Cloud CLI リモート MCP サーバーを使用する

このドキュメントでは、Cloud CLI リモート Model Context Protocol（MCP）サーバーを使用して、Gemini CLI、ChatGPT、Claude、開発中のカスタム アプリケーションなどの AI アプリケーションに接続する方法について説明します。

Cloud CLI リモート MCP サーバーは、AI アプリケーションに自然言語プロンプトを送信して、コマンドライン インターフェース（CLI）コマンドをユーザーの代わりに実行できる安全な環境を提供します。gcloud コマンドと bq コマンドがサポートされています。

この機能の API は Cloud CLI 実行と呼ばれます。

Cloud CLI 実行 API を有効にすると、Cloud CLI リモート MCP サーバーが有効になります。

Model Context Protocol（MCP）により、大規模言語モデル（LLM）と AI アプリケーション（エージェント）が外部のデータソースに接続する方法が標準化されます。MCP サーバーを使用すると、そのツール、リソース、プロンプトを使用してアクションを実行し、バックエンド サービスから更新されたデータを取得できます。

ローカル MCP サーバーとリモート MCP サーバーの違いは何ですか？

ローカル MCP サーバー
通常はローカルマシンで実行され、同じデバイス上のサービス間の通信に標準の入力ストリームと出力ストリーム（stdio）を使用します。
リモート MCP サーバー
サービスのインフラストラクチャで実行され、AI MCP クライアントと MCP サーバー間の通信用に AI アプリケーションに HTTP エンドポイントを提供します。MCP アーキテクチャの詳細については、MCP アーキテクチャをご覧ください。

Google と Google Cloud リモート MCP サーバー

Google と Google Cloud リモート MCP サーバーには、次の機能とメリットがあります。

  • 簡素化された一元的な検出
  • マネージド グローバルまたはリージョン HTTP エンドポイント
  • きめ細かい認可
  • Model Armor 保護によるプロンプトとレスポンスのセキュリティ（オプション）
  • 一元的な監査ロギング

他の MCP サーバーと、Google Cloud MCP サーバーで使用可能なセキュリティとガバナンスの制御については、Google Cloud MCP サーバーの概要をご覧ください。

制限事項とガイドライン

Cloud CLI リモート MCP サーバーの使用を開始する前に、次の制限事項とガイドラインを確認してください。

サポートされているコマンド

セキュリティ標準と適用性の問題により、Cloud CLI MCP サーバーは特定の gcloud コマンドと bq コマンド（gcloud の alpha バリアントや beta バリアントなど）をサポートしていません。

次のリストに、サポートされていない gcloud コマンドの例をいくつか示します。このリストはすべてを網羅したものではなく、予告なくコマンドが追加または削除されることがあります。

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

サポートされていない bq コマンドの完全なリストは次のとおりです。

  • bq init
  • bq pyshell
  • bq shell

組織のポリシーの適用

リモート MCP サーバーを介して実行されるコマンドは、認証された呼び出し元 ID の権限で実行されます。標準の IAM 権限と組織のポリシー サービスの制約は、ダウンストリームのターゲット リソースに対して厳格に適用されます。

エージェント デベロッパー向けガイドライン

  • プリンシパルと IAM 権限: Cloud CLI Execution API を操作するプリンシパルは、gcloud または bq コマンドの実行中に Google Cloud API を操作するプリンシパルと同じです。Cloud CLI MCP サーバーは多くの Google CloudAPI を呼び出すことができるため、最小権限の原則に従い、Cloud CLI MCP サーバーを呼び出すユーザー、エージェント ID、またはサービス アカウントに、ユースケースに必要な最小限の権限を割り当てることをおすすめします。

  • プロジェクトの選択: project は、Cloud CLI MCP サーバー リクエストに必要なパラメータで、Cloud CLI Execution API とのやり取りに使用されるプロジェクトを表します。project パラメータは、実際の gcloud コマンドで設定される --project フラグまたは --billing-project フラグ、あるいは Cloud CLI Execution API が実行する bq コマンドの --project_id フラグと --quota_project_id フラグとは関係ありません。

    Cloud CLI MCP サーバー リクエストを実行する正しいプロジェクトを選択するように、エージェントのシステム プロンプトまたはスキルを更新することをおすすめします。

始める前に

  1. Google Cloud アカウントにログインします。 Google Cloudを初めて使用する場合は、 アカウントを作成して、実際のシナリオでの Google プロダクトのパフォーマンスを評価してください。新規のお客様には、ワークロードの実行、テスト、デプロイができる無料クレジット $300 分を差し上げます。

  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.

