Usa el servidor de MCP remoto de Google Cloud CLI

En este documento, se muestra cómo usar el servidor remoto de Protocolo de contexto del modelo (MCP) de Google Cloud CLI para conectarte con aplicaciones de IA, como Antigravity, ChatGPT, Claude y las aplicaciones personalizadas que estés desarrollando.

El servidor de MCP remoto de Google Cloud CLI proporciona un entorno seguro que te permite enviar instrucciones en lenguaje natural a tu aplicación de IA para que ejecute comandos de la interfaz de línea de comandos (CLI) en tu nombre. Se admiten los comandos gcloud y bq.

La API de esta función se llama Cloud CLI Execution.

El servidor de MCP remoto de Google Cloud CLI se habilita cuando activas la API de Cloud CLI Execution.

El Protocolo de contexto del modelo (MCP) estandariza la forma en que los modelos de lenguaje grandes (LLM) y las aplicaciones o agentes de IA se conectan a fuentes de datos externas. Los servidores de MCP te permiten usar sus herramientas, recursos y mensajes para realizar acciones y obtener datos actualizados de su servicio de backend.

¿Cuál es la diferencia entre los servidores de MCP locales y remotos?

Servidores de MCP locales
Por lo general, se ejecutan en tu máquina local y usan los flujos de entrada y salida estándar (stdio) para la comunicación entre servicios en el mismo dispositivo.
Servidores de MCP remotos
Se ejecutan en la infraestructura del servicio y ofrecen un extremo HTTP a las aplicaciones de IA para la comunicación entre el cliente de MCP de IA y el servidor de MCP. Para obtener más información sobre la arquitectura de MCP, consulta Arquitectura de MCP.

Núcleo sin estado

Con la versión 2026-07-28 del MCP, este cambia de un protocolo bidireccional con estado a un protocolo sin estado. Cada solicitud de MCP se describe a sí misma y se puede enrutar con encabezados. No es necesario el protocolo de enlace initialize/initialized ni Mcp-Session-Id, ya que cada solicitud incluye toda la información necesaria en los encabezados HTTP o el parámetro _meta. Los servidores de MCP pueden solicitar información adicional que requiere una herramienta a través de solicitudes de ida y vuelta múltiples (MRTR).

Para ayudar a enrutar y procesar las solicitudes sin analizar el cuerpo de la solicitud, se requieren algunos encabezados de MCP, incluidos los siguientes:

Para obtener más información sobre la arquitectura de MCP, consulta la especificación y los cambios clave de la versión 2026-07-28 de MCP.

Servidores de MCP remotos de Google y Google Cloud

Los servidores de MCP remotos de Google y Google Cloud tienen las siguientes características y beneficios:

  • Descubrimiento simplificado y centralizado
  • Extremos HTTP globales o regionales administrados
  • Autorización detallada
  • Seguridad opcional de instrucciones y respuestas con la protección de Model Armor
  • Registro de auditoría centralizado

Para obtener información sobre otros servidores de MCP y sobre los controles de seguridad y administración disponibles para los servidores de MCP de Google Cloud, consulta la Descripción general de los servidores de MCP de Google Cloud.

Restricciones y lineamientos

Antes de comenzar a trabajar con el servidor de MCP remoto de Google Cloud CLI, revisa las siguientes restricciones y lineamientos:

Comandos compatibles

El servidor de MCP de Google Cloud CLI no admite ciertos comandos de gcloud y bq (incluidas las variantes de alpha o beta para gcloud) debido a los estándares de seguridad y la inaplicabilidad.

En la siguiente lista, se muestran algunos ejemplos de comandos de gcloud que no se admiten. Esta lista no es exhaustiva y está sujeta a la adición o eliminación de comandos sin previo aviso:

  • gcloud auth
  • gcloud config
  • gcloud iam service-accounts
  • gcloud init
  • gcloud survey

A continuación, se muestra una lista completa de los comandos de bq que no se admiten:

  • bq init
  • bq pyshell
  • bq shell

Aplicación de políticas de la organización

Los comandos ejecutados a través del servidor de MCP remoto se ejecutan con los permisos de la identidad del emisor autenticado. Los permisos de IAM estándar y las restricciones del servicio de políticas de la organización se aplican de forma estricta a los recursos de destino descendentes.

