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 Cloud Storage MCP 伺服器

Model Context Protocol (MCP) 可將大型語言模型 (LLM) 和 AI 應用程式或代理連結至外部資料來源的方式標準化。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 MCP 伺服器通常在本機上執行，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。雖然本機 MCP 伺服器通常會與本機服務通訊，但也能用於呼叫未在本機機器上執行的服務或資料來源。舉例來說，在本機 MCP 伺服器上執行的代理程式機器或虛擬機器，可以呼叫 Cloud Storage API。

您可能會基於下列原因使用 Cloud Storage 本機 MCP 伺服器：

您需要建構自訂工具。
您的權限不足，無法在專案中啟用或使用 MCP 伺服器。

如要瞭解如何使用本機 MCP 伺服器，請參閱「使用 MCP 將 LLM 連線至 Cloud Storage」。

遠端 MCP 伺服器會在服務的基礎架構上執行，並為 AI 應用程式提供 HTTP 端點，用於 AI MCP 用戶端和 MCP 伺服器之間的通訊。Cloud Storage MCP 伺服器是具有 HTTP 端點的遠端 MCP 伺服器。如要進一步瞭解 MCP 架構，請參閱「MCP 架構」。

本文說明如何使用 Cloud Storage MCP 伺服器，從 AI 應用程式 (例如 Gemini CLI、Gemini Code Assist 的代理模式、Claude Code，或您開發的 AI 應用程式) 連線至 Cloud Storage。

有了 Cloud Storage MCP 伺服器，您就能使用 AI 應用程式和代理執行下列工作：

建立及刪除 bucket。
擷取物件中繼資料。
讀取及刪除物件資料，以及寫入文字內容。
列出 bucket 和物件。

啟用 Cloud Storage API 時，Cloud Storage 遠端 MCP 伺服器也會一併啟用。如要停用 Cloud Storage MCP 伺服器，請停用 Cloud Storage API。如要瞭解如何停用 Cloud Storage API，請參閱「停用服務」。

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」。

限制

Cloud Storage MCP 伺服器有下列限制：

檔案類型：讀取作業支援文字和二進位檔案 (例如 PDF、圖片、音訊和影片)；寫入作業僅限文字檔案。
檔案大小：讀取和寫入作業上限為 8 MiB。
端點：僅限全球端點。

如要進一步瞭解 Cloud Storage MCP 伺服器適用的配額和限制，請參閱「配額和限制」。

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

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.

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

必要的角色

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

發出 MCP 工具呼叫：MCP 工具使用者 (roles/mcp.toolUser)
列出物件、讀取物件及其內容，或取得物件的中繼資料：Storage 物件檢視者 (roles/storage.objectViewer)
將內容寫入物件：Storage 物件建立者 (roles/storage.objectCreator)
刪除物件：Storage 物件使用者 (roles/storage.objectUser) 或 Storage 物件管理員 (roles/storage.objectAdmin)
建立、列出或刪除 bucket：Storage 管理員 (roles/storage.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 Cloud Storage 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 Cloud Storage MCP 伺服器：

發出 MCP 工具呼叫：mcp.tools.call
列出物件：storage.objects.list
讀取物件和內容，或取得物件的中繼資料： storage.objects.get
將內容寫入物件： storage.objects.create
刪除物件：storage.objects.delete
列出 bucket：storage.buckets.list
建立 bucket：storage.buckets.create
刪除 bucket：storage.buckets.delete

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

Cloud Storage 遠端 MCP 伺服器使用 OAuth 2.0 通訊協定，搭配 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。

Cloud Storage MCP 伺服器不接受 API 金鑰進行驗證，因為所有要求都需要 Identity and Access Management (IAM) 授權。

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」。

Cloud Storage 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」。

Cloud Storage 具有下列 MCP 工具 OAuth 範圍：

gcloud CLI 的範圍 URI	說明
`https://www.googleapis.com/auth/devstorage.read_only`	僅允許讀取資料。
`https://www.googleapis.com/auth/devstorage.read_write`	可讀取及修改資料。

在工具呼叫期間存取的資源，可能需要額外的範圍。如要查看 Cloud Storage 所需的範圍清單，請參閱「Cloud Storage API」。如果代理程式在工作流程中會與其他 Google Cloud 服務互動 (例如 BigQuery 或儲存空間分析)，除了 Cloud Storage 範圍外，還需要這些服務的適當 OAuth 範圍。

設定 MCP 用戶端，以便使用 Cloud Storage MCP 伺服器

AI 應用程式和代理 (例如 Claude 或 Antigravity) 可例項化 MCP 用戶端，連至單一 MCP 伺服器。AI 應用程式可以有多個用戶端，連線至不同的 MCP 伺服器。如果用戶端專屬指南中未列出您的應用程式，則可使用下列資訊，從大多數應用程式連線。

在 AI 應用程式中，找出新增或連線至遠端 MCP 伺服器的方法。如果是 Cloud Storage MCP 伺服器，請視需要輸入下列資訊：

伺服器名稱：Cloud Storage MCP 伺服器
伺服器網址或端點：https://storage.googleapis.com/storage/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 Cloud Storage MCP 伺服器時，要使用的範圍 (列於本文件)。

