Il server MCP remoto di Google Cloud CLI fornisce un ambiente sicuro che ti consente di inviare prompt in linguaggio naturale alla tua applicazione di AI per eseguire comandi dell'interfaccia a riga di comando (CLI) per tuo conto.
Sono supportati i comandi gcloud e bq.
L'API per questa funzionalità si chiama Cloud CLI Execution.
Il server MCP remoto di Google Cloud CLI viene abilitato quando abiliti l'API Cloud CLI Execution.
Il Model Context Protocol (MCP) standardizza il modo in cui i modelli linguistici di grandi dimensioni (LLM) e le applicazioni o gli agenti AI si connettono alle origini dati esterne. I server MCP ti consentono di utilizzare i loro strumenti, le loro risorse e i loro prompt per eseguire azioni e ottenere dati aggiornati dal loro servizio di backend.
Qual è la differenza tra i server MCP locali e remoti?
- Server MCP locali
- In genere vengono eseguiti sulla tua macchina locale e utilizzano gli stream di input e output standard (stdio) per la comunicazione tra i servizi sullo stesso dispositivo.
- Server MCP remoti
- Esegui l'applicazione sull'infrastruttura del servizio e offri un endpoint HTTP alle applicazioni AI per la comunicazione tra il client MCP AI e il server MCP. Per saperne di più sull'architettura MCP, consulta Architettura MCP.
Core stateless
Con la versione MCP 2026-07-28, MCP passa da un protocollo bidirezionale stateful a un protocollo stateless.
Ogni richiesta MCP è autodescrittiva e può essere instradata utilizzando le intestazioni. Non è necessario l'handshake initialize/initialized o Mcp-Session-Id perché ogni richiesta include tutte le informazioni necessarie nelle intestazioni HTTP o nel parametro _meta. I server MCP possono richiedere informazioni aggiuntive necessarie per uno strumento tramite richieste di andata e ritorno multiple (MRTR).
Per facilitare l'instradamento e l'elaborazione delle richieste senza analizzare il corpo della richiesta, sono necessarie alcune intestazioni MCP, tra cui:
- Intestazioni richieste dalla specifica MCP, come l'intestazione della versione del protocollo e le intestazioni della richiesta standard.
- Intestazioni personalizzate
definite dal server MCP. Queste intestazioni vengono replicate nelle intestazioni HTTP dallo schema di input dello strumento utilizzando la proprietà
x-mcp-header. Ad esempio, un server MCP potrebbe definire un'intestazione personalizzata per specificare la regione o l'ID progetto Google Cloud .
Per saperne di più sull'architettura MCP, consulta la specifica della versione 2026-07-28 di MCP e le modifiche principali.
Server MCP Google e remoti ( Google Cloud )
I server MCP di Google e Google Cloud remoti offrono le seguenti funzionalità e i seguenti vantaggi:- Rilevamento semplificato e centralizzato
- Endpoint HTTP globali o regionali gestiti
- Autorizzazione granulare
- Sicurezza facoltativa di prompt e risposte con la protezione di Model Armor
- Audit logging centralizzato
Per informazioni su altri server MCP e sui controlli di sicurezza e governance disponibili per i server MCP di Google Cloud, consulta la panoramica dei server MCP di Google Cloud.
Limitazioni e linee guida
Prima di iniziare a lavorare con il server MCP remoto di Google Cloud CLI, esamina le seguenti limitazioni e linee guida:
Comandi supportati
Il server Google Cloud CLI MCP non supporta alcuni comandi gcloud e bq (incluse le varianti alpha o beta per gcloud) a causa di standard di sicurezza e inapplicabilità.
Il seguente elenco mostra alcuni esempi di comandi gcloud non supportati.
Questo elenco non è esaustivo ed è soggetto all'aggiunta o alla rimozione di comandi senza preavviso:
gcloud authgcloud configgcloud iam service-accountsgcloud initgcloud survey
Di seguito è riportato un elenco completo dei comandi bq non supportati:
bq initbq pyshellbq shell
Applicazione delle policy dell'organizzazione
I comandi eseguiti tramite il server MCP remoto vengono eseguiti con le autorizzazioni dell'identità del chiamante autenticato. Le autorizzazioni IAM standard e i vincoli del servizio policy dell'organizzazione vengono applicati rigorosamente alle risorse di destinazione downstream.
