Über den Remote-MCP-Server eine Verbindung zu Memorystore for Redis aus KI-Anwendungen herstellen

In diesem Dokument erfahren Sie, wie Sie den Remote-MCP-Server (Model Context Protocol) von Memorystore for Redis verwenden, um eine Verbindung zu KI-Anwendungen wie der Gemini CLI, ChatGPT, Claude und benutzerdefinierten Anwendungen herzustellen, die Sie entwickeln. Mit dem Remote-MCP-Server von Memorystore for Redis können Sie Memorystore for Redis-Instanzen über Ihre KI-fähigen Entwicklungsumgebungen und KI-Agentenplattformen verwalten. Der Remote-MCP-Server von Memorystore for Redis wird aktiviert, wenn Sie die Memorystore for Redis API aktivieren.

Model Context Protocol (MCP) standardisiert die Verbindung von Large Language Models (LLMs) und KI-Anwendungen oder ‑Agenten zu externen Datenquellen. Mit MCP-Servern können Sie ihre Tools, Ressourcen und Prompts verwenden, um Aktionen auszuführen und aktualisierte Daten von ihrem Back-End-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 einen HTTP-Endpunkt für KI-Anwendungen zur Kommunikation zwischen dem KI-MCP-Client und dem MCP-Server. Weitere Informationen zur MCP-Architektur finden Sie unter MCP-Architektur.

Google- und Google Cloud Remote-MCP-Server

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

  • Vereinfachte, zentrale Erkennung
  • Verwaltete globale oder regionale HTTP-Endpunkte
  • Detaillierte Autorisierung
  • Optionale Prompt- und Antwortsicherheit mit Model Armor-Schutz
  • Zentralisierte Audit-Protokollierung

Informationen zu anderen MCP-Servern und zu Sicherheits und Governance-Kontrollen, die für Google Cloud-MCP-Server verfügbar sind, finden Sie unter Übersicht über Google Cloud-MCP-Server.

Hinweis

  1. Melden Sie sich in Ihrem Google Cloud Konto an. Wenn Sie noch kein Google Cloud-Konto haben, erstellen Sie eines, um zu testen, wie sich unsere Produkte in realen Szenarien schlagen. Neukunden erhalten außerdem ein Guthaben von 300 $, um Arbeitslasten auszuführen, zu testen und bereitzustellen.

  2. 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.

    Go to project selector

  3. 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.

  4. Enable the Memorystore for Redis API.

    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

  5. Installieren Sie die Google Cloud CLI.

  6. Wenn Sie einen externen Identitätsanbieter (IdP) verwenden, müssen Sie sich zuerst mit Ihrer föderierten Identität in der gcloud CLI anmelden.

  7. Führen Sie den folgenden Befehl aus, um die gcloud CLI zu initialisieren: 

    gcloud init

  8. 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.

    Go to project selector

  9. 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.

  10. Enable the Memorystore for Redis API.

    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

  11. Installieren Sie die Google Cloud CLI.

  12. Wenn Sie einen externen Identitätsanbieter (IdP) verwenden, müssen Sie sich zuerst mit Ihrer föderierten Identität in der gcloud CLI anmelden.

  13. Führen Sie den folgenden Befehl aus, um die gcloud CLI zu initialisieren: 

    gcloud init

Erforderliche Rollen

Bitten Sie Ihren Administrator, Ihnen die folgenden IAM-Rollen für das Projekt zuzuweisen, in dem Sie den Memorystore for Redis-MCP-Server verwenden möchten, um die Berechtigungen zu erhalten, die Sie zur Verwendung des Memorystore for Redis-MCP-Servers benötigen:

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

Diese vordefinierten Rollen enthalten die Berechtigungen, die zur Verwendung des Memorystore for Redis-MCP-Servers erforderlich sind. Maximieren Sie den Abschnitt Erforderliche Berechtigungen , um die notwendigen Berechtigungen anzuzeigen, die erforderlich sind:

Erforderliche Berechtigungen

Die folgenden Berechtigungen sind erforderlich, um den Memorystore for Redis-MCP-Server zu verwenden:

  • Informationen zu einer Nutzungsrichtlinie für Dienste abrufen: serviceusage.mcppolicy.get
  • Nutzungsrichtlinie für Dienste aktualisieren: serviceusage.mcppolicy.update
  • MCP-Toolaufrufe ausführen: mcp.tools.call
  • Memorystore for Redis-Instanz erstellen: redis.instances.create
  • Memorystore for Redis-Instanzen auflisten: redis.instances.list
  • Informationen zu einer Memorystore for Redis-Instanz abrufen: redis.instances.get
  • Memorystore for Redis-Instanz aktualisieren: redis.instances.update
  • Daten in eine Memorystore for Redis-Instanz importieren: redis.instances.import
  • Daten aus einer Memorystore for Redis-Instanz exportieren: redis.instances.export
  • Memorystore for Redis-Instanz löschen: redis.instances.delete

Sie können diese Berechtigungen auch mit benutzerdefinierten Rollen oder anderen vordefinierten Rollen erhalten.

