El Protocolo de contexto del modelo (MCP) estandariza la forma en que los modelos de lenguaje grandes (LLM) y las aplicaciones o agentes de IA se conectan a fuentes de datos externas. Los servidores de MCP te permiten usar sus herramientas, recursos y mensajes para realizar acciones y obtener datos actualizados de su servicio de backend.
¿Cuál es la diferencia entre los servidores de MCP locales y remotos?
- Servidores de MCP locales
- Por lo general, se ejecutan en tu máquina local y usan los flujos de entrada y salida estándar (stdio) para la comunicación entre servicios en el mismo dispositivo.
- Servidores de MCP remotos
- Se ejecutan en la infraestructura del servicio y ofrecen un extremo HTTP a las aplicaciones de IA para la comunicación entre el cliente de MCP de IA y el servidor de MCP. Para obtener más información sobre la arquitectura de MCP, consulta Arquitectura de MCP.
Núcleo sin estado
Con la
versión 2026-07-28 del MCP,
este cambia de un protocolo bidireccional con estado a un protocolo sin estado.
Cada solicitud de MCP se describe a sí misma y se puede enrutar con encabezados. No es necesario
el protocolo de enlace initialize/initialized ni Mcp-Session-Id, ya que
cada solicitud incluye toda la información necesaria en los encabezados HTTP o el parámetro
_meta. Los servidores de MCP pueden solicitar información adicional que requiere una herramienta
a través de
solicitudes de ida y vuelta múltiples (MRTR).
Para ayudar a enrutar y procesar las solicitudes sin analizar el cuerpo de la solicitud, se requieren algunos encabezados de MCP, incluidos los siguientes:
- Encabezados que requiere la especificación de MCP, como el encabezado de la versión del protocolo y los encabezados de la solicitud estándar.
- Encabezados personalizados
que define el servidor de MCP. Estos encabezados se reflejan en los encabezados HTTP
del esquema de entrada de la herramienta con la propiedad
x-mcp-header. Por ejemplo, un servidor de MCP podría definir un encabezado personalizado para especificar la región o el ID del proyecto de Google Cloud .
Para obtener más información sobre la arquitectura de MCP, consulta la especificación y los cambios clave de la versión 2026-07-28 de MCP.
Servidores de MCP remotos de Google y Google Cloud
Los servidores de MCP remotos de Google y Google Cloud tienen las siguientes características y beneficios:- Descubrimiento simplificado y centralizado
- Extremos HTTP globales o regionales administrados
- Autorización detallada
- Seguridad opcional de instrucciones y respuestas con la protección de Model Armor
- Registro de auditoría centralizado
Para obtener información sobre otros servidores de MCP y sobre los controles de seguridad y administración disponibles para los servidores de MCP de Google Cloud, consulta la Descripción general de los servidores de MCP de Google Cloud.
Antes de comenzar
-
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.- Conecta tu repositorio de Dataform a un proveedor de Git, como GitHub o GitLab. Para obtener más información, consulta Conéctate a un repositorio de Git de terceros.
- Configura tu agente de IA con un token de OAuth válido usando el permiso de BigQuery.
Roles obligatorios
Para obtener los permisos que necesitas para usar el servidor de MCP de Dataform, pídele a tu administrador que te otorgue los siguientes roles de IAM en tu proyecto de Google Cloud :
-
Realizar llamadas a herramientas de MCP:
Usuario de la herramienta de MCP (
roles/mcp.toolUser) -
Crea repositorios y espacios de trabajo de Dataform, y edita archivos:
Editor de Dataform (
roles/dataform.editor) -
Ejecutar trabajos de BigQuery:
Usuario de trabajo de BigQuery (
roles/bigquery.jobUser)
Para obtener más información sobre cómo otorgar roles, consulta Administra el acceso a proyectos, carpetas y organizaciones.
