Google Cloud CLI リモート MCP サーバーを使用する

Google Cloud CLI リモート MCP サーバーは、自然言語プロンプトを AI アプリケーションに送信して、コマンドライン インターフェース（CLI）コマンドをユーザーに代わって実行できる安全な環境を提供します。gcloud コマンドと bq コマンドがサポートされています。

この機能の API は Cloud CLI 実行と呼ばれます。

Google Cloud CLI リモート MCP サーバーは、Cloud CLI Execution API を有効にすると有効になります。

Model Context Protocol（MCP）により、大規模言語モデル（LLM）と AI アプリケーション（エージェント）が外部のデータソースに接続する方法が標準化されます。MCP サーバーを使用すると、そのツール、リソース、プロンプトを使用してアクションを実行し、バックエンド サービスから更新されたデータを取得できます。

ローカル MCP サーバーとリモート MCP サーバーの違いは何ですか？

ローカル MCP サーバー

通常、ローカルマシンで実行され、同じデバイス上のサービス間の通信に標準の入力ストリームと出力ストリーム（stdio）を使用します。

リモート MCP サーバー

サービスのインフラストラクチャで実行され、AI MCP クライアントと MCP サーバー間の通信用に AI アプリケーションに HTTP エンドポイントを提供します。MCP アーキテクチャの詳細については、MCP アーキテクチャをご覧ください。

ステートレス コア

MCP バージョン 2026-07-28 では、MCP は双方向のステートフル プロトコルからステートレス プロトコルに変更されます。各 MCP リクエストは自己記述型であり、ヘッダーを使用してルーティングできます。各リクエストには、HTTP ヘッダーまたは _meta パラメータに必要な情報がすべて含まれているため、initialize/initialized ハンドシェイクや Mcp-Session-Id は必要ありません。MCP サーバーは、マルチラウンド トリップ リクエスト（MRTR）を通じて、ツールに必要な追加情報をリクエストできます。

リクエスト本文を解析せずにリクエストをルーティングして処理するには、次のものを含む MCP ヘッダーが必要です。

• プロトコル バージョン ヘッダーや標準リクエスト ヘッダーなど、MCP 仕様で必要なヘッダー。
• MCP サーバーによって定義されるカスタム ヘッダー。これらのヘッダーは、x-mcp-header プロパティを使用して、ツールの入力スキーマから HTTP ヘッダーにミラーリングされます。たとえば、MCP サーバーは、 Cloud de Confiance by S3NS リージョンまたはプロジェクト ID を指定するカスタム ヘッダーを定義できます。

MCP アーキテクチャの詳細については、MCP バージョン 2026-07-28 の仕様と主な変更点をご覧ください。

Google と Cloud de Confiance リモート MCP サーバー

• 簡素化された一元的な検出
• マネージド グローバルまたはリージョン HTTP エンドポイント
• きめ細かい認可
• Model Armor 保護によるプロンプトとレスポンスのセキュリティ（オプション）
• 一元的な監査ロギング

他の MCP サーバーと、Google Cloud MCP サーバーで使用可能なセキュリティとガバナンスの制御については、Google Cloud MCP サーバーの概要をご覧ください。

制限事項とガイドライン

Google Cloud CLI リモート MCP サーバーの使用を開始する前に、次の制限事項とガイドラインを確認してください。

サポートされているコマンド

セキュリティ標準と適用性の問題により、Google Cloud CLI MCP サーバーは特定の gcloud コマンドと bq コマンド（gcloud の alpha バリアントや beta バリアントなど）をサポートしていません。

サポートされていない gcloud コマンドの例を次に示します。このリストはすべてを網羅したものではなく、予告なくコマンドが追加または削除される場合があります。

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

サポートされていない bq コマンドの完全なリストは次のとおりです。

• bq init
• bq pyshell
• bq shell

組織のポリシーの適用

リモート MCP サーバーを介して実行されるコマンドは、認証された呼び出し元 ID の権限で実行されます。標準の IAM 権限と組織のポリシー サービスの制約は、ダウンストリームのターゲット リソースに対して厳密に適用されます。

