Usar o servidor MCP do Cloud Storage

O Protocolo de Contexto de Modelo (MCP) padroniza a forma como os modelos de linguagem grandes (LLMs) e os aplicativos ou agentes de IA se conectam a fontes de dados externas. Os servidores MCP permitem que você use as ferramentas, os recursos e os comandos deles para realizar ações e receber dados atualizados do serviço de back-end.

Os servidores MCP locais geralmente são executados na sua máquina local e usam os fluxos de entrada e saída padrão (stdio) para comunicação entre serviços no mesmo dispositivo. Embora os servidores MCP locais geralmente se comuniquem com serviços locais, eles também podem ser usados para chamar serviços ou fontes de dados que não estão em execução na máquina local. Por exemplo, um servidor MCP local em execução na máquina ou máquina virtual de um agente pode chamar as APIs do Cloud Storage.

Você pode usar o servidor MCP local do Cloud Storage pelos seguintes motivos:

• Você precisa criar uma ferramenta personalizada.
• Você não tem permissão para ativar ou usar o servidor MCP no seu projeto.

Para saber como usar o servidor MCP local, consulte Conectar LLMs ao Cloud Storage com o MCP.

Os servidores MCP remotos são executados na infraestrutura do serviço e oferecem um endpoint HTTP para que os aplicativos de IA se comuniquem entre o cliente MCP de IA e o servidor MCP. O servidor MCP do Cloud Storage é um servidor MCP remoto com um endpoint HTTP. Para mais informações sobre a arquitetura do MCP, consulte Arquitetura do MCP.

Neste documento, descrevemos como usar o servidor MCP do Cloud Storage para se conectar ao Cloud Storage em aplicativos de IA, como a CLI do Gemini, o modo agente no Gemini Code Assist, o Claude Code ou em aplicativos de IA que você está desenvolvendo.

Com o servidor MCP do Cloud Storage, é possível usar aplicativos e agentes de IA para realizar as seguintes tarefas:

• Criar e excluir blocos.
• Recuperar metadados de objeto.
• Ler e excluir dados de objetos e gravar conteúdo de texto.
• Listar blocos e objetos.

O servidor MCP remoto do Cloud Storage é ativado quando você ativa a API Cloud Storage. Para desativar o servidor MCP do Cloud Storage, desative a API Storage. Para saber como desativar a API Cloud Storage, consulte Desativar um serviço.

Servidores MCP remotos do Google e do Google Cloud

Os servidores MCP remotos do Google e do Google Cloud têm os seguintes recursos e benefícios:

• Descoberta simplificada e centralizada
• Endpoints HTTP globais ou regionais gerenciados
• Autorização detalhada
• Segurança opcional de comandos e respostas com a proteção do Model Armor
• Geração de registros de auditoria centralizada

Para informações sobre outros servidores MCP e sobre os controles de segurança e governança disponíveis para servidores MCP do Google Cloud, consulte Visão geral dos servidores MCP do Google Cloud.

Limitações

O servidor MCP do Cloud Storage tem as seguintes limitações:

• Tipos de arquivo: as operações de leitura são compatíveis com arquivos de texto e arquivos binários (como PDFs, imagens, áudios e vídeos). As operações de gravação são restritas a arquivos de texto.

• Tamanho do arquivo: máximo de 8 MiB para operações de leitura e gravação.

• Endpoint: somente endpoint global.

Para informações detalhadas sobre cotas e limites que se aplicam ao servidor MCP do Cloud Storage, consulte Cotas e limites.

Antes de começar

Faça login na sua conta do Google Cloud . Se você começou a usar o Google Cloudagora, crie uma conta para avaliar o desempenho dos nossos produtos em situações reais. Clientes novos também recebem US $300 em créditos para executar, testar e implantar cargas de trabalho sem custos financeiros.

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.

Note: If you don't plan to keep the resources that you create in this procedure, create a project instead of selecting an existing project. After you finish these steps, you can delete the project, removing all resources associated with the project.

Go to project selector

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.

Note: If you installed the gcloud CLI previously, make sure you have the latest version by running gcloud components update.

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 the resourcemanager.projects.create permission. Learn how to grant roles.

