Dataform-Remote-MCP-Server verwenden

In diesem Dokument wird beschrieben, wie Sie den Dataform-Remote-MCP-Server (Model Context Protocol) verwenden, um eine Verbindung zu KI-Anwendungen wie Antigravity, ChatGPT, Claude und benutzerdefinierten Anwendungen herzustellen, die Sie entwickeln. Mit dem Remote-MCP-Server von Dataform können Sie Aufgaben wie das Verwalten von Assets mit einer einzelnen Datei, das Erstellen von Pipelinecode in Entwicklungsarbeitsbereichen, das Orchestrieren von Pipelines und das Beheben von Ausführungsfehlern ausführen. Der Dataform-Remote-MCP-Server wird aktiviert, wenn Sie die Dataform API aktivieren.

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
Sie 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-header aus dem Eingabeschema des Tools in HTTP-Header gespiegelt. Ein MCP-Server kann beispielsweise einen benutzerdefinierten Header definieren, um die Google Cloud -Region oder die 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 Suche
  • Verwaltete globale oder regionale HTTP-Endpunkte
  • Detaillierte Autorisierung
  • Optionale Prompt- und Antwortsicherheit 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 unter Google Cloud-MCP-Server – Übersicht.

Hinweis

  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. Verify that billing is enabled for your Google Cloud project.

  4. 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.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 APIs

  5. 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.
  6. Konfigurieren Sie Ihren KI-Agenten mit einem gültigen OAuth-Token im 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:

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 erforderlich, um den Dataform-MCP-Server zu verwenden:

  • 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 Dataform-Remote-MCP-Server 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/mcp

    Ersetzen Sie REGION durch 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.

Allgemeine Informationen finden Sie in den folgenden Ressourcen:

Kundenspezifische Anleitung

Anwendungsspezifische Anleitungen finden Sie in den folgenden Abschnitten:

Antigravity

Wenn Sie den Dataform-Remote-MCP-Server zu Antigravity hinzufügen möchten, folgen Sie der Anleitung unter Antigravity-Editor: MCP-Integration. Sie können sich mit Standardanmeldedaten für Anwendungen (Application Default Credentials, ADC) oder einer Client-ID und einem Clientschlüssel authentifizieren.

Gemini CLI

Wenn Sie den Dataform-Remote-MCP-Server zu Ihrer Gemini CLI hinzufügen möchten, konfigurieren Sie ihn als Erweiterung und authentifizieren Sie sich mit den Standardanmeldedaten für Anwendungen (Application Default Credentials, ADC).

  1. Verwenden Sie Ihre gcloud CLI-Anmeldedaten, um Ihre Standardanmeldedaten für Anwendungen zu konfigurieren: 
    gcloud auth application-default login

    Wenn der von Ihnen verwendete MCP-Server OAuth-Bereiche über den Standardbereich https://www.googleapis.com/auth/cloud-platform hinaus erfordert, verwenden Sie das Flag --scopes, um diese Bereiche einzuschließen.

  2. Erstellen Sie eine Erweiterungsdatei am folgenden Speicherort: ~/.gemini/extensions/EXT_NAME/gemini-extension.json, wobei ~/ Ihr Basisverzeichnis und EXT_NAME der Name ist, den Sie der Erweiterung geben möchten.

  3. Speichern Sie den folgenden Inhalt in Ihrer Erweiterungsdatei:

    {
  "name": "EXT_NAME",
  "version": "1.0.0",
  "mcpServers": {
    "dataform-mcp": {
      "httpUrl": "https://dataform.REGION.rep.googleapis.com/mcp",
      "authProviderType": "google_credentials",
      "oauth": {
        "scopes": ["https://www.googleapis.com/auth/bigquery"]
      },
      "timeout": 30000,
      "headers": {
        "x-goog-user-project": "PROJECT_ID"
      }
    }
  }
}

    Ersetzen Sie Folgendes:

    • EXT_NAME: der Name der Erweiterung.
    • PROJECT_ID: Projekt-ID in Google Cloud .

    Bei Diensten, für die keine OAuth-Bereiche erforderlich sind, können Sie den Abschnitt "oauth" weglassen.