Linee guida per gli sviluppatori di agenti
Autorizzazioni per entità e IAM: l'entità che interagisce con l'API Cloud CLI Execution è la stessa che interagisce con le API Google Cloud durante l'esecuzione dei comandi
gcloudobq. Poiché il server MCP di Google Cloud CLI può chiamare molte API Google Cloud, ti consigliamo di seguire il principio di sicurezza del privilegio minimo e di assegnare le autorizzazioni minime richieste per il tuo caso d'uso all'utente, all'identità dell'agente o al account di servizio che chiama il server MCP di Google Cloud CLI.Selezione dei progetti:
projectè un parametro obbligatorio per le richieste del server Google Cloud CLI MCP e rappresenta il progetto utilizzato per interagire con l'API Cloud CLI Execution. Tieni presente che il parametroprojectnon è correlato ai flag--projecto--billing-projectimpostati nel comandogcloudeffettivo o ai flag--project_ide--quota_project_idper i comandibqeseguiti dall'API Cloud CLI Execution.Ti consigliamo di aggiornare i prompt di sistema o le skill dell'agente in modo che selezioni il progetto corretto per l'esecuzione delle richieste del server Google Cloud CLI MCP.
Prima di iniziare
- Accedi al tuo account Google Cloud . Se non conosci Google Cloud, crea un account per valutare le prestazioni dei nostri prodotti in scenari reali. I nuovi clienti ricevono anche 300 $di crediti senza costi per l'esecuzione, il test e il deployment dei 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 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.
-
Verify that billing is enabled for your Google Cloud project.
Enable the Cloud CLI Execution 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.-
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.
-
Verify that billing is enabled for your Google Cloud project.
Enable the Cloud CLI Execution 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.
Ruoli obbligatori
Per ottenere le autorizzazioni necessarie per utilizzare il server Google Cloud CLI MCP, chiedi all'amministratore di concederti i seguenti ruoli IAM nel progetto in cui vuoi utilizzare il server Google Cloud CLI MCP:
-
Effettuare chiamate allo strumento MCP:
MCP Tool User (
roles/mcp.toolUser)
Per saperne di più sulla concessione dei ruoli, consulta Gestisci l'accesso a progetti, cartelle e organizzazioni.
Questi ruoli predefiniti contengono le autorizzazioni necessarie per utilizzare il server MCP di Google Cloud CLI. Per vedere quali sono esattamente le autorizzazioni richieste, espandi la sezione Autorizzazioni obbligatorie:
Autorizzazioni obbligatorie
Per utilizzare il server Google Cloud CLI MCP sono necessarie le seguenti autorizzazioni:
-
Effettua chiamate allo strumento MCP:
mcp.tools.call
Potresti anche ottenere queste autorizzazioni con ruoli personalizzati o altri ruoli predefiniti.
Autenticazione e autorizzazione
Il server MCP remoto di Google Cloud CLI utilizza il protocollo OAuth 2.0 con Identity and Access Management (IAM) per l'autenticazione e l'autorizzazione. Tutte le identitàGoogle Cloud sono supportate per l'autenticazione ai server MCP.Il server MCP remoto di Google Cloud CLI non accetta chiavi API.
Ti consigliamo di creare un'identità separata per gli agenti che utilizzano gli strumenti MCP, in modo che l'accesso alle risorse possa essere controllato e monitorato. Per saperne di più sull'autenticazione, consulta Autenticati ai server MCP.
Ambiti OAuth di Google Cloud CLI
OAuth 2.0 utilizza ambiti e credenziali per determinare se un'entità autenticata è autorizzata a eseguire un'azione specifica su una risorsa. Per saperne di più sugli ambiti OAuth 2.0 di Google, consulta Utilizzare OAuth 2.0 per accedere alle API di Google.
