Google 會運用 AI 技術將內容翻譯成你偏好的語言，但可能會出錯。

使用 Spanner 遠端 MCP 伺服器

本文說明如何使用 Spanner 遠端 Model Context Protocol (MCP) 伺服器，連結 AI 應用程式，包括 Antigravity、ChatGPT、Claude，以及您正在開發的自訂應用程式。Spanner MCP 伺服器可讓您存取及執行 Spanner 工具，從由 AI 技術支援的開發環境和 AI 代理平台建立、管理及查詢 Spanner 資源。啟用 Spanner API 時，Spanner 遠端 MCP 伺服器也會一併啟用。

Model Context Protocol (MCP) 規範了大型語言模型 (LLM) 和 AI 應用程式或代理與外部資料來源的標準連線方式。MCP 伺服器可讓您使用其工具、資源和提示，從後端服務採取行動並取得更新資料。

本機和遠端 MCP 伺服器有何不同？

本機 MCP 伺服器: 通常在本機電腦上執行，並使用標準輸入內容和輸出串流 (stdio)，在同一部裝置上的服務之間通訊。
遠端 MCP 伺服器: 在服務的基礎架構上執行，並為 AI 應用程式提供 HTTP 端點，以便 AI MCP 用戶端與 MCP 伺服器之間通訊。如要進一步瞭解 MCP 架構，請參閱「MCP 架構」。

無狀態核心

在 MCP 2026-07-28 版中，MCP 從雙向有狀態通訊協定變更為無狀態通訊協定。每項 MCP 要求都包含自我描述，並可使用標頭轉送。由於每個要求都包含 HTTP 標頭或 _meta 參數中所需的所有資訊，因此不需要 initialize/initialized 握手或 Mcp-Session-Id。MCP 伺服器可透過多來回要求 (MRTR)，要求工具所需的額外資訊。

為協助轉送及處理要求，而不剖析要求主體，必須提供部分 MCP 標頭，包括：

MCP 規格要求的標頭，例如通訊協定版本標頭和標準要求標頭。
MCP 伺服器定義的自訂標頭。這些標頭會使用 x-mcp-header 屬性，從工具的輸入結構定義鏡像至 HTTP 標頭。舉例來說，MCP 伺服器可能會定義自訂標頭，指定 Google Cloud 區域或專案 ID。

如要進一步瞭解 MCP 架構，請參閱 MCP 2026-07-28 版規格和主要異動。

如要瞭解 Spanner 本機 MCP 伺服器，請參閱「MCP Toolbox for Databases」。

Google 和 Google Cloud 遠端 MCP 伺服器

Google 和 Google Cloud 遠端 MCP 伺服器具有下列功能和優點：

簡化集中探索
代管的全域或區域 HTTP 端點
精細授權
選用 Model Armor 保護提示詞和回覆
集中化稽核記錄

如要瞭解其他 MCP 伺服器，以及 Google Cloud MCP 伺服器的安全性和管理控制項，請參閱「Google Cloud MCP 伺服器總覽」。

事前準備

登入 Google Cloud 帳戶。如果您未曾使用過 Google Cloud，歡迎建立帳戶，親自體驗實際使用我們產品的成效。新客戶還能獲得價值 $300 美元的免費抵免額，用於執行、測試及部署工作負載。

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

Verify that billing is enabled for your Google Cloud project.

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

Verify that billing is enabled for your Google Cloud project.

啟用 Spanner API (如果尚未啟用)。
啟用 API 所需的角色
您必須具備 serviceusage.services.enable 權限，才能啟用 API。如果您建立了專案，可能已透過「擁有者」角色 (roles/owner) 取得這項權限。否則，您可以透過「Service Usage 管理員」角色 (roles/serviceusage.serviceUsageAdmin) 取得這項權限。瞭解如何授予角色。
啟用 API

如果是新專案，系統會自動啟用 Spanner API。

必要的角色

如要取得使用 Spanner MCP 伺服器所需的權限，請要求管理員在您要使用 Spanner MCP 伺服器的專案中，授予您下列 IAM 角色：

發出 MCP 工具呼叫：MCP 工具使用者 (roles/mcp.toolUser)
建立 OAuth 用戶端 ID：OAuth 設定編輯者 (roles/oauthconfig.editor)
使用 Spanner MCP 工具：Cloud Spanner 管理員 (roles/spanner.admin)

