Das Model Context Protocol (MCP) standardisiert, wie Large Language Models (LLMs) und KI-Anwendungen oder -Agenten mit externen Datenquellen verbunden werden. Mit MCP-Servern können Sie deren Tools, Ressourcen und Prompts verwenden, um Aktionen auszuführen und aktualisierte Daten von ihrem Backend-Dienst abzurufen.
Was ist der Unterschied zwischen lokalen und Remote-MCP-Servern?
- Lokale MCP-Server
- Werden in der Regel auf Ihrem lokalen Computer ausgeführt und verwenden die Standardeingabe- und ‑ausgabestreams (stdio) für die Kommunikation zwischen Diensten auf demselben Gerät.
- Remote-MCP-Server
- Werden in der Infrastruktur des Dienstes ausgeführt und bieten KI-Anwendungen einen HTTP-Endpunkt für die Kommunikation zwischen dem KI-MCP-Client und dem MCP-Server. Weitere Informationen zur MCP-Architektur finden Sie unter MCP-Architektur.
Zustandsloser Kern
Mit der MCP-Version 2026-07-28 wird MCP von einem bidirektionalen, zustandsorientierten Protokoll zu einem zustandslosen Protokoll geändert.
Jede MCP-Anfrage ist selbsterklärend und kann über Header weitergeleitet werden. Der initialize/initialized-Handshake oder Mcp-Session-Id ist nicht erforderlich, da jede Anfrage alle erforderlichen Informationen in HTTP-Headern oder im Parameter _meta enthält. MCP-Server können über Multi-Round-Trip-Anfragen (MRTR) zusätzliche Informationen anfordern, die von einem Tool benötigt werden.
Damit Anfragen ohne Parsen des Anfragetexts weitergeleitet und verarbeitet werden können, sind einige MCP-Header erforderlich, darunter die folgenden:
- Header, die gemäß der MCP-Spezifikation erforderlich sind, z. B. der Header für die Protokollversion und Standardanfrageheader.
- Benutzerdefinierte Header, die vom MCP-Server definiert werden. Diese Header werden mithilfe des Attributs
x-mcp-headeraus dem Eingabeschema des Tools in HTTP-Header gespiegelt. Ein MCP-Server kann beispielsweise einen benutzerdefinierten Header definieren, um die Google Cloud -Region oder Projekt-ID anzugeben.
Weitere Informationen zur MCP-Architektur finden Sie in der Spezifikation und den wichtigsten Änderungen für die MCP-Version 2026-07-28.
Remote-MCP-Server von Google und Google Cloud
Remote-MCP-Server von Google und Google Cloud bieten die folgenden Funktionen und Vorteile:- Vereinfachte, zentrale Erkennung
- Verwaltete globale oder regionale HTTP-Endpunkte
- Detaillierte Autorisierung
- Optionale Sicherheit für Prompts und Antworten mit Model Armor-Schutz
- Zentralisiertes Audit-Logging
Informationen zu anderen MCP-Servern sowie zu den Sicherheits- und Governance-Steuerelementen für Google Cloud-MCP-Server finden Sie in der Übersicht über Google Cloud-MCP-Server.
Hinweis
-
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, if any are not already enabled.
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.- Verbinden Sie Ihr Dataform-Repository mit einem Git-Anbieter wie GitHub oder GitLab. Weitere Informationen finden Sie unter Verbindung zu einem Git-Repository eines Drittanbieters herstellen.
- Konfigurieren Sie Ihren KI-Agenten mit einem gültigen OAuth-Token und dem BigQuery-Bereich.
Erforderliche Rollen
Bitten Sie Ihren Administrator, Ihnen die folgenden IAM-Rollen für Ihr Google Cloud -Projekt zuzuweisen, um die Berechtigungen zu erhalten, die Sie zur Verwendung des Dataform-MCP-Servers benötigen:
-
MCP-Toolaufrufe ausführen:
MCP Tool User (
roles/mcp.toolUser) -
Dataform-Repositories und -Arbeitsbereiche erstellen und Dateien bearbeiten:
Dataform-Bearbeiter (
roles/dataform.editor) -
BigQuery-Jobs ausführen:
BigQuery-Jobnutzer (
roles/bigquery.jobUser)
Weitere Informationen zum Zuweisen von Rollen finden Sie unter Zugriff auf Projekte, Ordner und Organisationen verwalten.
