Google 会使用 AI 技术将内容翻译成您偏好的语言。AI 翻译可能包含错误。

使用代理注册数据库 MCP 服务器

本文档介绍了如何使用 Agent Registry 远程 Model Context Protocol (MCP) 服务器连接到 AI 应用，包括 Antigravity、ChatGPT、Claude 以及您正在开发的自定义应用。借助 Agent Registry 远程 MCP 服务器，您的 AI 应用可以动态发现环境中可用的其他智能体、端点和 MCP 服务器。当您启用 Agent Registry API 时，Agent Registry 远程 MCP 服务器也会随之启用。

Model Context Protocol (MCP) 规范了大语言模型 (LLM) 以及 AI 应用或智能体与外部数据源的连接方式。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，以便 AI MCP 客户端与 MCP 服务器之间进行通信。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，可以使用标头进行路由。不需要 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：

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。这些标头会使用 x-mcp-header 属性从工具的输入架构镜像到 HTTP 标头。例如，MCP 服务器可能会定义一个自定义标头，用于指定 Google Cloud 区域或项目 ID。

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

Google 和 Google Cloud 远程 MCP 服务器

Google 和 Google Cloud 远程 MCP 服务器具有以下功能和优势：

简化、集中的发现
托管式全球或区域 HTTP 端点
细粒度授权
可选的提示和回答安全性，由 Model Armor 提供保护
集中式审核日志记录

如需了解其他 MCP 服务器以及 Google Cloud MCP 服务器可用的安全和治理控制措施，请参阅 Google Cloud MCP 服务器概览。

准备工作

设置 Agent Registry。
获取已启用 Agent Registry 的治理项目的项目 ID。

所需的角色

如需获得使用 Agent Registry MCP 服务器所需的权限，请让管理员为您授予已启用 Agent Registry 的治理项目的以下 IAM 角色：

进行 MCP 工具调用：MCP Tool User (roles/mcp.toolUser)
发现资源：Agent Registry API Viewer (roles/agentregistry.viewer)
管理资源：Agent Registry API Editor (roles/agentregistry.editor)
管理绑定：Agent Registry API Admin (roles/agentregistry.admin)

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 Agent Registry 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：

所需权限

如需使用 Agent Registry MCP 服务器，您需要具有以下权限：

进行 MCP 工具调用： mcp.tools.call
探索资源：
- agentregistry.agents.
- agentregistry.endpoints.
- agentregistry.locations.
- agentregistry.mcpServers.
- agentregistry.operations.get
- agentregistry.operations.list
- agentregistry.publishers.*
- agentregistry.services.get
- agentregistry.services.list
- agentregistry.skillRevisions.get
- agentregistry.skillRevisions.list
- agentregistry.skills.get
- agentregistry.skills.list
- agentregistry.skills.search
管理资源：
- agentregistry.operations.
- agentregistry.services.
- agentregistry.skillRevisions.*
- agentregistry.skills.create
- agentregistry.skills.delete
- agentregistry.skills.update
管理绑定：
- agentregistry.bindings.create
- agentregistry.bindings.delete
- agentregistry.bindings.update

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

Agent Registry 远程 MCP 服务器使用 OAuth 2.0 协议和 Identity and Access Management (IAM) 进行身份验证和授权。支持所有 Google Cloud 身份用于向 MCP 服务器进行身份验证。

Agent Registry MCP 服务器需要一个主账号来进行 Identity and Access Management (IAM) 控制，并且不接受 API 密钥。最佳实践是为使用 MCP 工具的智能体创建单独的身份，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。

Agent Registry MCP 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。

Agent Registry 具有以下 MCP 工具 OAuth 范围：

Google Cloud CLI 的范围 URI	说明
`https://www.googleapis.com/auth/cloud-platform`	拥有对所有 Google Cloud 资源的完整访问权限。
`https://www.googleapis.com/auth/agentregistry.read-write`	拥有对 Agent Registry 资源的读写权限。

在工具调用期间访问的资源可能需要额外的范围。如需查看 Agent Registry 所需的范围列表，请参阅 Agent Registry API。

将 MCP 客户端配置为使用 Agent Registry MCP 服务器

Claude 或 Antigravity 等 AI 应用和智能体可以实例化连接到单个 MCP 服务器的 MCP 客户端。一个 AI 应用可以有多个连接到不同 MCP 服务器的客户端。如果您的应用未在客户端专用指南中列出，则可以使用以下信息从大多数应用进行连接。

服务器名称：Agent Registry MCP 服务器
服务器网址或端点：https://agentregistry.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 Google Cloud 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：连接到 Agent Registry MCP 服务器时要使用的 OAuth 2.0 范围。

如需了解有关设置和连接到 MCP 服务器的应用专属指南，请参阅客户端专属指南。

如需了解更一般的指南，请参阅以下资源：

可用工具

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

Agent Registry 将发现与手动注册和更新分开。您可以查询只读 Agent、McpServer 或 Endpoint 资源以发现功能，还可以创建、更新或删除 Service 资源以管理手动注册的条目。

发现工具

AI 智能体用于动态发现的最常见工具包括：

search_agents：执行关键字或前缀搜索，以根据自然语言查询、特定 A2A 技能、标记或说明，在特定项目和位置中发现代理。
search_mcp_servers：执行关键字或前缀搜索，根据 MCP 服务器提供的特定工具或其说明来发现 MCP 服务器。
get_agent、get_mcp_server、get_endpoint：使用特定资源的唯一资源名称检索其完整元数据和配置详细信息。
get_service：检索特定的 Service 资源，以检查用于手动注册智能体组件的元数据和规范。
get_operation：获取长时间运行的操作的最新状态。
list_bindings、get_binding、fetch_available_bindings：检索将源代理连接到目标资源或身份验证提供方的绑定配置。

