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.
I 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. Sebbene i server MCP locali comunichino spesso con i servizi locali, possono anche essere utilizzati per chiamare servizi o origini dati che non sono in esecuzione sulla macchina locale. Ad esempio, un server MCP locale in esecuzione sulla macchina o sulla macchina virtuale di un agente può chiamare le API Storage di Cloud Storage.
Puoi utilizzare il server MCP locale di Cloud Storage per i seguenti motivi:
- Devi creare uno strumento personalizzato.
- Non disponi delle autorizzazioni per abilitare o utilizzare il server MCP nel tuo progetto.
Per scoprire come utilizzare il server MCP locale, consulta Connetti gli LLM a Cloud Storage con MCP.
I server MCP remoti vengono eseguiti sull'infrastruttura del servizio e offrono un endpoint HTTP alle applicazioni AI per la comunicazione tra il client MCP AI e il server MCP. Il server MCP di Cloud Storage è un server MCP remoto con un endpoint HTTP. Per saperne di più sull'architettura MCP, consulta Architettura MCP.
Questo documento descrive come utilizzare il server MCP di Cloud Storage per connetterti a Cloud Storage da applicazioni di AI come Gemini CLI, la modalità agente in Gemini Code Assist, Claude Code o nelle applicazioni di AI che stai sviluppando.
Con il server MCP di Cloud Storage, puoi utilizzare applicazioni e agenti di AI per eseguire le seguenti attività:
- Creare ed eliminare bucket.
- Recuperare i metadati degli oggetti.
- Leggere ed eliminare i dati degli oggetti e scrivere contenuti di testo.
- Elenca bucket e oggetti.
Server MCP Google e Google Cloud remoti
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
Il server MCP di Cloud Storage presenta le seguenti limitazioni:
Tipi di file: le operazioni di lettura supportano file di testo e file binari (come PDF, immagini, audio e video); le operazioni di scrittura sono limitate ai file di testo.
Dimensioni del file: massimo 8 MiB per le operazioni di lettura e scrittura.
Endpoint: solo endpoint globale.
Per informazioni dettagliate su quote e limiti che si applicano al server MCP di Cloud Storage, consulta Quote e limiti.
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.
-
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.
-
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
Ruoli obbligatori
Per ottenere le autorizzazioni necessarie per utilizzare il server MCP di Cloud Storage, chiedi all'amministratore di concederti i seguenti ruoli IAM nel progetto in cui vuoi utilizzare il server MCP di Cloud Storage:
-
Effettuare chiamate allo strumento MCP:
MCP Tool User (
roles/mcp.toolUser) -
Elencare oggetti, leggere oggetti e i relativi contenuti o recuperare i metadati di un oggetto:
Storage Object Viewer (
roles/storage.objectViewer) -
Scrivere contenuti in un oggetto:
Storage Object Creator (
roles/storage.objectCreator) -
Elimina oggetti:
Storage Object User (
roles/storage.objectUser) o Storage Object Admin (roles/storage.objectAdmin) -
Creare, elencare o eliminare bucket:
Storage Admin (
roles/storage.admin)
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 Cloud Storage. Per vedere quali sono esattamente le autorizzazioni richieste, espandi la sezione Autorizzazioni obbligatorie:
Autorizzazioni obbligatorie
Per utilizzare il server MCP di Cloud Storage sono necessarie le seguenti autorizzazioni:
-
Effettua chiamate allo strumento MCP:
mcp.tools.call -
Elenco degli oggetti:
storage.objects.list -
Leggi gli oggetti e i relativi contenuti o recupera i metadati di un oggetto:
storage.objects.get -
Scrivi contenuti in un oggetto:
storage.objects.create -
Elimina oggetti:
storage.objects.delete -
Elenca i bucket:
storage.buckets.list -
Crea bucket:
storage.buckets.create -
Elimina bucket:
storage.buckets.delete
Potresti anche ottenere queste autorizzazioni con ruoli personalizzati o altri ruoli predefiniti.
Autenticazione e autorizzazione
Il server MCP remoto di Cloud Storage 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 di Cloud Storage non accetta chiavi API per l'autenticazione perché tutte le richieste richiedono l'autorizzazione Identity and Access Management (IAM).