Diese vordefinierten Rollen enthalten die Berechtigungen, die zur Verwendung des Dataform-MCP-Servers erforderlich sind. Maximieren Sie den Abschnitt Erforderliche Berechtigungen, um die notwendigen Berechtigungen anzuzeigen:
Erforderliche Berechtigungen
Die folgenden Berechtigungen sind für die Verwendung des Dataform-MCP-Servers erforderlich:
-
MCP-Toolaufrufe ausführen:
mcp.tools.call -
Dataform-Repositories und -Arbeitsbereiche erstellen und Dateien bearbeiten:
-
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
-
-
BigQuery-Jobs ausführen:
-
bigquery.jobs.create -
bigquery.config.get
-
Sie können diese Berechtigungen auch mit benutzerdefinierten Rollen oder anderen vordefinierten Rollen erhalten.
Authentifizierung und Autorisierung
Der Remote-MCP-Server von Dataform verwendet das OAuth 2.0-Protokoll mit Identity and Access Management (IAM) für die Authentifizierung und Autorisierung. Alle Google Cloud -Identitäten werden für die Authentifizierung bei MCP-Servern unterstützt.Der Dataform-MCP-Server verwaltet den Zugriff über die folgenden Authentifizierungs- und Autorisierungsmechanismen:
- Discovery-Anfragen (
tools/list) erfordern keine Authentifizierung. So können KI-Agenten verfügbare Dataform-Tools ohne vorherige Autorisierung identifizieren. - Ausführungsanfragen (
tools/call) werden mit OAuth authentifiziert. Der Agent muss ein gültiges OAuth-Token mit dem BigQuery-Bereich bereitstellen. Weitere Informationen finden Sie unter Dataform MCP OAuth-Bereiche.
Wir empfehlen, für Agenten, die MCP-Tools verwenden, eine separate Identität zu erstellen, damit der Zugriff auf Ressourcen gesteuert und überwacht werden kann. Weitere Informationen zur Authentifizierung finden Sie unter Bei MCP-Servern authentifizieren.
Dataform-MCP-OAuth-Bereiche
OAuth 2.0 verwendet Bereiche und Anmeldedaten, um zu bestimmen, ob ein authentifiziertes Hauptkonto berechtigt ist, eine bestimmte Aktion für eine Ressource auszuführen. Weitere Informationen zu OAuth 2.0-Bereichen bei Google finden Sie unter Mit OAuth 2.0 auf Google APIs zugreifen.
Für die Interaktion mit dem Dataform-MCP-Server muss der Agent den BigQuery-OAuth-Bereich verwenden. Mit diesem Bereich kann der Agent Transformationscode verwalten und Ausführungen auslösen, die als BigQuery-Jobs ausgeführt werden.
Für die Ressourcen, auf die während eines Toolaufrufs zugegriffen wird, sind möglicherweise zusätzliche Bereiche erforderlich. Eine Liste der für Dataform erforderlichen Bereiche finden Sie unter Dataform API.
MCP-Client für die Verwendung des Dataform-MCP-Servers konfigurieren
KI-Anwendungen und -Agenten wie Claude oder Antigravity können einen MCP-Client instanziieren, der eine Verbindung zu einem einzelnen MCP-Server herstellt. Eine KI-Anwendung kann mehrere Clients haben, die sich mit verschiedenen MCP-Servern verbinden. Wenn Ihre Anwendung nicht in der clientspezifischen Anleitung aufgeführt ist, können Sie die folgenden Informationen verwenden, um eine Verbindung von den meisten Anwendungen herzustellen.
Suchen Sie in Ihrer KI-Anwendung nach einer Möglichkeit, einen Remote-MCP-Server hinzuzufügen oder eine Verbindung zu ihm herzustellen. Führen Sie für den Dataform-MCP-Server die folgenden Schritte aus:
- Servername: Dataform-MCP-Server
Server-URL oder Endpunkt:
https://dataform.REGION.rep.googleapis.com/mcpErsetzen Sie
REGIONdurch die Region, in der sich Ihr Repository befindet, z. B.us-central1.Transport: Streamable HTTP
Authentifizierungsdetails: Je nachdem, wie Sie sich authentifizieren möchten, können Sie Ihre Google Cloud -Anmeldedaten, Ihre OAuth-Client-ID und Ihr OAuth-Secret oder eine Agentenidentität und Anmeldedaten eingeben. Weitere Informationen zur Authentifizierung finden Sie unter Bei MCP-Servern authentifizieren.
