Usar o servidor MCP do serviço de migração 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 do Protocolo de Contexto de Modelo (MCP, na sigla em inglês) do serviço de migração do BigQuery para realizar tarefas como traduzir consultas SQL e lotes de arquivos SQL para a sintaxe do GoogleSQL, traduzir metadados em instruções DDL, gerar sugestões de DDL com base em consultas de entrada SQL e receber explicações de traduções SQL. 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 fluxos 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.

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 Migration Service, 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

Funções exigidas

Para receber as permissões necessárias para ativar o servidor MCP do serviço de migração do BigQuery, peça ao administrador para conceder a você os seguintes papéis do IAM no projeto em que você quer ativar o servidor MCP do serviço de migração 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 ativar o servidor MCP do serviço de migração do BigQuery. Para acessar as permissões exatas necessárias, expanda a seção Permissões necessárias:

Permissões necessárias

As permissões a seguir são necessárias para ativar o servidor MCP do serviço de migração do BigQuery:

  • Fazer chamadas de ferramentas do MCP: mcp.tools.call
  • Use o serviço de migração do BigQuery:
    • bigquerymigration.workflows.create
    • bigquerymigration.workflows.get
    • bigquerymigration.workflows.list
    • bigquerymigration.workflows.delete
    • bigquerymigration.subtasks.get
    • bigquerymigration.subtasks.list
  • Acessar buckets do Cloud Storage para arquivos de entrada e saída:
    • storage.objects.get
    • storage.objects.list
    • storage.objects.create

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

Outras permissões do serviço de migração do BigQuery podem ser necessárias, dependendo da tarefa. Para informações sobre os papéis e as permissões do serviço de migração do BigQuery, consulte Papéis e permissões do serviço de migração do BigQuery.

Autenticação e autorização

Os servidores MCP do serviço de migração do BigQuery usam o protocolo OAuth 2.0 com o Identity and Access Management (IAM) para autenticação e autorização. Todas as identidades doGoogle Cloud são compatíveis com a autenticação em servidores MCP.

O servidor MCP do serviço de migração do BigQuery não aceita chaves de API.

Escopos OAuth do MCP do serviço de migração 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 serviço de migração do BigQuery tem os seguintes escopos OAuth da ferramenta MCP:

URI de escopo para a CLI gcloud Descrição
https://www.googleapis.com/auth/bigquerymigration Ver e gerenciar seus fluxos de trabalho no serviço de migração do BigQuery e ver o endereço de e-mail da sua Conta do Google.
https://www.googleapis.com/auth/devstorage.read_only Esse escopo é necessário para ferramentas que leem arquivos de entrada do Cloud Storage, como arquivos de metadados, entradas de tradução em lote e entradas de sugestão de DDL em lote.

Os recursos acessados durante uma chamada de ferramenta podem exigir escopos adicionais.

Configurar um cliente MCP para usar o servidor MCP do serviço de migração 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.

Registre o servidor MCP usando add-mcp.

É possível registrar automaticamente o servidor MCP do serviço de migração do BigQuery em clientes de IA compatíveis usando add-mcp sem localizar manualmente os caminhos arquivo de configuração. A ferramenta detecta automaticamente os clientes de IA instalados. O exemplo a seguir mostra como usar add-mcp para registrar o servidor MCP do serviço de migração do BigQuery:

npx add-mcp https://bigquerymigration.googleapis.com/mcp --name bqms --header "x-goog-user-project: PROJECT_ID" --scopes "https://www.googleapis.com/auth/bigquerymigration,https://www.googleapis.com/auth/devstorage.read_only" --timeout 30000

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

  • Nome do servidor: servidor MCP do serviço de migração do BigQuery
  • URL do servidor ou endpoint: bigquerymigration.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 serviço de migração do BigQuery.
{
  "name": "BQMS-MCP",
  "version": "1.0.0",
  "mcpServers": {
    "BigQueryMigration": {
      "httpUrl": "https://bigquerymigration.googleapis.com/mcp",
      "authProviderType": "google_credentials",
      "oauth": {
        "scopes": [
          "https://www.googleapis.com/auth/bigquerymigration",
          "https://www.googleapis.com/auth/devstorage.read_only"
        ]
      },
      "timeout": 30000,
      "headers": {
        "x-goog-user-project": "PROJECT_ID"
      }
    }
  }
}

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 serviço de migração do BigQuery, consulte a referência do MCP do serviço de migração do BigQuery.

Listar ferramentas

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

curl -X POST https://bigquerymigration.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. Para o serviço de migração do BigQuery, é mcp.
  • MCP_PROTOCOL_VERSION: a versão do protocolo MCP. Por exemplo, 2026-07-28.