Il server MCP remoto di Google Cloud CLI ha i seguenti ambiti OAuth:
| URI ambito | Descrizione |
|---|---|
https://www.googleapis.com/auth/cloud-platform |
Visualizzare e gestire i tuoi dati nei servizi Google Cloud . |
Configura un client MCP per utilizzare il server MCP remoto di Google Cloud CLI
Le applicazioni e gli agenti AI, come Claude o Antigravity, possono creare un'istanza di un client MCP che si connette a un singolo server MCP. Un'applicazione di AI può avere più client che si connettono a server MCP diversi. Se la tua applicazione non è elencata nelle indicazioni specifiche per il client, puoi utilizzare le seguenti informazioni per connetterti dalla maggior parte delle applicazioni.
Nell'applicazione di AI, cerca un modo per aggiungere o connetterti a un server MCP remoto. Per il server MCP remoto di Google Cloud CLI, inserisci le seguenti informazioni, se richieste:
- Nome server: server MCP remoto di Google Cloud CLI
- URL server o Endpoint:
https://cloudcli.googleapis.com/mcp - Trasporto: HTTP trasmissibile in streaming
- Dettagli di autenticazione: a seconda di come vuoi eseguire l'autenticazione, puoi inserire le tue credenziali Google Cloud , l'ID client e il secret OAuth o un'identità e le credenziali dell'agente. Per saperne di più sull'autenticazione, consulta Autenticati ai server MCP.
- Ambito OAuth: l'ambito OAuth 2.0 che vuoi utilizzare per connetterti al server MCP di Google Cloud CLI.
URI di reindirizzamento
Per le applicazioni basate sul web e alcune applicazioni desktop, devi inserire nella lista consentita un URI di reindirizzamento quando crei un ID client e un secret per l'autenticazione. Gli URI di reindirizzamento vengono utilizzati dal server di autorizzazione per inviare token alla tua applicazione. La documentazione dell'applicazione deve specificare l'URI di reindirizzamento da utilizzare. Gli URI di reindirizzamento personalizzati non sono supportati.
Per indicazioni specifiche sull'applicazione per la configurazione e la connessione al server MCP, consulta Indicazioni specifiche per il client.
Per indicazioni più generali, consulta le seguenti risorse:
Strumenti disponibili
Il server MCP remoto di Google Cloud CLI espone i seguenti strumenti:
run_gcloud_commandrun_bq_command
Per visualizzare i dettagli degli strumenti MCP disponibili e le relative descrizioni per il server MCP di Google Cloud CLI, consulta il riferimento di Google Cloud CLI MCP.
Differenze tra run_bq_command e il server MCP BigQuery
run_bq_command espone la superficie dell'interfaccia a riga di comando di BigQuery (bq)
all'interno del server MCP remoto di Google Cloud CLI. Lo strumento può eseguire comandi SQL di BigQuery e consentire l'esecuzione di attività amministrative e operative tramite prompt in linguaggio naturale. BigQuery fornisce anche un server MCP separato per l'analisi dei dati standard. Ogni piattaforma degli strumenti è progettata per casi d'uso distinti:
run_bq_command: utilizzarun_bq_commandquando crei agenti AI per workflow amministrativi e operativi avanzati, come la gestione delle prenotazioni degli slot, la pianificazione delle query, la gestione degli snapshot delle tabelle o la risoluzione dei problemi e l'annullamento dei job.- Server MCP BigQuery: utilizza il server MCP BigQuery quando crei agenti AI che utilizzano strumenti di esecuzione SQL standard per l'analisi dei dati, il rilevamento dei metadati e la modifica dei dati.
La tabella seguente mostra ulteriori differenze tra le due piattaforme:
| Funzionalità | Server MCP BigQuery | run_bq_command |
|---|---|---|
| Disponibilità | In disponibilità generale | Anteprima |
| Utilizzo | Analisi e modifica dei dati | Amministrazione avanzata di job e risorse |
| Utenti target | Analisti aziendali, data scientist, sviluppatori SQL | Amministratori di BigQuery, DBA, ingegneri di piattaforme di dati e DevOps |
| Operazioni principali | Esecuzione SQL standard (SELECT, INSERT, UPDATE, DELETE), esplorazione dello schema, ispezione dei metadati | Pianificazione delle query (tramite DTS), annullamento dei job in esecuzione, gestione di slot e prenotazioni, policy IAM dei set di dati, operazioni di snapshot/clonazione delle tabelle |
Strumenti per gli elenchi
Utilizza l'inspector MCP per elencare gli strumenti o invia una richiesta HTTP tools/list direttamente al server MCP remoto di Google Cloud CLI. Il metodo tools/list non richiede l'autenticazione.
curl -X POST https://cloudcli.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"]
}
}
}
}
}
}'
Sostituisci quanto segue:
TOOLSET_ENDPOINT: il resto dell'endpoint MCP dopo il nome del servizio. Ad esempio, per Google Cloud CLI, potrebbe esseremcp/toolset-name.MCP_PROTOCOL_VERSION: la versione del protocollo MCP. Ad esempio,2026-07-28.
