使用 Google Cloud CLI 远程 MCP 服务器

Google Cloud CLI 远程 MCP 服务器提供了一个安全的环境，让您可以向 AI 应用发送自然语言提示，以代表您执行命令行界面 (CLI) 命令。支持 gcloud 和 bq 命令。

此功能的 API 称为 Cloud CLI 执行。

启用 Cloud CLI 执行 API 时，Google Cloud CLI 远程 MCP 服务器也会启用。

Model Context Protocol (MCP) 可规范大语言模型 (LLM) 和 AI 应用或代理连接到外部数据源的方式。借助 MCP 服务器，您可以使用其工具、资源和提示来执行操作，并从其后端服务获取更新后的数据。

本地 MCP 服务器和远程 MCP 服务器有何区别？

本地 MCP 服务器

通常在本地机器上运行，并使用标准输入和输出流 (stdio) 在同一设备上的服务之间进行通信。

远程 MCP 服务器

在服务的基础设施上运行，并向 AI 应用提供 HTTP 端点，以实现 AI MCP 客户端与 MCP 服务器之间的通信。如需详细了解 MCP 架构，请参阅 MCP 架构。

无状态核心

在 MCP 版本 2026-07-28 中，MCP 从双向有状态协议更改为无状态协议。每个 MCP 请求都是自描述的，并且可以使用标头进行路由。无需 initialize/initialized 握手或 Mcp-Session-Id，因为每个请求都包含 HTTP 标头或 _meta 参数中所需的所有信息。MCP 服务器可以通过多轮往返请求 (MRTR) 请求工具所需的其他信息。

为了在不解析请求正文的情况下帮助路由和处理请求，需要一些 MCP 标头，包括以下标头：

• MCP 规范要求的标头，例如协议版本标头和标准请求标头。
• 由 MCP 服务器定义的自定义标头。这些标头使用 x-mcp-header 属性从工具的输入架构镜像到 HTTP 标头中。例如，MCP 服务器可能会定义一个自定义标头来指定 Cloud de Confiance by S3NS 区域或项目 ID。

如需详细了解 MCP 架构，请参阅 MCP 版本 2026-07-28 的规范和主要变更。

Google 和 Cloud de Confiance 远程 MCP 服务器

• 简化、集中化的发现
• 托管式全球或区域 HTTP 端点
• 细粒度授权
• 使用 Model Armor 保护提示和回答安全（可选）
• 集中式审核日志记录

如需了解其他 MCP 服务器，以及适用于 Google Cloud MCP 服务器的安全性和治理控制措施，请参阅 Google Cloud MCP 服务器概览。

限制和准则

在开始使用 Google Cloud CLI 远程 MCP 服务器之前，请查看以下限制和准则：

支持的命令

由于安全标准和不适用性，Google Cloud CLI MCP 服务器不支持某些 gcloud 和 bq 命令（包括 gcloud 的 alpha 或 beta 变体）。

下表列出了一些不受支持的 gcloud 命令示例。此列表并非详尽无遗，我们可能会在不事先通知的情况下添加或移除命令：

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

以下是不受支持的 bq 命令的完整列表：

• bq init
• bq pyshell
• bq shell

组织政策强制执行

通过远程 MCP 服务器执行的命令会以经过身份验证的调用者身份的权限运行。系统会针对下游目标资源严格强制执行标准 IAM 权限和组织政策服务限制条件。

智能体开发者指南

• 主账号和 IAM 权限：与 Cloud CLI Execution API 互动的主账号与在 gcloud 或 bq 命令执行期间与 Cloud de Confiance API 互动的主账号相同。由于 Google Cloud CLI MCP 服务器可以调用许多 Cloud de ConfianceAPI，因此我们建议您遵循最小权限原则，并为调用 Google Cloud CLI MCP 服务器的用户、Agent Identity 或服务账号分配您的使用情形所需的最低权限。

• 选择项目：project 是 Google Cloud CLI MCP 服务器请求的必需参数，表示用于与 Cloud CLI Execution API 交互的项目。请注意，project 参数与实际 gcloud 命令中设置的 --project 或 --billing-project 标志无关，也与 Cloud CLI Execution API 执行的 bq 命令的 --project_id 和 --quota_project_id 标志无关。

