Usar o servidor MCP do BigQuery

Neste documento, mostramos como usar o servidor remoto do Protocolo de Contexto de Modelo (MCP) do BigQuery para se conectar a aplicativos de IA, incluindo Antigravity, ChatGPT, Claude e aplicativos personalizados que você está desenvolvendo. É possível usar o servidor MCP remoto do BigQuery para realizar tarefas como executar consultas, receber metadados e listar recursos. O servidor MCP remoto do BigQuery é ativado quando você ativa a API BigQuery.

O Protocolo de Contexto de Modelo (MCP) padroniza como os modelos de linguagem grandes (LLMs) e os aplicativos ou agentes de IA se conectam a fontes de dados externas. Os servidores MCP permitem que você use as ferramentas, os recursos e os comandos deles para realizar ações e receber dados atualizados do serviço de back-end.

Qual é a diferença entre servidores MCP locais e remotos?

Servidores MCP locais
Normalmente, são executados na máquina local e usam os streams de entrada e saída padrão (stdio) para comunicação entre serviços no mesmo dispositivo.
Servidores MCP remotos
São executados na infraestrutura do serviço e oferecem um endpoint HTTP para que os aplicativos de IA se comuniquem entre o cliente MCP de IA e o servidor MCP. Para mais informações sobre a arquitetura do MCP, consulte Arquitetura do MCP.

Núcleo sem estado

Com a versão 2026-07-28 do MCP, o MCP muda de um protocolo bidirecional com estado para um protocolo sem estado. Cada solicitação do MCP é autodescritiva e pode ser roteada usando cabeçalhos. Não é necessário o handshake initialize/initialized ou Mcp-Session-Id porque cada solicitação inclui todas as informações necessárias nos cabeçalhos HTTP ou no parâmetro _meta. Os servidores MCP podem solicitar mais informações necessárias para uma ferramenta usando solicitações de ida e volta (MRTR, na sigla em inglês).

Para ajudar a rotear e processar solicitações sem analisar o corpo da solicitação, alguns cabeçalhos do MCP são necessários, incluindo os seguintes:

Para mais informações sobre a arquitetura do MCP, consulte a especificação e as principais mudanças da versão 2026-07-28 do MCP.

Você pode usar o servidor MCP local do BigQuery pelos seguintes motivos:

  • Você precisa criar uma ferramenta personalizada com base em uma consulta SQL parametrizada.
  • Você não tem permissões para ativar ou usar o servidor MCP no seu projeto.

Para permitir que os agentes acessem recursos avançados do BigQuery, como programação, gerenciamento de permissões e gerenciamento de reservas, use a ferramenta run_bq_command disponível no servidor MCP da CLI do Google Cloud. Para mais informações, consulte Usar o servidor MCP remoto da Google Cloud CLI.

Para mais informações sobre como usar nosso servidor MCP local, consulte Conectar LLMs ao BigQuery com o MCP. As seções a seguir se aplicam apenas ao servidor MCP remoto do BigQuery.

Servidores MCP remotos do Google e do Google Cloud

Os servidores MCP remotos do Google e do Google Cloud têm os seguintes recursos e benefícios:

  • Descoberta simplificada e centralizada
  • Endpoints HTTP globais ou regionais gerenciados
  • Autorização detalhada
  • Segurança opcional de comandos e respostas com a proteção do Model Armor
  • Geração de registros de auditoria centralizada

Para informações sobre outros servidores MCP e sobre os controles de segurança e governança disponíveis para servidores MCP do Google Cloud, consulte Visão geral dos servidores MCP do Google Cloud.

Antes de começar

  1. In the Google Cloud console, on the project selector page, select or create a Google Cloud 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. Ative a API BigQuery, se ainda não estiver ativada.

    Funções necessárias para ativar APIs

    Para ativar APIs, você precisa da permissão serviceusage.services.enable. Se você criou o projeto, provavelmente já tem essa permissão pelo papel de proprietário (roles/owner). Caso contrário, é possível conseguir essa permissão pelo papel de administrador do Service Usage (roles/serviceusage.serviceUsageAdmin). Saiba como conceder papéis.

    Ativar a API

    Para novos projetos, a API BigQuery é ativada automaticamente.

  4. Opcional: ative o faturamento do projeto. Se você não quiser ativar o faturamento ou informar um cartão de crédito, as etapas deste documento ainda funcionarão. O BigQuery fornece um sandbox para executar as etapas. Para mais informações, consulte Ativar o sandbox do BigQuery.