    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.

    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.

必要なロール

Cloud CLI MCP サーバーを使用するために必要な権限を取得するには、Cloud CLI MCP サーバーを使用するプロジェクトに対する次の IAM ロールを付与するよう管理者に依頼してください。

ロールの付与については、プロジェクト、フォルダ、組織へのアクセス権の管理をご覧ください。

これらの事前定義ロールには、Cloud CLI MCP サーバーの使用に必要な権限が含まれています。必要とされる正確な権限については、「必要な権限」セクションを開いてご確認ください。

必要な権限

Cloud CLI MCP サーバーを使用するには、次の権限が必要です。

  • MCP ツール呼び出しを行う: mcp.tools.call

カスタムロールや他の事前定義ロールを使用して、これらの権限を取得することもできます。

認証と認可

Cloud CLI リモート MCP サーバーは、認証と認可に Identity and Access Management（IAM）と OAuth 2.0 プロトコルを使用します。MCP サーバーへの認証では、すべての Google Cloud ID がサポートされています。

Cloud CLI リモート MCP サーバーは API キーを受け入れません。

リソースへのアクセスを制御してモニタリングできるように、MCP ツールを使用するエージェント用に個別の ID を作成することをおすすめします。認証の詳細については、MCP サーバーに対して認証するをご覧ください。

Cloud CLI OAuth スコープ

OAuth 2.0 では、スコープと認証情報を使用して、認証されたプリンシパルがリソースに対して特定のアクションを実行する権限があるかどうかを判断します。Google の OAuth 2.0 スコープの詳細については、OAuth 2.0 を使用して Google API にアクセスするをご覧ください。

Cloud CLI リモート MCP サーバーには、次の OAuth スコープがあります。

スコープ URI 説明
https://www.googleapis.com/auth/cloud-platform Google Cloud サービス全体のデータを表示して管理します。

Cloud CLI リモート MCP サーバーを使用するように MCP クライアントを構成する

Claude や Antigravity などの AI アプリケーションとエージェントは、単一の MCP サーバーに接続する MCP クライアントをインスタンス化できます。AI アプリケーションには、さまざまな MCP サーバーに接続する複数のクライアントを設定できます。アプリケーションがクライアント固有のガイダンスに記載されていない場合は、次の情報を使用してほとんどのアプリケーションから接続できます。

AI アプリケーションで、リモート MCP サーバーを追加または接続する方法を探します。Cloud CLI リモート MCP サーバーの場合は、必要に応じて次の情報を入力します。

  • サーバー名: Cloud CLI リモート MCP サーバー
  • サーバー URL またはエンドポイント: https://cloudcli.googleapis.com/mcp
  • トランスポート: HTTP
  • 認証の詳細: Google Cloud 認証情報、OAuth クライアント ID とシークレット、またはエージェントの ID と認証情報

リダイレクト URI

ウェブベースのアプリケーションと一部のデスクトップ アプリケーションでは、認証用のクライアント ID とシークレットを作成するときに、リダイレクト URI を許可リストに登録する必要があります。リダイレクト URI は、認可サーバーがトークンをアプリケーションに送信するために使用します。アプリケーションのドキュメントで、使用する必要があるリダイレクト URI を指定する必要があります。カスタム リダイレクト URI はサポートされていません。

MCP サーバーの設定と接続に関するアプリケーション固有のガイダンスについては、クライアント固有のガイダンスをご覧ください。

一般的なガイダンスについては、次のリソースをご覧ください。

使用可能なツール

Cloud CLI リモート MCP サーバーは、次のツールを公開します。

  • run_gcloud_command
  • run_bq_command

Cloud CLI MCP サーバーで使用可能な MCP ツールの詳細とその説明を表示するには、Google Cloud SDK MCP リファレンスをご覧ください。

run_bq_command と BigQuery MCP サーバーの違い

run_bq_command は、Cloud CLI リモート MCP サーバー内の BigQuery CLI（bq）サーフェスを公開します。このツールは、BigQuery SQL コマンドを実行し、自然言語プロンプトを使用して管理タスクと運用タスクを実行できるようにします。BigQuery には、標準のデータ分析用の個別の MCP サーバーも用意されています。各ツール サーフェスは、個別のユースケース向けに設計されています。