Lineamientos para desarrolladores de agentes

  • Principal y permisos de IAM: La principal que interactúa con la API de Cloud CLI Execution es la misma que interactúa con las APIs de Google Cloud durante la ejecución de los comandos gcloud o bq. Debido a que el servidor de MCP de Google Cloud CLI puede llamar a muchas APIs de Google Cloud, te recomendamos que sigas el principio de seguridad de privilegio mínimo y asignes los permisos mínimos necesarios para tu caso de uso al usuario, la identidad del agente o la cuenta de servicio que llama al servidor de MCP de Google Cloud CLI.

  • Selección de proyectos: project es un parámetro obligatorio para las solicitudes del servidor de MCP de Google Cloud CLI y representa el proyecto que se usa para interactuar con la API de Cloud CLI Execution. Ten en cuenta que el parámetro project no está relacionado con las marcas --project o --billing-project que se establecen en el comando gcloud real, ni con las marcas --project_id y --quota_project_id para los comandos bq que ejecuta la API de Cloud CLI Execution.

    Te recomendamos que actualices las instrucciones del sistema o las habilidades de tu agente para que seleccione el proyecto correcto para ejecutar las solicitudes del servidor de MCP de Google Cloud CLI.

Antes de comenzar

  1. Accede a tu cuenta de Google Cloud . Si eres nuevo en Google Cloud, crea una cuenta para evaluar el rendimiento de nuestros productos en situaciones reales. Los clientes nuevos también obtienen $300 en créditos gratuitos para ejecutar, probar y, además, implementar cargas de trabajo.

  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. Verify that billing is enabled for your Google Cloud project.

  5. 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.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

  6. 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

  7. 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.

  8. Verify that billing is enabled for your Google Cloud project.

  9. 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.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

    10.

Roles obligatorios

Para obtener los permisos que necesitas para usar el servidor de MCP de Google Cloud CLI, pídele a tu administrador que te otorgue los siguientes roles de IAM en el proyecto en el que quieres usar el servidor de MCP de Google Cloud CLI:

Para obtener más información sobre cómo otorgar roles, consulta Administra el acceso a proyectos, carpetas y organizaciones.

Estos roles predefinidos contienen los permisos necesarios para usar el servidor de MCP de Google Cloud CLI. Para ver los permisos exactos que son necesarios, expande la sección Permisos requeridos:

Permisos necesarios

Se requieren los siguientes permisos para usar el servidor de MCP de Google Cloud CLI:

  • Realiza llamadas a herramientas de MCP: mcp.tools.call

También puedes obtener estos permisos con roles personalizados o con otros roles predefinidos.

Autenticación y autorización

El servidor de MCP remoto de Google Cloud CLI usa el protocolo OAuth 2.0 con Identity and Access Management (IAM) para la autenticación y la autorización. Todas las identidades deGoogle Cloud son compatibles con la autenticación en los servidores de MCP.

El servidor de MCP remoto de Google Cloud CLI no acepta claves de API.

Te recomendamos que crees una identidad independiente para los agentes que usan herramientas de MCP, de modo que se pueda controlar y supervisar el acceso a los recursos. Para obtener más información sobre la autenticación, consulta Autentícate en servidores de MCP.

Permisos de OAuth de Google Cloud CLI

OAuth 2.0 usa permisos y credenciales para determinar si un principal autenticado está autorizado a realizar una acción específica en un recurso. Para obtener más información sobre los permisos de OAuth 2.0 en Google, consulta Usa OAuth 2.0 para acceder a las APIs de Google.

El servidor de MCP remoto de Google Cloud CLI tiene los siguientes permisos de OAuth:

URI de alcance Descripción
https://www.googleapis.com/auth/cloud-platform Consulta y administra tus datos en los servicios de Google Cloud .

