Usa el servidor de MCP remoto de Google Cloud CLI

El servidor de MCP remoto de Google Cloud CLI proporciona un entorno seguro que te permite enviar instrucciones en lenguaje natural a tu aplicación de IA para ejecutar comandos de la interfaz de línea de comandos (CLI) en tu nombre. Se admiten los comandos gcloud y bq.

La API de esta función se llama Cloud CLI Execution.

El servidor MCP remoto de Google Cloud CLI se habilita cuando habilitas la API de Cloud CLI Execution.

El estándar del Protocolo de contexto del modelo (MCP) estandariza la forma en que los modelos de lenguaje grandes (LLM) y las aplicaciones o los agentes de IA se conectan a fuentes de datos externas. Los servidores de MCP te permiten usar sus herramientas, recursos y mensajes para realizar acciones y obtener datos actualizados de su servicio de backend.

¿Cuál es la diferencia entre los servidores de MCP locales y remotos?

Servidores de MCP locales

Por lo general, se ejecutan en tu máquina local y usan los flujos de entrada y salida estándar (stdio) para la comunicación entre servicios en el mismo dispositivo.

Servidores de MCP remotos

Se ejecutan en la infraestructura del servicio y ofrecen un extremo HTTP a las aplicaciones de IA para la comunicación entre el cliente de MCP de IA y el servidor de MCP. Para obtener más información sobre la arquitectura de MCP, consulta Arquitectura de MCP.

Núcleo sin estado

Con la versión 2026-07-28 del MCP, el MCP cambia de un protocolo bidireccional con estado a un protocolo sin estado. Cada solicitud de MCP se describe por sí misma y se puede enrutar con encabezados. No es necesario el handshake initialize/initialized ni Mcp-Session-Id porque cada solicitud incluye toda la información necesaria en los encabezados HTTP o el parámetro _meta. Los servidores de MCP pueden solicitar información adicional que requiere una herramienta a través de solicitudes de varios viajes de ida y vuelta (MRTR).

Para ayudar a enrutar y procesar solicitudes sin analizar el cuerpo de la solicitud, se requieren algunos encabezados de MCP, incluidos los siguientes:

• Encabezados que requiere la especificación de MCP, como el encabezado de versión del protocolo y los encabezados de solicitud estándar
• Encabezados personalizados definidos por el servidor de MCP. Estos encabezados se duplican en los encabezados HTTP del esquema de entrada de la herramienta con la propiedad x-mcp-header. Por ejemplo, un servidor de MCP podría definir un encabezado personalizado para especificar la región o el ID del proyecto Cloud de Confiance by S3NS .

Para obtener más información sobre la arquitectura de MCP, consulta la especificación y los cambios clave de la versión 2026-07-28 de MCP.

Servidores de MCP remotos y de Cloud de Confiance Google

• Descubrimiento simplificado y centralizado
• Extremos HTTP regionales o globales administrados
• Autorización detallada
• Seguridad opcional de instrucciones y respuestas con protección de Model Armor
• Registro de auditoría centralizado

Para obtener información sobre otros servidores de MCP y sobre los controles de seguridad y administración disponibles para los servidores de MCP de Google Cloud, consulta la Descripción general de los servidores de MCP de Google Cloud.

Restricciones y lineamientos

Antes de comenzar a trabajar con el servidor MCP remoto de Google Cloud CLI, revisa las siguientes restricciones y lineamientos:

Comandos compatibles

El servidor de MCP de Google Cloud CLI no admite ciertos comandos gcloud y bq (incluidas las variantes alpha o beta para gcloud) debido a los estándares de seguridad y la inaplicabilidad.

En la siguiente lista, se muestran algunos ejemplos de comandos de gcloud que no son compatibles. Esta lista no es exhaustiva y está sujeta a la adición o eliminación de comandos sin previo aviso:

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

A continuación, se incluye una lista completa de los comandos de bq que no son compatibles:

• bq init
• bq pyshell
• bq shell

Aplicación de políticas de la organización

Los comandos que se ejecutan a través del servidor de MCP remoto se ejecutan con los permisos de la identidad del llamador autenticado. Los permisos de IAM estándar y las restricciones del servicio de políticas de la organización se aplican de forma estricta a los recursos de destino de nivel inferior.