Note: If you don't plan to keep the resources that you create in this procedure, create a project instead of selecting an existing project. After you finish these steps, you can delete the project, removing all resources associated with the project.

Go to project selector

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.

Note: If you installed the gcloud CLI previously, make sure you have the latest version by running gcloud components update.

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

Funções exigidas

Para receber as permissões necessárias para usar o servidor MCP do Cloud Storage, peça ao administrador para conceder a você os seguintes papéis do IAM no projeto em que você quer usar o servidor MCP do Cloud Storage:

• Fazer chamadas de ferramenta do MCP: Usuário da ferramenta MCP (roles/mcp.toolUser)
• Listar objetos, ler objetos e o conteúdo deles ou receber os metadados de um objeto: Leitor de objetos do Storage (roles/storage.objectViewer)
• Gravar conteúdo em um objeto: Criador de objetos do Storage (roles/storage.objectCreator)
• Excluir objetos: Usuário de objetos do Storage (roles/storage.objectUser) ou Administrador de objetos do Storage (roles/storage.objectAdmin)
• Criar, listar ou excluir buckets: Administrador do Storage (roles/storage.admin)

Para mais informações sobre a concessão de papéis, consulte Gerenciar o acesso a projetos, pastas e organizações.

Esses papéis predefinidos contêm as permissões necessárias para usar o servidor MCP do Cloud Storage. Para acessar as permissões exatas necessárias, expanda a seção Permissões necessárias:

Permissões necessárias

As permissões a seguir são necessárias para usar o servidor MCP do Cloud Storage:

• Fazer chamadas de ferramentas do MCP: mcp.tools.call
• Listar objetos: storage.objects.list
• Ler objetos e o conteúdo deles ou receber os metadados de um objeto: storage.objects.get
• Gravar conteúdo em um objeto: storage.objects.create
• Excluir objetos: storage.objects.delete
• Listar buckets: storage.buckets.list
• Criar buckets: storage.buckets.create
• Excluir buckets: storage.buckets.delete

Essas permissões também podem ser concedidas com funções personalizadas ou outros papéis predefinidos.

Autenticação e autorização

O servidor MCP remoto do Cloud Storage usa o protocolo OAuth 2.0 com o Identity and Access Management (IAM) para autenticação e autorização. Todas as identidades doGoogle Cloud são compatíveis com a autenticação em servidores MCP.

O servidor MCP do Cloud Storage não aceita chaves de API para autenticação, porque todas as solicitações exigem autorização do Identity and Access Management (IAM).

Recomendamos que você crie uma identidade separada para os agentes que usam ferramentas do MCP, para que o acesso aos recursos possa ser controlado e monitorado. Para mais informações sobre autenticação, consulte Autenticar em servidores MCP.

Escopos do OAuth do MCP do Cloud Storage

O OAuth 2.0 usa escopos e credenciais para determinar se um principal autenticado tem autorização para realizar uma ação específica em um recurso. Para mais informações sobre os escopos do OAuth 2.0 no Google, leia Como usar o OAuth 2.0 para acessar as APIs do Google.

O Cloud Storage tem os seguintes escopos OAuth da ferramenta MCP:

URI de escopo para a CLI gcloud	Descrição
https://www.googleapis.com/auth/devstorage.read_only	Permite o acesso apenas para leitura de dados.
https://www.googleapis.com/auth/devstorage.read_write	Permite acesso para ler e modificar dados.

Escopos adicionais podem ser necessários nos recursos acessados durante uma chamada de ferramenta. Para ver uma lista de escopos necessários para o Cloud Storage, consulte API Storage do Cloud. Se o agente interagir com outros serviços do Google Cloud como parte do fluxo de trabalho, como o BigQuery ou o Storage Insights, ele vai precisar dos escopos do OAuth apropriados para esses serviços, além dos escopos do Cloud Storage.

Configurar um cliente MCP para usar o servidor MCP do Cloud Storage

Os aplicativos e agentes de IA, como o Claude ou o Antigravity, podem instanciar um cliente MCP que se conecta a um único servidor MCP. Um aplicativo de IA pode ter vários clientes que se conectam a diferentes servidores MCP. Se o aplicativo não estiver listado nas orientações específicas do cliente, use as informações a seguir para se conectar na maioria dos aplicativos.