搜索工具最适合用于自然语言查询。不过，MCP 服务器还提供列表工具，用于返回分页的资源列表。这些工具可用于枚举资源或按资源属性（而非自然语言搜索）进行过滤：

list_agents：返回指定Google Cloud 项目和位置中的代理的分页列表。
list_mcp_servers：返回指定 Google Cloud 项目和位置中的 MCP 服务器的分页列表。
list_endpoints、list_services：返回给定项目和位置中已注册端点和手动创建的 Service 资源的分页列表。

管理工具

AI 应用主要使用 Agent Registry 进行发现。不过，MCP 服务器还提供了以编程方式管理注册表条目的工具：

create_service：通过从 JSON 规范创建 Service 资源，手动注册新的自定义智能体组件，例如智能体、MCP 服务器或端点。
update_service：更新现有 Service 资源的元数据或规范，例如修补已上传的智能体卡片。
delete_service：删除 Service 资源，从注册表中移除手动注册的智能体、MCP 服务器或端点的条目。
create_binding、update_binding、delete_binding：以编程方式管理智能体与目标 MCP 服务器或端点之间的连接和委托访问权限映射。

列出工具

使用 MCP Inspector 列出工具，或直接向 Agent Registry 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://agentregistry.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：服务名称后面的 MCP 端点的其余部分。例如，对于 Agent Registry，此值可能为 mcp。
MCP_PROTOCOL_VERSION：MCP 协议版本，例如 2026-07-28。

应用场景示例

将 AI 应用或智能体连接到 Agent Registry MCP 服务器后，您可以使用自然语言提示动态发现和检索环境中的资源。

以下是您可以与关联的 AI 应用搭配使用的示例提示：

按 A2A 技能发现智能体：“查找能够预订公司航班的智能体。”
发现 MCP 服务器：“有哪些已注册的 MCP 服务器提供 BigQuery 数据工具？”
检索特定资源详细信息：“请向我显示名为 projects/123456789/locations/global/agents/travel-agent 的智能体的元数据和配置详细信息。”

可选的安全和防护配置

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，Google Cloud 提供了默认设置和可自定义的政策，用于控制 MCP 工具在 Google Cloud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Google Cloud 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。

启用 Model Armor 并启用日志记录后，Model Armor 会记录整个载荷。这可能会在日志中泄露敏感信息。

MCP 请求路由到 Model Armor

Model Armor 仅在部分区域提供。如果 Model Armor 处于启用状态，并且您在 Model Armor 不支持的管辖区内使用 MCP 服务器，则不同 MCP 服务器的调用路由行为可能会有所不同，并且可能会违反使用中数据和传输中数据的数据驻留合规性。如需详细了解各个 MCP 服务器的行为，请参阅 Model Armor 支持的产品。

启用 Model Armor

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

控制台

启用 Model Armor API（如果尚未启用）。
启用 API 所需的角色
如需启用 API，您需要拥有 serviceusage.services.enable 权限。如果您创建了项目，则可能已经通过 Owner 角色 (roles/owner) 拥有此权限。否则，您可以通过 Service Usage Admin 角色 (roles/serviceusage.serviceUsageAdmin) 获得此权限。了解如何授予角色。
启用 API
选择要启用 Model Armor 的项目。

gcloud

在开始之前，请使用 Google Cloud CLI 和 Model Armor API 按照以下步骤操作：

安装 Google Cloud CLI，然后使用联合身份登录 gcloud CLI。登录后，运行以下命令来初始化 Google Cloud CLI：
```
gcloud init
```
运行以下命令，为 Model Armor 服务设置 API 端点。
```
gcloud config set api_endpoint_overrides/modelarmor "https://modelarmor.LOCATION.rep.googleapis.com/"
```
将 LOCATION 替换为您要使用 Model Armor 的区域。

为 MCP 服务器配置保护措施

为了帮助保护 MCP 工具调用和响应，您可以使用 Model Armor 下限设置。下限设置定义了适用于整个项目的最低安全过滤条件。此配置会将一组一致的过滤条件应用于项目中的所有 MCP 工具调用和响应。

设置 Model Armor 下限设置，并启用 MCP 清理功能。如需了解详情，请参阅配置 Model Armor 下限设置。

请参阅以下示例命令：

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"}]'

请将 PROJECT_ID 替换为您的 Google Cloud 项目 ID。

请注意以下设置：

INSPECT_AND_BLOCK：强制执行类型，用于检查 Google MCP 服务器的内容，并屏蔽与过滤条件匹配的提示和回答。
ENABLED：用于启用过滤条件或强制执行的设置。
MEDIUM_AND_ABOVE：Responsible AI - 危险过滤条件设置的置信度。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。

禁止使用 Model Armor 扫描 MCP 流量

如需阻止 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 Google Cloud 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 底价设置和常规配置不仅会影响 MCP，还会影响其他方面。由于 Model Armor 与 Vertex AI 等服务集成，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）的流量扫描和安全行为。

使用 IAM 政策控制 MCP 的使用

Identity and Access Management (IAM) 拒绝政策和允许政策可帮助您保护 Google Cloud 和 Google MCP 服务器。

您可以组合使用多个条件，根据以下条件允许或拒绝访问，从而构建自定义安全和治理政策：

主账号。
工具属性，例如只读属性。
服务名称或工具名称。
应用的 OAuth 客户端 ID。

如需了解详情，请参阅使用 Identity and Access Management 控制 MCP 的使用。

后续步骤

查看 Agent Registry MCP 参考文档。
详细了解 Google Cloud MCP 服务器。