    Fügen Sie für Dienste wie Antigravity, die Inhabertokens unterstützen, den Parameter "Authorization" im Abschnitt "headers" der JSON-Datei hinzu:

    {
  ...
      "headers": {
        "Authorization": "Bearer YOUR_TOKEN",
        "x-goog-user-project": "PROJECT_ID"
}

    Ersetzen Sie YOUR_TOKEN durch Ihr Inhabertoken. Sie können ein Token generieren, indem Sie den Befehl gcloud auth application-default print-access-token ausführen.

  4. Starten Sie die Gemini CLI:

    gemini

  5. Führen Sie /mcp aus, um den konfigurierten MCP-Server und seine Tools aufzurufen.

    Das Ergebnis sieht etwa so aus:

    Configured MCP servers:
🟢 BigQuery (from bigquery-mcp) - Ready (5 tools)
  Tools:
  - execute_sql
  - get_dataset_info
  - get_table_info
  - list_dataset_ids
  - list_table_ids

Der Remote-MCP-Server ist jetzt in der Gemini CLI einsatzbereit.

Claude.ai

Wenn Sie den Dataform-Remote-MCP-Server zu Claude.ai hinzufügen möchten, konfigurieren Sie einen benutzerdefinierten Connector mit einer OAuth-Client-ID und einem OAuth-Clientschlüssel:

  1. Erstellen Sie eine OAuth 2.0-Client-ID und ein Client-Secret:

    1. Rufen Sie in der Google Cloud Console Google Auth Platform > Clients > Client erstellen auf.

      Zur Seite „Client erstellen“

      Wenn Sie kein Projekt ausgewählt haben, werden Sie aufgefordert, eines zu erstellen.

    2. Wählen Sie in der Liste Anwendungstyp die Option Webanwendung aus.

    3. Geben Sie im Feld Name einen Namen für Ihre Anwendung ein.

    4. Klicken Sie im Abschnitt Autorisierte JavaScript-Quellen auf + URI hinzufügen und geben Sie dann https://claude.ai in das Feld URIs ein.

    5. Klicken Sie im Abschnitt Autorisierte Weiterleitungs-URIs auf + URI hinzufügen und geben Sie dann https://claude.ai/api/mcp/auth_callback in das Feld URIs ein.

    6. Klicken Sie auf Erstellen. Der Client ist erstellt.

      Das Dialogfeld OAuth 2.0-Client erstellt wird geöffnet.

    7. Kopieren Sie im Abschnitt Clientschlüssel den Clientschlüssel und speichern Sie ihn an einem sicheren Ort. Sie können ihn nur einmal kopieren. Wenn Sie ihn verlieren, löschen Sie den Secret und erstellen Sie einen neuen.

  2. Folgen Sie der Anleitung zum Erstellen eines benutzerdefinierten Connectors. Geben Sie Ihre Client-ID und Ihren Clientschlüssel im Menü Erweiterte Einstellungen ein.

Claude Code

Wenn Sie den Dataform-Remote-MCP-Server zu Claude Code hinzufügen möchten, konfigurieren Sie einen benutzerdefinierten Connector mit einer OAuth-Client-ID und einem OAuth-Clientschlüssel:

  1. Installieren Sie Claude Code.

  2. Erstellen Sie eine OAuth 2.0-Client-ID und ein Client-Secret:

    1. Rufen Sie in der Google Cloud Console Google Auth Platform > Clients > Client erstellen auf.

      Zur Seite „Client erstellen“

      Wenn Sie kein Projekt ausgewählt haben, werden Sie aufgefordert, eines zu erstellen.

    2. Wählen Sie in der Liste Anwendungstyp die Option Webanwendung aus.

    3. Geben Sie im Feld Name einen Namen für Ihre Anwendung ein.

    4. Klicken Sie im Abschnitt Autorisierte Weiterleitungs-URIs auf + URI hinzufügen und geben Sie dann https://claude.ai/api/mcp/auth_callback in das Feld URIs ein.

    5. Klicken Sie auf Erstellen. Der Client ist erstellt.

      Das Dialogfeld OAuth 2.0-Client erstellt wird geöffnet.

    6. Kopieren Sie im Abschnitt Clientschlüssel den Clientschlüssel und speichern Sie ihn an einem sicheren Ort. Sie können ihn nur einmal kopieren. Wenn Sie ihn verlieren, löschen Sie den Secret und erstellen Sie einen neuen.

  3. Folgen Sie der Anleitung zum Erstellen eines benutzerdefinierten Connectors. Geben Sie Ihre Client-ID und Ihren Clientschlüssel im Menü Erweiterte Einstellungen ein.