Exemplos de casos de uso

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

  • Usando um cliente MCP com um ambiente de desenvolvimento integrado, traduza um arquivo de consulta para a sintaxe do GoogleSQL.
  • Usando um cliente MCP sem um ambiente de desenvolvimento integrado, traduza uma consulta especificada para a sintaxe do GoogleSQL.
  • Avaliar a qualidade da tradução.
  • Receber explicações sobre traduções de SQL.
  • Gera uma instrução DDL para uma consulta especificada.
  • Traduza um diretório de arquivos SQL armazenados no Cloud Storage para a sintaxe do GoogleSQL.
  • Traduza um arquivo ZIP de metadados do sistema de origem em instruções DDL para o BigQuery.
  • Gere instruções DDL para as tabelas e visualizações que um lote de arquivos SQL referencia.

Comandos de amostra

Use os seguintes comandos de exemplo para criar e gerenciar recursos do serviço de migração do BigQuery:

Traduzir uma consulta

Use os comandos a seguir para traduzir uma consulta, avaliar a qualidade, explicar traduções ou gerar sugestões de DDL:

  • Traduza a consulta DIALECT neste FILENAME. Use PROJECT_ID e LOCATION. Persista os registros de saída e tradução em diretórios separados.

    Quando você usa esse comando, o cliente do MCP chama a ferramenta translate_query para traduzir a consulta no arquivo especificado. O cliente do MCP chama periodicamente a ferramenta get_translation para receber os resultados. Depois que a tradução é concluída, o cliente grava a saída no diretório de saída e os registros no diretório de registros.

  • Traduza esta consulta de DIALECT: QUERY. Use PROJECT_ID e LOCATION.

    Quando você usa esse comando, o cliente do MCP chama a ferramenta translate_query para traduzir a consulta especificada e mostra os resultados da tradução.

  • Avalie a qualidade da tradução.

    Quando você usa esse comando, o cliente MCP lê e examina os registros de tradução e mostra um resumo dos problemas de tradução com as próximas etapas sugeridas.

  • Explique a tradução.

    Quando você usa esse comando, o cliente MCP chama a ferramenta explain_translation para receber uma explicação da tradução. Se os registros de tradução contiverem erros RelationNotFound ou AttributeNotFound, o cliente MCP vai sugerir que você crie um pacote de metadados. Se não for possível gerar os metadados, envie um comando que solicite a instrução DDL.

    Veja um exemplo de resposta:

    The translated code converts Teradata-specific features into their
BigQuery equivalents. Here's a breakdown of the key changes:
* `MACRO` to `PROCEDURE`: The `YourMacroName` macro was converted
into a BigQuery stored procedure because
BigQuery doesn't support macros.
* `SELECT INTO` to `SET`:
  * For setting multiple `OUT` parameters in `YourStoredProcedureName`, the
    `SELECT ... INTO` is changed to `SET (...) = (SELECT STRUCT(...))`.
  * For single variable assignment in `YourOtherProcedureName`,
    `SELECT ... INTO` is replaced by `SET variable = (SELECT ...)` which is
    the standard in BigQuery.
* Atomic Operations to `MERGE: The BEGIN REQUEST ... END REQUEST` blocks in
  the `ProcedureA`, `ProcedureB`, and `ProcedureC` procedures,
  which perform atomic "update or insert" operations, are translated into
  standard SQL `MERGE` statements. This is the correct and modern way to
  handle this logic in BigQuery.

  • Gere DDL para esta consulta de entrada.

    O cliente do MCP chama a ferramenta generate_ddl_suggestion para iniciar um job de sugestão. O cliente recebe os resultados da sugestão chamando a ferramenta fetch_ddl_suggestion. Quando a sugestão está disponível, o cliente do MCP a exibe.

    Se as instruções DDL estiverem corretas, envie um comando para anexar as instruções DDL geradas à consulta para melhorar a qualidade da tradução.

  • Adicione as instruções DDL geradas à consulta de entrada e traduza novamente.

    Quando você usa esse comando, o cliente MCP adiciona as instruções DDL à consulta de entrada original e chama a ferramenta translate_query. O cliente chama a ferramenta get_translation para receber a tradução. A nova tradução de consulta e os registros persistem quando estão disponíveis.

    Se as instruções DDL geradas estiverem corretas, todos os erros RelationNotFound ou AttributeNotFound serão resolvidos, o que resulta em uma melhor qualidade de tradução.

Traduzir consultas em lote

Use os comandos a seguir para traduzir arquivos SQL ou de metadados armazenados no Cloud Storage ou para gerar sugestões de DDL para um lote de arquivos SQL:

  • Traduza os arquivos SQL DIALECT em SOURCE_URI para o GoogleSQL e grave a saída em TARGET_URI. Use PROJECT_NUMBER e LOCATION.