Authentifizierung und Autorisierung

Memorystore for Redis-MCP-Server verwenden das OAuth 2.0 Protokoll mit Identity and Access Management (IAM) zur Authentifizierung und Autorisierung. Alle Google Cloud Identitäten werden für die Authentifizierung bei MCP-Servern unterstützt.

Der Remote-MCP-Server von Memorystore for Redis akzeptiert API-Schlüssel.

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

OAuth-Bereich für Memorystore for Redis-MCP

OAuth 2.0 verwendet einen Bereich und Anmeldedaten, um zu ermitteln, ob ein authentifiziertes Prinzipal autorisiert 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.

Memorystore for Redis hat den folgenden OAuth-Bereich für MCP-Tools:

Bereichs-URI Beschreibung
https://www.googleapis.com/auth/redis.read-write Instanzen erstellen, auflisten, Daten daraus exportieren, aktualisieren, Daten hinein importieren und löschen Instanzen.

MCP-Client für die Verwendung des Memorystore for Redis-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 eine Verbindung zu verschiedenen MCP-Servern herstellen. 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 Memorystore for Redis-MCP-Server die folgenden Informationen ein:

  • Servername: Memorystore for Redis-MCP-Server
  • Server-URL oder Endpunkt: https://redis.googleapis.com/mcp
  • Transport: HTTP
  • Authentifizierungsdetails: Je nachdem, wie Sie sich authentifizieren möchten, können Sie Ihre Google Cloud Anmeldedaten, Ihre OAuth-Client-ID und Ihr Secret oder eine Agentenidentität und ‑anmeldedaten eingeben. Weitere Informationen zur Authentifizierung finden Sie unter Bei Google- und Google Cloud MCP-Servern authentifizieren.
  • OAuth-Bereich: Der OAuth 2.0-Bereich, den Sie verwenden möchten, wenn Sie eine Verbindung zum Memorystore for Redis-MCP-Server herstellen.

Anwendungsspezifische Anleitungen zum Einrichten und Herstellen einer Verbindung zu einem MCP-Server finden Sie unter Clientspezifische Anleitung.

Allgemeinere Anleitungen finden Sie in den folgenden Ressourcen:

Weiterleitungs-URIs

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

Verfügbare Tools

Details zu verfügbaren MCP-Tools und deren Beschreibungen für den Memorystore for Redis-MCP-Server finden Sie in der Memorystore for Redis-MCP-Referenz.

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 Memorystore for Redis. Für die Methode tools/list ist keine Authentifizierung erforderlich.

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

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

Beispiele für Anwendungsfälle

Im Folgenden finden Sie Beispiele für Anwendungsfälle für den Memorystore for Redis-MCP-Server:

„Warum erstellen Sie eine Memorystore for Redis-Instanz mit aktivierter Authentifizierung?“

Wenn Sie eine Instanz erstellen und die Funktion AUTH dafür aktivieren, müssen sich eingehende Clientverbindungen authentifizieren, um eine Verbindung zur Instanz herzustellen. Um eine Verbindung herzustellen, sendet der Client den Befehl AUTH und einen AUTH-String, der ein zufällig generierter String ist, der für die Instanz eindeutig ist. Der KI-Agent des Memorystore for Redis-MCP-Servers verwendet das MCP-Tool create_instance, um die Instanz zu erstellen.

„Warum sehen Sie sich alle aktiven Memorystore for Redis-Instanzen in einer bestimmten Region an?“

Wenn Sie diese Instanzen auflisten, können Sie sicherstellen, dass die Ressourcen Ihrer aktuellen Architektur entsprechen. Der KI-Agent des Memorystore for Redis-MCP-Servers verwendet das MCP-Tool list_instances, um eine formatierte Liste der Instanzen in der angegebenen Region abzurufen.

„Warum rufen Sie Verbindungsendpunkte und Betriebsmetadaten aus einer Memorystore for Redis-Instanz in einer bestimmten Region ab?“

Sie benötigen diese Informationen für die Anwendungsintegration und die Systemwartung. Der KI-Agent des Memorystore for Redis-MCP-Servers verwendet das MCP-Tool get_instance, um Informationen zur Instanz abzurufen, z. B. den Erkennungsendpunkt und die Anzahl der Replikate.