Estos roles predefinidos contienen los permisos necesarios para usar el servidor de MCP de Dataform. Para ver los permisos exactos que son necesarios, expande la sección Permisos requeridos:
Permisos necesarios
Se requieren los siguientes permisos para usar el servidor de MCP de Dataform:
-
Realiza llamadas a herramientas de MCP:
mcp.tools.call -
Crea repositorios y espacios de trabajo de Dataform, y edita archivos:
-
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
-
-
Ejecuta trabajos de BigQuery:
-
bigquery.jobs.create -
bigquery.config.get
-
También puedes obtener estos permisos con roles personalizados o con otros roles predefinidos.
Autenticación y autorización
El servidor de MCP remoto de Dataform usa el protocolo OAuth 2.0 con Identity and Access Management (IAM) para la autenticación y la autorización. Todas las identidades deGoogle Cloud son compatibles con la autenticación en los servidores de MCP.El servidor de MCP de Dataform administra el acceso a través de los siguientes mecanismos de autenticación y autorización:
- Las solicitudes de descubrimiento (
tools/list) no requieren autenticación, lo que permite que los agentes identifiquen las herramientas de Dataform disponibles sin necesidad de autorización previa. - Las solicitudes de ejecución (
tools/call) se autentican con OAuth, lo que requiere que el agente proporcione un token de OAuth válido que use el permiso de BigQuery. Para obtener más información, consulta Permisos de OAuth de MCP de Dataform.
Te recomendamos que crees una identidad independiente para los agentes que usan herramientas de MCP, de modo que se pueda controlar y supervisar el acceso a los recursos. Para obtener más información sobre la autenticación, consulta Autentícate en servidores de MCP.
Permisos de OAuth de MCP de Dataform
OAuth 2.0 usa permisos y credenciales para determinar si un principal autenticado está autorizado a realizar una acción específica en un recurso. Para obtener más información sobre los permisos de OAuth 2.0 en Google, consulta Usa OAuth 2.0 para acceder a las APIs de Google.
Para interactuar con el servidor de MCP de Dataform, el agente debe usar el permiso de OAuth de BigQuery. Este permiso permite que el agente administre el código de transformación y active ejecuciones que se ejecutan como trabajos de BigQuery.
Es posible que se requieran permisos adicionales en los recursos a los que se accede durante una llamada a la herramienta. Para ver una lista de los permisos necesarios para Dataform, consulta API de Dataform.
Configura un cliente de MCP para que use el servidor de MCP de Dataform
Las aplicaciones y los agentes de IA, como Claude o Antigravity, pueden crear una instancia de un cliente de MCP que se conecte a un solo servidor de MCP. Una aplicación de IA puede tener varios clientes que se conecten a diferentes servidores de MCP. Si tu aplicación no aparece en la guía específica del cliente, puedes usar la siguiente información para conectarte desde la mayoría de las aplicaciones.
En tu aplicación de IA, busca una forma de agregar un servidor de MCP remoto o conectarte a él. Para el servidor de MCP de Dataform, haz lo siguiente:
- Nombre del servidor: Servidor de MCP de Dataform
URL del servidor o Extremo:
https://dataform.REGION.rep.googleapis.com/mcpReemplaza
REGIONpor la región en la que se encuentra tu repositorio, por ejemplo,us-central1.Transporte: HTTP transmisible
Detalles de autenticación: Según cómo quieras autenticarte, puedes ingresar tus credenciales de Google Cloud , tu ID de cliente de OAuth y el secreto, o una identidad y credenciales de agente. Para obtener más información sobre la autenticación, consulta Autentícate en servidores de MCP.
Permiso de OAuth: Es el permiso de OAuth 2.0 que quieres usar cuando te conectes al servidor de MCP de Dataform.
Para obtener orientación específica de la aplicación sobre cómo configurar y conectarse al servidor de MCP, consulta Orientación específica del cliente.