  • run_bq_command: スロット予約の管理、クエリのスケジュール設定、テーブル スナップショットの管理、ジョブのトラブルシューティングとキャンセルなど、高度な管理ワークフローと運用ワークフロー用の AI エージェントを構築する場合は、run_bq_command を使用します。
  • BigQuery MCP サーバー: 標準 SQL 実行ツールを使用してデータ分析、メタデータ検出、データ変更を行う AI エージェントを構築する場合は、BigQuery MCP サーバーを使用します。

次の表に、2 つのツール サーフェスのその他の違いを示します。

機能 BigQuery MCP サーバー run_bq_command
対象 一般提供 プレビュー
用途 データ分析とデータ変更 ジョブとリソースの高度な管理
ターゲット ユーザー ビジネス アナリスト、データ サイエンティスト、SQL デベロッパー BigQuery 管理者、DBA、データ プラットフォーム エンジニア、DevOps エンジニア
プライマリ オペレーション 標準 SQL の実行（SELECT、INSERT、UPDATE、DELETE）、スキーマの探索、メタデータの検査 クエリのスケジューリング（DTS を使用）、暴走ジョブのキャンセル、スロットと予約の管理、データセットの IAM ポリシー、テーブルのスナップショット/クローン オペレーション

ツールの一覧表示

MCP インスペクタを使用してツールを一覧表示するか、tools/list HTTP リクエストを Cloud CLI リモート MCP サーバーに直接送信します。tools/list メソッド: 認証を必要としません。

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

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

run_gcloud_command のユースケースの例

Cloud CLI リモート MCP サーバーでの run_gcloud_command のユースケースの例を次に示します。

リソースのプロビジョニング

ユーザーがエージェントに自然言語プロンプトを送信すると、エージェントは対応する MCP ツール（gcloud コマンドの場合は run_gcloud_command、bq コマンドの場合は run_bq_command）を使用してコマンドを生成します。Cloud CLI はコマンドを実行します。

プロンプトの例:

「プロジェクト projects/my-project に my-network という名前の新しい VPC ネットワークを作成します。次に、ポート 8080 で内部 TCP トラフィックを許可するファイアウォール ルールを作成します。」

ワークフロー:

  1. エージェントがコマンド "gcloud compute networks create my-network --project=projects/my-project --subnet-mode=auto", "project": "projects/my-project" で run_gcloud_command ツールを呼び出します。

  2. エージェントがコマンド "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 で run_gcloud_command ツールを呼び出します。

オブザーバビリティと診断

エージェントは、環境の状態を検査し、最近のエラーログをクエリして、問題のトラブルシューティングに役立てることができます。

プロンプトの例: 「プロジェクト projects/my-project の Compute Engine インスタンス my-web-server の最新の 5 つのエラーログを見つけてください。」

ワークフロー:

エージェントがコマンド "gcloud logging read \"resource.type=gce_instance AND severity>=ERROR\" --limit=5 --order=DESC", project: "my-project" で run_gcloud_command ツールを呼び出します。

run_bq_command のユースケースの例

Cloud CLI リモート MCP サーバーでの run_bq_command のユースケースの例を次に示します。

BigQuery でデータセットを管理する

また、MCP サーバーを使用して、BigQuery でクエリを実行し、データセットを管理することもできます。

プロンプトの例: 「プロジェクト projects/my-project 内のすべてのデータセットを一覧表示し、米国リージョンに my_new_dataset という名前の新しいデータセットを作成します。」

ワークフロー:

  1. エージェントがコマンド "bq ls --datasets=true --project_id=my-project", "project": "projects/my-project" で run_bq_command ツールを呼び出します。

  2. エージェントがコマンド "bq mk --dataset --location=us --project_id=my-project my_new_dataset", "project": "projects/my-project" で run_bq_command ツールを呼び出します。

長時間実行ジョブのトラブルシューティングとキャンセル

エージェントは実行中の BigQuery ジョブを検査して、リソースのボトルネックを特定し、失敗したクエリを診断し、長時間実行されているジョブをキャンセルし、パフォーマンスに関する推奨事項の実行の詳細を抽出します。