Lineamientos para desarrolladores de agentes

• Permisos de principal y de IAM: La principal que interactúa con la API de Cloud CLI Execution es la misma que interactúa con las APIs de Cloud de Confiance durante la ejecución de los comandos de gcloud o bq. Dado que el servidor de MCP de Google Cloud CLI puede llamar a muchas APIs de Cloud de Confiance, te recomendamos que sigas el principio de privilegio mínimo y asignes los permisos mínimos requeridos para tu caso de uso al usuario, la identidad del agente o la cuenta de servicio que llama al servidor de MCP de Google Cloud CLI.

• Selección de proyectos: project es un parámetro obligatorio para las solicitudes del servidor de MCP de Google Cloud CLI y representa el proyecto que se usa para interactuar con la API de Cloud CLI Execution. Ten en cuenta que el parámetro project no está relacionado con las marcas --project o --billing-project que se establecen en el comando gcloud real, ni con las marcas --project_id y --quota_project_id para los comandos bq que ejecuta la API de Cloud CLI Execution.

  Te recomendamos que actualices las instrucciones o habilidades del sistema para tu agente de modo que seleccione el proyecto correcto para ejecutar las solicitudes del servidor de MCP de Google Cloud CLI.

Antes de comenzar

1. In the Cloud de Confiance console, on the project selector page, select or create a Cloud de Confiance 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

2. 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.

3. Verify that billing is enabled for your Cloud de Confiance project.

4. Enable the Cloud CLI Execution API, if it is not already enabled.

   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

Roles obligatorios

Para obtener los permisos que necesitas para usar el servidor MCP de la CLI de Google Cloud, pídele a tu administrador que te otorgue los siguientes roles de IAM en el proyecto en el que deseas usar el servidor MCP de la CLI de Google Cloud:

• Realiza llamadas a la herramienta de MCP: Usuario de la herramienta de MCP (roles/mcp.toolUser)

Para obtener más información sobre cómo otorgar roles, consulta Administra el acceso a proyectos, carpetas y organizaciones.

Estos roles predefinidos contienen los permisos necesarios para usar el servidor de MCP de la CLI de Google Cloud. Para ver los permisos exactos que son necesarios, expande la sección Permisos requeridos:

También puedes obtener estos permisos con roles personalizados o con otros roles predefinidos.

Autenticación y autorización

El servidor de MCP remoto de Google Cloud CLI no acepta claves de API.

Te recomendamos que crees una identidad independiente para los agentes que usan herramientas de MCP, de modo que se pueda controlar y supervisar el acceso a los recursos. Para obtener más información sobre la autenticación, consulta Cómo autenticarse en los servidores de MCP.

Alcances de OAuth de Google Cloud CLI

OAuth 2.0 usa permisos y credenciales para determinar si un principal autenticado está autorizado para realizar una acción específica en un recurso. Si deseas obtener más información sobre los permisos de OAuth 2.0 en Google, consulta Usa OAuth 2.0 para acceder a las APIs de Google.

El servidor de MCP remoto de Google Cloud CLI tiene los siguientes alcances de OAuth:

Configura un cliente de MCP para usar el servidor de MCP remoto de Google Cloud CLI

Las aplicaciones y los agentes de IA, como Claude o Antigravity, pueden crear instancias de un cliente de MCP que se conecta a un solo servidor de MCP. Una aplicación de IA puede tener varios clientes que se conectan a diferentes servidores de MCP. Si tu aplicación no aparece en la guía específica para el cliente, puedes usar la siguiente información para conectarte desde la mayoría de las aplicaciones.

En tu aplicación de IA, busca una forma de agregar o conectarte a un servidor de MCP remoto. Para el servidor MCP remoto de Google Cloud CLI, ingresa la siguiente información según sea necesario:

• Nombre del servidor: Servidor MCP remoto de Google Cloud CLI
• URL del servidor o Extremo: https://cloudcli.googleapis.com/mcp
• Transporte: HTTP con transmisión
• Detalles de autenticación: Según cómo desees autenticarte, puedes ingresar tus Cloud de Confiance credenciales, tu ID y secreto de cliente de OAuth, o bien la identidad y las credenciales de un agente. Para obtener más información sobre la autenticación, consulta Cómo autenticarse en los servidores de MCP.
• Alcance de OAuth: Es el alcance de OAuth 2.0 que deseas usar cuando te conectes al servidor de MCP de Google Cloud CLI.

