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

Pratinjau

Fitur ini tunduk pada "Persyaratan Penawaran Pra-GA" di bagian Persyaratan Layanan Umum dari Persyaratan Khusus Layanan, dan Persyaratan Tambahan untuk Produk Pratinjau AI Generatif. Fitur pra-GA tersedia "sebagaimana adanya" dan mungkin memiliki dukungan terbatas. Untuk mengetahui informasi selengkapnya, lihat deskripsi tahap peluncuran.

Dokumen ini menunjukkan cara menggunakan server Model Context Protocol (MCP) jarak jauh Memorystore untuk Redis Cluster guna terhubung dengan aplikasi AI, termasuk Gemini CLI, 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) menstandardisasi 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 berjalan di komputer lokal Anda dan menggunakan input dan output stream 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.

Server MCP jarak jauh dan Google Cloud Google

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

• Penemuan yang disederhanakan dan terpusat.
• Mengelola endpoint HTTP global atau regional.
• 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.

Roles required to enable APIs

To enable APIs, you need the Service Usage Admin IAM role (roles/serviceusage.serviceUsageAdmin), which contains the serviceusage.services.enable permission. Learn how to grant roles.

Enable the API

Instal Google Cloud CLI.

Catatan: Jika Anda telah menginstal gcloud CLI sebelumnya, pastikan Anda memiliki versi terbaru dengan menjalankan gcloud components update.

Jika Anda menggunakan penyedia identitas (IdP) eksternal, Anda harus login ke gcloud CLI dengan identitas gabungan Anda terlebih dahulu.

Untuk melakukan inisialisasi gcloud CLI, jalankan perintah berikut:

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.

Roles required to enable APIs

To enable APIs, you need the Service Usage Admin IAM role (roles/serviceusage.serviceUsageAdmin), which contains the serviceusage.services.enable permission. Learn how to grant roles.

Enable the API

Instal Google Cloud CLI.

Catatan: Jika Anda telah menginstal gcloud CLI sebelumnya, pastikan Anda memiliki versi terbaru dengan menjalankan gcloud components update.

Jika Anda menggunakan penyedia identitas (IdP) eksternal, Anda harus login ke gcloud CLI dengan identitas gabungan Anda terlebih dahulu.

Untuk melakukan inisialisasi gcloud CLI, jalankan perintah berikut:

gcloud init

Peran yang diperlukan

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

• Lakukan panggilan alat MCP: Pengguna Alat MCP (roles/mcp.toolUser)
• Buat cluster di Memorystore for Redis Cluster: Admin Redis (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 Cluster Memorystore for Redis. Untuk melihat izin yang benar-benar diperlukan, perluas bagian Izin yang diperlukan:

Izin yang diperlukan

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

• Mendapatkan informasi tentang kebijakan penggunaan layanan: serviceusage.mcppolicy.get
• Memperbarui kebijakan penggunaan layanan: serviceusage.mcppolicy.update
• Lakukan 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
• Perbarui 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 untuk Redis Cluster menggunakan protokol OAuth 2.0 dengan Identity and Access Management (IAM) untuk autentikasi dan otorisasi. Semua Google Cloud identitas didukung untuk autentikasi ke server MCP.

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

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

Cakupan OAuth MCP Memorystore for Redis Cluster

OAuth 2.0 menggunakan cakupan dan kredensial untuk menentukan apakah akun utama terautentikasi diizinkan untuk melakukan tindakan tertentu pada resource. Untuk mengetahui 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 Gemini CLI, dapat membuat instance klien MCP yang terhubung ke satu server MCP. Aplikasi AI dapat memiliki beberapa klien yang terhubung ke server MCP yang berbeda. Untuk terhubung ke server MCP jarak jauh, klien MCP setidaknya harus mengetahui URL server MCP jarak jauh.

Di aplikasi AI Anda, cari cara untuk terhubung ke server MCP jarak jauh. Anda diminta untuk memasukkan detail tentang server, seperti nama dan URL-nya.

Untuk server MCP Memorystore for Redis Cluster, masukkan hal berikut sesuai kebutuhan:

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

Untuk panduan khusus host, lihat artikel berikut:

• Claude.ai
• Gemini CLI

Untuk panduan umum lainnya, lihat referensi berikut:

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

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.

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

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

Kasus penggunaan sampel

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

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

Membuat jenis cluster ini akan menghilangkan sandi statis dan menggantinya dengan kredensial terpusat berumur pendek 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 wilayah tertentu?"

Dengan mencantumkan cluster ini, Anda dapat memastikan bahwa resource cocok dengan arsitektur saat ini. Agen AI server MCP Memorystore untuk 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 Cluster Memorystore for Redis 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 intensif data Anda?"

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 cluster.

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

Buat cadangan cluster. Jika terjadi kegagalan cluster atau regional, 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

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

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

Model Armor

Model Armor adalah layanan Google Cloud yang dirancang untuk meningkatkan keamanan dan keselamatan aplikasi AI Anda. Model Armor bekerja dengan secara proaktif menyaring perintah dan respons LLM, melindungi dari berbagai risiko, dan mendukung praktik AI yang bertanggung jawab. Baik Anda men-deploy AI di lingkungan cloud 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 AI Anda secara konsisten di seluruh lanskap AI yang beragam.

Model Armor tersedia di lokasi regional tertentu. Jika Anda mengaktifkan Model Armor untuk project, dan panggilan ke project tersebut berasal dari region yang tidak didukung, maka Model Armor akan melakukan panggilan lintas region. Untuk mengetahui informasi selengkapnya, lihat Lokasi Model Armor.

Perhatian: Jika permintaan gagal, Model Armor akan mencatat seluruh payload. Hal ini dapat mengekspos informasi sensitif dalam log.

Mengaktifkan Model Armor

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

Konsol

1. Aktifkan Model Armor API.

   Peran yang diperlukan untuk mengaktifkan API

   Untuk mengaktifkan API, Anda memerlukan peran IAM Service Usage Admin (roles/serviceusage.serviceUsageAdmin), yang berisi izin serviceusage.services.enable. 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 perintah 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 bagi 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 dan Google Cloud Google

Untuk membantu melindungi panggilan dan respons alat MCP, Anda dapat menggunakan setelan batas bawah 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 injeksi perintah dan pelarian dari sistem kecuali jika traffic MCP Anda membawa data bahasa alami.

Siapkan setelan minimum Model Armor dengan pengamanan MCP diaktifkan. Untuk mengetahui informasi selengkapnya, lihat Mengonfigurasi setelan batas bawah Model Armor.

Catatan: Jika agen dan server MCP berada dalam 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

Jika Anda ingin berhenti memindai traffic MCP Google dengan Model Armor, 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 ID project Google Cloud .

Model Armor tidak akan memindai traffic MCP dalam project.

Mengontrol penggunaan MCP dengan kebijakan penolakan IAM

Kebijakan penolakan Identity and Access Management (IAM) membantu Anda mengamankan server MCP jarak jauh Google Cloud . Konfigurasi kebijakan ini untuk memblokir akses alat MCP yang tidak diinginkan.

Misalnya, Anda dapat menolak atau mengizinkan akses berdasarkan:

• Kepala sekolah
• Properti alat seperti hanya baca
• Client ID OAuth aplikasi

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