Esempi di casi d'uso per run_gcloud_command
Di seguito sono riportati alcuni casi d'uso di esempio per run_gcloud_command nel server MCP remoto di Google Cloud CLI:
Provisioning delle risorse
Quando un utente invia un prompt in linguaggio naturale all'agente, quest'ultimo genera un comando utilizzando lo strumento MCP corrispondente (run_gcloud_command per i comandi gcloud o run_bq_command per i comandi bq). Il server MCP di Google Cloud CLI esegue quindi il comando.
Prompt di esempio:
"Crea una nuova rete VPC denominata my-network nel progetto projects/my-project. Poi, crea una regola firewall che consenta il traffico TCP interno sulla porta 8080."
Workflow:
L'agente chiama lo strumento
run_gcloud_commandcon il comando"gcloud compute networks create my-network --project=projects/my-project --subnet-mode=auto", "project": "projects/my-project".L'agente chiama lo strumento
run_gcloud_commandcon il comando"gcloud compute firewall-rules create allow-internal-8080 --project=projects/my-project --network=my-network --allow=tcp:8080 --source-ranges=10.0.0.0/8.
Osservabilità e diagnostica
Un agente può ispezionare lo stato dell'ambiente ed eseguire query sui log degli errori recenti per facilitare la risoluzione dei problemi.
Prompt di esempio: "Trova gli ultimi 5 log degli errori per l'istanza Compute Engine my-web-server nel progetto projects/my-project."
Workflow:
L'agente chiama lo strumento run_gcloud_command con il comando "gcloud logging read \"resource.type=gce_instance AND severity>=ERROR\" --limit=5 --order=DESC", project: "my-project".
Esempi di casi d'uso per run_bq_command
Di seguito sono riportati alcuni casi d'uso di esempio per run_bq_command nel server MCP remoto di Google Cloud CLI:
Gestisci i set di dati in BigQuery
Puoi anche utilizzare il server MCP per eseguire query e gestire i set di dati in BigQuery.
Prompt di esempio: "Elenca tutti i set di dati nel progetto projects/my-project, quindi crea un nuovo set di dati denominato my_new_dataset nella località US."
Workflow:
L'agente chiama lo strumento
run_bq_commandcon il comando"bq ls --datasets=true --project_id=my-project", "project": "projects/my-project".L'agente chiama lo strumento
run_bq_commandcon il comando"bq mk --dataset --location=us --project_id=my-project my_new_dataset", "project": "projects/my-project".
Risolvi i problemi e annulla i job a lunga esecuzione
Un agente ispeziona i job BigQuery in esecuzione per identificare i colli di bottiglia delle risorse, diagnosticare le query non riuscite, annullare i job a lunga esecuzione ed estrarre i dettagli di esecuzione per i suggerimenti sulle prestazioni.
Prompt di esempio:
"Controlla se nel progetto my-data-project sono attualmente in esecuzione query che richiedono molto tempo o risorse. Se bqujob_12345 è in esecuzione da
oltre 30 minuti, annullalo e mostra i dettagli."
Workflow:
L'agente chiama
run_bq_commandcon il comando"bq ls -j --all --project_id=my-data-project", "project": "projects/my-data-project".L'agente ispeziona l'elenco dei job e chiama run_bq_command con il comando:
"bq show -j bqujob_12345 --project_id=my-data-project", "project": "projects/my-data-project".L'agente chiama run_bq_command con il comando:
"bq cancel bqujob_12345 --project_id=my-data-project", "project": "projects/my-data-project".