Funções exigidas

Para receber as permissões necessárias para usar o servidor MCP do BigQuery, peça ao administrador para conceder a você os seguintes papéis do IAM no projeto em que você quer usar o servidor MCP do BigQuery:

Para mais informações sobre a concessão de papéis, consulte Gerenciar o acesso a projetos, pastas e organizações.

Esses papéis predefinidos contêm as permissões necessárias para usar o servidor MCP do BigQuery. Para acessar as permissões exatas necessárias, expanda a seção Permissões necessárias:

Permissões necessárias

As permissões a seguir são necessárias para usar o servidor MCP do BigQuery:

  • Fazer chamadas de ferramentas do MCP: mcp.tools.call
  • Executar jobs do BigQuery: bigquery.jobs.create
  • Consultar dados do BigQuery: bigquery.tables.getData

Essas permissões também podem ser concedidas com funções personalizadas ou outros papéis predefinidos.

Outras permissões do BigQuery podem ser necessárias, dependendo da tarefa. Para informações sobre as permissões do BigQuery, consulte Papéis e permissões do IAM do BigQuery.

Autenticação e autorização

Os servidores MCP do BigQuery usam o protocolo OAuth 2.0 com o IAM para autenticação e autorização. Todas as identidades doGoogle Cloud são compatíveis com a autenticação em servidores MCP.

Recomendamos que você crie uma identidade separada para os agentes que usam ferramentas do MCP, para que o acesso aos recursos possa ser controlado e monitorado. Para mais informações sobre autenticação, consulte Autenticar em servidores MCP.

Escopos OAuth do MCP do BigQuery

O OAuth 2.0 usa escopos e credenciais para determinar se um principal autenticado tem autorização para realizar uma ação específica em um recurso. Para mais informações sobre os escopos do OAuth 2.0 no Google, consulte Como usar o OAuth 2.0 para acessar as APIs do Google.

O BigQuery tem os seguintes escopos OAuth da ferramenta MCP:

URI de escopo para a CLI gcloud Descrição
https://www.googleapis.com/auth/bigquery Ver e gerenciar seus dados no BigQuery e ver o endereço de e-mail da sua Conta do Google.

Escopos adicionais podem ser necessários nos recursos acessados durante uma chamada de ferramenta. Para ver uma lista de escopos necessários para o BigQuery, consulte Escopos do OAuth 2.0 para a API BigQuery v2.

Configurar um cliente MCP para usar o servidor MCP do BigQuery

Os aplicativos e agentes de IA, como o Claude ou o Antigravity, podem instanciar um cliente MCP que se conecta a um único servidor MCP. Um aplicativo de IA pode ter vários clientes que se conectam a diferentes servidores MCP. Se o aplicativo não estiver listado nas orientações específicas do cliente, use as informações a seguir para se conectar na maioria dos aplicativos.

No seu aplicativo de IA, procure uma maneira de adicionar ou se conectar a um servidor MCP remoto. Para o servidor MCP do BigQuery, insira as seguintes informações conforme necessário:

  • Nome do servidor: servidor MCP do BigQuery
  • URL do servidor ou endpoint: https://bigquery.googleapis.com/mcp
  • Transporte: HTTP com streaming
  • Detalhes de autenticação: dependendo de como você quer fazer a autenticação, insira suas credenciais do Google Cloud , o ID e a chave secreta do cliente OAuth ou uma identidade e credenciais de agente. Para mais informações sobre autenticação, consulte Autenticar em servidores MCP.
  • Escopo do OAuth: o escopo do OAuth 2.0 que você quer usar ao se conectar ao servidor MCP do BigQuery.

URIs de redirecionamento

Para aplicativos baseados na Web e alguns aplicativos para computador, é necessário incluir um URI de redirecionamento na lista de permissões ao criar um ID do cliente e uma chave secreta para autenticação. Os URIs de redirecionamento são usados pelo servidor de autorização para enviar tokens ao aplicativo. A documentação do aplicativo precisa especificar o URI de redirecionamento que você precisa usar. URIs de redirecionamento personalizados não são compatíveis.

Para orientações específicas sobre como configurar e se conectar ao servidor MCP, consulte Orientações específicas para o cliente.

Para orientações mais gerais, consulte os seguintes recursos:

Ferramentas disponíveis

Para conferir detalhes das ferramentas MCP disponíveis e as descrições delas para o servidor MCP do BigQuery, consulte a referência do MCP do BigQuery.