Ti consigliamo di creare un'identità separata per gli agenti che utilizzano gli strumenti MCP, in modo da poter controllare e monitorare l'accesso alle risorse. Per saperne di più sull'autenticazione, consulta Autenticati ai server MCP.
Ambiti OAuth MCP di Cloud Storage
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.
Cloud Storage ha i seguenti ambiti OAuth dello strumento MCP:
| URI dell'ambito per gcloud CLI | Descrizione |
|---|---|
https://www.googleapis.com/auth/devstorage.read_only |
Consente l'accesso solo per leggere i dati. |
https://www.googleapis.com/auth/devstorage.read_write |
Consente l'accesso per leggere e modificare i dati. |
Potrebbero essere necessari ambiti aggiuntivi per le risorse a cui si accede durante una chiamata allo strumento. Per visualizzare un elenco degli ambiti richiesti per Cloud Storage, consulta API Cloud Storage. Se l'agente interagisce con altri servizi Google Cloud nell'ambito del suo flusso di lavoro, come BigQuery o Storage Insights, richiede gli ambiti OAuth appropriati per questi servizi, oltre agli ambiti di Cloud Storage.
Configura un client MCP per utilizzare il server MCP di Cloud Storage
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.
Nella tua applicazione di AI, cerca un modo per aggiungere o connetterti a un server MCP remoto. Per il server MCP di Cloud Storage, inserisci le seguenti informazioni, se richieste:
- Nome server: server MCP di Cloud Storage
- URL server o Endpoint:
https://storage.googleapis.com/storage/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: uno degli ambiti elencati in questo documento che vuoi utilizzare per connetterti al server MCP di Cloud Storage.
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
Per visualizzare i dettagli degli strumenti MCP disponibili e le relative descrizioni per il server MCP di Cloud Storage, consulta il riferimento MCP di Cloud Storage. Per schemi ed esempi, consulta il repository GitHub di Cloud Storage MCP.
Strumenti per gli elenchi
Utilizza l'ispettore MCP per elencare gli strumenti o invia una richiesta HTTP tools/list direttamente al server MCP remoto di Cloud Storage. Il metodo tools/list non richiede l'autenticazione.
curl -X POST https://storage.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 Cloud Storage, potrebbe esseremcp/toolset-name.MCP_PROTOCOL_VERSION: la versione del protocollo MCP. Ad esempio,2026-07-28.
Chiama uno strumento
Per chiamare uno strumento specifico, utilizza il metodo tools/call e fornisci il nome dello strumento e gli argomenti necessari nell'oggetto params. L'esempio seguente mostra come chiamare lo strumento list_buckets per il progetto my-project:
POST /storage/mcp HTTP/1.1
Host: storage.googleapis.com
Content-Type: application/json
Authorization: Bearer OAUTH2_TOKEN
{
"jsonrpc": "2.0",
"method": "tools/call",
"id": "123e4567-e89b-12d3-a456-426614174000",
"params": {
"name": "list_buckets",
"arguments": {
"projectId": "my-project"
}
}
}
Esempi di casi d'uso
Di seguito sono riportati alcuni esempi di casi d'uso per il server MCP di Cloud Storage.
Gestisci i contenuti e le campagne di vendita al dettaglio
Un caso d'uso di esempio per il server MCP di Cloud Storage è quello di assistere l'agente di marketing di un rivenditore nella creazione e nella gestione di schede di prodotto e campagne promozionali. Il server MCP di Cloud Storage ti consente di elencare, leggere e scrivere oggetti e di creare bucket per archiviare gli asset di prodotti e campagne utilizzando il linguaggio naturale.
Prompt di esempio:
"Crea una scheda di prodotto per SKU-123 utilizzando gli asset del bucket product-images, quindi crea un nuovo bucket denominato campaign-q3-assets e genera e salva le immagini del banner al suo interno."
Flusso di lavoro: il flusso di lavoro per la creazione di schede di prodotto e campagne potrebbe essere il seguente:
- Elenco degli asset: l'agente utilizza
list_objectsper trovare tutte le immagini del nuovo prodotto in un bucket Cloud Storage dedicato. - Recupero dei contenuti: l'agente utilizza
read_objectper accedere agli asset dei prodotti (fino a 8 MiB di dimensioni) e recupera anche le descrizioni dei prodotti da un sistema di gestione delle informazioni sui prodotti (PIM) utilizzando un altro strumento. - Genera scheda: l'agente genera una bozza della scheda di prodotto, inclusi il testo di marketing e i link alle immagini e ai video.