如要進一步瞭解如何授予角色，請參閱「管理專案、資料夾和組織的存取權」。

這些預先定義的角色具備使用 Spanner MCP 伺服器所需的權限。如要查看確切的必要權限，請展開「Required permissions」(必要權限) 部分：

所需權限

必須具備下列權限，才能使用 Spanner MCP 伺服器：

發出 MCP 工具呼叫：mcp.tools.call
使用 Spanner MCP 工具：
- spanner.instances.create
- spanner.instances.get
- spanner.databases.create
- spanner.databases.update
- spanner.sessions.create
- spanner.instanceOperations.get
- spanner.databases.getDdl
- spanner.databases.select
- spanner.databases.write

您或許還可透過自訂角色或其他預先定義的角色取得這些權限。

驗證及授權

Spanner MCP 伺服器會使用 OAuth 2.0 通訊協定和 Identity and Access Management (IAM) 進行驗證和授權。所有Google Cloud 身分都支援 MCP 伺服器驗證。

Spanner 遠端 MCP 伺服器不接受 API 金鑰。

建議您為使用 MCP 工具的代理建立獨立身分，以便控管及監控資源存取權。如要進一步瞭解驗證，請參閱「向 MCP 伺服器驗證」。

Spanner MCP OAuth 範圍

OAuth 2.0 會使用範圍和憑證，判斷通過驗證的主體是否有權對資源執行特定動作。如要進一步瞭解 Google 的 OAuth 2.0 範圍，請參閱「使用 OAuth 2.0 存取 Google API」。

Spanner 具有下列 MCP 工具 OAuth 範圍：

gcloud CLI 的範圍 URI	說明
`https://www.googleapis.com/auth/spanner.admin`	可管理 Spanner 執行個體和資料庫。
`https://www.googleapis.com/auth/spanner.data`	可查看及管理 Spanner 資料庫中的資料。

如要進一步瞭解這些範圍，請參閱 Spanner API。

設定 MCP 用戶端，以便使用 Spanner MCP 伺服器

主機程式 (例如 Claude 或 Gemini CLI) 可以例項化 MCP 用戶端，連線至單一 MCP 伺服器。主機程式可以有多個用戶端，連至不同的 MCP 伺服器。如要連線至遠端 MCP 伺服器，MCP 用戶端至少必須知道遠端 MCP 伺服器的網址。

請按照下列操作說明，設定 MCP 用戶端連線至遠端 Spanner MCP 伺服器。

Gemini CLI

如要將 Spanner 遠端 MCP 伺服器新增至 Gemini CLI，請將其設為擴充功能。

在下列位置建立擴充功能檔案：~/.gemini/extensions/EXT_NAME/gemini-extension.json，其中 ~/ 是主目錄，EXT_NAME 是您要為擴充功能指定的名稱。

在擴充功能檔案中加入下列內容：

        {
          "name": "EXT_NAME",
          "version": "1.0.0",
          "mcpServers": {
            "Spanner MCP Server": {
              "httpUrl": "https://spanner.googleapis.com/mcp",
              "authProviderType": "google_credentials",
              "oauth": {
                "scopes": ["https://www.googleapis.com/auth/cloud-platform"]
              },
              "timeout": 30000,
              "headers": {
                "x-goog-user-project": "PROJECT_ID"
              }
            }
          }
        }

儲存擴充功能檔案。
啟動 Gemini CLI：
```
        gemini
        
```

在 CLI 中執行 /mcp，查看已設定的 MCP 伺服器及其工具。

回應大致如下：

        Configured MCP servers:
        🟢 Spanner MCP Server (from spanner )
          - get_database_ddl
          - get_instance
          - get_operation
          - create_database
          - create_instance
          - create_session
          - commit
          - execute_sql
          - list_databases
          - list_instances