Redirecciona los URI

En el caso de las aplicaciones basadas en la Web y algunas aplicaciones de escritorio, debes incluir en la lista de entidades permitidas un URI de redireccionamiento cuando crees un ID de cliente y un secreto para la autenticación. El servidor de autorización usa los URIs de redireccionamiento para enviar tokens a tu aplicación. La documentación de tu aplicación debe especificar el URI de redireccionamiento que debes usar. No se admiten los URIs de redireccionamiento personalizados.

Para obtener orientación específica de la aplicación sobre cómo configurar y conectarse al servidor de MCP, consulta Orientación específica del cliente.

Para obtener orientación más general, consulta los siguientes recursos:

• Conexión a servidores de MCP remotos
• Configura el MCP en una aplicación de IA.

Herramientas disponibles

El servidor de MCP remoto de Google Cloud CLI expone las siguientes herramientas:

• run_gcloud_command
• run_bq_command

Para ver los detalles de las herramientas de MCP disponibles y sus descripciones para el servidor de MCP de Google Cloud CLI, consulta la referencia de MCP de Google Cloud CLI.

Diferencias entre run_bq_command y el servidor de MCP de BigQuery

run_bq_command expone la superficie de la CLI de BigQuery (bq) dentro del servidor MCP remoto de Google Cloud CLI. La herramienta puede ejecutar comandos de BigQuery SQL y permitir que se realicen tareas administrativas y operativas a través de instrucciones en lenguaje natural. BigQuery también proporciona un servidor de MCP independiente para el análisis de datos estándar. Cada plataforma de herramientas está diseñada para casos de uso distintos:

• run_bq_command: Usa run_bq_command cuando compiles agentes de IA para flujos de trabajo operativos y administrativos avanzados, como administrar reservas de espacios, programar consultas, administrar instantáneas de tablas o solucionar problemas y cancelar trabajos.
• Servidor de MCP de BigQuery: Usa el servidor de MCP de BigQuery cuando compiles agentes de IA que usen herramientas de ejecución de SQL estándar para impulsar el análisis de datos, el descubrimiento de metadatos y la modificación de datos.

En la siguiente tabla, se muestran otras diferencias entre las dos plataformas de herramientas:

Herramientas de lista

Usa el inspector de MCP para enumerar herramientas o envía una solicitud HTTP tools/list directamente al servidor de MCP remoto de Google Cloud CLI. El método tools/list no requiere autenticación.

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

Reemplaza lo siguiente:

• TOOLSET_ENDPOINT: Es el resto del extremo del MCP después del nombre del servicio. Por ejemplo, para Google Cloud CLI, podría ser mcp/toolset-name.
• MCP_PROTOCOL_VERSION: Es la versión del protocolo de MCP. Por ejemplo, 2026-07-28.

Ejemplos de casos de uso para run_gcloud_command

A continuación, se muestran ejemplos de casos de uso de run_gcloud_command en el servidor de MCP remoto de Google Cloud CLI:

Aprovisionamiento de recursos

Cuando un usuario envía una instrucción en lenguaje natural al agente, este genera un comando con la herramienta de MCP correspondiente (run_gcloud_command para los comandos de gcloud o run_bq_command para los comandos de bq). Luego, el servidor de MCP de Google Cloud CLI ejecuta el comando.

Instrucción de ejemplo:

"Crea una red de VPC nueva llamada my-network en el proyecto projects/my-project. Luego, crea una regla de firewall que permita el tráfico TCP interno en el puerto 8080".

Flujo de trabajo:

1. El agente llama a la herramienta run_gcloud_command con el comando "gcloud compute networks create my-network --project=projects/my-project --subnet-mode=auto", "project": "projects/my-project".

2. El agente llama a la herramienta run_gcloud_command con el comando "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.

Observabilidad y diagnóstico

Un agente puede inspeccionar el estado del entorno y consultar los registros de errores recientes para ayudar a solucionar problemas.

Ejemplo de instrucción: "Busca los 5 registros de errores más recientes de la instancia de Compute Engine my-web-server en el proyecto projects/my-project".