プロンプトの例:

「プロジェクト my-data-project で現在実行中の長時間実行クエリまたはリソース消費量の多いクエリがあるかどうかを確認します。bqujob_12345 が 30 分以上実行されている場合は、キャンセルして詳細を表示します。」

ワークフロー:

  1. エージェントがコマンド "bq ls -j --all --project_id=my-data-project", "project": "projects/my-data-project" で run_bq_command を呼び出します。

  2. エージェントはジョブリストを検査し、コマンド "bq show -j bqujob_12345 --project_id=my-data-project", "project": "projects/my-data-project" で run_bq_command を呼び出します。

  3. エージェントは、コマンド "bq cancel bqujob_12345 --project_id=my-data-project", "project": "projects/my-data-project" を指定して run_bq_command を呼び出します。

クエリのスケジュール設定

エージェントは、BigQuery CLI の BigQuery Data Transfer Service 統合を介して、スケジュールされたクエリ実行を構成し、データ更新を自動化します。

プロンプトの例:

「毎日 06:00 UTC にクエリをスケジュールして、プロジェクト my-data-project の dataset sales_ds で daily_sales_summary テーブルを更新します。」

ワークフロー:

  1. エージェントは、コマンド "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" を指定して run_bq_command を呼び出します。

容量分析と予約の調整

エージェントは、使用量の多いプロジェクト全体で既存のスロット予約を分析し、スロット割り当てを更新してコンピューティング容量を管理します。

プロンプトの例:

「プロジェクト my-admin-project のリージョン us-central1 にあるすべての BigQuery 予約を一覧表示し、prod-analytics 予約のスロット割り当てを 500 スロットに更新します。」

ワークフロー:

  1. エージェントは、コマンド "bq ls --reservation --project_id=my-admin-project --location=us-central1", "project": "projects/my-admin-project" を指定して run_bq_command を呼び出します。

  2. エージェントは、コマンド "bq update --project_id=my-admin-project --reservation --slots=500 prod-analytics --location=us-central1", "project": "projects/my-admin-project" を指定して run_bq_command を呼び出します。

テーブル スナップショットとクローンを管理する

エージェントは、重要な本番環境テーブルの特定の時点のスナップショットを作成するか、開発とテスト用にテーブル クローンをプロビジョニングします。

プロンプトの例:

「プロジェクト my-data-project に production_db.orders_snapshot_20260720 という名前の production_db.orders のテーブル スナップショットを作成します。」

ワークフロー:

エージェントは、コマンド "bq cp --project_id=my-data-project --snapshot production_db.orders production_db.orders_snapshot_20260720", "project": "projects/my-data-project" を指定して run_bq_command を呼び出します。

データセット アクセスと IAM 権限の制御

エージェントは、データセットのアクセス制御を検査し、指定されたプリンシパルのアクセス権を付与または取り消すようにデータセットの権限を更新します。

プロンプトの例:

「プロジェクト my-data-project. のデータセット finance_ds の現在のアクセス構成を表示して」

ワークフロー:

  1. エージェントは、コマンド "bq show --format=prettyjson my-data-project:finance_ds", "project": "projects/my-data-project" を指定して run_bq_command を呼び出します。

  2. エージェントはアクセス JSON 定義を更新し、コマンド "bq update --source=access_update.json my-data-project:finance_ds", "project": "projects/my-data-project" で run_bq_command を呼び出します。

セキュリティと安全に関するオプションの構成

MCP ツールで実行できるアクションが多岐にわたるため、MCP によって新たなセキュリティ リスクと考慮事項が加わります。これらのリスクを最小限に抑えて管理するために、Google Cloud は、 Google Cloud組織またはプロジェクトでの MCP ツールの使用を制御するデフォルトの設定とカスタマイズ可能なポリシーを提供します。

MCP のセキュリティとガバナンスの詳細については、AI のセキュリティと安全性をご覧ください。

Model Armor を使用する

Model Armor は、AI アプリケーションのセキュリティと安全性を強化するために設計されたGoogle Cloud サービスです。LLM のプロンプトとレスポンスを事前にスクリーニングすることで、さまざまなリスクから保護し、責任ある AI への取り組みをサポートします。AI を自社のクラウド環境と外部のクラウド プロバイダのいずれにデプロイする場合も、Model Armor は、悪意のある入力の防止、コンテンツの安全性の検証、センシティブ データの保護、コンプライアンスの維持、多様な AI 環境全体での AI の安全性とセキュリティ ポリシーの一貫した適用に役立ちます。