- Crea bucket della campagna: l'agente utilizza
create_bucketper creare un nuovo bucket per gli asset della campagna. - Salva gli asset della campagna: l'agente genera il testo promozionale e utilizza
write_textper salvarlo nel nuovo bucket "campaigns". La copia deve avere dimensioni inferiori a 8 MiB.
Analizza i dati finanziari
Un caso d'uso di esempio per il server MCP di Cloud Storage è aiutare i gestori di portafoglio a ottenere insight dai report finanziari e dalle registrazioni audio delle chiamate dei trader con i clienti. Il server MCP di Cloud Storage aiuta l'agente a identificare e scaricare i documenti pertinenti e a trasmetterli a un LLM per l'analisi.
Prompt di esempio:
"Quali sono stati i punti chiave della presentazione dei risultati d'esercizio più recente di ExampleCorp e come si confrontano con il sentiment degli ultimi tre report finanziari?"
Workflow: il workflow per l'analisi dei documenti finanziari potrebbe essere il seguente:
- Identifica i documenti: l'agente estrae le parole chiave dalla domanda dell'utente per identificare i bucket o i prefissi pertinenti, ad esempio
earnings-calls/ExampleCorp/ofinancial-reports/ExampleCorp/, e utilizzalist_objectsper trovare le trascrizioni audio e i report finanziari pertinenti. - Scarica i contenuti: l'agente utilizza
read_objectper scaricare i contenuti dei file identificati, fino a 8 MiB per file. - Analisi e risposta: l'agente passa i contenuti a un LLM per riassumere i risultati, confrontare il sentiment e sintetizzare una risposta alla domanda dell'utente. Se necessario, è possibile utilizzare altri strumenti come BigQuery per un'analisi più approfondita.
Valuta il rischio del fornitore
Un esempio di caso d'uso per il server MCP di Cloud Storage è l'automazione del processo iniziale di analisi del rischio dei fornitori per il team di gestione del rischio di una banca. Il server MCP di Cloud Storage consente all'agente AI di recuperare e analizzare i documenti inviati dai fornitori per identificare potenziali rischi utilizzando il linguaggio naturale.
Prompt di esempio:
"Valuta il fornitore "Example Inc." esaminando il suo
questionario sulla sicurezza e il certificato di conformità più recenti nel bucket
vendor-docs. Riassumi i potenziali rischi in base alle nostre norme e salva il report."
Flusso di lavoro: il flusso di lavoro per la valutazione del rischio dei fornitori potrebbe essere il seguente:
- Trova i documenti: l'agente utilizza lo strumento
list_objectsper trovare la cartella del fornitore in un bucket Cloud Storage dedicato ai documenti del fornitore. - Scarica i documenti: l'agente utilizza
read_objectper scaricare tutti i documenti pertinenti, come questionari sulla sicurezza, certificati di conformità e rendiconti finanziari, fino a 8 MiB per file. - Analizza i documenti: l'agente analizza i contenuti di questi documenti, utilizzando eventualmente altri strumenti per estrarre il testo, per cercare segnali di pericolo o informazioni mancanti in base alle policy sul rischio della banca.
- Compilazione e salvataggio del report: l'agente compila un report di riepilogo dei risultati e utilizza
write_textper salvarlo nella cartella del fornitore in Cloud Storage per la revisione da parte del valutatore del rischio.
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 dello strumento 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 l'analisi 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.
Controlla l'utilizzo di MCP con le policy IAM
Le policy di negazione e le policy di autorizzazione di Identity and Access Management (IAM) ti aiutano a proteggere Google Cloud e i server MCP di Google.
Puoi combinare più criteri per creare policy di sicurezza e governance personalizzate consentendo o negando l'accesso in base a quanto segue:
- L'entità.
- Proprietà dello strumento, come l'attributo di sola lettura.
- Il nome del servizio o dello strumento.
- L'ID client OAuth dell'applicazione.
Per saperne di più, consulta Controlla l'utilizzo di MCP con Identity and Access Management.
Passaggi successivi
- Leggi la documentazione di riferimento di Cloud Storage MCP.
- Scopri di più sui server MCP di Google Cloud.