OAuth-Bereich: Der OAuth 2.0-Bereich, den Sie für die Verbindung mit dem Dataform-MCP-Server verwenden möchten.
Anwendungsspezifische Anleitungen zum Einrichten und Verbinden mit einem MCP-Server finden Sie unter Clientspezifische Anleitungen.
Allgemeine Informationen finden Sie in den folgenden Ressourcen:
Agentische Funktionen
Der Dataform-MCP-Server bietet eine Reihe von Tools, mit denen KI-Agenten durch Orchestrierung von Dataform API-Aufrufen mit Datentransformations-Workflows interagieren und diese debuggen können. Der Server bietet Tools für Folgendes:
- Pipelinecode erstellen. Agenten können Entwicklungsarbeitsbereiche erstellen und auflisten, mehrere Dateien suchen und bearbeiten sowie Änderungen an Remote-Git-Anbieter wie GitHub oder GitLab übertragen oder per Push übertragen.
- Assets mit einer einzelnen Datei einrichten KI-Agenten verwalten grundlegende Ressourceneinrichtungen, einschließlich der Erstellung von Repositories und der Abfrage von Verzeichnisinhalten.
- Pipelines und Releases verwalten Agenten verwalten Workflow- und Release-Konfigurationen, generieren Kompilierungsergebnisse und lösen Workflow-Aufrufe aus oder brechen sie ab.
- Fehlerbehebung und Validierung KI-Agenten ermitteln, warum Pipelines fehlschlagen, indem sie Kompilierungsergebnisse abrufen und Workflowaufrufaktionen abfragen.
Bei Repositories, die mit einem Remote-Git-Host verbunden sind, muss der Agent Arbeitsbereichstools wie create_workspace und commit_workspace_changes für die Pipeline-Entwicklung verwenden. Direkte Repository-Tools schlagen bei diesen Repositories fehl, da solche Tools nur für Assets mit einer einzelnen Datei in von Google gehosteten Repositories vorgesehen sind.
Verfügbare Tools
Details zu den verfügbaren MCP-Tools und ihren Beschreibungen für den Dataform-MCP-Server finden Sie in der Dataform-MCP-Referenz.
Tools auflisten
Verwenden Sie den MCP-Inspector, um Tools aufzulisten, oder senden Sie eine tools/list-HTTP-Anfrage direkt an den Remote-MCP-Server von Dataform. Für die Methode tools/list ist keine Authentifizierung erforderlich.
curl -X POST https://dataform.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"]
}
}
}
}
}
}'
Ersetzen Sie Folgendes:
TOOLSET_ENDPOINT: der Rest des MCP-Endpunkts nach dem Dienstnamen. Für Dataform könnte dies beispielsweisemcp/toolset-namesein.MCP_PROTOCOL_VERSION: die MCP-Protokollversion. Beispiel:2026-07-28.
Beispiel-Prompts
Mit den folgenden Beispiel-Prompts können Sie Informationen zu Dataform-Ressourcen abrufen, Pipelinecode in Arbeitsbereichen erstellen, Workflows orchestrieren oder Fehler bei Ausführungen beheben:
- „Erstelle ein neues Dataform-Repository mit dem Namen
REPOSITORY_IDim ProjektPROJECT_ID.“ - „Erstelle einen neuen Ordner mit dem Namen
FOLDER_NAMEin meinem Projekt.“ - „Erstelle einen neuen Arbeitsbereich mit dem Namen
WORKSPACE_NAMEin meinem Repository.“ - „Suche in meinem Arbeitsbereich nach Dateien mit dem Namen
FILE_NAME.“ - „Lies den Inhalt von
FILE_NAMEaus meinem Arbeitsbereich.“ - „Committe die Änderungen in meinem Arbeitsbereich und übertrage sie per Push an den Remote-Git-Zweig.“
- „Erstelle ein neues Notebook-Asset im Projekt
PROJECT_ID.“ - „Committe die Änderungen an meiner gespeicherten Abfrage in