Flujo de trabajo:

El agente llama a la herramienta run_gcloud_command con el comando "gcloud logging read \"resource.type=gce_instance AND severity>=ERROR\" --limit=5 --order=DESC", project: "my-project".

Ejemplos de casos de uso para run_bq_command

A continuación, se muestran ejemplos de casos de uso de run_bq_command en el servidor de MCP remoto de Google Cloud CLI:

Administrar conjuntos de datos en BigQuery

También puedes usar el servidor de MCP para ejecutar consultas y administrar conjuntos de datos en BigQuery.

Instrucción de ejemplo: "Enumera todos los conjuntos de datos del proyecto projects/my-project y, luego, crea un conjunto de datos nuevo llamado my_new_dataset en la ubicación de EE.UU.".

Flujo de trabajo:

1. El agente llama a la herramienta run_bq_command con el comando "bq ls --datasets=true --project_id=my-project", "project": "projects/my-project".

2. El agente llama a la herramienta run_bq_command con el comando "bq mk --dataset --location=us --project_id=my-project my_new_dataset", "project": "projects/my-project".

Cómo solucionar problemas y cancelar trabajos de larga duración

Un agente inspecciona los trabajos de BigQuery en ejecución para identificar cuellos de botella de recursos, diagnosticar consultas fallidas, cancelar trabajos de larga duración y extraer detalles de ejecución para brindar recomendaciones de rendimiento.

Instrucción de ejemplo:

"Verifica si hay consultas de larga duración o que consumen muchos recursos en ejecución en el proyecto my-data-project. Si bqujob_12345 se ejecuta durante más de 30 minutos, cancela la operación y muestra los detalles".

Flujo de trabajo:

1. El agente llama a run_bq_command con el comando "bq ls -j --all --project_id=my-data-project", "project": "projects/my-data-project".

2. El agente inspecciona la lista de trabajos y llama a run_bq_command con el comando: "bq show -j bqujob_12345 --project_id=my-data-project", "project": "projects/my-data-project".

3. El agente llama a run_bq_command con el comando: "bq cancel bqujob_12345 --project_id=my-data-project", "project": "projects/my-data-project".

Programa consultas

Un agente configura ejecuciones de consultas programadas a través de la integración del Servicio de transferencia de datos de BigQuery en la CLI de BigQuery para automatizar las actualizaciones de datos.

Instrucción de ejemplo:

"Programa una consulta diaria a las 06:00 (UTC) para actualizar la tabla daily_sales_summary en dataset sales_ds para el proyecto my-data-project".

Flujo de trabajo:

1. El agente llama a run_bq_command con el comando "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".

Análisis de capacidad y ajuste de reservas

Un agente analiza las reservas de ranuras existentes en los proyectos con mayor consumo y actualiza las asignaciones de ranuras para administrar la capacidad de procesamiento.

Instrucción de ejemplo:

"Enumera todas las reservas de BigQuery en la región us-central1 para el proyecto my-admin-project y actualiza la asignación de ranuras para la reserva prod-analytics a 500 ranuras".

Flujo de trabajo:

1. El agente llama a run_bq_command con el comando: "bq ls --reservation --project_id=my-admin-project --location=us-central1", "project": "projects/my-admin-project".

2. El agente llama a run_bq_command con el comando: "bq update --project_id=my-admin-project --reservation --slots=500 prod-analytics --location=us-central1", "project": "projects/my-admin-project".

Administra las instantáneas y las clonaciones de tablas

Un agente crea instantáneas puntuales de tablas de producción críticas o aprovisiona clonaciones de tablas para el desarrollo y las pruebas.

Instrucción de ejemplo:

"Crea una instantánea de la tabla production_db.orders llamada production_db.orders_snapshot_20260720 en el proyecto my-data-project".

Flujo de trabajo:

El agente llama a run_bq_command con el comando "bq cp --project_id=my-data-project --snapshot production_db.orders production_db.orders_snapshot_20260720", "project": "projects/my-data-project".

Control de acceso al conjunto de datos y permisos de IAM

Un agente inspecciona los controles de acceso al conjunto de datos y actualiza los permisos del conjunto de datos para otorgar o revocar el acceso a las principales especificadas.

