In diesem Dokument wird beschrieben, wie Sie den Remote-MCP-Server (Model Context Protocol) von Memorystore for Valkey 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 Valkey können Sie Memorystore for Valkey-Instanzen und ‑Sicherungen über Ihre KI-gestützten Entwicklungsumgebungen und KI-Agentenplattformen verwalten. Der Remote-MCP-Server für Memorystore for Valkey wird aktiviert, wenn Sie die Memorystore for Valkey API aktivieren.
Das Model Context Protocol (MCP) standardisiert die Verbindung von Large Language Models (LLMs) und KI-Anwendungen oder ‑Agenten mit externen Datenquellen. 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 Standard-Ein- und Ausgabestreams (stdio) für die Kommunikation zwischen Diensten auf demselben Gerät.
- Remote-MCP-Server
- Auf der Infrastruktur des Dienstes ausgeführt und bietet 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.
Zustandsloser Kern
Mit MCP-Version 2026-07-28 wird das MCP von einem bidirektionalen, zustandsorientierten Protokoll zu einem zustandslosen Protokoll.
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 zusätzliche Informationen, die für ein Tool erforderlich sind, über Multi-Round-Trip-Anfragen (MRTR) anfordern.
Damit Anfragen weitergeleitet und verarbeitet werden können, ohne dass der Anfragetext geparst werden muss, sind einige MCP-Header erforderlich, darunter die folgenden:
- Header, die von der MCP-Spezifikation benötigt werden, 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-headeraus 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 MCP-Version 2026-07-28.
Google- und Google Cloud Remote-MCP-Server
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
- Zentrales Audit-Logging
Informationen zu anderen MCP-Servern sowie zu den Sicherheits- und Governance-Kontrollen, die für Google Cloud-MCP-Server verfügbar sind, finden Sie unter Google Cloud-MCP-Server – Übersicht.
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 theresourcemanager.projects.createpermission. Learn how to grant roles.
-
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 Valkey API, if it is not already enabled.
Roles required to enable APIs
To enable APIs, you need the
serviceusage.services.enablepermission. 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.-
Install the Google Cloud CLI.
-
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 theresourcemanager.projects.createpermission. Learn how to grant roles.
-
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 Valkey API, if it is not already enabled.
Roles required to enable APIs
To enable APIs, you need the
serviceusage.services.enablepermission. 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.-
Install the Google Cloud CLI.
-
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
Erforderliche Rollen
Bitten Sie Ihren Administrator, Ihnen die folgenden IAM-Rollen für das Projekt zuzuweisen, in dem Sie den Memorystore for Valkey-MCP-Server verwenden möchten, um die Berechtigungen zu erhalten, die Sie zur Verwendung des Memorystore for Valkey-MCP-Servers benötigen:
-
MCP-Tool-Aufrufe ausführen:
MCP Tool User (
roles/mcp.toolUser) -
Memorystore for Valkey-Instanz erstellen:
Memorystore Admin (
roles/memorystore.admin) -
Memorystore for Valkey-Nutzer erstellen:
Memorystore Admin (
roles/memorystore.admin) -
Memorystore for Valkey-Instanz abrufen oder alle Memorystore for Valkey-Instanzen in einem Projekt auflisten:
Memorystore Viewer (
roles/memorystore.viewer) -
Memorystore for Valkey-Nutzer auflisten:
Memorystore Viewer (
roles/memorystore.viewer) -
Richtlinien zur Dienstnutzung verwalten:
Service Usage Admin (
roles/serviceusage.serviceUsageAdmin)
Weitere Informationen zum Zuweisen von Rollen finden Sie unter Zugriff auf Projekte, Ordner und Organisationen verwalten.