  我们建议您更新代理的系统提示或技能，以便代理选择正确的项目来运行 Google Cloud CLI MCP 服务器请求。

准备工作

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

所需的角色

如需获得使用 Google Cloud CLI MCP 服务器所需的权限，请让管理员为您授予您要使用 Google Cloud CLI MCP 服务器的项目中的以下 IAM 角色：

• 进行 MCP 工具调用： MCP Tool User (roles/mcp.toolUser)

如需详细了解如何授予角色，请参阅管理对项目、文件夹和组织的访问权限。

这些预定义角色包含使用 Google Cloud CLI MCP 服务器所需的权限。如需查看所需的确切权限，请展开所需权限部分：

您也可以使用自定义角色或其他预定义角色来获取这些权限。

身份验证和授权

Google Cloud CLI 远程 MCP 服务器不接受 API 密钥。

我们建议您为使用 MCP 工具的代理创建单独的身份，以便控制和监控对资源的访问。如需详细了解身份验证，请参阅向 MCP 服务器进行身份验证。

Google Cloud CLI OAuth 范围

OAuth 2.0 使用范围和凭证来确定经过身份验证的主账号是否有权对资源执行特定操作。如需详细了解 Google 的 OAuth 2.0 范围，请参阅使用 OAuth 2.0 访问 Google API。

Google Cloud CLI 远程 MCP 服务器具有以下 OAuth 范围：

配置 MCP 客户端以使用 Google Cloud CLI 远程 MCP 服务器

Claude 或 Antigravity 等 AI 应用和代理可以实例化连接到单个 MCP 服务器的 MCP 客户端。AI 应用可以有多个连接到不同 MCP 服务器的客户端。如果您的应用未列在特定于客户端的指南中，则可以使用以下信息从大多数应用进行连接。

在 AI 应用中，寻找添加或连接到远程 MCP 服务器的方式。对于 Google Cloud CLI 远程 MCP 服务器，请根据需要输入以下信息：

• 服务器名称：Google Cloud CLI 远程 MCP 服务器
• 服务器网址或端点：https://cloudcli.googleapis.com/mcp
• 传输：可流式传输的 HTTP
• 身份验证详细信息：您可以根据所需的身份验证方式，输入 Cloud de Confiance 凭证、OAuth 客户端 ID 和密钥，或代理身份和凭证。如需详细了解身份验证，请参阅向 MCP 服务器进行身份验证。
• OAuth 范围：您在连接到 Google Cloud CLI MCP 服务器时要使用的 OAuth 2.0 范围。

重定向 URI

对于基于 Web 的应用和某些桌面应用，您必须在创建用于身份验证的客户端 ID 和密钥时将重定向 URI 列入许可名单。 授权服务器使用重定向 URI 将令牌发送到您的应用。应用的文档应指定您必须使用的重定向 URI。不支持自定义重定向 URI。

如需查看有关设置和连接到 MCP 服务器的应用专用指南，请参阅特定于客户端的指南。

如需了解更一般的指南，请参阅以下资源：

• 连接到远程 MCP 服务器。
• 在 AI 应用中配置 MCP。

可用工具

Google Cloud CLI 远程 MCP 服务器公开了以下工具：

• run_gcloud_command
• run_bq_command

如需查看 Google Cloud CLI MCP 服务器的可用 MCP 工具的详细信息及其说明，请参阅 Google Cloud CLI MCP 参考文档。

run_bq_command 与 BigQuery MCP 服务器之间的差异

run_bq_command 在 Google Cloud CLI 远程 MCP 服务器中公开了 BigQuery CLI (bq) 表面。该工具可以运行 BigQuery SQL 命令，并支持通过自然语言提示执行管理和运营任务。BigQuery 还提供了一个单独的 MCP 服务器，用于进行标准数据分析。每种工具界面都针对不同的使用场景而设计：

• run_bq_command：在为高级管理和运营工作流（例如管理槽预留、调度查询、管理表快照或排查作业问题并取消作业）构建 AI 智能体时，请使用 run_bq_command。
• BigQuery MCP 服务器：在构建使用标准 SQL 执行工具来驱动数据分析、元数据发现和数据修改的 AI 智能体时，请使用 BigQuery MCP 服务器。