No seu aplicativo de IA, procure uma maneira de adicionar ou se conectar a um servidor MCP remoto. Para o servidor MCP do Cloud Storage, insira as seguintes informações conforme necessário:

• Nome do servidor: servidor MCP do Cloud Storage
• URL do servidor ou Endpoint: https://storage.googleapis.com/storage/mcp
• Transporte: HTTP com streaming
• Detalhes de autenticação: dependendo de como você quer fazer a autenticação, insira suas credenciais do Google Cloud , o ID e a chave secreta do cliente OAuth ou uma identidade e credenciais de agente. Para mais informações sobre autenticação, consulte Autenticar em servidores MCP.
• Escopo do OAuth: um dos escopos listados neste documento que você quer usar ao se conectar ao servidor MCP do Cloud Storage.

Para orientações específicas sobre como configurar e se conectar ao servidor MCP, consulte Orientações específicas para o cliente.

Para orientações mais gerais, consulte os seguintes recursos:

• Conectar-se a servidores MCP remotos.
• Configurar o MCP em um aplicativo de IA.

Ferramentas disponíveis

Para conferir detalhes das ferramentas MCP disponíveis e as descrições delas para o servidor MCP do Cloud Storage, consulte a referência do MCP do Cloud Storage. Para esquemas e exemplos, consulte o repositório do GitHub do MCP do Cloud Storage.

Listar ferramentas

Use o MCP Inspector para listar ferramentas ou envie uma solicitação HTTP tools/list diretamente ao servidor MCP remoto do Cloud Storage. O método tools/list não requer autenticação.

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"]
              }
            }
          }
        }
      }
    }'

Substitua:

• TOOLSET_ENDPOINT: o restante do endpoint do MCP após o nome do serviço. Por exemplo, para o Cloud Storage, pode ser mcp/toolset-name.
• MCP_PROTOCOL_VERSION: a versão do protocolo MCP. Por exemplo, 2026-07-28.

Chamar uma ferramenta

Para chamar uma ferramenta específica, use o método tools/call e forneça o nome da ferramenta e os argumentos necessários no objeto params. O exemplo a seguir mostra como chamar a ferramenta list_buckets para o projeto 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"
    }
  }
}

Exemplos de casos de uso

Confira a seguir exemplos de casos de uso do servidor MCP do Cloud Storage.

Gerenciar conteúdo e campanhas de varejo

Um exemplo de caso de uso do servidor MCP do Cloud Storage é ajudar o agente de marketing de um varejista a criar e gerenciar informações de produtos e campanhas promocionais. O servidor MCP do Cloud Storage permite listar, ler e gravar objetos, além de criar buckets para armazenar recursos de produtos e campanhas usando linguagem natural.

Exemplo de comando:

Crie uma listagem de produtos para SKU-123 usando recursos do bucket product-images. Em seguida, crie um novo bucket chamado campaign-q3-assets e gere e salve imagens do banner nele.

Fluxo de trabalho: o fluxo de trabalho para criar informações de produtos e campanhas pode ser assim:

• Listar recursos: o agente usa list_objects para encontrar todas as imagens do novo produto em um bucket dedicado do Cloud Storage.
• Buscar conteúdo: o agente usa read_object para acessar recursos do produto (até 8 MiB de tamanho) e também busca descrições de produtos de um sistema de gerenciamento de informações do produto (PIM) usando outra ferramenta.
• Gerar listagem: o agente gera um rascunho da listagem do produto, incluindo texto de marketing e links para as imagens e vídeos.
• Criar bucket de campanha: o agente usa create_bucket para criar um novo bucket para recursos de campanha.
• Salvar recursos da campanha: o agente gera um texto promocional e usa o write_text para salvá-lo no novo bucket "campanhas". A cópia precisa ter menos de 8 MiB.

Analise dados financeiros

Um exemplo de caso de uso do servidor MCP do Cloud Storage é ajudar os gerentes de portfólio a extrair insights de relatórios financeiros e gravações de áudio de ligações de traders com clientes. O servidor MCP do Cloud Storage ajuda o agente a identificar e baixar documentos relevantes e transmiti-los a um LLM para análise.

Exemplo de comando:

"Quais foram as principais conclusões da divulgação de resultados mais recente da ExampleCorp e como isso se compara ao sentimento nos últimos três relatórios financeiros?"