遠端 MCP 伺服器已可在 Gemini CLI 中使用。

Claude.ai

您必須訂閱 Claude Enterprise、Pro、Max 或 Team 方案，才能在 Claude.ai 中設定 Google 和 Google Cloud MCP 伺服器。如要查看定價資訊，請參閱 Claude 定價。

如要將 Spanner 遠端 MCP 伺服器新增至 Claude.ai，請使用 OAuth 用戶端 ID 和 OAuth 用戶端密鑰設定自訂連接器：

建立 OAuth 2.0 用戶端 ID 和密鑰

在 Google Cloud 控制台中，依序前往「Google Auth Platform」>「用戶端」>「建立用戶端」。

前往「Create client」(建立用戶端)

如果未選取專案，系統會提示您建立專案。
在「Application type」(應用程式類型) 清單中，選取「Web application」(網頁應用程式)。
在「Name」(名稱) 欄位中，輸入應用程式名稱。
在「Authorized redirect URIs」(已授權的重新導向 URI) 區段中，按一下「+ Add URI」(新增 URI)，然後在「URIs」(URI) 欄位中新增 https://claude.ai/api/mcp/auth_callback。
點選「建立」。用戶端已建立。如要存取用戶端 ID，請前往 Google Cloud 控制台，依序點選「Google Auth Platform」>「用戶端」。
在「OAuth 2.0 client IDs」(OAuth 2.0 用戶端 ID) 清單中，選取用戶端名稱。
在「Client secrets」(用戶端密鑰) 部分，複製「Client secret」(用戶端密鑰) 並儲存在安全的位置。你只能複製一次。如果遺失，請刪除密鑰並建立新的密鑰。

注意：請將用戶端密鑰視為密碼，並妥善保存。

在 Claude.ai 建立自訂連接器

在 Claude.ai 中，前往方案的連接器設定：
- 如果是 Enterprise 或 Team 方案，請依序前往「管理員設定」>「連接器」。
- 如果使用 Pro 或 Max 方案，請依序前往「設定」>「連接器」。
按一下「新增自訂連接器」。
在「Add custom connector」(新增自訂連接器) 對話方塊中，輸入下列資訊：
- 伺服器名稱：人類可讀的伺服器名稱。
- 遠端 MCP 伺服器網址：https://spanner.googleapis.com/mcp
展開「進階設定」選單，然後輸入下列資訊：
- OAuth 用戶端 ID：您建立的 OAuth 2.0 用戶端 ID。
- OAuth 用戶端密鑰 (僅限 Pro 和 Max 方案)：OAuth 2.0 用戶端的密鑰。如要擷取密鑰，請依序前往「Google Auth Platform」>「Clients」，然後選取您建立的 OAuth 用戶端 ID。在「Client secrets」(用戶端密鑰) 區段中，點選複製「Client secret」(用戶端密鑰)。
按一下「新增」。

已建立自訂連接器。
開啟「工具」選單，然後啟用連接器。

Claude.ai 就能使用 MCP 伺服器。

ChatGPT

您必須訂閱 ChatGPT Business，才能搭配 ChatGPT 使用 Google 和 Spanner MCP 伺服器。

如要將 Spanner 遠端 MCP 伺服器新增至 ChatGPT，請建立 Google OAuth 2.0 用戶端 ID 和密鑰，然後在 ChatGPT 中將 MCP 伺服器新增為應用程式。

建立 OAuth 2.0 用戶端 ID 和密鑰

在 Google Cloud 控制台中，依序前往「Google Auth Platform」>「用戶端」>「建立用戶端」。

前往「Create client」(建立用戶端)

如果未選取專案，系統會提示您建立專案。
在「Application type」(應用程式類型) 清單中，選取「Web application」(網頁應用程式)。
在「Name」(名稱) 欄位中，輸入應用程式名稱。
在「已授權的 JavaScript 來源」部分，按一下「+ 新增 URI」，然後在「URI」欄位中新增 https://chatgpt.com。
在「Authorized redirect URIs」(已授權的重新導向 URI) 區段中，按一下「+ Add URI」(新增 URI)，然後在「URIs」(URI) 欄位中新增 https://chatgpt.com/connector_platform_oauth_redirect。
點選「建立」。用戶端已建立。如要存取用戶端 ID，請前往 Google Cloud 控制台，依序點選「Google Auth Platform」>「用戶端」。
在「OAuth 2.0 client IDs」(OAuth 2.0 用戶端 ID) 清單中，選取用戶端名稱。
在「Client secrets」(用戶端密鑰) 部分，複製「Client secret」(用戶端密鑰) 並儲存在安全的位置。你只能複製一次。如果遺失，請刪除密鑰並建立新的密鑰。