REPOSITORY_ID.“ - „Erstelle eine Workflow-Konfiguration, die meine Pipeline so plant, dass sie jeden Tag um 8:00 Uhr ausgeführt wird.“
- „Neue Ausführung für die Workflowkonfiguration
WORKFLOW_CONFIGURATION_IDauslösen.“ - „Prüfe den Status meiner letzten Pipelineausführungen und sag mir, ob welche fehlgeschlagen sind, einschließlich der Fehlerdetails.“
- „Zeige mir die Details der fehlgeschlagenen Ausführung.“
- „Alle Dataform-Repositories in der Region
REGIONdes ProjektsPROJECT_IDauflisten.“ - „Brechen Sie den Workflowaufruf mit dem Namen
WORKFLOW_INVOCATION_IDim RepositoryREPOSITORY_IDab, der gerade ausgeführt wird.“
Ersetzen Sie in den Prompts Folgendes:
FILE_NAME: Der Name der Datei.FOLDER_NAME: der Name des Ordners.PROJECT_ID: die Projekt-ID in Google Cloud .REGION: Name der RegionREPOSITORY_ID: die eindeutige Kennung für Ihr Dataform-Repository, z. B.quickstart-repository.WORKFLOW_CONFIGURATION_ID: die eindeutige Kennung der Workflowkonfiguration.WORKFLOW_INVOCATION_ID: die eindeutige Kennung für eine bestimmte Workflowausführung. Sie können diese Kennung aus den Ergebnissen einerworkflowInvocations.list-Anfrage oder aus dem FeldnameeinerworkflowInvocations.create-Antwort abrufen.WORKSPACE_NAME: der Name des Arbeitsbereichs.
Optionale Sicherheitskonfigurationen
MCP bringt aufgrund der Vielzahl von Aktionen, die Sie mit den MCP-Tools ausführen können, neue Sicherheitsrisiken und ‑aspekte mit sich. Um diese Risiken zu minimieren und zu verwalten, bietetGoogle Cloud Standardeinstellungen und anpassbare Richtlinien, mit denen Sie die Verwendung von MCP-Tools in Ihrer Organisation oder Ihrem Projekt in Google Cloud steuern können.
Weitere Informationen zur Sicherheit und Governance von MCP finden Sie unter KI-Sicherheit.
Model Armor verwenden
Model Armor ist ein Dienst vonGoogle Cloud , der die Sicherheit Ihrer KI-Anwendungen verbessern soll. Model Armor prüft proaktiv LLM-Prompts und ‑Antworten, schützt vor verschiedenen Risiken und unterstützt eine verantwortungsbewusste Anwendung von KI. Unabhängig davon, ob Sie KI in Ihrer Cloud-Umgebung oder bei externen Cloud-Anbietern bereitstellen, kann Model Armor Ihnen helfen, schädliche Eingaben zu verhindern, die Inhaltssicherheit zu überprüfen, sensible Daten zu schützen, die Compliance aufrechtzuerhalten und Ihre KI-Sicherheitsrichtlinien konsistent in Ihrer vielfältigen KI-Landschaft durchzusetzen.
Wenn Model Armor mit aktiviertem Logging aktiviert ist, protokolliert Model Armor die gesamte Nutzlast. Dadurch könnten vertrauliche Informationen in Ihren Logs offengelegt werden.
MCP-Anfragenrouting zu Model Armor
Der Dataform-MCP-Server verwendet jurisdiktionsübergreifendes Routing. Wenn Sie Model Armor aktivieren, sendet der MCP-Server alle Anfragen zur Prüfung an Model Armor. Das Routing über mehrere Gerichtsbarkeiten hinweg kann bestehende Verpflichtungen zur Einhaltung des Datenstandorts für Daten in Verwendung und bei der Übertragung verletzen. Weitere Informationen zum Verhalten anderer MCP-Server finden Sie unter Von Model Armor unterstützte Produkte.Model Armor aktivieren
Sie müssen die Model Armor APIs aktivieren, bevor Sie Model Armor verwenden können.
Console
Aktivieren Sie die Model Armor API, falls sie noch nicht aktiviert ist.