Diese vordefinierten Rollen enthalten die Berechtigungen, die für die Verwendung des MCP-Servers für Memorystore for Valkey erforderlich sind. Maximieren Sie den Abschnitt Erforderliche Berechtigungen, um die notwendigen Berechtigungen anzuzeigen:
Erforderliche Berechtigungen
Die folgenden Berechtigungen sind erforderlich, um den Memorystore for Valkey MCP-Server zu verwenden:
-
Informationen zu einer Dienstnutzungsrichtlinie abrufen:
serviceusage.mcppolicy.get -
Nutzungsrichtlinie für Dienste aktualisieren:
serviceusage.mcppolicy.update -
MCP-Toolaufrufe ausführen:
mcp.tools.call -
Erstellen Sie eine Memorystore for Valkey-Instanz:
memorystore.instances.create -
Memorystore for Valkey-Instanzen auflisten:
memorystore.instances.list -
Informationen zu einer Memorystore for Valkey-Instanz abrufen:
memorystore.instances.get -
Memorystore for Valkey-Instanz klonen:
memorystore.instances.create -
Memorystore for Valkey-Instanz aktualisieren:
memorystore.instances.update -
Memorystore for Valkey-Instanz sichern:
memorystore.instances.backup -
Memorystore for Valkey-Instanz löschen:
memorystore.instances.delete
Sie können diese Berechtigungen auch mit benutzerdefinierten Rollen oder anderen vordefinierten Rollen erhalten.
Authentifizierung und Autorisierung
Memorystore for Valkey-MCP-Server verwenden 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 von Memorystore for Valkey 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.
Memorystore for Valkey MCP OAuth-Bereich
Bei OAuth 2.0 wird anhand eines Bereichs und von Anmeldedaten ermittelt, ob ein authentifiziertes Hauptkonto 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 Valkey hat den folgenden MCP-Tool-OAuth-Bereich:
| Bereichs-URI | Beschreibung |
|---|---|
https://www.googleapis.com/auth/memorystore.read-write
|
Instanzen erstellen, auflisten, sichern, aktualisieren und löschen |
MCP-Client für die Verwendung des Memorystore for Valkey-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 aus 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 Valkey-MCP-Server die folgenden Informationen ein:
- Servername: Memorystore for Valkey MCP-Server
- Server-URL oder Endpunkt: https://memorystore.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 Memorystore for Valkey-MCP-Server verwenden möchten.
Anwendungsspezifische Anleitungen zum Einrichten und Herstellen einer Verbindung zum MCP-Server finden Sie unter Clientspezifische Anleitung.
Allgemeine Informationen finden Sie in den folgenden Ressourcen:
Weiterleitungs-URIs
Bei webbasierten Anwendungen und einigen Desktopanwendungen müssen Sie beim Erstellen einer Client-ID und eines Clientschlüssels für die Authentifizierung einen Redirect-URI auf die Zulassungsliste setzen. 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.
Verfügbare Tools
Details zu verfügbaren MCP-Tools und deren Beschreibungen für den Memorystore for Valkey-MCP-Server finden Sie in der Memorystore for Valkey-MCP-Referenz.
Listentools
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 Valkey. Für die Methode tools/list ist keine Authentifizierung erforderlich.
curl -X POST https://memorystore.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 Memorystore for Valkey könnte dies beispielsweisemcp/toolset-namesein.MCP_PROTOCOL_VERSION: die MCP-Protokollversion. Beispiel:2026-07-28. ## Beispiele für Anwendungsfälle
Im Folgenden finden Sie Beispielanwendungsfälle für den Memorystore for Valkey MCP-Server:
„Warum erstellen Sie eine regionale Memorystore for Valkey-Instanz mit aktivierter IAM-Authentifizierung?“
Wenn Sie diesen Instanztyp erstellen, werden statische Passwörter durch zentralisierte, kurzlebige Anmeldedaten für hochsichere, regionale Arbeitslasten ersetzt.
Der KI-Agent des Memorystore for Valkey-MCP-Servers verwendet das MCP-Tool create_instance, um die Instanz zu erstellen.
„Warum sehen Sie alle aktiven Memorystore for Valkey-Instanzen in einer bestimmten Region?“
Wenn Sie diese Instanzen auflisten, können Sie dafür sorgen, dass die Ressourcen Ihrer aktuellen Architektur entsprechen. Der KI-Agent des Memorystore for Valkey-MCP-Servers verwendet das MCP-Tool list_instances, um eine formatierte Liste von Instanzen in der angegebenen Region abzurufen.
„Warum werden Verbindungsendpunkte und Betriebsmetadaten aus einer Memorystore for Valkey-Instanz in einer bestimmten Region abgerufen?“
Sie benötigen diese Informationen für die Anwendungsintegration und die Systemwartung.
