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 Bigtable 远程 MCP 服务器

本文档介绍了如何使用 Bigtable 远程 Model Context Protocol (MCP) 服务器连接到 AI 应用，包括 Gemini CLI、ChatGPT、Claude 和您正在开发的自定义应用。借助 Bigtable 远程 MCP 服务器，您可以从 AI 应用查询 Bigtable。启用 Bigtable API 后，系统会启用 Bigtable 远程 MCP 服务器。

Model Context Protocol (MCP) 可标准化大型语言模型 (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。

准备工作

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.
Note: If you don't plan to keep the resources that you create in this procedure, create a project instead of selecting an existing project. After you finish these steps, you can delete the project, removing all resources associated with the project.

Go to project selector
Verify that billing is enabled for your Google Cloud project.
Enable the Bigtable Admin API.
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

运行以下命令以安装 cbt CLI ：
```
gcloud components install cbt
```

所需的角色

如需获得使用 Bigtable 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 Bigtable 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)
拥有对 Bigtable 资源的完整访问权限： Bigtable Administrator (roles/bigtable.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 Bigtable 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 Bigtable MCP 服务器，您需要拥有以下权限：

进行 MCP 工具调用： mcp.tools.call
授予对 Bigtable 资源的完整访问权限，并允许您分配 Bigtable IAM 角色： bigtable.admin

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

Bigtable 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。

Bigtable 远程 MCP 服务器不接受 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。

Bigtable 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。

Bigtable 具有以下 MCP 工具 OAuth 范围：

gcloud CLI 的范围 URI	说明
`https://www.googleapis.com/auth/bigtable.admin`	授予对 Bigtable 资源的完整访问权限，并允许您分配 Bigtable IAM 角色。

在工具调用期间访问的资源可能需要其他范围。如需查看 Bigtable 所需的范围列表，请参阅 Bigtable Admin API v2 的 OAuth 2.0 范围。

配置 MCP 客户端以使用 Bigtable MCP 服务器

AI 应用和智能体（例如 Claude 或 Antigravity）可以实例化连接到单个 MCP 服务器的 MCP 客户端。AI 应用可以有多个客户端，这些客户端连接到不同的 MCP 服务器。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，找到添加或连接到远程 MCP 服务器的方法。对于 Bigtable MCP 服务器，请根据需要输入以下信息：

服务器名称：Bigtable MCP 服务器
服务器网址 或端点：https://bigtableadmin.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 Bigtable 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，您必须在创建客户端 ID 和密钥以进行身份验证时，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。自定义重定向 URI 不受支持。

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。

如需更通用的指南，请参阅以下资源：

可用工具

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

列出工具

使用 MCP 检查器列出工具，或直接向 Bigtable tools/list 远程 MCP 服务器发送 HTTP 请求。tools/list 方法不需要身份验证。

POST /mcp HTTP/1.1
Host: bigtableadmin.googleapis.com
Content-Type: application/json

{
  "jsonrpc": "2.0",
  "method": "tools/list",
}

示例提示

您可以使用以下示例提示来创建或删除 Bigtable 资源并获取有关这些资源的信息：

“在可用区 ZONE_ID 的项目 PROJECT_ID 中创建具有 NODES 个节点的实例 INSTANCE_ID。”
“列出项目 PROJECT_ID 中的实例。”
“获取项目 PROJECT_ID 中的实例 INSTANCE_ID。”
“删除项目 PROJECT_ID 中的实例 INSTANCE_ID。”
“在项目 PROJECT_ID 的实例 INSTANCE_ID 中创建表 TABLE_ID。”
“列出项目 PROJECT_ID 的实例 INSTANCE_ID 中的表。”
“获取项目 PROJECT_ID 的实例 INSTANCE_ID 中的表 TABLE_ID。”
“删除项目 PROJECT_ID 的实例 INSTANCE_ID 中的表 TABLE_ID。”

在提示中，替换以下内容：

将 PROJECT_ID 替换为您的 Google Cloud 项目 ID。
将 INSTANCE_ID 替换为 Bigtable 实例 ID。
将 ZONE_ID 替换为集群运行所在的可用区。
将 TABLE_ID 替换为 Bigtable 表 ID。
如果要控制集群中的节点数，请将 NODES 替换为集群中所需的节点数。如果未指定，则默认值为 1。

可选的安全配置

由于您可以使用 MCP 工具执行各种操作，因此 MCP 引入了新的安全风险和注意事项。为了最大限度地降低和管理这些风险， Google Cloud 提供了默认设置和可自定义的政策，以控制组织或项目中使用 MCP 工具的方式。 Google Cloud

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。

如果启用了 Model Armor 并启用了日志记录，Model Armor 会记录整个载荷。这可能会在日志中公开敏感信息。

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。
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，则可能已通过所有者角色 (roles/owner) 拥有此权限。否则，您可以通过 Service Usage Admin 角色 (roles/serviceusage.serviceUsageAdmin) 获取此权限。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，初始化 Google Cloud CLI，方法是运行以下命令：
```
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 Google 和 Google Cloud 远程 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：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 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 拒绝政策控制 MCP 的使用

Identity and Access Management (IAM) 拒绝政策有助于保护 Google Cloud 远程 MCP 服务器。配置这些政策以阻止不必要的 MCP 工具访问。

例如，您可以根据以下条件拒绝或允许访问：

正文
工具属性（例如只读）
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。