Configurar un cliente de MCP para que use el servidor de MCP remoto de Google Cloud CLI

Las aplicaciones y los agentes de IA, como Claude o Antigravity, pueden crear una instancia de un cliente de MCP que se conecte a un solo servidor de MCP. Una aplicación de IA puede tener varios clientes que se conecten a diferentes servidores de MCP. Si tu aplicación no aparece en la guía específica del cliente, puedes usar la siguiente información para conectarte desde la mayoría de las aplicaciones.

En tu aplicación de IA, busca una forma de agregar un servidor de MCP remoto o conectarte a él. Para el servidor de MCP remoto de Google Cloud CLI, ingresa la siguiente información según sea necesario:

  • Nombre del servidor: Servidor de MCP remoto de Google Cloud CLI
  • URL del servidor o Extremo: https://cloudcli.googleapis.com/mcp
  • Transporte: HTTP transmisible
  • Detalles de autenticación: Según cómo quieras autenticarte, puedes ingresar tus credenciales de Google Cloud , tu ID de cliente de OAuth y el secreto, o una identidad y credenciales de agente. Para obtener más información sobre la autenticación, consulta Autentícate en servidores de MCP.
  • Permiso de OAuth: Es el permiso de OAuth 2.0 que quieres usar cuando te conectes al servidor de MCP de Google Cloud CLI.

Redirecciona los URI

En el caso de las aplicaciones basadas en la Web y algunas aplicaciones de escritorio, debes incluir un URI de redireccionamiento en la lista de entidades permitidas cuando crees un ID de cliente y un secreto para la autenticación. El servidor de autorización usa los URI de redireccionamiento para enviar tokens a tu aplicación. En la documentación de tu aplicación, se debe especificar el URI de redireccionamiento que debes usar. No se admiten los URI de redireccionamiento personalizados.

Para obtener orientación específica de la aplicación sobre cómo configurar y conectarse al servidor de MCP, consulta Orientación específica del cliente.

Para obtener orientación más general, consulta los siguientes recursos:

Herramientas disponibles

El servidor de MCP remoto de Google Cloud CLI expone las siguientes herramientas:

  • run_gcloud_command
  • run_bq_command

Para ver los detalles de las herramientas de MCP disponibles y sus descripciones para el servidor de MCP de Google Cloud CLI, consulta la referencia de MCP de Google Cloud CLI.

Diferencias entre run_bq_command y el servidor de MCP de BigQuery

run_bq_command expone la superficie de la CLI de BigQuery (bq) dentro del servidor de MCP remoto de Google Cloud CLI. La herramienta puede ejecutar comandos de SQL de BigQuery y permitir que se realicen tareas administrativas y operativas a través de instrucciones en lenguaje natural. BigQuery también proporciona un servidor de MCP independiente para el análisis de datos estándar. Cada plataforma de la herramienta está diseñada para casos de uso específicos:

  • run_bq_command: Usa run_bq_command cuando crees agentes de IA para flujos de trabajo administrativos y operativos avanzados, como administrar reservas de ranuras, programar consultas, administrar instantáneas de tablas o solucionar problemas y cancelar trabajos.
  • Servidor de MCP de BigQuery: Usa el servidor de MCP de BigQuery cuando crees agentes de IA que usen herramientas de ejecución de SQL estándar para impulsar el análisis de datos, el descubrimiento de metadatos y la modificación de datos.

En la siguiente tabla, se muestran diferencias adicionales entre las dos plataformas de herramientas:

Función Servidor de MCP de BigQuery run_bq_command
Disponibilidad Disponible de manera general Vista previa
Uso Análisis y modificación de datos Administración avanzada de trabajos y recursos
Usuarios de destino Analistas de negocios, científicos de datos y desarrolladores de SQL Administradores de BigQuery, DBA, ingenieros de DevOps y de plataformas de datos
Operaciones principales Ejecución de SQL estándar (SELECT, INSERT, UPDATE, DELETE), exploración de esquemas, inspección de metadatos Programación de consultas (con DTS), cancelación de trabajos descontrolados, administración de ranuras y reservas, políticas de IAM de conjuntos de datos, operaciones de instantáneas y clonaciones de tablas

Herramientas de listas

Usa el inspector de MCP para enumerar las herramientas o envía una solicitud HTTP tools/list directamente al servidor de MCP remoto de Google Cloud CLI. El método tools/list no requiere autenticación.