エージェント デベロッパー向けガイドライン

• プリンシパルと IAM 権限: Cloud CLI Execution API を操作するプリンシパルは、gcloud または bq コマンドの実行中に Cloud de Confiance API を操作するプリンシパルと同じです。Google Cloud CLI MCP サーバーは多くの Cloud de ConfianceAPI を呼び出すことができるため、最小権限の原則に従い、Google Cloud CLI MCP サーバーを呼び出すユーザー、Agent Identity、またはサービス アカウントに、ユースケースに必要な最小限の権限を割り当てることをおすすめします。

• プロジェクトの選択: project は、Google Cloud CLI MCP サーバー リクエストに必要なパラメータで、Cloud CLI Execution API とのやり取りに使用されるプロジェクトを表します。project パラメータは、実際の gcloud コマンドで設定される --project フラグまたは --billing-project フラグ、あるいは Cloud CLI Execution API が実行する bq コマンドの --project_id フラグと --quota_project_id フラグとは関係ありません。

  Google Cloud CLI MCP サーバー リクエストを実行するプロジェクトをエージェントが正しく選択するように、エージェントのシステム プロンプトまたはスキルを更新することをおすすめします。

始める前に

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

必要なロール

Google Cloud CLI MCP サーバーを使用するために必要な権限を取得するには、Google Cloud CLI MCP サーバーを使用するプロジェクトに対する次の IAM ロールを付与するよう管理者に依頼してください。

• MCP ツール呼び出しを行う: MCP ツールユーザー （roles/mcp.toolUser）

ロールの付与については、プロジェクト、フォルダ、組織へのアクセス権の管理をご覧ください。

これらの事前定義ロールには、Google Cloud CLI MCP サーバーの使用に必要な権限が含まれています。必要とされる正確な権限については、「必要な権限」セクションを開いてご確認ください。

カスタムロールや他の事前定義ロールを使用して、これらの権限を取得することもできます。

認証と認可

Google Cloud CLI リモート MCP サーバーは API キーを受け入れません。

リソースへのアクセスを制御およびモニタリングできるように、MCP ツールを使用するエージェント用に個別の ID を作成することをおすすめします。認証の詳細については、MCP サーバーに対して認証するをご覧ください。

Google Cloud CLI OAuth スコープ

OAuth 2.0 では、スコープと認証情報を使用して、認証されたプリンシパルがリソースに対して特定のアクションを実行する権限があるかどうかを判断します。Google の OAuth 2.0 スコープの詳細については、OAuth 2.0 を使用して Google API にアクセスするをご覧ください。

Google Cloud CLI リモート MCP サーバーには、次の OAuth スコープがあります。

Google Cloud CLI リモート MCP サーバーを使用するように MCP クライアントを構成する

Claude や Antigravity などの AI アプリケーションとエージェントは、単一の MCP サーバーに接続する MCP クライアントをインスタンス化できます。AI アプリケーションには、さまざまな MCP サーバーに接続する複数のクライアントを設定できます。アプリケーションがクライアント固有のガイダンスに記載されていない場合は、次の情報を使用してほとんどのアプリケーションから接続できます。

AI アプリケーションで、リモート MCP サーバーを追加または接続する方法を探します。Google Cloud CLI リモート MCP サーバーの場合は、必要に応じて次の情報を入力します。

• サーバー名: Google Cloud CLI リモート MCP サーバー
• サーバー URL またはエンドポイント: https://cloudcli.googleapis.com/mcp
• トランスポート: ストリーミング可能な HTTP
• 認証の詳細: 認証方法に応じて、 Cloud de Confiance 認証情報、OAuth クライアント ID とシークレット、またはエージェントの ID と認証情報を入力できます。認証の詳細については、MCP サーバーに対して認証するをご覧ください。
• OAuth スコープ: Google Cloud CLI MCP サーバーに接続するときに使用する OAuth 2.0 スコープ。