注意：請將用戶端密鑰視為密碼，並妥善保存。

在 ChatGPT 中將 MCP 伺服器新增為應用程式

登入 ChatGPT。
開啟開發人員模式：
1. 在 ChatGPT 中，按一下使用者名稱開啟「Profile menu」，然後選取「Settings」。
2. 在「設定」選單中，依序選取「應用程式」Apps和「進階設定」Advanced settings。
3. 在「進階設定」中，將「開發人員模式」切換鈕設為開啟。
依序前往「設定」 >「應用程式」，然後點選「建立應用程式」按鈕。
在「New app」對話方塊中，輸入下列資訊：
- 名稱：MCP 伺服器的名稱。
- 說明：MCP 伺服器的說明 (選填)。
- MCP 伺服器網址：https://spanner.googleapis.com/mcp
- 驗證：
  - 在「Authentication」選單中，選取「OAuth」。
  - 在「OAuth client ID」(OAuth 用戶端 ID) 欄位中，輸入 Google OAuth 用戶端 ID。
  - 在「OAuth secret」(OAuth 密鑰) 欄位中，輸入 Google OAuth 用戶端密鑰。
- 確認您瞭解使用 MCP 伺服器的相關風險，然後按一下「建立」。

MCP 伺服器會顯示在「應用程式」選單中，可透過對話提示使用。

MCP 用戶端一般指南

如果設定 MCP 用戶端以使用 Spanner MCP 伺服器一文，未包含您 MCP 用戶端的特定操作說明，請參考下列資訊，在主機程式或 AI 應用程式中連線至遠端 MCP 伺服器。系統會提示您輸入伺服器的詳細資料，例如名稱和網址。

針對 Spanner 遠端 MCP 伺服器，輸入下列資訊：

伺服器名稱：Spanner MCP 伺服器
伺服器網址或端點：https://spanner.googleapis.com/mcp
傳輸：可串流 HTTP
驗證詳細資料：視您要採用的驗證方式而定，您可以輸入 Google Cloud 憑證、OAuth 用戶端 ID 和密鑰，或代理身分和憑證。如要進一步瞭解驗證，請參閱「向 MCP 伺服器驗證」。
OAuth 範圍：連線至 Spanner MCP 伺服器時要使用的 OAuth 2.0 範圍。

重新導向 URI

如果是網頁式應用程式和部分電腦應用程式，您必須在建立用於驗證的用戶端 ID 和密鑰時，將重新導向 URI 加入許可清單。授權伺服器會使用重新導向 URI，將權杖傳送至應用程式。應用程式說明文件應指定您必須使用的重新導向 URI。不支援自訂重新導向 URI。

如需設定及連線至 MCP 伺服器的應用程式專屬指引，請參閱「用戶端專屬指引」。

如需一般指引，請參閱下列資源：

可用的工具

如要查看 Spanner MCP 伺服器的可用 MCP 工具詳細資料和說明，請參閱 Spanner MCP 參考資料。

清單工具

使用 MCP 檢查器列出工具，或直接將 tools/list HTTP 要求傳送至 Spanner 遠端 MCP 伺服器。tools/list 方法不需要驗證。

curl -X POST https://spanner.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"]
              }
            }
          }
        }
      }
    }'

更改下列內容：

TOOLSET_ENDPOINT：服務名稱後方的 MCP 端點其餘部分。舉例來說，如果是 Spanner，這可能是 mcp/toolset-name。
MCP_PROTOCOL_VERSION：MCP 通訊協定版本。例如：2026-07-28。

觀測能力

Spanner MCP 伺服器支援 Spanner 內省和觀測能力工具。

要求標記

使用 Spanner MCP 伺服器執行的查詢或提交的交易，會自動加上特定要求標記。您可以使用這些標記對查詢和交易進行偵錯。詳情請參閱「使用要求標記和交易標記排解問題」。