Erforderliche Rollen zum Aktivieren von APIs
Zum Aktivieren von APIs benötigen Sie die Berechtigung
serviceusage.services.enable. Wenn Sie das Projekt erstellt haben, haben Sie diese Berechtigung wahrscheinlich bereits über die Inhaberrolle (roles/owner). Andernfalls können Sie diese Berechtigung über die Rolle „Service Usage-Administrator“ (roles/serviceusage.serviceUsageAdmin) erhalten. Informationen zum Zuweisen von RollenWählen Sie das Projekt aus, in dem Sie Model Armor aktivieren möchten.
gcloud
Führen Sie die folgenden Schritte mit der Google Cloud CLI und der Model Armor API aus, bevor Sie beginnen:
Installieren Sie die Google Cloud CLI und melden Sie sich dann mit Ihrer föderierten Identität in der gcloud CLI an. Nach der Anmeldung initialisieren Sie die Google Cloud CLI mit dem folgenden Befehl:
gcloud init-
Führen Sie den folgenden Befehl aus, um den API-Endpunkt für den Model Armor-Dienst festzulegen.
gcloud config set api_endpoint_overrides/modelarmor "https://modelarmor.LOCATION.rep.googleapis.com/"
Ersetzen Sie
LOCATIONdurch die Region, in der Sie Model Armor verwenden möchten.
Schutz für Google- und Google Cloud Remote-MCP-Server konfigurieren
Zum Schutz Ihrer MCP-Toolaufrufe und ‑Antworten können Sie die Mindesteinstellungen für Model Armor verwenden. Eine Mindesteinstellung definiert die Mindestsicherheitsfilter, die für das gesamte Projekt gelten. Mit dieser Konfiguration wird ein einheitlicher Satz von Filtern auf alle MCP-Toolaufrufe und ‑Antworten im Projekt angewendet.
Richten Sie eine Model Armor-Mindesteinstellung mit aktivierter MCP-Bereinigung ein. Weitere Informationen finden Sie unter Model Armor-Mindesteinstellungen konfigurieren.
Sehen Sie sich den folgenden Beispielbefehl an:
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"}]'
Ersetzen Sie dabei PROJECT_ID durch die ID Ihres Projekts in Google Cloud .
Beachten Sie die folgenden Einstellungen:
INSPECT_AND_BLOCK: Der Erzwingungstyp, der Inhalte für den Google MCP-Server prüft und Prompts und Antworten blockiert, die den Filtern entsprechen.ENABLED: Die Einstellung, mit der ein Filter oder eine Maßnahme aktiviert wird.MEDIUM_AND_ABOVE: Das Konfidenzniveau für die Filtereinstellungen „Verantwortungsbewusste Anwendung von KI – Gefährlich“. Sie können diese Einstellung ändern, wobei niedrigere Werte zu mehr falsch positiven Ergebnissen führen können. Weitere Informationen finden Sie unter Model Armor-Konfidenzniveaus.
Scannen von MCP-Traffic mit Model Armor deaktivieren
Führen Sie den folgenden Befehl aus, um zu verhindern, dass Model Armor den Traffic zu und von Google MCP-Servern basierend auf den Mindesteinstellungen des Projekts automatisch scannt:
gcloud model-armor floorsettings update \
--full-uri='projects/PROJECT_ID/locations/global/floorSetting' \
--remove-integrated-services=GOOGLE_MCP_SERVER
Ersetzen Sie PROJECT_ID durch die Projekt-ID in Google Cloud . Model Armor wendet die in den Mindesteinstellungen dieses Projekts definierten Regeln nicht automatisch auf den Traffic von Google-MCP-Servern an.
Die Model Armor-Mindesteinstellungen und die allgemeine Konfiguration können sich nicht nur auf MCP auswirken. Da Model Armor in Dienste wie Vertex AI eingebunden ist, können sich Änderungen an den Mindesteinstellungen auf das Scannen von Traffic und das Sicherheitsverhalten in allen eingebundenen Diensten auswirken, nicht nur in MCP.
MCP-Nutzung mit IAM-Ablehnungsrichtlinien steuern
Mit Ablehnungsrichtlinien und Zulassungsrichtlinien von Identity and Access Management (IAM) können Sie Google Cloud und Google MCP-Server schützen.
Sie können mehrere Kriterien kombinieren, um benutzerdefinierte Sicherheits- und Governance-Richtlinien zu erstellen. Dazu können Sie den Zugriff anhand der folgenden Kriterien zulassen oder verweigern:
- Das Hauptkonto.
- Toolattribute wie das Attribut „read-only“.
- Der Name des Dienstes oder Tools.
- Die OAuth-Client-ID der Anwendung.
Weitere Informationen finden Sie unter MCP-Nutzung mit Identity and Access Management steuern.