Pianifica le query
Un agente configura le esecuzioni delle query pianificate tramite l'integrazione di BigQuery Data Transfer Service nell'interfaccia a riga di comando di BigQuery per automatizzare gli aggiornamenti dei dati.
Prompt di esempio:
"Pianifica una query giornaliera alle 06:00 UTC per aggiornare la tabella daily_sales_summary in dataset sales_ds per il progetto my-data-project."
Workflow:
- L'agente chiama
run_bq_commandcon il comando:"bq query --project_id=my-data-project --use_legacy_sql=false --destination_table=sales_ds.daily_sales_summary --display_name='Daily Sales Refresh' --schedule='every 24 hours' 'SELECT date, SUM(amount) as total FROM sales_ds.transactions GROUP BY date'", "project": "projects/my-data-project".
Analisi della capacità e aggiustamento della prenotazione
Un agente analizza le prenotazioni di slot esistenti nei progetti con il consumo più elevato e aggiorna le assegnazioni degli slot per gestire la capacità di calcolo.
Prompt di esempio:
"Elenca tutte le prenotazioni BigQuery nella regione us-central1 per il progetto my-admin-project e aggiorna l'allocazione degli slot per la prenotazione prod-analytics a 500 slot."
Workflow:
L'agente chiama run_bq_command con il comando:
"bq ls --reservation --project_id=my-admin-project --location=us-central1", "project": "projects/my-admin-project".L'agente chiama run_bq_command con il comando:
"bq update --project_id=my-admin-project --reservation --slots=500 prod-analytics --location=us-central1", "project": "projects/my-admin-project".
Gestisci snapshot e cloni delle tabelle
Un agente crea snapshot point-in-time di tabelle di produzione critiche o esegue il provisioning di cloni di tabelle per lo sviluppo e i test.
Prompt di esempio:
"Crea uno snapshot della tabella production_db.orders denominato production_db.orders_snapshot_20260720 nel progetto my-data-project."
Workflow:
L'agente chiama run_bq_command con il comando:
"bq cp --project_id=my-data-project --snapshot production_db.orders production_db.orders_snapshot_20260720", "project": "projects/my-data-project".
Accesso ai set di dati e controllo delle autorizzazioni IAM
Un agente ispeziona i controlli di accesso ai set di dati e aggiorna le autorizzazioni dei set di dati per concedere o revocare l'accesso alle entità specificate.
Prompt di esempio:
"Mostra la configurazione di accesso corrente per il set di dati finance_ds nel progetto my-data-project."
Workflow:
L'agente chiama
run_bq_commandcon il comando:"bq show --format=prettyjson my-data-project:finance_ds", "project": "projects/my-data-project".L'agente aggiorna la definizione JSON di accesso e chiama
run_bq_commandcon il comando:"bq update --source=access_update.json my-data-project:finance_ds", "project": "projects/my-data-project".
Configurazioni di sicurezza e protezione facoltative
MCP introduce nuovi rischi e considerazioni sulla sicurezza a causa dell'ampia varietà di azioni che puoi eseguire con gli strumenti MCP. Per ridurre al minimo e gestire questi rischi, Google Cloud offre impostazioni predefinite e policy personalizzabili per controllare l'utilizzo degli strumenti MCP nella tua organizzazione o nel tuo progetto Google Cloud.
Per saperne di più sulla sicurezza e sulla governance di MCP, consulta Sicurezza e protezione dell'AI.
Utilizza Model Armor
Model Armor è un servizioGoogle Cloud progettato per migliorare la sicurezza delle tue applicazioni di AI. Funziona analizzando in modo proattivo i prompt e le risposte degli LLM, proteggendo da vari rischi e supportando pratiche di AI responsabile. Che tu stia eseguendo il deployment dell'AI nel tuo ambiente cloud o su provider cloud esterni, Model Armor può aiutarti a prevenire input dannosi, verificare la sicurezza dei contenuti, proteggere i dati sensibili, mantenere la conformità e applicare le tue policy di sicurezza e protezione dell'AI in modo coerente nel tuo panorama di AI diversificato.
Quando Model Armor è abilitato con il logging abilitato, Model Armor registra l'intero payload. Ciò potrebbe esporre informazioni sensibili nei log.