Claude für den Computer

Wenn Sie den Dataform-Remote-MCP-Server zu Claude Desktop hinzufügen möchten, konfigurieren Sie einen benutzerdefinierten Connector mit einer OAuth-Client-ID und einem OAuth-Clientschlüssel:

  1. Installieren Sie Claude für Desktop.

  2. Erstellen Sie eine OAuth 2.0-Client-ID und ein Client-Secret:

    1. Rufen Sie in der Google Cloud Console Google Auth Platform > Clients > Client erstellen auf.

      Zur Seite „Client erstellen“

      Wenn Sie kein Projekt ausgewählt haben, werden Sie aufgefordert, eines zu erstellen.

    2. Wählen Sie in der Liste Anwendungstyp die Option Webanwendung aus.

    3. Geben Sie im Feld Name einen Namen für Ihre Anwendung ein.

    4. Klicken Sie im Abschnitt Autorisierte Weiterleitungs-URIs auf + URI hinzufügen und geben Sie dann https://claude.ai/api/mcp/auth_callback in das Feld URIs ein.

    5. Klicken Sie auf Erstellen. Der Client ist erstellt.

      Das Dialogfeld OAuth 2.0-Client erstellt wird geöffnet.

    6. Kopieren Sie im Abschnitt Clientschlüssel den Clientschlüssel und speichern Sie ihn an einem sicheren Ort. Sie können ihn nur einmal kopieren. Wenn Sie ihn verlieren, löschen Sie den Secret und erstellen Sie einen neuen.

  3. Folgen Sie der Anleitung zum Erstellen eines benutzerdefinierten Connectors. Geben Sie Ihre Client-ID und Ihren Clientschlüssel im Menü Erweiterte Einstellungen ein.

ChatGPT

Sie benötigen ein ChatGPT Business-Abo, um den Dataform-Remote-MCP-Server mit ChatGPT zu verwenden.

Wenn Sie den Remote-MCP-Server von Dataform zu ChatGPT hinzufügen möchten, erstellen Sie eine Google OAuth 2.0-Client-ID und einen Clientschlüssel und fügen Sie den MCP-Server dann als Plug-in in ChatGPT hinzu.

OAuth 2.0-Client-ID und -Secret erstellen

  1. Rufen Sie in der Google Cloud Console Google Auth Platform > Clients > Client erstellen auf.

    Zur Seite „Client erstellen“

    Wenn Sie kein Projekt ausgewählt haben, werden Sie aufgefordert, eines zu erstellen.

  2. Wählen Sie in der Liste Anwendungstyp die Option Webanwendung aus.

  3. Geben Sie im Feld Name einen Namen für Ihre Anwendung ein.

  4. Klicken Sie im Abschnitt Autorisierte Weiterleitungs-URIs auf + URI hinzufügen und geben Sie dann https://chatgpt.com/connector_platform_oauth_redirect in das Feld URIs ein.

  5. Klicken Sie auf Erstellen. Der Client ist erstellt.

    Das Dialogfeld OAuth 2.0-Client erstellt wird geöffnet.

  6. Kopieren Sie im Abschnitt Clientschlüssel den Clientschlüssel und speichern Sie ihn an einem sicheren Ort. Sie können ihn nur einmal kopieren. Wenn Sie ihn verlieren, löschen Sie den Secret und erstellen Sie einen neuen.

MCP-Server als Plug-in in ChatGPT hinzufügen

  1. Melden Sie sich in ChatGPT an.
  2. Wenn Sie ChatGPT einen MCP-Server hinzufügen möchten, folgen Sie der Anleitung unter Plug-in erstellen.
  3. Geben Sie Ihre Client-ID und Ihren Clientschlüssel ein, die für die Authentifizierung erforderlich sind.

Der MCP-Server wird im Menü Plug-ins angezeigt und kann über Chat-Prompts verwendet werden.

Cursor

Wenn Sie den Dataform-Remote-MCP-Server zu Cursor hinzufügen möchten, erstellen Sie eine Client-ID und einen Clientschlüssel und konfigurieren Sie dann den MCP-Server mit statischem OAuth. Cursor verwendet je nach Zugriffsmethode (Web oder Desktop-Anwendung) unterschiedliche Weiterleitungs-URIs.