Fluxo de trabalho: o fluxo de trabalho para analisar documentos financeiros pode ser assim:

• Identificar documentos: o agente extrai palavras-chave da pergunta do usuário para identificar buckets ou prefixos relevantes, por exemplo, earnings-calls/ExampleCorp/ ou financial-reports/ExampleCorp/, e usa list_objects para encontrar transcrições de áudio e relatórios financeiros relevantes.
• Fazer o download do conteúdo: o agente usa read_object para fazer o download do conteúdo dos arquivos identificados, até 8 MiB por arquivo.
• Analisar e responder: o agente transmite o conteúdo para um LLM para resumir as descobertas, comparar o sentimento e sintetizar uma resposta à pergunta do usuário. Se necessário, outras ferramentas, como o BigQuery, podem ser usadas para uma análise mais profunda.

Avaliar o risco do fornecedor

Um exemplo de caso de uso do servidor MCP do Cloud Storage é ajudar a automatizar o processo inicial de avaliação de risco de fornecedores para a equipe de gerenciamento de riscos de um banco. O servidor MCP do Cloud Storage permite que o agente de IA busque e analise documentos enviados por fornecedores para identificar possíveis riscos usando linguagem natural.

Exemplo de comando:

"Avalie o fornecedor "Example Inc." analisando o questionário de segurança e o certificado de conformidade mais recentes no bucket vendor-docs. Resuma os possíveis riscos com base nas nossas políticas e salve o relatório."

Fluxo de trabalho: o fluxo de trabalho para avaliar o risco do fornecedor pode ser assim:

• Encontrar documentos: o agente usa a ferramenta list_objects para encontrar a pasta do fornecedor em um bucket do Cloud Storage dedicado a documentos de fornecedores.
• Fazer o download de documentos: o agente usa o read_object para fazer o download de todos os documentos relevantes, como questionários de segurança, certificados de conformidade e demonstrativos financeiros, até 8 MiB por arquivo.
• Analisar documentos: o agente analisa o conteúdo desses documentos, possivelmente usando outras ferramentas para extrair texto, para procurar sinais de alerta ou informações ausentes com base nas políticas de risco do banco.
• Compilar e salvar o relatório: o agente compila um relatório de resumo das descobertas e usa write_text para salvá-lo na pasta do fornecedor no Cloud Storage para que o avaliador de riscos o analise.

Configurações opcionais de segurança e proteção

O MCP apresenta novos riscos e considerações de segurança devido à grande variedade de ações que podem ser realizadas com as ferramentas do MCP. Para minimizar e gerenciar esses riscos, oGoogle Cloud oferece configurações padrão e políticas personalizáveis para controlar o uso de ferramentas do MCP na sua organização ou projeto do Google Cloud.

Para mais informações sobre a segurança e a governança do MCP, consulte Segurança e proteção da IA.

Usar o Model Armor

O Model Armor é um serviço doGoogle Cloud projetado para aprimorar a segurança dos seus aplicativos com a IA. Ele funciona verificando de maneira proativa os comandos e respostas de LLMs, protegendo contra vários riscos e apoiando práticas de IA responsável. Seja no seu ambiente de nuvem ou em provedores de nuvem externos, o Model Armor ajuda a evitar entradas maliciosas, verificar a segurança do conteúdo, proteger dados sensíveis, manter a conformidade e aplicar suas políticas de segurança de IA de maneira consistente em todo o seu cenário de IA.

Quando o Model Armor está ativado com a geração de registros ativada, ele registra todo o payload. Isso pode expor informações sensíveis nos registros.

Encaminhamento de solicitações do MCP para o Model Armor

O Model Armor está disponível em determinadas regiões. Quando o Model Armor está ativado e você usa um servidor MCP em uma jurisdição que não é compatível com o Model Armor, o comportamento de roteamento da chamada pode ser diferente para servidores MCP diferentes e pode violar a conformidade com a residência de dados para dados em uso e em trânsito. Para mais informações sobre o comportamento de servidores MCP individuais, consulte Produtos compatíveis com o Model Armor.

Ativar o Model Armor

É necessário ativar as APIs do Model Armor antes de usá-lo.

