk mengetahui informasi selengkapnya, lihat Mengontrol penggunaan MCP dengan Identity and Access Management.

Langkah berikutnya

• Pelajari lebih lanjut server MCP Google Cloud.