下表列出了这两种工具界面之间的其他区别：

列出工具

使用 MCP 检查器列出工具，或直接向 Google Cloud CLI 远程 MCP 服务器发送 tools/list HTTP 请求。tools/list 方法不需要进行身份验证。

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"]
              }
            }
          }
        }
      }
    }'

替换以下内容：

• TOOLSET_ENDPOINT：服务名称之后的 MCP 端点的其余部分。例如，对于 Google Cloud CLI，这可能是 mcp/toolset-name。
• MCP_PROTOCOL_VERSION：MCP 协议版本。例如 2026-07-28。

run_gcloud_command 的应用场景示例

以下是 Google Cloud CLI 远程 MCP 服务器中 run_gcloud_command 的示例使用情形：

资源预配

当用户向智能体发送自然语言提示时，智能体会使用相应的 MCP 工具（gcloud 命令使用 run_gcloud_command，bq 命令使用 run_bq_command）生成命令。然后，Google Cloud CLI MCP 服务器会执行该命令。

提示示例：

“在项目 projects/my-project 中创建一个名为 my-network 的新 VPC 网络。然后，创建一条防火墙规则，允许端口 8080 上的内部 TCP 流量。”

工作流程：

1. 代理使用命令 "gcloud compute networks create my-network --project=projects/my-project --subnet-mode=auto", "project": "projects/my-project" 调用 run_gcloud_command 工具。

2. 代理使用命令 "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 调用 run_gcloud_command 工具。

可观测性和诊断

智能体可以检查环境状态并查询最近的错误日志，以帮助排查问题。

提示示例：“在项目 projects/my-project 中查找 Compute Engine 实例 my-web-server 的最新 5 条错误日志。”

工作流程：

代理使用命令 "gcloud logging read \"resource.type=gce_instance AND severity>=ERROR\" --limit=5 --order=DESC", project: "my-project" 调用 run_gcloud_command 工具。

run_bq_command 的应用场景示例

以下是 Google Cloud CLI 远程 MCP 服务器中 run_bq_command 的示例使用情形：

在 BigQuery 中管理数据集

您还可以使用 MCP 服务器在 BigQuery 中运行查询和管理数据集。

提示示例：“列出项目 projects/my-project 中的所有数据集，然后在美国位置创建一个名为 my_new_dataset 的新数据集。”

工作流程：

1. 代理使用命令 "bq ls --datasets=true --project_id=my-project", "project": "projects/my-project" 调用 run_bq_command 工具。

2. 代理使用命令 "bq mk --dataset --location=us --project_id=my-project my_new_dataset", "project": "projects/my-project" 调用 run_bq_command 工具。

排查和取消长时间运行的作业

代理会检查正在运行的 BigQuery 作业，以识别资源瓶颈、诊断失败的查询、取消长时间运行的作业，并提取执行详细信息以提供性能建议。

提示示例：

“检查项目 my-data-project 中当前是否正在执行任何长时间运行或资源密集型查询。如果 bqujob_12345 已运行超过 30 分钟，请取消并显示详细信息。”

工作流程：

1. 智能体使用命令 "bq ls -j --all --project_id=my-data-project", "project": "projects/my-data-project" 调用 run_bq_command。

2. 代理检查作业列表，并使用命令 "bq show -j bqujob_12345 --project_id=my-data-project", "project": "projects/my-data-project" 调用 run_bq_command。

3. 智能体使用以下命令调用 run_bq_command："bq cancel bqujob_12345 --project_id=my-data-project", "project": "projects/my-data-project"。

安排查询

代理通过 BigQuery CLI 中的 BigQuery Data Transfer Service 集成配置预定查询执行，以自动刷新数据。

提示示例：

“安排每天在世界协调时间 (UTC) 06:00 运行查询，以刷新项目 my-data-project 中 dataset sales_ds 的 daily_sales_summary 表。”

工作流程：

1. 代理使用命令 "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" 调用 run_bq_command。

容量分析和预留调整

代理会分析热门消耗项目中的现有槽预留，并更新槽分配以管理计算容量。

提示示例：

“列出项目 my-admin-project 在区域 us-central1 中的所有 BigQuery 预留，并将 prod-analytics 预留的槽分配更新为 500 个槽。”

工作流程：

1. 智能体使用以下命令调用 run_bq_command："bq ls --reservation --project_id=my-admin-project --location=us-central1", "project": "projects/my-admin-project"。