  1. Erstellen Sie eine OAuth 2.0-Client-ID und ein Client-Secret:

    Web- oder Cursor-Agenten

    1. Rufen Sie in der Google Cloud Console Google Auth Platform > Clients > Client erstellen auf.

      Zur Seite „Client erstellen“

      Wenn Sie kein Projekt ausgewählt haben, werden Sie aufgefordert, eines zu erstellen.

    2. Wählen Sie in der Liste Anwendungstyp die Option Webanwendung aus.

    3. Geben Sie im Feld Name einen Namen für Ihre Anwendung ein.

    4. Klicken Sie im Abschnitt Autorisierte Weiterleitungs-URIs auf + URI hinzufügen und geben Sie dann https://www.cursor.com/agents/mcp/oauth/callback in das Feld URIs ein.

    5. Klicken Sie auf Erstellen. Der Client ist erstellt.

      Das Dialogfeld OAuth 2.0-Client erstellt wird geöffnet.

    6. Kopieren Sie im Abschnitt Clientschlüssel den Clientschlüssel und speichern Sie ihn an einem sicheren Ort. Sie können ihn nur einmal kopieren. Wenn Sie ihn verlieren, löschen Sie den Secret und erstellen Sie einen neuen.

    Desktop

    1. Rufen Sie in der Google Cloud Console Google Auth Platform > Clients > Client erstellen auf.

      Zur Seite „Client erstellen“

      Wenn Sie kein Projekt ausgewählt haben, werden Sie aufgefordert, eines zu erstellen.

    2. Wählen Sie in der Liste Anwendungstyp die Option Webanwendung aus.

    3. Geben Sie im Feld Name einen Namen für Ihre Anwendung ein.

    4. Klicken Sie im Abschnitt Autorisierte Weiterleitungs-URIs auf + URI hinzufügen und geben Sie dann http://localhost:8787/callback in das Feld URIs ein.

    5. Klicken Sie auf Erstellen. Der Client ist erstellt.

      Das Dialogfeld OAuth 2.0-Client erstellt wird geöffnet.

    6. Kopieren Sie im Abschnitt Clientschlüssel den Clientschlüssel und speichern Sie ihn an einem sicheren Ort. Sie können ihn nur einmal kopieren. Wenn Sie ihn verlieren, löschen Sie den Secret und erstellen Sie einen neuen.

  2. Folgen Sie der Anleitung zum Konfigurieren des MCP-Servers mit statischem OAuth.
  3. MCP-Server in Google Chat verwenden

OpenCode-Befehlszeile

Wenn Sie den Dataform-Remote-MCP-Server zur OpenCode-Befehlszeile hinzufügen möchten, folgen Sie der Anleitung unter OpenCode: MCP.

Replit

Wenn Sie den Remote-MCP-Server von Dataform zu Replit hinzufügen möchten, folgen Sie der Anleitung unter Replit: MCP-Server – Übersicht.

Visual Studio Code

So konfigurieren Sie den Remote-MCP-Server von Dataform in Visual Studio Code (VS Code):

  1. Installieren Sie VS Code.
  2. Öffnen Sie VS Code und dann die Befehlspalette, indem Sie Strg + Umschalttaste + P (Windows oder Linux) oder Befehlstaste + Umschalttaste + P (macOS) drücken.
  3. Wählen Sie in der Befehlspalette MCP: Server hinzufügen… aus.
  4. Wählen Sie HTTP (HTTP oder Server-Sent Events) aus.
  5. Geben Sie den MCP-Endpunkt https://dataform.REGION.rep.googleapis.com/mcp ein und drücken Sie die Eingabetaste.
  6. Geben Sie einen Namen für den Server ein und drücken Sie die Eingabetaste.

  7. Wenn Sie den MCP-Server für alle Arbeitsbereiche verfügbar machen möchten, wählen Sie Global aus. Wenn Sie den MCP-Server nur für den aktuellen Arbeitsbereich verfügbar machen möchten, wählen Sie Arbeitsbereich aus.

    Ihre mcp.json-Datei wird mit den Serverinformationen aktualisiert.

Beim MCP-Server authentifizieren

Sie können eine OAuth-Client-ID und einen Clientschlüssel oder Standardanmeldedaten für Anwendungen (Application Default Credentials, ADC) verwenden, um sich beim MCP-Server zu authentifizieren.