リダイレクト URI

ウェブベースのアプリケーションと一部のデスクトップ アプリケーションでは、認証用のクライアント ID とシークレットを作成するときに、リダイレクト URI を許可リストに登録する必要があります。リダイレクト URI は、認可サーバーがトークンをアプリケーションに送信するために使用されます。アプリケーションのドキュメントには、使用する必要があるリダイレクト URI を指定する必要があります。カスタム リダイレクト URI はサポートされていません。

MCP サーバーの設定と接続に関するアプリケーション固有のガイダンスについては、クライアント固有のガイダンスをご覧ください。

一般的なガイダンスについては、次のリソースをご覧ください。

• リモート MCP サーバーに接続します。
• AI アプリケーションで MCP を構成する。

使用可能なツール

Google Cloud CLI リモート MCP サーバーは、次のツールを公開します。

• run_gcloud_command
• run_bq_command

Google Cloud CLI MCP サーバーで使用可能な MCP ツールの詳細とその説明を表示するには、Google Cloud CLI MCP リファレンスをご覧ください。

run_bq_command と BigQuery MCP サーバーの違い

run_bq_command は、Google Cloud CLI リモート MCP サーバー内の BigQuery CLI（bq）サーフェスを公開します。このツールは、BigQuery SQL コマンドを実行し、自然言語プロンプトを使用して管理タスクと運用タスクを実行できるようにします。BigQuery には、標準のデータ分析用の個別の MCP サーバーも用意されています。各ツール サーフェスは、それぞれ異なるユースケース向けに設計されています。

• run_bq_command: スロット予約の管理、クエリのスケジュール設定、テーブル スナップショットの管理、ジョブのトラブルシューティングとキャンセルなど、高度な管理ワークフローと運用ワークフロー用の AI エージェントを構築する場合は、run_bq_command を使用します。
• BigQuery MCP サーバー: 標準 SQL 実行ツールを使用してデータ分析、メタデータ検出、データ変更を行う AI エージェントを構築する場合は、BigQuery MCP サーバーを使用します。

次の表に、2 つのツール画面のその他の違いを示します。

ツールの一覧表示

MCP インスペクタを使用してツールを一覧表示するか、tools/list HTTP リクエストを Google Cloud CLI リモート MCP サーバーに直接送信します。tools/list メソッド: 認証を必要としません。

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"]
              }
            }
          }
        }
      }
    }'

次のように置き換えます。

• TOOLSET_ENDPOINT: サービス名の後の MCP エンドポイントの残りの部分。たとえば、Google Cloud CLI の場合は mcp/toolset-name になります。
• MCP_PROTOCOL_VERSION: MCP プロトコルのバージョン。例: 2026-07-28

run_gcloud_command のユースケースの例

Google Cloud CLI リモート MCP サーバーの run_gcloud_command のユースケースの例を次に示します。

リソースのプロビジョニング

ユーザーがエージェントに自然言語プロンプトを送信すると、エージェントは対応する MCP ツール（gcloud コマンドの場合は run_gcloud_command、bq コマンドの場合は run_bq_command）を使用してコマンドを生成します。Google Cloud CLI MCP サーバーがコマンドを実行します。

プロンプトの例:

「プロジェクト projects/my-project に my-network という名前の新しい VPC ネットワークを作成します。次に、ポート 8080 で内部 TCP トラフィックを許可するファイアウォール ルールを作成します。」

ワークフロー:

1. エージェントは、コマンド "gcloud compute networks create my-network --project=projects/my-project --subnet-mode=auto", "project": "projects/my-project" を使用して run_gcloud_command ツールを呼び出します。

2. エージェントは、コマンド "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 を使用して run_gcloud_command ツールを呼び出します。

オブザーバビリティと診断

エージェントは、環境の状態を検査し、最近のエラーログをクエリして、問題のトラブルシューティングに役立てることができます。

プロンプトの例: 「プロジェクト projects/my-project の Compute Engine インスタンス my-web-server の最新の 5 つのエラーログを見つけてください。」

ワークフロー:

エージェントは、コマンド "gcloud logging read \"resource.type=gce_instance AND severity>=ERROR\" --limit=5 --order=DESC", project: "my-project" を使用して run_gcloud_command ツールを呼び出します。

run_bq_command のユースケースの例

Google Cloud CLI リモート MCP サーバーの run_bq_command のユースケースの例を次に示します。

BigQuery でデータセットを管理する

MCP サーバーを使用して、BigQuery でクエリを実行し、データセットを管理することもできます。

プロンプトの例: 「プロジェクト projects/my-project のすべてのデータセットを一覧表示し、米国ロケーションに my_new_dataset という名前の新しいデータセットを作成します。」

ワークフロー:

1. エージェントは、コマンド "bq ls --datasets=true --project_id=my-project", "project": "projects/my-project" を使用して run_bq_command ツールを呼び出します。

2. エージェントは、コマンド "bq mk --dataset --location=us --project_id=my-project my_new_dataset", "project": "projects/my-project" を使用して run_bq_command ツールを呼び出します。

長時間実行ジョブのトラブルシューティングとキャンセル

エージェントは、実行中の BigQuery ジョブを検査して、リソースのボトルネックを特定し、失敗したクエリを診断し、長時間実行されているジョブをキャンセルし、パフォーマンスの推奨事項の実行の詳細を抽出します。

プロンプトの例:

「現在プロジェクト my-data-project で実行されている長時間実行クエリまたはリソース消費量の多いクエリがあるかどうかを確認します。bqujob_12345 が 30 分以上実行されている場合は、キャンセルして詳細を表示します。」

ワークフロー:

1. エージェントがコマンド "bq ls -j --all --project_id=my-data-project", "project": "projects/my-data-project" で run_bq_command を呼び出します。

2. エージェントはジョブリストを検査し、コマンド "bq show -j bqujob_12345 --project_id=my-data-project", "project": "projects/my-data-project" で run_bq_command を呼び出します。

3. エージェントは、コマンド "bq cancel bqujob_12345 --project_id=my-data-project", "project": "projects/my-data-project" を使用して run_bq_command を呼び出します。

クエリのスケジュール設定

エージェントは、BigQuery CLI の BigQuery Data Transfer Service 統合を介してスケジュールされたクエリ実行を構成し、データ更新を自動化します。

プロンプトの例:

「毎日 06:00 UTC にクエリをスケジュールして、プロジェクト my-data-project の dataset sales_ds の daily_sales_summary テーブルを更新します。」

ワークフロー:

1. エージェントは、コマンド "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" を使用して run_bq_command を呼び出します。

容量分析と予約の調整

エージェントは、使用量の多いプロジェクト全体で既存のスロット予約を分析し、コンピューティング容量を管理するためにスロット割り当てを更新します。

プロンプトの例:

「プロジェクト my-admin-project のリージョン us-central1 にあるすべての BigQuery 予約を一覧表示し、prod-analytics 予約のスロット割り当てを 500 スロットに更新します。」

ワークフロー:

1. エージェントは、コマンド "bq ls --reservation --project_id=my-admin-project --location=us-central1", "project": "projects/my-admin-project" を使用して run_bq_command を呼び出します。

2. エージェントは、コマンド "bq update --project_id=my-admin-project --reservation --slots=500 prod-analytics --location=us-central1", "project": "projects/my-admin-project" を使用して run_bq_command を呼び出します。

テーブル スナップショットとクローンを管理する

エージェントは、重要な本番環境テーブルの特定の時点のスナップショットを作成するか、開発とテスト用にテーブル クローンをプロビジョニングします。

プロンプトの例:

「プロジェクト my-data-project に production_db.orders_snapshot_20260720 という名前の production_db.orders のテーブル スナップショットを作成します。」

ワークフロー:

エージェントは、コマンド "bq cp --project_id=my-data-project --snapshot production_db.orders production_db.orders_snapshot_20260720", "project": "projects/my-data-project" を使用して run_bq_command を呼び出します。

データセット アクセスと IAM 権限の制御

エージェントは、データセットのアクセス制御を検査し、指定されたプリンシパルのアクセス権を付与または取り消すようにデータセットの権限を更新します。

プロンプトの例:

「プロジェクト my-data-project. のデータセット finance_ds の現在のアクセス構成を表示して」

ワークフロー:

1. エージェントは、コマンド "bq show --format=prettyjson my-data-project:finance_ds", "project": "projects/my-data-project" を使用して run_bq_command を呼び出します。

2. エージェントはアクセス JSON 定義を更新し、コマンド "bq update --source=access_update.json my-data-project:finance_ds", "project": "projects/my-data-project" で run_bq_command を呼び出します。

セキュリティと安全に関するオプションの構成

MCP ツールで実行できるアクションが多岐にわたるため、MCP によって新たなセキュリティ リスクと考慮事項が加わります。これらのリスクを最小限に抑えて管理するために、Cloud de Confiance by S3NS は、 Cloud de Confiance by S3NS組織またはプロジェクトでの MCP ツールの使用を制御するデフォルトの設定とカスタマイズ可能なポリシーを提供します。

MCP のセキュリティとガバナンスの詳細については、AI のセキュリティと安全性をご覧ください。

Model Armor を使用する

Model Armor は、AI アプリケーションのセキュリティと安全性を強化するために設計されたCloud de Confiance by S3NS サービスです。LLM のプロンプトとレスポンスを事前にスクリーニングすることで、さまざまなリスクから保護し、責任ある AI への取り組みをサポートします。AI を自社のクラウド環境と外部のクラウド プロバイダのいずれにデプロイする場合も、Model Armor は、悪意のある入力の防止、コンテンツの安全性の検証、センシティブ データの保護、コンプライアンスの維持、多様な AI 環境全体での AI の安全性とセキュリティ ポリシーの一貫した適用に役立ちます。

ロギングが有効になっている状態で Model Armor が有効になっている場合、Model Armor はペイロード全体をログに記録します。これにより、ログに機密情報が公開される可能性があります。

Model Armor への MCP リクエストのルーティング

Model Armor を有効にする

Model Armor を使用するには、Model Armor API を有効にする必要があります。

Google と Cloud de Confiance リモート MCP サーバーの保護を構成する

MCP ツール呼び出しとレスポンスを保護するには、Model Armor のフロア設定を使用します。フロア設定は、プロジェクト全体に適用される最低限のセキュリティ フィルタを定義します。この構成では、プロジェクト内のすべての MCP ツール呼び出しとレスポンスに一貫したフィルタセットが適用されます。

MCP サニタイズを有効にして Model Armor のフロア設定を行います。詳細については、Model Armor のフロア設定を構成するをご覧ください。

次のコマンド例をご覧ください。

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"}]'

PROJECT_ID は、実際の Cloud de Confiance プロジェクト ID に置き換えます。

次の設定に注意してください。

• INSPECT_AND_BLOCK: Google MCP サーバーのコンテンツを検査し、フィルタに一致するプロンプトとレスポンスをブロックする適用タイプ。
• ENABLED: フィルタまたは適用を有効にする設定。
• MEDIUM_AND_ABOVE: 責任ある AI - 危険フィルタ設定の信頼度。この設定は変更できますが、値を小さくすると偽陽性が増える可能性があります。詳細については、Model Armor の信頼度レベルをご覧ください。

Model Armor による MCP トラフィックのスキャンを無効にする

プロジェクトのフロア設定に基づいて Model Armor が Google MCP サーバーとの間のトラフィックを自動的にスキャンしないようにするには、次のコマンドを実行します。

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

PROJECT_ID は、 Cloud de Confiance プロジェクト ID に置き換えます。Model Armor は、このプロジェクトのフロア設定で定義されたルールを Google MCP サーバー トラフィックに自動的に適用しません。

Model Armor のフロア設定と一般的な構成は、MCP だけでなく、他のものにも影響する可能性があります。Model Armor は Vertex AI などのサービスと統合されているため、フロア設定を変更すると、MCP だけでなく、統合されたすべてのサービスでトラフィック スキャンと安全性の動作に影響する可能性があります。

次のステップ

• Google Cloud CLI MCP リファレンス ドキュメントを読む。
• Google Cloud MCP サーバーの詳細を確認する。