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"]
              }
            }
          }
        }
      }
    }'

Reemplaza lo siguiente:

  • TOOLSET_ENDPOINT: el resto del extremo de MCP después del nombre del servicio. Por ejemplo, para Google Cloud CLI, podría ser mcp/toolset-name.
  • MCP_PROTOCOL_VERSION: Es la versión del protocolo de MCP. Por ejemplo, 2026-07-28.

Casos de uso de ejemplo para run_gcloud_command

Los siguientes son casos de uso de ejemplo para run_gcloud_command en el servidor de MCP remoto de Google Cloud CLI:

Aprovisionamiento de recursos

Cuando un usuario envía una instrucción en lenguaje natural al agente, este genera un comando con la herramienta de MCP correspondiente (run_gcloud_command para los comandos de gcloud o run_bq_command para los comandos de bq). Luego, el servidor de MCP de Google Cloud CLI ejecuta el comando.

Instrucción de ejemplo:

"Crea una red de VPC nueva llamada my-network en el proyecto projects/my-project. Luego, crea una regla de firewall que permita el tráfico TCP interno en el puerto 8080".

Flujo de trabajo:

  1. El agente llama a la herramienta run_gcloud_command con el comando "gcloud compute networks create my-network --project=projects/my-project --subnet-mode=auto", "project": "projects/my-project".

  2. El agente llama a la herramienta run_gcloud_command con el 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.

Observabilidad y diagnóstico

Un agente puede inspeccionar el estado del entorno y consultar los registros de errores recientes para ayudar a solucionar problemas.

Instrucción de ejemplo: "Busca los 5 registros de errores más recientes de la instancia de Compute Engine my-web-server en el proyecto projects/my-project".

Flujo de trabajo:

El agente llama a la herramienta run_gcloud_command con el comando "gcloud logging read \"resource.type=gce_instance AND severity>=ERROR\" --limit=5 --order=DESC", project: "my-project".

Casos de uso de ejemplo para run_bq_command

A continuación, se muestran casos de uso de ejemplo para run_bq_command en el servidor de MCP remoto de Google Cloud CLI:

Administrar conjuntos de datos en BigQuery

También puedes usar el servidor de MCP para ejecutar consultas y administrar conjuntos de datos en BigQuery.

Instrucción de ejemplo: "Enumera todos los conjuntos de datos del proyecto projects/my-project y, luego, crea un conjunto de datos nuevo llamado my_new_dataset en la ubicación de EE.UU.".

Flujo de trabajo:

  1. El agente llama a la herramienta run_bq_command con el comando "bq ls --datasets=true --project_id=my-project", "project": "projects/my-project".

  2. El agente llama a la herramienta run_bq_command con el comando "bq mk --dataset --location=us --project_id=my-project my_new_dataset", "project": "projects/my-project".

Soluciona problemas y cancela trabajos de larga duración

Un agente inspecciona los trabajos de BigQuery en ejecución para identificar cuellos de botella de recursos, diagnosticar consultas con errores, cancelar trabajos de larga duración y extraer detalles de ejecución para obtener recomendaciones de rendimiento.

Instrucción de ejemplo:

"Verifica si hay consultas de larga duración o que consumen muchos recursos que se estén ejecutando en el proyecto my-data-project. Si bqujob_12345 se está ejecutando desde hace más de 30 minutos, cancélalo y muestra los detalles".

Flujo de trabajo:

  1. El agente llama a run_bq_command con el comando "bq ls -j --all --project_id=my-data-project", "project": "projects/my-data-project".

  2. El agente inspecciona la lista de trabajos y llama a run_bq_command con el comando: "bq show -j bqujob_12345 --project_id=my-data-project", "project": "projects/my-data-project".