Hinweis: Wenn Sie ADC für die Authentifizierung verwenden, müssen Sie Ihr Zugriffstoken jede Stunde neu generieren.

OAuth-Client-ID

  1. Öffnen Sie in VS Code den Chatbereich, indem Sie Strg + Alt + I (Windows oder Linux) oder Umschalttaste + Befehlstaste + I (macOS) drücken.

  2. Wählen Sie im Chatbereich Agent festlegen und dann Agent aus.

  3. Wenn Sie den MCP-Server zum ersten Mal verwenden, werden Sie aufgefordert, die Authentifizierung einzurichten. Wenn Sie den MCP-Server verwenden möchten, geben Sie im Chat einen Prompt ein, der eines der verfügbaren Tools verwendet. Wenn Sie sich nicht sicher sind, welches Tool Sie verwenden sollen, können Sie den Agenten bitten, die Tools für den Server aufzulisten.

    Sie können beispielsweise den folgenden Prompt eingeben, um die verfügbaren Tools aufzulisten: „Liste die für SERVER_NAME verfügbaren Tools auf“, wobei SERVER_NAME der Name ist, den Sie dem MCP-Server gegeben haben.

    Das Dialogfeld Dynamische Clientregistrierung wird nicht unterstützt wird geöffnet.

  4. Klicken Sie auf URIs kopieren und fortfahren.
  5. Sie benötigen die kopierten URLs nicht, daher müssen Sie sie nicht aufzeichnen.

  1. Rufen Sie in der Google Cloud Console Google Auth Platform > Clients > Client erstellen auf.

    Zur Seite „Client erstellen“

    Wenn Sie kein Projekt ausgewählt haben, werden Sie aufgefordert, eines zu erstellen.

  2. Wählen Sie in der Liste Anwendungstyp die Option Desktop-Anwendung aus.

  3. Geben Sie im Feld Name einen Namen für Ihre Anwendung ein.

  4. Klicken Sie auf Erstellen. Der Client ist erstellt.

    Das Dialogfeld OAuth 2.0-Client erstellt wird geöffnet.

  5. Kopieren Sie im Abschnitt Clientschlüssel den Clientschlüssel und speichern Sie ihn an einem sicheren Ort. Sie können ihn nur einmal kopieren. Wenn Sie ihn verlieren, löschen Sie den Secret und erstellen Sie einen neuen.

VS Code für die Verwendung Ihrer OAuth-Client-ID und Ihres Secrets konfigurieren
  1. Geben Sie in VS Code Ihre OAuth-Client-ID ein und drücken Sie die Eingabetaste.
  2. Geben Sie bei entsprechender Aufforderung Ihren OAuth-Clientschlüssel ein und drücken Sie die Eingabetaste.

  3. Klicken Sie im Dialogfeld VS Code, das geöffnet wird, auf Zulassen.

    Der KI-Agent schließt den MCP-Toolaufruf ab und antwortet im Chat.

Im Cache gespeicherte Anmeldedaten löschen

VS Code speichert dynamische Authentifizierungsanbieter im Cache, um die Anmeldung zu optimieren. Wenn Sie zuvor Anmeldedaten eingegeben haben und neue Anmeldedaten eingeben möchten, müssen Sie die im Cache gespeicherten Anmeldedaten löschen.

So löschen Sie im Cache gespeicherte Anmeldedaten:

  1. Öffnen Sie in VS Code die Befehlspalette, indem Sie Strg + Umschalttaste + P (Windows oder Linux) oder Befehlstaste + Umschalttaste + P (macOS) drücken.

  2. Wählen Sie in der Befehlspalette die Option Authentifizierung: Dynamische Authentifizierungsanbieter entfernen aus und wählen Sie dann die Client-ID aus, für die Sie die im Cache gespeicherten Anmeldedaten entfernen möchten.

  3. Laden Sie VS Code neu und stellen Sie die Verbindung zum Remote-MCP-Server wieder her.

    Sie werden aufgefordert, Ihre OAuth-Client-ID und Ihren Clientschlüssel einzugeben.