Limitações

As ferramentas MCP do BigQuery estão sujeitas às seguintes limitações:

  • As ferramentas execute_sql e execute_sql_readonly não são compatíveis com a consulta de tabelas externas do Google Drive.
  • Por padrão, as ferramentas execute_sql e execute_sql_readonly limitam o tempo de processamento de consultas a três minutos. As consultas que levam mais de três minutos são canceladas automaticamente.
  • Os resultados da consulta são limitados a no máximo 3.000 linhas.
  • A ferramenta execute_sql_readonly permite apenas operações de leitura nos dados. Mutações como instruções DML, instruções DDL e UDFs do Python não são compatíveis.
  • A ferramenta execute_sql_readonly não é compatível com consultas que usam a Graph Query Language (GQL).

Listar ferramentas

Use o MCP Inspector para listar ferramentas ou envie uma solicitação HTTP tools/list diretamente para o servidor MCP remoto do BigQuery. O método tools/list não requer autenticação.

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

Substitua:

  • TOOLSET_ENDPOINT: o restante do endpoint do MCP após o nome do serviço. Por exemplo, para o BigQuery, pode ser mcp/toolset-name.
  • MCP_PROTOCOL_VERSION: a versão do protocolo MCP. Por exemplo, 2026-07-28.

Negar acesso a ferramentas de leitura e gravação

A única ferramenta MCP que não é somente leitura é execute_sql. É possível restringir o acesso à ferramenta execute_sql criando uma política de negação que restrinja o uso da ferramenta MCP de leitura e gravação.

Exemplos de casos de uso

Confira a seguir exemplos de casos de uso do servidor MCP do BigQuery:

  • Crie fluxos de trabalho que usem insights de dados do BigQuery para acionar determinadas ações, como criar problemas e escrever e-mails.

  • Use os recursos avançados do BigQuery, como previsão, para insights de ordem superior.

  • Crie uma experiência de conversa para seus usuários com instruções personalizadas para o agente.

  • Converse com seus dados de gráfico usando GQL.

Comandos de amostra

Use os comandos de exemplo a seguir para receber informações sobre os recursos do BigQuery, insights e analisar dados do BigQuery:

  • "Liste os conjuntos de dados no projeto PROJECT_ID."
  • "Encontre todas as consultas que executei no projeto PROJECT_ID usando o servidor MCP na região REGION. Use a tag goog-mcp-server:true para identificar os jobs de consulta que foram executados pelo servidor MCP."
  • "Encontre os principais pedidos por volume de DATASET_ID no projeto PROJECT_ID. Identifique as tabelas apropriadas, encontre o esquema correto e mostre os resultados."
  • "Crie uma previsão na tabela PROJECT_ID.DATASET_ID.TABLE_ID para os próximos anos. Use COLUMN_NAME como a coluna de dados e COLUMN_NAME como a coluna de carimbo de data/hora. Mostre as 10 principais previsões".

Nos comandos, substitua o seguinte:

  • PROJECT_ID: o ID do projeto do Google Cloud
  • REGION: o nome da região.
  • DATASET_ID: o nome do conjunto de dados
  • TABLE_ID: o nome da tabela
  • COLUMN_NAME: o nome da coluna.

Configurações opcionais de segurança e proteção

O MCP apresenta novos riscos e considerações de segurança devido à grande variedade de ações que podem ser realizadas com as ferramentas do MCP. Para minimizar e gerenciar esses riscos, oGoogle Cloud oferece configurações padrão e políticas personalizáveis para controlar o uso de ferramentas do MCP na sua organização ou projeto do Google Cloud.

Para mais informações sobre a segurança e a governança do MCP, consulte Segurança e proteção da IA.

Usar o Model Armor

O Model Armor é um serviço doGoogle Cloud projetado para aprimorar a segurança dos seus aplicativos com a IA. Ele funciona verificando de maneira proativa os comandos e respostas de LLMs, protegendo contra vários riscos e apoiando práticas de IA responsável. Seja no seu ambiente de nuvem ou em provedores de nuvem externos, o Model Armor ajuda a evitar entradas maliciosas, verificar a segurança do conteúdo, proteger dados sensíveis, manter a conformidade e aplicar suas políticas de segurança de IA de maneira consistente em todo o seu cenário de IA.

Quando o Model Armor está ativado com a geração de registros ativada, ele registra todo o payload. Isso pode expor informações sensíveis nos registros.

Encaminhamento de solicitações do MCP para o Model Armor

O Model Armor está disponível em determinadas regiões. Quando o Model Armor está ativado e você usa um servidor MCP em uma jurisdição que não é compatível com o Model Armor, o comportamento de roteamento da chamada pode ser diferente para servidores MCP diferentes e pode violar a conformidade com a residência de dados para dados em uso e em trânsito. Para mais informações sobre o comportamento de servidores MCP individuais, consulte Produtos compatíveis com o Model Armor.

Ativar o Model Armor

É necessário ativar as APIs do Model Armor antes de usá-lo.