  3. El agente llama a run_bq_command con el comando: "bq cancel bqujob_12345 --project_id=my-data-project", "project": "projects/my-data-project".

Programa consultas

Un agente configura ejecuciones de consultas programadas a través de la integración del Servicio de transferencia de datos de BigQuery en la CLI de BigQuery para automatizar las actualizaciones de datos.

Instrucción de ejemplo:

"Programa una consulta diaria a las 06:00 UTC para actualizar la tabla daily_sales_summary en dataset sales_ds para el proyecto my-data-project".

Flujo de trabajo:

  1. El agente llama a run_bq_command con el 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".

Análisis de capacidad y ajuste de reservas

Un agente analiza las reservas de ranuras existentes en los proyectos que más consumen y actualiza las asignaciones de ranuras para administrar la capacidad de procesamiento.

Instrucción de ejemplo:

"Enumera todas las reservas de BigQuery en la región us-central1 para el proyecto my-admin-project y actualiza la asignación de ranuras para la reserva prod-analytics a 500 ranuras".

Flujo de trabajo:

  1. El agente llama a run_bq_command con el comando: "bq ls --reservation --project_id=my-admin-project --location=us-central1", "project": "projects/my-admin-project".

  2. El agente llama a run_bq_command con el comando: "bq update --project_id=my-admin-project --reservation --slots=500 prod-analytics --location=us-central1", "project": "projects/my-admin-project".

Administra instantáneas y clonaciones de tablas

Un agente crea instantáneas de un momento determinado de tablas de producción críticas o aprovisiona clones de tablas para el desarrollo y las pruebas.

Instrucción de ejemplo:

"Crea una instantánea de la tabla production_db.orders llamada production_db.orders_snapshot_20260720 en el proyecto my-data-project".

Flujo de trabajo:

El agente llama a run_bq_command con el comando: "bq cp --project_id=my-data-project --snapshot production_db.orders production_db.orders_snapshot_20260720", "project": "projects/my-data-project".

Acceso a conjuntos de datos y control de permisos de IAM

Un agente inspecciona los controles de acceso al conjunto de datos y actualiza los permisos del conjunto de datos para otorgar o revocar el acceso a las principales especificadas.

Instrucción de ejemplo:

"Muestra la configuración de acceso actual para el conjunto de datos finance_ds en el proyecto my-data-project."

Flujo de trabajo:

  1. El agente llama a run_bq_command con el comando: "bq show --format=prettyjson my-data-project:finance_ds", "project": "projects/my-data-project".

  2. El agente actualiza la definición de JSON de acceso y llama a run_bq_command con el comando: "bq update --source=access_update.json my-data-project:finance_ds", "project": "projects/my-data-project".

Parámetros de configuración de seguridad opcionales

El MCP presenta nuevos riesgos y consideraciones de seguridad debido a la gran variedad de acciones que puedes realizar con las herramientas de MCP. Para minimizar y administrar estos riesgos, Google Cloud ofrece parámetros de configuración predeterminados y políticas personalizables para controlar el uso de las herramientas de MCP en tu organización o proyecto de Google Cloud.

Para obtener más información sobre la seguridad y la administración de MCP, consulta Seguridad y protección de la IA.

Usa Model Armor

Model Armor es un servicio de Google Cloud diseñado para mejorar la seguridad de tus aplicaciones de IA. Funciona analizando de forma proactiva las instrucciones y respuestas de los LLM, protegiendo contra diversos riesgos y respaldando prácticas de IA responsable. Ya sea que implementes IA en tu entorno de nube o en proveedores de servicios en la nube externos, Model Armor puede ayudarte a evitar entradas maliciosas, verificar la seguridad del contenido, proteger datos sensibles, mantener el cumplimiento y aplicar tus políticas de seguridad de la IA de manera coherente en todo tu panorama de IA.

Cuando Model Armor está habilitado con el registro habilitado, Model Armor registra toda la carga útil. Esto podría exponer información sensible en tus registros.