2. 智能体使用以下命令调用 run_bq_command："bq update --project_id=my-admin-project --reservation --slots=500 prod-analytics --location=us-central1", "project": "projects/my-admin-project"。

管理表快照和克隆

代理会创建关键生产表的即时快照，或为开发和测试提供表克隆。

提示示例：

“在项目 my-data-project 中创建 production_db.orders 的表快照，并将其命名为 production_db.orders_snapshot_20260720。”

工作流程：

代理使用命令 "bq cp --project_id=my-data-project --snapshot production_db.orders production_db.orders_snapshot_20260720", "project": "projects/my-data-project" 调用 run_bq_command。

数据集访问权限和 IAM 权限控制

代理检查数据集访问权限控制，并更新数据集权限以授予或撤消指定主账号的访问权限。

提示示例：

“显示项目 my-data-project. 中数据集 finance_ds 的当前访问权限配置”

工作流程：

1. 代理使用命令 "bq show --format=prettyjson my-data-project:finance_ds", "project": "projects/my-data-project" 调用 run_bq_command。

2. 代理会更新访问 JSON 定义，并使用命令 "bq update --source=access_update.json my-data-project:finance_ds", "project": "projects/my-data-project" 调用 run_bq_command。

可选的安全配置

由于 MCP 工具可执行各种操作，因此 MCP 会引发新的安全风险和注意事项。为了最大限度地降低这些风险并进行管理，Cloud de Confiance by S3NS 提供了默认设置和可自定义的政策，用于控制 MCP 工具在 Cloud de Confiance by S3NS组织或项目中的使用。

如需详细了解 MCP 安全性和治理，请参阅 AI 安全性。

使用 Model Armor

Model Armor 是一项Cloud de Confiance by S3NS 服务，旨在增强 AI 应用的安全性。它通过主动筛选 LLM 提示和回答来防范各种风险，并支持 Responsible AI 实践。无论您是在云环境还是外部云服务提供商中部署 AI，Model Armor 都能帮助您防止恶意输入、验证内容安全性、保护敏感数据、保持合规性，并在各种 AI 环境中以一致的方式实施 AI 安全政策。

如果启用 Model Armor 并启用日志记录，Model Armor 会记录整个载荷。这可能会泄露日志中的敏感信息。

MCP 请求路由到 Model Armor

启用 Model Armor

您必须先启用 Model Armor API，然后才能使用 Model Armor。

为 Google 和 Cloud de Confiance 远程 MCP 服务器配置保护

为了帮助保护您的 MCP 工具调用和响应，您可以使用 Model Armor 下限设置。下限设置用于定义适用于整个项目的最低安全过滤条件。此配置会对项目中的所有 MCP 工具调用和响应应用一组一致的过滤条件。

设置启用了 MCP 清理功能的 Model Armor 下限设置。如需了解详情，请参阅配置 Model Armor 底价设置。

请参阅以下命令示例：

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"}]'

请将 PROJECT_ID 替换为您的 Cloud de Confiance 项目 ID。

请注意以下设置：

• INSPECT_AND_BLOCK：一种强制执行类型，用于检查 Google MCP 服务器的内容，并屏蔽与过滤器匹配的提示和回答。
• ENABLED：用于启用过滤条件或强制执行的设置。
• MEDIUM_AND_ABOVE：Responsible AI - 危险过滤设置的置信度。您可以修改此设置，但较低的值可能会导致更多假正例。如需了解详情，请参阅 Model Armor 置信度级别。

禁止使用 Model Armor 扫描 MCP 流量

如需停止 Model Armor 根据项目的下限设置自动扫描进出 Google MCP 服务器的流量，请运行以下命令：

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

将 PROJECT_ID 替换为 Cloud de Confiance 项目 ID。Model Armor 不会自动将此项目的下限设置中定义的规则应用于任何 Google MCP 服务器流量。

Model Armor 下限设置和常规配置不仅会影响 MCP。由于 Model Armor 与 Vertex AI 等服务相集成，因此您对下限设置所做的任何更改都可能会影响所有集成服务（而不仅仅是 MCP）中的流量扫描和安全行为。

后续步骤

• 阅读 Google Cloud CLI MCP 参考文档。
• 详细了解 Google Cloud MCP 服务器。