Model Context Protocol (MCP) 规范了大语言模型 (LLM) 和 AI 应用或 智能体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，以便在 AI MCP 客户端和 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。
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、集中式发现
- 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（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 服务器的安防 和治理控制措施， 请参阅 Google Cloud MCP 服务器概览。
准备工作
您必须先 设置 Agent Registry，然后才能使用 Agent Registry MCP 服务器。您还需要 项目 ID 才能进行身份验证和执行发现任务。
所需角色
如需获得使用 Agent Registry MCP 服务器所需的权限，请让您的管理员为您授予要在其中使用 Agent Registry 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) -
发现资源：
Agent Registry API Viewer (
roles/agentregistry.viewer) -
管理资源：
Agent Registry API Editor (
roles/agentregistry.editor)
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
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 服务器需要主账号才能进行 Identity and Access Management (IAM) 控制，并且不接受 API 密钥。我们建议您为使用 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权限。
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 |
对所有 Google Cloud 资源拥有完整访问权限。 |
https://www.googleapis.com/auth/agentregistry.read-write |
对 Agent Registry 资源拥有读写权限。 |
在工具调用期间访问的资源可能需要其他范围。如需查看 Agent Registry 所需的角色和权限列表，请参阅 Agent Registry 角色和权限。
配置 MCP 客户端以使用 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。
- 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：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 智能体身份和凭证。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 服务器的应用专用指南， 请参阅 特定于客户端的指南。
如需了解更通用的指南，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 API 将读取和写入操作分开。您可以查询只读 Agent、McpServer 或 Endpoint 资源来发现功能，但必须使用可写 Service 资源来创建、更新和删除条目。
发现工具
AI 智能体用于动态发现的最常用工具包括：
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，发现特定项目和位置中的智能体。search_mcp_servers：执行关键字或前缀搜索，以根据 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Service资源，以检查用于手动载入资源的基础注册规范。get_operation：获取长时间运行的操作的最新状态。list_bindings、get_binding、fetch_available_bindings：检索将源智能体连接到目标资源或身份验证提供方的绑定配置。
搜索工具最适合自然语言查询。不过，MCP 服务器还提供了列出工具，用于返回资源的分页列表。 这些工具可用于枚举资源或按资源属性进行过滤，而不是进行自然语言搜索：
list_agents：返回指定 Google Cloud 项目和位置中的智能体的分页列表。list_mcp_servers：返回 Google Cloud 指定项目和位置中的 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的端点和手动载入的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 服务器还公开了以编程方式管理注册表条目的工具：
create_service：通过提供 JSON 规范，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资源的规范或参数，例如修补上传的智能体卡片。delete_service：删除Service资源，从而有效地从注册表中取消注册手动载入的智能体、MCP 服务器或端点。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 检查器 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。
POST /mcp HTTP/1.1
Host: agentregistry.googleapis.com
Content-Type: application/json
{
"jsonrpc": "2.0",
"method": "tools/list"
}
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。
以下是您可以与已连接的 AI 应用搭配使用的提示示例：
- 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： “哪些注册的 MCP 服务器提供 BigQuery 数据工具？”
- 检索特定资源详细信息： “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。”
可选的安防和安全配置
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， Google Cloud 提供了默认设置和可自定义的 政策，用于控制 MCP 工具在您的 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 是一项旨在增强 AI 应用安全性和 安全性的 Google Cloud 服务。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。
在启用 日志记录的情况下启用 Model Armor 后，Model Armor 会记录整个 载荷。这可能会在日志中公开敏感信息。
将 MCP 请求路由到 Model Armor
Model Armor 在 某些区域提供。启用 Model Armor 后，如果您在 Model Armor 不支持的司法管辖区中使用 MCP 服务器，则调用的路由行为可能因 MCP 服务器而异，并且可能会违反使用中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
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
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。
设置启用了 MCP 清理的 Model Armor 下限设置。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响应。ENABLED：用于启用过滤条件或 强制执行的设置。MEDIUM_AND_ABOVE：Responsible AI - Dangerous 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误报。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与 Google MCP 服务器之间的流量，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 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的流量扫描和安全行为，而不仅仅是 MCP。
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 Google MCP 服务器。
您可以组合多个条件来构建自定义安防和治理政策，方法是根据以下条件允许或拒绝访问：
- 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。