Model Context Protocol (MCP) 可规范大语言模型 (LLM) 和 AI 应用或代理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，以实现 AI MCP 客户端与 MCP 服务器之间的通信。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，并且可以使用标头进行路由。无需 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往返请求 (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，包括以下标头：
- 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。这些标头使用
x-mcp-header属性从工具的输入架构镜像到 HTTP 标头中。例如，MCP 服务器可能会定义一个自定义标头来指定 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 的规范和主要变更。
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：- 简化了集中式发现
- 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 服务器的安全性和治理控制措施，请参阅 Google Cloud MCP 服务器概览。
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 theresourcemanager.projects.createpermission. Learn how to grant roles.
-
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.
-
Verify that billing is enabled for your Google Cloud project.
Enable the BigQuery and Dataform APIs.
Roles required to enable APIs
To enable APIs, you need the
serviceusage.services.enablepermission. 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.- 将 Dataform 代码库连接到 Git 提供商（例如 GitHub 或 GitLab）。如需了解详情，请参阅连接到第三方 Git 代码库。
- 使用有效的 OAuth 令牌和 BigQuery 范围配置 AI 智能体。
所需的角色
如需获得使用 Dataform MCP 服务器所需的权限，请让您的管理员为您授予 Google Cloud 项目的以下 IAM 角色：
-
进行 MCP 工具调用：
MCP Tool User (
roles/mcp.toolUser) -
创建 Dataform 代码库、工作区和修改文件：
Dataform Editor (
roles/dataform.editor) -
运行 BigQuery 作业：BigQuery Job User (
roles/bigquery.jobUser)
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 Dataform 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 Dataform MCP 服务器，需要以下权限：
-
进行 MCP 工具调用：
mcp.tools.call -
创建 Dataform 代码库、工作区和修改文件：
-
dataform.workspaces.create -
dataform.workspaces.get -
dataform.workspaces.list -
dataform.workspaces.delete -
dataform.workspaces.readFile -
dataform.workspaces.writeFile -
dataform.workspaces.moveFile -
dataform.workspaces.removeFile -
dataform.workspaces.queryDirectoryContents -
dataform.workspaces.searchFiles -
dataform.workspaces.commit -
dataform.workspaces.push -
dataform.workspaces.pull -
dataform.workspaces.fetchHistory -
dataform.workspaces.fetchDiff -
dataform.workspaces.fetchFileGitStatuses -
dataform.compilationResults.create -
dataform.compilationResults.get -
dataform.compilationResults.list -
dataform.workflowInvocations.create -
dataform.workflowInvocations.get -
dataform.workflowInvocations.list -
dataform.repositories.get -
dataform.repositories.list -
dataform.repositories.update -
dataform.folders.create -
dataform.locations.get -
dataform.locations.list
-
-
运行 BigQuery 作业：
-
bigquery.jobs.create -
bigquery.config.get
-
身份验证和授权
Dataform 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。Dataform MCP 服务器通过以下身份验证和授权机制管理访问权限：
- 发现 (
tools/list) 请求不需要身份验证，这使代理能够识别可用的 Dataform 工具，而无需事先获得授权。 - 执行 (
tools/call) 请求使用 OAuth 进行身份验证，要求代理提供使用 BigQuery 范围的有效 OAuth 令牌。如需了解详情，请参阅 Dataform MCP OAuth 范围。
我们建议您为使用 MCP 工具的代理创建单独的身份，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。
Dataform 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。
为了与 Dataform MCP 服务器互动，代理必须使用 BigQuery OAuth 范围。此范围允许代理管理转换代码并触发以 BigQuery 作业形式运行的执行。
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 Dataform 所需的范围列表，请参阅 Dataform API。