工具名稱	要求標記
`execute_sql`	`mcp_execute_sql`
`execute_sql_readonly`	`mcp_execute_sql_readonly`
`commit`	`mcp_commit`

應用實例

以下是 Spanner MCP 伺服器的用途範例。

使用 Spanner 開發應用程式

應用程式開發人員可以使用 Spanner MCP 伺服器佈建資源、建立資料庫，以及填入樣本資料。

提示範例：「在 PROJECT_ID 專案中，使用 us-central1 區域性執行個體設定，建立區域性 Spanner 執行個體。建立資料庫來追蹤商品目錄，並填入 5 項產品範例。」

將 PROJECT_ID 替換為 Google Cloud 專案 ID。

Workflow：

開發應用程式的工作流程可能如下所示：

代理會呼叫 create_instance 工具，使用指定的執行個體設定佈建新的 Spanner 執行個體。代理可能會叫用 get_operation 工具，確認執行個體是否可供使用。
代理呼叫 create_database 工具，使用必要的結構定義建立新資料庫。代理可能會呼叫 get_operation 工具，檢查資料庫建立作業的狀態。
代理可結合使用 create_session、execute_sql 和 commit 工具，插入樣本資料。
代理可以視需要呼叫 execute_sql 工具，查詢及驗證樣本資料建立作業。

作業深入分析和資料庫設定管理

Spanner 管理員可以使用 Spanner MCP 伺服器，透過 list_instances、get_instance、list_databases 和 get_database_ddl 等工具，收集 Spanner 執行個體和資料庫的相關資訊。

提示詞範例：

「列出目前專案中的所有 Spanner 執行個體。」
「列出目前 Spanner 執行個體中的所有資料庫。」
「顯示目前 Spanner 資料庫的結構定義。」

選用安全性和安全防護設定

MCP 工具可執行的動作繁多，因此會帶來新的安全風險和考量。為盡可能降低及管理這些風險，Google Cloud 提供預設設定和可自訂的政策，控管 Google Cloud組織或專案中的 MCP 工具使用情形。

如要進一步瞭解 MCP 安全性和管理，請參閱「AI 安全性」。

使用 Model Armor

Model Armor 是一項Google Cloud 服務，可提高 AI 應用程式的安全性。這項服務會主動篩選 LLM 提示詞和回覆，防範各種風險，並確保採行負責任的 AI 做法。無論您是在雲端環境或外部雲端服務供應商部署 AI，Model Armor 都能協助您防範惡意輸入、驗證內容安全性、保護機密資料、維持法規遵循，並在多元的 AI 環境中，一致地強制執行 AI 安全性和安全性政策。

啟用 Model Armor 並啟用記錄功能後，Model Armor 會記錄整個酬載。這可能會導致記錄中的機密資訊外洩。

MCP 要求轉送至 Model Armor

Model Armor 僅適用於特定區域。啟用 Model Armor 後，如果您在 Model Armor 不支援的管轄區使用 MCP 伺服器，呼叫的轉送行為可能會因 MCP 伺服器而異，且可能會違反使用中和傳輸中資料的資料落地法規。如要進一步瞭解個別 MCP 伺服器的行為，請參閱「Model Armor 支援的產品」。

啟用 Model Armor

您必須先啟用 Model Armor API，才能使用 Model Armor。

控制台

啟用 Model Armor API (如果尚未啟用)。
啟用 API 所需的角色
您必須具備 serviceusage.services.enable 權限，才能啟用 API。如果您建立了專案，可能已透過「擁有者」角色 (roles/owner) 取得這項權限。否則，您可以透過「Service Usage 管理員」角色 (roles/serviceusage.serviceUsageAdmin) 取得這項權限。瞭解如何授予角色。
啟用 API
選取要啟用 Model Armor 的專案。

gcloud

開始之前，請按照下列步驟，搭配使用 Google Cloud CLI 和 Model Armor API：

在 Google Cloud 控制台啟用 Cloud Shell。

啟用 Cloud Shell

Google Cloud 控制台底部會開啟 Cloud Shell 工作階段，並顯示指令列提示。Cloud Shell 是已安裝 Google Cloud CLI 的殼層環境，並已設定適用於您目前專案的值。工作階段可能要幾秒鐘的時間才能初始化。
執行下列指令，設定 Model Armor 服務的 API 端點。
```
gcloud config set api_endpoint_overrides/modelarmor "https://modelarmor.LOCATION.rep.googleapis.com/"
```
將 LOCATION 替換為要使用 Model Armor 的區域。