ロギングが有効な状態で Model Armor が有効になっている場合、Model Armor はペイロード全体をログに記録します。これにより、機密情報がログに公開される可能性があります。

Model Armor への MCP リクエストのルーティング

Model Armor は特定のリージョンで利用できます。Model Armor が有効になっていて、Model Armor がサポートしていない法域で MCP サーバーを使用している場合、呼び出しのルーティング動作は MCP サーバーごとに異なる可能性があり、使用中のデータと転送中のデータのデータ所在地コンプライアンスが破られる可能性があります。個々の MCP サーバーの動作の詳細については、Model Armor 対応プロダクトをご覧ください。

Model Armor を有効にする

Model Armor を使用するには、Model Armor API を有効にする必要があります。

コンソール

  1. Model Armor API を有効にします。

    API を有効にするために必要なロール

    API を有効にするには、serviceusage.services.enable 権限が必要です。プロジェクトを作成した場合は、オーナーロール（roles/owner）を介してこの権限がすでに付与されている可能性があります。それ以外の場合は、Service Usage 管理者ロール（roles/serviceusage.serviceUsageAdmin）を介してこの権限を取得できます。ロールを付与する方法をご覧ください。

    API の有効化

  2. Model Armor を有効にするプロジェクトを選択します。

gcloud

始める前に、Google Cloud CLI で Model Armor API を使用して、次の処理を行います。

  1. Google Cloud コンソールで Cloud Shell をアクティブにします。

    Cloud Shell をアクティブにする

    Google Cloud コンソールの下部にある Cloud Shell セッションが開始し、コマンドライン プロンプトが表示されます。Cloud Shell はシェル環境です。Google Cloud CLI がすでにインストールされており、現在のプロジェクトの値もすでに設定されています。セッションが初期化されるまで数秒かかることがあります。

  2. 次のコマンドを実行して、Model Armor サービスの API エンドポイントを設定します。

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

    LOCATION は、Model Armor を使用するリージョンに置き換えます。

Google と Google Cloud リモート MCP サーバーの保護を構成する

MCP ツール呼び出しとレスポンスを保護するには、Model Armor のフロア設定を使用します。フロア設定は、プロジェクト全体に適用される最低限のセキュリティ フィルタを定義します。この構成では、プロジェクト内のすべての MCP ツール呼び出しとレスポンスに一貫したフィルタセットが適用されます。

MCP サニタイズを有効にして Model Armor のフロア設定を行います。詳細については、Model Armor のフロア設定を構成するをご覧ください。

次のコマンド例をご覧ください。

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"}]'

PROJECT_ID は、実際の Google Cloud プロジェクト ID に置き換えます。

次の設定に注意してください。

  • INSPECT_AND_BLOCK: Google MCP サーバーのコンテンツを検査し、フィルタに一致するプロンプトとレスポンスをブロックする適用タイプ。
  • ENABLED: フィルタまたは適用を有効にする設定。
  • MEDIUM_AND_ABOVE: 責任ある AI - 危険フィルタ設定の信頼度。この設定は変更できますが、値を小さくすると偽陽性が増える可能性があります。詳細については、Model Armor の信頼度レベルをご覧ください。

Model Armor による MCP トラフィックのスキャンを無効にする

プロジェクトのフロア設定に基づいて、Google MCP サーバーとの間のトラフィックを Model Armor が自動的にスキャンしないようにするには、次のコマンドを実行します。

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

PROJECT_ID は、 Google Cloud プロジェクト ID に置き換えます。Model Armor は、このプロジェクトのフロア設定で定義されたルールを Google MCP サーバーのトラフィックに自動的に適用しません。

Model Armor のフロア設定と一般的な構成は、MCP だけでなく、他の要素にも影響する可能性があります。Model Armor は Vertex AI などのサービスと統合されているため、フロア設定を変更すると、MCP だけでなく、統合されたすべてのサービスでトラフィック スキャンと安全性の動作に影響する可能性があります。

次のステップ