Routing delle richieste MCP a Model Armor
Model Armor è disponibile in alcune regioni. Quando Model Armor è abilitato e utilizzi un server MCP in una giurisdizione non supportata da Model Armor, il comportamento di routing della chiamata potrebbe essere diverso per i vari server MCP e potrebbe violare la conformità della residenza dei dati per i dati in uso e in transito. Per saperne di più sul comportamento dei singoli server MCP, consulta Prodotti supportati da Model Armor.Abilita Model Armor
Per poter utilizzare Model Armor, devi abilitare le API Model Armor.
Console
Abilita l'API Model Armor, se non è già abilitata.
Ruoli richiesti per abilitare le API
Per abilitare le API, devi disporre dell'autorizzazione
serviceusage.services.enable. Se hai creato il progetto, probabilmente hai già questa autorizzazione tramite il ruolo Proprietario (roles/owner). In caso contrario, puoi ottenere questa autorizzazione tramite il ruolo Amministratore Service Usage (roles/serviceusage.serviceUsageAdmin). Scopri come concedere i ruoli.Seleziona il progetto in cui vuoi attivare Model Armor.
gcloud
Prima di iniziare, segui questi passaggi utilizzando Google Cloud CLI con l'API Model Armor:
Nella console Google Cloud , attiva Cloud Shell.
Nella parte inferiore della console Google Cloud , viene avviata una sessione di Cloud Shell e viene visualizzato un prompt della riga di comando. Cloud Shell è un ambiente shell con Google Cloud CLI già installata e con valori già impostati per il progetto corrente. L'inizializzazione della sessione può richiedere alcuni secondi.
-
Esegui questo comando per impostare l'endpoint API per il servizio Model Armor.
gcloud config set api_endpoint_overrides/modelarmor "https://modelarmor.LOCATION.rep.googleapis.com/"
Sostituisci
LOCATIONcon la regione in cui vuoi utilizzare Model Armor.
Configura la protezione per i server MCP Google e Google Cloud remoti
Per proteggere le chiamate e le risposte degli strumenti MCP, puoi utilizzare le impostazioni di base di Model Armor. Un'impostazione di base definisce i filtri di sicurezza minimi che si applicano a tutto il progetto. Questa configurazione applica un insieme coerente di filtri a tutte le chiamate e risposte dello strumento MCP all'interno del progetto.
Configura un'impostazione di base di Model Armor con la sanitizzazione MCP abilitata. Per saperne di più, consulta Configura le impostazioni di base di Model Armor.
Vedi il seguente comando di esempio:
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"}]'
Sostituisci PROJECT_ID con l'ID progetto Google Cloud .
Tieni presente le seguenti impostazioni:
INSPECT_AND_BLOCK: il tipo di applicazione che esamina i contenuti per il server MCP di Google e blocca i prompt e le risposte che corrispondono ai filtri.ENABLED: l'impostazione che attiva un filtro o un'applicazione.MEDIUM_AND_ABOVE: il livello di confidenza per le impostazioni dei filtri di AI responsabile - Pericoloso. Puoi modificare questa impostazione, anche se valori più bassi potrebbero generare più falsi positivi. Per saperne di più, consulta Livelli di confidenza di Model Armor.
Disabilita la scansione del traffico MCP con Model Armor
Per impedire a Model Armor di scansionare automaticamente il traffico da e verso i server MCP di Google in base alle impostazioni di base del progetto, esegui questo comando:
gcloud model-armor floorsettings update \
--full-uri='projects/PROJECT_ID/locations/global/floorSetting' \
--remove-integrated-services=GOOGLE_MCP_SERVER
Sostituisci PROJECT_ID con l'ID progetto Google Cloud . Model Armor non applica automaticamente le regole definite nelle impostazioni di base di questo progetto al traffico del server MCP di Google.
Le impostazioni di base e la configurazione generale di Model Armor possono influire su altri aspetti oltre a MCP. Poiché Model Armor si integra con servizi come Vertex AI, qualsiasi modifica apportata alle impostazioni di base può influire sulla scansione del traffico e sui comportamenti di sicurezza in tutti i servizi integrati, non solo in MCP.
Passaggi successivi
- Leggi la documentazione di riferimento di Google Cloud CLI MCP.
- Scopri di più sui server MCP di Google Cloud.