設定 Google 和 Google Cloud 遠端 MCP 伺服器的保護措施

如要保護 MCP 工具呼叫和回覆，可以使用 Model Armor 底限設定。底限設定會定義適用於整個專案的最低安全性篩選器。這項設定會對專案中的所有 MCP 工具呼叫和回覆，套用一組一致的篩選器。

設定 Model Armor 底限，並啟用 MCP 清理功能。詳情請參閱「設定 Model Armor 底限設定」。

請參閱以下範例指令：

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"}]'

將 PROJECT_ID 替換為 Google Cloud 專案 ID。

請注意下列設定：

INSPECT_AND_BLOCK：這個強制執行類型會檢查 Google MCP 伺服器的內容，並封鎖符合篩選條件的提示和回覆。
ENABLED：啟用篩選器或違規處置的設定。
MEDIUM_AND_ABOVE：負責任 AI - 危險篩選器設定的信心水準。您可以修改這項設定，但較低的值可能會導致更多偽陽性。詳情請參閱「Model Armor 信心水準」。

停用 Model Armor 掃描 MCP 流量的功能

如要停止 Model Armor 根據專案的最低設定，自動掃描 Google MCP 伺服器的往來流量，請執行下列指令：

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

將 PROJECT_ID 替換為 Google Cloud 專案 ID。Model Armor 不會自動將這項專案底限設定中定義的規則，套用至任何 Google MCP 伺服器流量。

Model Armor 底限設定和一般設定不只會影響 MCP，Model Armor 與 Vertex AI 等服務整合，因此您對底限設定所做的任何變更，都可能影響所有整合服務的流量掃描和安全行為，不限於 MCP。

使用 IAM 政策控管 MCP

Identity and Access Management (IAM) 拒絕政策和允許政策可協助您保護 Google Cloud 和 Google MCP 伺服器。

您可以結合多項條件，根據下列項目允許或拒絕存取，建立自訂安全性和管理政策：

主體。
工具屬性，例如唯讀屬性。
服務或工具名稱。
應用程式的 OAuth 用戶端 ID。

詳情請參閱「使用 Identity and Access Management 控管 MCP 使用情形」。

後續步驟

閱讀 Spanner MCP 參考文件。
進一步瞭解 Google Cloud MCP 伺服器。

使用 Spanner 遠端 MCP 伺服器 透過集合功能整理內容 你可以依據偏好儲存及分類內容。

本機和遠端 MCP 伺服器有何不同？

無狀態核心

Google 和 Google Cloud 遠端 MCP 伺服器

事前準備

必要的角色

所需權限

驗證及授權

Spanner MCP OAuth 範圍

設定 MCP 用戶端，以便使用 Spanner MCP 伺服器

Gemini CLI

Claude.ai

建立 OAuth 2.0 用戶端 ID 和密鑰

在 Claude.ai 建立自訂連接器

ChatGPT

建立 OAuth 2.0 用戶端 ID 和密鑰

在 ChatGPT 中將 MCP 伺服器新增為應用程式

MCP 用戶端一般指南

重新導向 URI

可用的工具

清單工具

觀測能力

要求標記

應用實例

使用 Spanner 開發應用程式

作業深入分析和資料庫設定管理

選用安全性和安全防護設定

使用 Model Armor

MCP 要求轉送至 Model Armor

啟用 Model Armor

控制台

gcloud

設定 Google 和 Google Cloud 遠端 MCP 伺服器的保護措施

停用 Model Armor 掃描 MCP 流量的功能

使用 IAM 政策控管 MCP

後續步驟

使用 Spanner 遠端 MCP 伺服器