Instrucción de ejemplo:

"Muestra la configuración de acceso actual para el conjunto de datos finance_ds en el proyecto my-data-project.".

Flujo de trabajo:

1. El agente llama a run_bq_command con el comando "bq show --format=prettyjson my-data-project:finance_ds", "project": "projects/my-data-project".

2. El agente actualiza la definición JSON de acceso y llama a run_bq_command con el comando "bq update --source=access_update.json my-data-project:finance_ds", "project": "projects/my-data-project".

Configuraciones opcionales de seguridad

El MCP introduce nuevos riesgos y consideraciones de seguridad debido a la amplia variedad de acciones que puedes realizar con las herramientas de MCP. Para minimizar y administrar estos riesgos,Cloud de Confiance by S3NS ofrece parámetros de configuración predeterminados y políticas personalizables para controlar el uso de las herramientas de MCP en tu organización o proyecto deCloud de Confiance by S3NS . Cloud de Confiance by S3NS

Para obtener más información sobre la seguridad y la administración de MCP, consulta Seguridad y protección de la IA.

Usa Model Armor

Model Armor es unCloud de Confiance by S3NS servicio diseñado para mejorar la seguridad de tus aplicaciones de IA. Funciona analizando de forma proactiva las instrucciones y respuestas de los LLM, protegiendo contra diversos riesgos y respaldando prácticas de IA responsable. Ya sea que implementes IA en tu entorno de nube o en proveedores de servicios en la nube externos, Model Armor puede ayudarte a evitar entradas maliciosas, verificar la seguridad del contenido, proteger datos sensibles, mantener el cumplimiento y aplicar tus políticas de seguridad de la IA de manera coherente en todo tu diverso panorama de IA.

Cuando Model Armor está habilitado con el registro habilitado, registra toda la carga útil. Esto podría exponer información sensible en tus registros.

Enrutamiento de solicitudes de MCP a Model Armor

Habilita Model Armor

Para poder usar las APIs de Model Armor, debes habilitarlas.

Configura la protección para los servidores de MCP remotos y de Google Cloud de Confiance

Para proteger las llamadas y respuestas de tu herramienta de MCP, puedes usar la configuración mínima de Model Armor. Un parámetro de configuración mínimo define los filtros de seguridad mínimos que se aplican en todo el proyecto. Esta configuración aplica un conjunto coherente de filtros a todas las llamadas y respuestas de herramientas de MCP dentro del proyecto.

Configura un ajuste mínimo de Model Armor con la limpieza de MCP habilitada. Para obtener más información, consulta Configura los parámetros mínimos de Model Armor.

Consulta el siguiente comando de ejemplo:

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"}]'

Reemplaza PROJECT_ID por el ID del proyecto de Cloud de Confiance .

Ten en cuenta los siguientes parámetros de configuración:

• INSPECT_AND_BLOCK: Es el tipo de aplicación que inspecciona el contenido del servidor de MCP de Google y bloquea las instrucciones y las respuestas que coinciden con los filtros.
• ENABLED: Es el parámetro de configuración que habilita un filtro o la aplicación.
• MEDIUM_AND_ABOVE: Es el nivel de confianza para la configuración del filtro de IA responsable: Peligroso. Puedes modificar este parámetro de configuración, aunque los valores más bajos pueden generar más falsos positivos. Para obtener más información, consulta Niveles de confianza de Model Armor.

Inhabilita el análisis del tráfico de MCP con Model Armor

Para evitar que Model Armor analice automáticamente el tráfico hacia y desde los servidores de MCP de Google según la configuración mínima del proyecto, ejecuta el siguiente comando:

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

Reemplaza PROJECT_ID por el ID del proyecto de Cloud de Confiance . Model Armor no aplica automáticamente las reglas definidas en la configuración mínima de este proyecto al tráfico de ningún servidor de MCP de Google.

La configuración mínima de Model Armor y la configuración general pueden afectar a más que solo el MCP. Dado que Model Armor se integra con servicios como Vertex AI, cualquier cambio que realices en la configuración mínima puede afectar el análisis del tráfico y los comportamientos de seguridad en todos los servicios integrados, no solo en el MCP.

¿Qué sigue?

• Lee la documentación de referencia de MCP de Google Cloud CLI.
• Obtén más información sobre los servidores de MCP de Google Cloud.