Console

1. Ative a API Model Armor, se ainda não estiver ativada.

   Funções necessárias para ativar APIs

   Para ativar APIs, você precisa da permissão serviceusage.services.enable. Se você criou o projeto, provavelmente já tem essa permissão pelo papel de proprietário (roles/owner). Caso contrário, é possível conseguir essa permissão pelo papel de administrador do Service Usage (roles/serviceusage.serviceUsageAdmin). Saiba como conceder papéis.

   Ativar a API

2. Selecione o projeto em que você quer ativar o Model Armor.

gcloud

Antes de começar, siga estas etapas usando a Google Cloud CLI com a API Model Armor:

1. No console do Google Cloud , ative o Cloud Shell.

   Ativar o Cloud Shell

   Na parte inferior do console do Google Cloud , uma sessão do Cloud Shell é iniciada e exibe um prompt de linha de comando. O Cloud Shell é um ambiente shell com a CLI do Google Cloud já instalada e com valores já definidos para o projeto atual. A inicialização da sessão pode levar alguns segundos.

2. Execute o comando a seguir para definir o endpoint de API para o serviço do Model Armor.

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

   Substitua LOCATION pela região em que você quer usar o Model Armor.

Configurar a proteção para servidores MCP remotos do Google e do Google Cloud

Para ajudar a proteger as chamadas e respostas da ferramenta MCP, use as configurações mínimas do Model Armor. Uma configuração mínima define os filtros de segurança mínimos que se aplicam ao projeto. Essa configuração aplica um conjunto consistente de filtros a todas as chamadas e respostas de ferramentas do MCP no projeto.

Dica: não ative o filtro de injeção de comando e jailbreak, a menos que o tráfego do MCP carregue dados de linguagem natural.

Defina uma configuração de piso do Model Armor com a sanitização do MCP ativada. Para mais informações, consulte Configurar as configurações mínimas do Model Armor.

Observação: se o agente e o servidor MCP estiverem em projetos diferentes, será possível criar configurações de piso em ambos os projetos (o projeto do cliente e o projeto do recurso). Nesse caso, o Model Armor é invocado duas vezes, uma para cada projeto.

Confira o exemplo de comando a seguir:

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"}]'

Substitua PROJECT_ID pelo ID do projeto Google Cloud .

Observe as seguintes configurações:

• INSPECT_AND_BLOCK: o tipo de restrição que inspeciona o conteúdo do servidor MCP do Google e bloqueia comandos e respostas que correspondem aos filtros.
• ENABLED: a configuração que ativa um filtro ou uma aplicação.
• MEDIUM_AND_ABOVE: o nível de confiança para as configurações do filtro de IA responsável - Perigoso. É possível modificar essa configuração, mas valores mais baixos podem resultar em mais falsos positivos. Para mais informações, consulte Níveis de confiança do Model Armor.

Desativar a verificação do tráfego do MCP com o Model Armor

Para impedir que o Model Armor verifique automaticamente o tráfego de e para os servidores MCP do Google com base nas configurações de piso do projeto, execute o seguinte comando:

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

Substitua PROJECT_ID pelo ID do projeto do Google Cloud . O Model Armor não aplica automaticamente as regras definidas nas configurações de base desse projeto a nenhum tráfego de servidor MCP do Google.

As configurações de piso e gerais do Model Armor podem afetar mais do que apenas o MCP. Como o Model Armor se integra a serviços como a Vertex AI, qualquer alteração feita nas configurações de base pode afetar a verificação de tráfego e os comportamentos de segurança em todos os serviços integrados, não apenas no MCP.

Controlar o uso do MCP com políticas do IAM

As políticas de negação e permissão do Identity and Access Management (IAM) ajudam a proteger o Google Cloud e os servidores MCP do Google.

É possível combinar vários critérios para criar políticas personalizadas de segurança e governança, permitindo ou negando o acesso com base no seguinte:

• O principal.
• Propriedades da ferramenta, como o atributo somente leitura.
• O nome do serviço ou da ferramenta.
• O ID do cliente OAuth do aplicativo.

Para mais informações, consulte Controlar o uso do MCP com o Identity and Access Management.

A seguir

• Leia a documentação de referência do MCP do Cloud Storage.
• Saiba mais sobre os servidores MCP do Google Cloud.