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 Cloud Storage MCP 伺服器可用的 MCP 工具詳細資料和說明，請參閱 Cloud Storage MCP 參考資料。如需結構定義和範例，請參閱 Cloud Storage MCP GitHub 存放區。

清單工具

使用 MCP 檢查工具列出工具，或直接傳送 tools/list HTTP 要求至 Cloud Storage 遠端 MCP 伺服器。tools/list 方法不需要驗證。

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"]
              }
            }
          }
        }
      }
    }'

更改下列內容：

TOOLSET_ENDPOINT：服務名稱後方的 MCP 端點其餘部分。例如，Cloud Storage 的值可能是 mcp/toolset-name。
MCP_PROTOCOL_VERSION：MCP 通訊協定版本。例如：2026-07-28。

呼叫工具

如要呼叫特定工具，請使用 tools/call 方法，並在 params 物件中提供工具名稱和必要引數。以下範例說明如何為專案 my-project 呼叫 list_buckets 工具：

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"
    }
  }
}

應用實例

以下是 Cloud Storage MCP 伺服器的用途範例。

管理零售內容和廣告活動

Cloud Storage MCP 伺服器的用途範例，是協助零售商的行銷代理建立及管理產品資訊和促銷活動。Cloud Storage MCP 伺服器可讓您使用自然語言列出、讀取及寫入物件，以及建立 bucket 來儲存產品和廣告活動素材資源。

提示詞範例：

「使用 product-images bucket 中的素材資源，為 SKU-123 建立產品資訊，然後建立名為 campaign-q3-assets 的新 bucket，並生成橫幅圖片儲存至該 bucket。」

工作流程：建立產品資訊和廣告活動的工作流程可能如下所示：

列出資產：代理使用 list_objects，在專屬 Cloud Storage bucket 中尋找新產品的所有圖片。
擷取內容：代理使用 read_object 存取產品資產 (大小不超過 8 MiB)，並使用其他工具從產品資訊管理 (PIM) 系統擷取產品說明。
生成產品資訊：代理會生成產品資訊草稿，包括行銷文案以及圖片和影片的連結。
建立廣告活動 bucket：代理使用 create_bucket 為廣告活動素材資源建立新的 bucket。
儲存廣告活動素材資源：代理會生成宣傳文案，並使用 write_text 將文案儲存至新的「campaigns」bucket。副本大小必須小於 8 MiB。

分析財務資料

Cloud Storage MCP 伺服器的用途範例，是協助投資組合經理從財務報表和交易員與客戶通話的錄音中取得洞察資訊。Cloud Storage MCP 伺服器可協助代理識別及下載相關文件，並將文件傳送至 LLM 進行分析。

提示詞範例：

「ExampleCorp 最近一次法人說明會的主要重點為何？與過去三份財務報表的情緒相比如何？」

工作流程：分析財務文件的流程可能如下：

識別文件：代理會從使用者的問題中擷取關鍵字，找出相關的 bucket 或前置字串，例如 earnings-calls/ExampleCorp/ 或 financial-reports/ExampleCorp/，並使用 list_objects 尋找相關的音訊轉錄稿和財務報表。
下載內容：代理程式會使用 read_object 下載已識別檔案的內容，每個檔案最多 8 MiB。
分析及回覆：代理將內容傳送至 LLM，以彙整結果、比較情緒，並綜合回答使用者的問題。如有需要，您可以使用 BigQuery 等其他工具進行更深入的分析。

評估供應商風險

Cloud Storage MCP 伺服器的用途範例，是協助銀行風險管理團隊自動執行初始供應商風險評估程序。Cloud Storage MCP 伺服器可讓 AI 代理擷取及分析供應商提交的文件，並使用自然語言找出潛在風險。

提示詞範例：

「評估供應商『Example Inc.』，方法是查看 vendor-docs bucket 中最新的安全性問卷和法規遵循認證。請根據我們的政策，總結任何潛在風險，並儲存報告。」

工作流程：評估供應商風險的工作流程可能如下所示：

尋找文件：代理使用 list_objects 工具，在專門存放供應商文件的 Cloud Storage bucket 中，尋找供應商的資料夾。
下載文件：代理使用 read_object 下載所有相關文件，例如安全性問卷、法規遵循認證和財務報表，每個檔案最多 8 MiB。
分析文件：代理會分析這些文件的內容，並可能使用其他工具擷取文字，根據銀行的風險政策尋找警訊或缺少的資訊。
彙整並儲存報告：代理會彙整調查結果摘要報告，並使用 write_text 將報告儲存至 Cloud Storage 中的供應商資料夾，供風險評估人員審查。

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，建立自訂的安全性和管理政策：

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

請參閱 Cloud Storage MCP 參考文件。
進一步瞭解 Google Cloud MCP 伺服器。

使用 Cloud Storage 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。

Google 和 Google Cloud 遠端 MCP 伺服器

限制

事前準備

必要的角色

所需權限

驗證及授權

Cloud Storage MCP OAuth 範圍

設定 MCP 用戶端，以便使用 Cloud Storage MCP 伺服器

可用的工具

清單工具

呼叫工具

應用實例

管理零售內容和廣告活動

分析財務資料

評估供應商風險

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 Cloud Storage MCP 伺服器