Der KI-Agent des Memorystore for Valkey-MCP-Servers verwendet das get_instance-MCP-Tool, um Informationen zur Instanz abzurufen, z. B. den Discovery-Endpunkt, die Anzahl der Shards und die Anzahl der Replikate.
„Wie kann ich Memorystore for Valkey für meine datenintensiven Anwendungen optimieren?“
Um sowohl die CPU-Kapazität als auch den Speicherdurchsatz für diese Anwendungen deutlich zu erhöhen, können Sie eine Memorystore for Valkey-Instanz skalieren, indem Sie die Anzahl der Shards der Instanz erhöhen. Der KI-Agent des Memorystore for Valkey-MCP-Servers verwendet das update_instance-MCP-Tool, um die Anzahl der Shards für die Instanz zu aktualisieren.
„Wie können Sie Ihre Daten vor Fehlern schützen, die entweder in einer Memorystore for Valkey-Instanz oder in der Region auftreten können, in der sie sich befindet?“
Erstellen Sie eine Sicherung der Memorystore for Valkey-Instanz. Bei einem regionalen Ausfall oder einem Instanzausfall können Sie Ihre Daten in einer neuen Instanz wiederherstellen, um den Betrieb fortzusetzen. Der KI-Agent des Memorystore for Valkey-MCP-Servers verwendet das MCP-Tool backup_instance, um eine Sicherung der Instanz zu erstellen.
Optionale Sicherheitskonfigurationen
MCP birgt neue Sicherheitsrisiken und ‑aspekte, da mit den MCP-Tools eine Vielzahl von Aktionen möglich ist. Um diese Risiken zu minimieren und zu verwalten, bietet Google Cloud Standardeinstellungen und anpassbare Richtlinien, mit denen Sie die Verwendung von MCP-Tools in Ihrer Google Cloud -Organisation oder Ihrem -Projekt steuern können.
Weitere Informationen zur Sicherheit und Governance von MCP finden Sie unter KI-Sicherheit.
Model Armor verwenden
Model Armor ist einGoogle Cloud Dienst, der die Sicherheit Ihrer KI-Anwendungen verbessern soll. Dazu werden LLM-Prompts und ‑Antworten proaktiv geprüft, um vor verschiedenen Risiken zu schützen und eine verantwortungsbewusste Anwendung von KI 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 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 können vertrauliche Informationen in Ihren Logs offengelegt werden.
MCP-Anfragenrouting an 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 der Datenstandortvorgaben für Daten in Verwendung 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
Aktivieren Sie die Model Armor API, falls sie noch nicht aktiviert ist.
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 RollenWählen 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:
Aktivieren Sie Cloud Shell in der Google Cloud Console.
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.
-
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
LOCATIONdurch 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-Tool-Aufrufe und ‑Antworten im Projekt angewendet.
Richten Sie eine Model Armor-Mindesteinstellung mit aktivierter MCP-Bereinigung ein. Weitere Informationen finden Sie unter Model Armor-Untergrenzeneinstellungen 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 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 Erzwingung aktiviert wird.MEDIUM_AND_ABOVE: Das Konfidenzniveau für die Filter für verantwortungsbewusste KI – gefährlich. Sie können diese Einstellung ändern. Bei niedrigeren Werten kann es jedoch zu mehr falsch positiven Ergebnissen kommen. Weitere Informationen finden Sie unter Model Armor-Vertrauensstufen.
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 automatisch anhand der Mindesteinstellungen des Projekts 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 gesamten Google MCP-Server-Traffic an.
Die Mindesteinstellungen und die allgemeine Konfiguration von Model Armor 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 IAM-Ablehnungsrichtlinien (Identity and Access Management) und IAM-Zulassungsrichtlinien können Sie Google Cloud - und Google MCP-Server schützen.
Sie können mehrere Kriterien kombinieren, um benutzerdefinierte Sicherheits- und Governance-Richtlinien zu erstellen, indem Sie den Zugriff basierend auf Folgendem zulassen oder verweigern:
- Der Auftraggeber.
- Tool-Attribute wie das schreibgeschützte Attribut.
- 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.