    Quando você usa esse comando, o cliente do MCP chama a ferramenta translate_batch_queries e, em seguida, chama periodicamente a ferramenta fetch_batch_translation até que o estado da tradução seja SUCCEEDED ou FAILED. O servidor grava os arquivos SQL traduzidos e o relatório de resumo translation_report.csv em TARGET_URI. Para mais informações sobre os arquivos de saída, consulte Analisar a saída da tradução.

    Para melhorar a qualidade da tradução, inclua um arquivo ZIP de metadados e todos os arquivos YAML de configuração em SOURCE_URI. O tradutor detecta esses arquivos automaticamente. Recomendamos usar um TARGET_URI vazio para cada tradução, para que as saídas de traduções diferentes não se misturem.

  • Traduza o arquivo de metadados DIALECT METADATA_FILE_URI para o DDL do BigQuery. Gravar a saída em TARGET_URI. Use PROJECT_NUMBER e LOCATION.

    Quando você usa esse comando, o cliente do MCP chama a ferramenta translate_metadata e, em seguida, chama periodicamente a ferramenta fetch_batch_translation até que o estado da tradução seja SUCCEEDED ou FAILED. O servidor grava as instruções DDL geradas e os mapeamentos de tabela em TARGET_URI. Se a tradução falhar, o cliente vai ler os registros de tradução de fetch_batch_translation para diagnosticar o problema. Para mais informações, consulte Traduzir metadados.

  • Gere DDL para os arquivos SQL DIALECT em SOURCE_URI e grave a saída em TARGET_URI. Use PROJECT_NUMBER e LOCATION.

    Quando você usa esse comando, o cliente do MCP chama a ferramenta generate_batch_ddl_suggestion e, em seguida, chama periodicamente a ferramenta fetch_batch_ddl_suggestion até que o estado da sugestão seja SUCCEEDED ou FAILED. O servidor grava as instruções DDL sugeridas no diretório do Cloud Storage retornado na resposta fetch_batch_ddl_suggestion. Para traduzir novamente com as instruções DDL sugeridas, copie-as como arquivos SQL descompactados para um diretório em SOURCE_URI e execute translate_batch_queries novamente.

    As instruções DDL sugeridas são inferidas de como os arquivos SQL usam as tabelas e visualizações, portanto, são aproximadas. Use esse comando apenas quando não for possível gerar um arquivo ZIP de metadados no sistema de origem. Para mais informações, consulte Gerar DDL de origem.

Nos comandos, substitua o seguinte:

  • DIALECT: o dialeto da consulta SQL, dos arquivos ou dos metadados que você está traduzindo.
  • QUERY: a consulta que você está traduzindo.
  • FILENAME: o arquivo que contém a consulta que você está traduzindo.
  • SOURCE_URI: o diretório do Cloud Storage que contém os arquivos de entrada, como gs://my_bucket/teradata/input/.
  • TARGET_URI: o diretório do Cloud Storage que recebe as saídas, como gs://my_bucket/teradata/output/.
  • METADATA_FILE_URI: o caminho do Cloud Storage do arquivo ZIP de metadados, como gs://my_bucket/teradata/metadata.zip. Para criar esse arquivo, consulte Gerar metadados para tradução.
  • PROJECT_NUMBER: o número do projeto do Google Cloud .
  • LOCATION: o local do tradutor de SQL.

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 segurança e 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.

Roteamento 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 ajudar a proteger as chamadas de ferramenta e as respostas de ferramentas do MCP, use as configurações mínimas 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 de ferramenta e respostas 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.

Veja 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 restrição.
  • 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 mudança 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 as políticas de 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

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
explain_translation GetMigrationWorkflow Cotas e limites da API BigQuery Migration
fetch_batch_ddl_suggestion GetMigrationWorkflow Cotas e limites da API BigQuery Migration
fetch_batch_translation GetMigrationWorkflow Cotas e limites da API BigQuery Migration
fetch_ddl_suggestion GetMigrationWorkflow Cotas e limites da API BigQuery Migration
generate_batch_ddl_suggestion CreateMigrationWorkflow Cotas e limites da API BigQuery Migration
generate_ddl_suggestion CreateMigrationWorkflow Cotas e limites da API BigQuery Migration
get_translation GetMigrationWorkflow Cotas e limites da API BigQuery Migration
translate_batch_queries CreateMigrationWorkflow Cotas e limites da API BigQuery Migration
translate_metadata CreateMigrationWorkflow Cotas e limites da API BigQuery Migration
translate_query CreateMigrationWorkflow Cotas e limites da API BigQuery Migration

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

A seguir