Console

  1. Ative a API Model Armor, se ainda não estiver ativada.

    Funções necessárias para ativar APIs

    Para ativar APIs, você precisa da permissão serviceusage.services.enable. Se você criou o projeto, provavelmente já tem essa permissão pelo papel de proprietário (roles/owner). Caso contrário, é possível conseguir essa permissão pelo papel de administrador do Service Usage (roles/serviceusage.serviceUsageAdmin). Saiba como conceder papéis.

    Ativar a API

  2. Selecione o projeto em que você quer ativar o Model Armor.

gcloud

Antes de começar, siga estas etapas usando a Google Cloud CLI com a API Model Armor:

  1. Instale a Google Cloud CLI e faça login na CLI gcloud com sua identidade federada. Depois de fazer login, inicialize a Google Cloud CLI executando o seguinte comando: 

    gcloud init

  2. Execute o comando a seguir para definir o endpoint de API para o serviço Model Armor.

    gcloud config set api_endpoint_overrides/modelarmor "https://modelarmor.LOCATION.rep.googleapis.com/"

    Substitua LOCATION pela região em que você quer usar o Model Armor.

Configurar a proteção para servidores MCP remotos do Google e do Google Cloud

Para proteger as chamadas e respostas da ferramenta MCP, use as configurações de nível do Model Armor. Uma configuração mínima define os filtros de segurança mínimos que se aplicam ao projeto. Essa configuração aplica um conjunto consistente de filtros a todas as chamadas e respostas de ferramentas do MCP no projeto.

Defina uma configuração de piso do Model Armor com a sanitização do MCP ativada. Para mais informações, consulte Configurar as configurações mínimas do Model Armor.

Confira o exemplo de comando a seguir:

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"}]'

Substitua PROJECT_ID pelo ID do projeto Google Cloud .

Observe as seguintes configurações:

  • INSPECT_AND_BLOCK: o tipo de restrição que inspeciona o conteúdo do servidor MCP do Google e bloqueia comandos e respostas que correspondem aos filtros.
  • ENABLED: a configuração que ativa um filtro ou uma aplicação.
  • MEDIUM_AND_ABOVE: o nível de confiança para as configurações do filtro de IA responsável - Perigoso. É possível modificar essa configuração, mas valores mais baixos podem resultar em mais falsos positivos. Para mais informações, consulte Níveis de confiança do Model Armor.

Desativar a verificação do tráfego do MCP com o Model Armor

Para impedir que o Model Armor verifique automaticamente o tráfego de e para os servidores MCP do Google com base nas configurações de piso do projeto, execute o seguinte comando:

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

Substitua PROJECT_ID pelo ID do projeto do Google Cloud . O Model Armor não aplica automaticamente as regras definidas nas configurações de base desse projeto a nenhum tráfego de servidor MCP do Google.

As configurações de piso e gerais do Model Armor podem afetar mais do que apenas o MCP. Como o Model Armor se integra a serviços como a Vertex AI, qualquer alteração feita nas configurações de base pode afetar a verificação de tráfego e os comportamentos de segurança em todos os serviços integrados, não apenas no MCP.

Controlar o uso do MCP com políticas do IAM

As políticas de negação e permissão do Identity and Access Management (IAM) ajudam a proteger o Google Cloud e os servidores MCP do Google.

É possível combinar vários critérios para criar políticas personalizadas de segurança e governança, permitindo ou negando o acesso com base no seguinte:

  • O principal.
  • Propriedades da ferramenta, como o atributo somente leitura.
  • O nome do serviço ou da ferramenta.
  • O ID do cliente OAuth do aplicativo.

Para mais informações, consulte Controlar o uso do MCP com o Identity and Access Management.

Cotas e limites

O servidor MCP do BigQuery não tem cotas próprias. Não há limite para o número de chamadas que podem ser feitas ao servidor MCP.

Você ainda está sujeito às cotas aplicadas pelas chamadas de API feitas pelas ferramentas do servidor MCP. Os seguintes métodos de API são chamados pelas ferramentas do servidor MCP:

Ferramenta Método de API Cotas
list_dataset_ids datasets.list Cotas e limites de conjuntos de dados
list_table_ids tables.list Cotas e limites de tabelas
get_dataset_info datasets.get Cotas e limites de conjuntos de dados
get_table_info tables.get Cotas e limites de tabelas
execute_sql jobs.Query Cotas e limites de jobs de consulta
execute_sql_readonly jobs.Query Cotas e limites de jobs de consulta

Para mais informações sobre as cotas do BigQuery, consulte Cotas e limites.

A seguir