ADC

  1. Richten Sie Standardanmeldedaten für Anwendungen (Application Default Credentials, ADC) für Ihre Umgebung ein.

  2. Wenn Sie eine lokale Shell verwenden, erstellen Sie lokale Authentifizierungsdaten für Ihr Nutzerkonto:

    gcloud auth application-default login
  3. Generieren Sie mit dem folgenden Befehl ein Standardtoken für die Anwendung: 
    gcloud auth application-default print-access-token

  4. Fügen Sie in der Datei mcp.json dem Eintrag für Ihren MCP-Server Folgendes hinzu:

    "headers": {
      "Authorization": "Bearer TOKEN",
      "x-goog-user-project": "PROJECT_ID"
    }

    Ersetzen Sie Folgendes:

    • TOKEN: das Standardtoken der Anwendung.

    • PROJECT_ID: Projekt-ID in Google Cloud .

    Das folgende Beispiel zeigt einen MCP-Servereintrag, der ADC für die Authentifizierung verwendet:

    {
  "servers": [
    {
      "name": "My Dataform MCP Server",
      "uri": "https://dataform.REGION.rep.googleapis.com/mcp",
      "headers": {
        "Authorization": "Bearer nYkwroEYjN4Fw1TTNhe69F4rR6o9bvrR1P4U1l0DVq9p81sN0",
        "x-goog-user-project": "my-project"
      }
    }
  ]
}
  5. Öffnen Sie in VS Code den Chatbereich, indem Sie Strg + Alt + I (Windows oder Linux) oder Umschalttaste + Befehlstaste + I (macOS) drücken.

  6. Wählen Sie im Chatbereich Agent festlegen und dann Agent aus.

  7. Senden Sie einen Prompt an den KI-Agenten, der eines der verfügbaren MCP-Tools verwendet. Wenn Sie sich nicht sicher sind, welches Tool Sie verwenden sollen, können Sie den KI-Agenten bitten, die Tools für den MCP-Server aufzulisten.

Agentenfunktionen

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 Agenten verwalten grundlegende Ressourceneinrichtungen, einschließlich der Erstellung von Repositorys und Abfragen 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 beispielsweise mcp/toolset-name sein.
  • 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_ID im Projekt PROJECT_ID.“
  • „Erstelle einen neuen Ordner mit dem Namen FOLDER_NAME in meinem Projekt.“
  • „Erstelle einen neuen Arbeitsbereich mit dem Namen WORKSPACE_NAME in meinem Repository.“
  • „Suche in meinem Arbeitsbereich nach Dateien mit dem Namen FILE_NAME.“
  • „Lies den Inhalt von FILE_NAME aus 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.“
  • „Lösen Sie eine neue Ausführung für die Workflowkonfiguration WORKFLOW_CONFIGURATION_ID aus.“
  • „Prüfe den Status meiner letzten Pipelineausführungen und teile mir mit, ob welche fehlgeschlagen sind, einschließlich der Fehlerdetails.“
  • „Zeige mir die Details der fehlgeschlagenen Ausführung.“
  • „Listen Sie alle Dataform-Repositories in der Region REGION des Projekts PROJECT_ID auf.“
  • „Brechen Sie den Workflowaufruf mit dem Namen WORKFLOW_INVOCATION_ID im Repository REPOSITORY_ID ab, 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 von Google Cloud .
  • REGION: Name der Region
  • REPOSITORY_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 einer workflowInvocations.list-Anfrage oder aus dem Feld name einer workflowInvocations.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. Dazu werden LLM-Prompts und ‑Antworten proaktiv geprüft, um vor verschiedenen Risiken zu schützen und eine verantwortungsbewusste Anwendung von KI zu unterstützen. 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

  1. Aktivieren Sie die Model Armor API, falls sie noch nicht aktiviert ist.

    Rollen, die zum Aktivieren von APIs erforderlich sind

    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 Rollen

    API aktivieren

  2. Wählen 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:

  1. 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

  2. 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 LOCATION durch 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 Erzwingung aktiviert wird.
  • MEDIUM_AND_ABOVE: Das Konfidenzniveau für die Filter-Einstellungen „Responsible AI – Gefährlich“. Sie können diese Einstellung ändern. Niedrigere Werte können jedoch zu mehr falsch positiven Ergebnissen führen. 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 automatisch anhand der Mindesteinstellungen des Projekts 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 Mindesteinstellungen und die allgemeine Konfiguration von Model Armor 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 schreibgeschützte Attribut.
  • Der Dienst- oder Toolname.
  • Die OAuth-Client-ID der Anwendung.

Weitere Informationen finden Sie unter MCP-Nutzung mit Identity and Access Management steuern.

Nächste Schritte