配置 MCP 客户端以使用 Dataform MCP 服务器
Claude 或 Antigravity 等 AI 应用和代理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。
在 AI 应用中，寻找添加或连接到远程 MCP 服务器的方式。 对于 Dataform MCP 服务器，请执行以下操作：
- 服务器名称：Dataform MCP 服务器
服务器网址或端点：
https://dataform.REGION.rep.googleapis.com/mcp将
REGION替换为您的仓库所在的区域，例如us-central1。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。
如需查看有关设置和连接到 MCP 服务器的应用专用指南，请参阅特定于客户端的指南。
如需更一般的指导，请参阅以下资源：
智能体功能
Dataform MCP 服务器提供了一组工具，使 AI 智能体能够通过编排 Dataform API 调用来与数据转换工作流进行交互并对其进行调试。服务器提供了一些工具，可用于执行以下操作：
- 编写流水线代码。代理可以创建和列出开发工作区、搜索和修改多个文件，以及将更改提交或推送到 GitHub 或 GitLab 等远程 Git 提供商。
- 设置单文件素材资源。代理管理基本资源设置，包括代码库创建和目录内容查询。
- 管理流水线和发布。代理负责管理工作流和发布配置、生成编译结果，以及触发或取消工作流调用。
- 问题排查和验证。代理通过检索编译结果和查询工作流调用操作来确定流水线失败的原因。
对于连接到远程 Git 主机的代码库，代理必须使用工作区工具（例如 create_workspace 和 commit_workspace_changes）进行流水线开发。直接代码库工具无法处理这些代码库，因为此类工具仅适用于 Google 托管的代码库中的单文件资产。
可用工具
如需查看 Dataform MCP 服务器的可用 MCP 工具的详细信息及其说明，请参阅 Dataform MCP 参考文档。
列出工具
使用 MCP 检查器列出工具，或直接向 Dataform 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: dataform.googleapis.com
Content-Type: application/json
{
"jsonrpc": "2.0",
"method": "tools/list",
"id": 1
}
示例提示
使用以下提示示例获取有关 Dataform 资源的信息、在工作区中编写流水线代码、编排工作流或排查执行问题：
- “在项目
PROJECT_ID中创建一个名为REPOSITORY_ID的新 Dataform 代码库。” - “在我的项目中创建一个名为
FOLDER_NAME的新文件夹。” - “在我的代码库中创建一个名为
WORKSPACE_NAME的新工作区。” - “在我的工作区中搜索名为
FILE_NAME的文件。” - “读取我工作区中
FILE_NAME的内容。” - “提交我的工作区更改并将其推送到远程 Git 分支。”
- “在项目
PROJECT_ID中创建新的笔记本资源。” - “将更改提交到
REPOSITORY_ID中保存的查询。” - “创建工作流配置，以安排我的流水线每天上午 8:00 运行。”
- “为
WORKFLOW_CONFIGURATION_ID工作流配置触发新的执行。” - “检查我最近的流水线执行状态，告诉我是否有任何流水线执行失败，包括错误详情。”
- “显示失败的特定执行的详细信息。”
- “列出项目
PROJECT_ID的REGION区域中的所有 Dataform 代码库。” - “取消仓库
REPOSITORY_ID中名为WORKFLOW_INVOCATION_ID的工作流调用，该调用目前正在运行。”
在提示中，替换以下内容：
FILE_NAME：文件的名称。FOLDER_NAME：文件夹的名称。PROJECT_ID： Google Cloud 项目 ID。REGION：区域的名称。REPOSITORY_ID：Dataform 代码库的唯一标识符，例如quickstart-repository。WORKFLOW_CONFIGURATION_ID：工作流配置的唯一标识符。WORKFLOW_INVOCATION_ID：特定工作流执行的唯一标识符。您可以从workflowInvocations.list请求的结果中或从workflowInvocations.create响应的name字段中获取此标识符。WORKSPACE_NAME：工作区的名称。
可选的安全配置
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 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。
如果启用 Model Armor 并启用日志记录，Model Armor 会记录整个载荷。这可能会泄露日志中的敏感信息。
MCP 请求路由到 Model Armor
Dataform MCP 服务器使用跨司法管辖区路由。启用 Model Armor 后，MCP 服务器会将所有请求发送给 Model Armor 进行筛查。跨管辖区路由可能会违反现有数据驻留合规性承诺（针对使用中和传输中的数据）。如需详细了解其他 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 Google 和 Google Cloud 远程 MCP 服务器配置保护
为了帮助保护您的 MCP 工具调用和响应，您可以使用 Model Armor 下限设置。下限设置用于定义适用于整个项目的最低安全过滤条件。此配置可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 清理功能的 Model Armor 下限设置。如需了解详情，请参阅配置 Model Armor 底价设置。
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：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的强制执行类型。ENABLED：用于启用过滤或强制执行的设置。MEDIUM_AND_ABOVE：Responsible AI - Dangerous 过滤设置的置信度。您可以修改此设置，但较低的值可能会导致出现更多假正例。如需了解详情，请参阅 Model Armor 置信度级别。
禁止使用 Model Armor 扫描 MCP 流量
如需停止 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（而不仅仅是 MCP）中的流量扫描和安全行为。
使用 IAM 拒绝政策控制 MCP 使用情况
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。
您可以组合多个条件来构建自定义的安全和治理政策，方法是根据以下条件允许或拒绝访问：
- 委托人。
- 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
- 阅读 Dataform MCP 参考文档。
- 详细了解 Google Cloud MCP 服务器。