Enrutamiento de solicitudes de MCP a Model Armor

Model Armor está disponible en ciertas regiones. Cuando Model Armor está habilitado y usas un servidor de MCP en una jurisdicción que Model Armor no admite, el comportamiento de enrutamiento de la llamada podría ser diferente para los distintos servidores de MCP y podría incumplir el cumplimiento de la residencia de datos para los datos en uso y en tránsito. Para obtener más información sobre el comportamiento de los servidores de MCP individuales, consulta Productos compatibles con Model Armor.

Habilita Model Armor

Para poder usar las APIs de Model Armor, debes habilitarlas.

Console

  1. Habilita la API de Model Armor si aún no está habilitada.

    Roles necesarios para habilitar las APIs

    Para habilitar las APIs, necesitas el permiso serviceusage.services.enable. Si creaste el proyecto, es probable que ya tengas este permiso a través del rol de propietario (roles/owner). De lo contrario, puedes obtenerlo a través del rol de administrador de Service Usage (roles/serviceusage.serviceUsageAdmin). Obtén información para otorgar roles.

    Habilitar la API

  2. Elige el proyecto en el que quieres activar Model Armor.

gcloud

Antes de empezar, sigue estos pasos a través de la Google Cloud CLI con la API de Model Armor:

  1. En la consola de Google Cloud , activa Cloud Shell.

    Activa Cloud Shell

    En la parte inferior de la consola de Google Cloud , se inicia una sesión de Cloud Shell en la que se muestra una ventana de línea de comandos. Cloud Shell es un entorno de shell con Google Cloud CLI ya instalada y con valores ya establecidos para el proyecto actual. La sesión puede tardar unos segundos en inicializarse.

  2. Ejecuta el comando siguiente para configurar el extremo de API del servicio de Model Armor.

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

    Reemplaza LOCATION por la región en la que quieres usar Model Armor.

Configura la protección para los servidores de MCP remotos de Google y Google Cloud

Para proteger las llamadas y respuestas de las herramientas de MCP, puedes usar la configuración mínima de Model Armor. Un parámetro de configuración mínimo define los filtros de seguridad mínimos que se aplican en todo el proyecto. Esta configuración aplica un conjunto coherente de filtros a todas las llamadas y respuestas de herramientas de MCP dentro del proyecto.

Establece un parámetro de configuración mínima de Model Armor con la limpieza de MCP habilitada. Para obtener más información, consulta Configura los parámetros mínimos de Model Armor.

Consulta el siguiente comando de ejemplo:

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"}]'

Reemplaza PROJECT_ID por el ID del proyecto de Google Cloud .

Ten en cuenta los siguientes parámetros de configuración:

  • INSPECT_AND_BLOCK: Es el tipo de aplicación de medidas por incumplimiento que inspecciona el contenido del servidor de MCP de Google y bloquea las instrucciones y respuestas que coinciden con los filtros.
  • ENABLED: Es el parámetro de configuración que habilita un filtro o una aplicación de política.
  • MEDIUM_AND_ABOVE: Es el nivel de confianza para la configuración del filtro de IA responsable: peligroso. Puedes modificar este parámetro de configuración, aunque los valores más bajos pueden generar más falsos positivos. Para obtener más información, consulta Niveles de confianza de Model Armor.

Inhabilita el análisis del tráfico de MCP con Model Armor

Para evitar que Model Armor analice automáticamente el tráfico hacia y desde los servidores de MCP de Google según la configuración de base del proyecto, ejecuta el siguiente comando:

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

Reemplaza PROJECT_ID por el ID del proyecto de Google Cloud . Model Armor no aplica automáticamente las reglas definidas en la configuración de base de este proyecto a ningún tráfico del servidor de MCP de Google.

La configuración mínima y general de Model Armor puede afectar más que solo el MCP. Debido a que Model Armor se integra en servicios como Vertex AI, cualquier cambio que realices en la configuración mínima puede afectar el análisis del tráfico y los comportamientos de seguridad en todos los servicios integrados, no solo en MCP.

¿Qué sigue?