„Wie können Sie Memorystore for Redis für Ihre datenintensiven Anwendungen optimieren?“

Um sowohl die CPU-Kapazität als auch den Speicherdurchsatz für diese Anwendungen erheblich zu erhöhen, können Sie eine Memorystore for Redis-Instanz skalieren, indem Sie die Anzahl der Replikate der Instanz erhöhen. Der KI-Agent des Memorystore for Redis-MCP-Servers verwendet das MCP-Tool update_instance, um die Anzahl der Replikate für die Instanz zu aktualisieren.

„Wie können Sie Ihre Daten vor Fehlern schützen, die entweder durch eine Memorystore for Redis-Instanz oder die Region, in der sie sich befindet, verursacht werden können?“

Exportieren Sie einen Snapshot der Daten in Ihrer Instanz in einen Cloud Storage Bucket. Wenn ein regionaler oder Instanzfehler auftritt, können Sie Ihre Daten in einer neuen Instanz wiederherstellen, um den Betrieb fortzusetzen. Der KI-Agent des Memorystore for Redis-MCP-Servers verwendet das MCP-Tool export_instance, um Ihre Daten zu exportieren.

Optionale Sicherheitskonfigurationen

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

Weitere Informationen zu MCP-Sicherheit und ‑Governance finden Sie unter KI-Sicherheit.

Model Armor verwenden

Model Armor ist ein Google Cloud Dienst, der die Sicherheit und Sicherheit Ihrer KI-Anwendungen verbessern soll. Dazu werden LLM-Prompts und ‑Antworten proaktiv geprüft, um vor verschiedenen Risiken zu schützen und verantwortungsbewusste KI-Praktiken zu unterstützen. 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 Sicherheit von Inhalten zu überprüfen, sensible Daten zu schützen, die Compliance aufrechtzuerhalten und Ihre KI-Sicherheitsrichtlinien in Ihrer vielfältigen KI-Landschaft einheitlich durchzusetzen.

Wenn Model Armor mit aktivierter Protokollierung aktiviert ist, protokolliert Model Armor die gesamte Nutzlast. Dadurch können sensible Informationen in Ihren Logs offengelegt werden.

MCP-Anfrage an Model Armor weiterleiten

Model Armor ist in bestimmten Regionen verfügbar. Wenn Model Armor aktiviert ist und Sie einen MCP-Server in einem Rechtsraum verwenden, der von Model Armor nicht unterstützt wird, kann das Routingverhalten des Aufrufs für verschiedene MCP-Server unterschiedlich sein und die Compliance mit den Datenstandortvorgaben für Daten im Einsatz und bei 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. Die Model Armor API aktivieren

    Rollen, die zum Aktivieren von APIs erforderlich sind

    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 Rolle „Inhaber“ (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 zuerst die folgenden Schritte mit der Google Cloud CLI und der Model Armor API aus:

  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

Um Ihre MCP-Toolaufrufe und ‑Antworten zu schützen, 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.

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

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 PROJECT_ID durch die Google Cloud Projekt-ID Ihres Projekts.

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 Erzwingung aktiviert wird.
  • MEDIUM_AND_ABOVE: Das Konfidenzniveau für die Filtereinstellungen „verantwortungsbewusste Anwendung von KI – Dangerous“. Sie können diese Einstellung ändern, niedrigere Werte können jedoch zu mehr falsch positiven Ergebnissen führen. Weitere Informationen finden Sie unter Konfidenzniveaus von Model Armor.

Scannen von MCP-Traffic mit Model Armor deaktivieren

Wenn Sie verhindern möchten, dass Model Armor Traffic zu und von Google-MCP-Servern automatisch anhand der Mindesteinstellungen des Projekts scannt, führen Sie den folgenden Befehl aus:

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

Die Mindesteinstellungen und die allgemeine Konfiguration von Model Armor können sich auf mehr als nur MCP auswirken. Da Model Armor in Dienste wie Vertex AI eingebunden ist, können sich alle Änderungen, die Sie an den Mindesteinstellungen vornehmen, auf das Scannen von Traffic und das Sicherheitsverhalten aller eingebundenen Dienste auswirken, nicht nur auf MCP.

MCP-Nutzung mit IAM-Richtlinien steuern

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

Sie können mehrere Kriterien kombinieren, um benutzerdefinierte Sicherheits- und Governance-Richtlinien zu erstellen, indem Sie den Zugriff basierend auf Folgendem zulassen oder ablehnen:

  • Das Prinzipal.
  • Toolattribute wie das schreibgeschützte Attribut.
  • Der Dienstname oder Toolname.
  • Die OAuth-Client-ID der Anwendung.

Weitere Informationen finden Sie unter MCP-Nutzung mit IAM steuern.

Nächste Schritte