Para obtener orientación más general, consulta los siguientes recursos:
Capacidades de agente
El servidor de MCP de Dataform proporciona un conjunto de herramientas que permiten que los agentes de IA interactúen con los flujos de trabajo de transformación de datos y los depuren organizando llamadas a la API de Dataform. El servidor proporciona herramientas para hacer lo siguiente:
- Crea el código de la canalización. Los agentes pueden crear y enumerar espacios de trabajo de desarrollo, buscar y editar varios archivos, y confirmar o enviar cambios a proveedores de Git remotos, como GitHub o GitLab.
- Configura recursos de un solo archivo. Los agentes administran la configuración básica de los recursos, incluida la creación de repositorios y las consultas de contenido de directorios.
- Administra canalizaciones y versiones. Los agentes administran las configuraciones de flujo de trabajo y de versión, generan resultados de compilación y activan o cancelan invocaciones de flujo de trabajo.
- Soluciona problemas y valida. Los agentes identifican por qué fallan las canalizaciones recuperando los resultados de la compilación y consultando las acciones de invocación del flujo de trabajo.
En el caso de los repositorios conectados a un host de Git remoto, el agente debe usar herramientas del espacio de trabajo,
como create_workspace y commit_workspace_changes, para el desarrollo de
canalizaciones. Las herramientas de repositorio directo fallan en estos repositorios, ya que
están diseñadas solo para recursos de un solo archivo en repositorios alojados en Google.
Herramientas disponibles
Para ver los detalles de las herramientas de MCP disponibles y sus descripciones para el servidor de MCP de Dataform, consulta la referencia de MCP de Dataform.
Herramientas de listas
Usa el inspector de MCP para enumerar las herramientas o envía una
solicitud HTTP tools/list directamente al servidor de MCP remoto
de Dataform. El método tools/list no requiere autenticación.
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"]
}
}
}
}
}
}'
Reemplaza lo siguiente:
TOOLSET_ENDPOINT: el resto del extremo de MCP después del nombre del servicio. Por ejemplo, para Dataform, podría sermcp/toolset-name.MCP_PROTOCOL_VERSION: Es la versión del protocolo de MCP. Por ejemplo,2026-07-28.
Ejemplos de instrucciones
Usa las siguientes instrucciones de ejemplo para obtener información sobre los recursos de Dataform, crear código de canalización en espacios de trabajo, organizar flujos de trabajo o solucionar problemas de ejecuciones:
- "Crea un nuevo repositorio de Dataform llamado
REPOSITORY_IDen el proyectoPROJECT_ID". - "Crea una carpeta nueva llamada
FOLDER_NAMEen mi proyecto". - "Crea un lugar de trabajo nuevo llamado
WORKSPACE_NAMEen mi repositorio". - "Busca archivos llamados
FILE_NAMEen mi espacio de trabajo". - "Lee el contenido de
FILE_NAMEde mi espacio de trabajo". - "Confirma los cambios de mi espacio de trabajo y envíalos a la rama remota de Git".
- "Crea un nuevo recurso de notebook en el proyecto
PROJECT_ID". - "Confirma los cambios en mi consulta guardada en
REPOSITORY_ID". - "Crea una configuración de flujo de trabajo que programe mi canalización para que se ejecute todos los días a las 8:00 a.m.".
- "Activa una nueva ejecución para la
configuración del flujo de trabajo
WORKFLOW_CONFIGURATION_ID". - "Verifica el estado de mis ejecuciones de canalización recientes y dime si alguna falló, incluidos los detalles del error".
- "Muéstrame los detalles de la ejecución específica que falló".
- "Enumera todos los repositorios de Dataform en la
región
REGIONdel proyectoPROJECT_ID". - "Cancela la invocación del flujo de trabajo llamada
WORKFLOW_INVOCATION_IDen el repositorioREPOSITORY_ID, que se está ejecutando".
En las instrucciones, reemplaza lo siguiente:
FILE_NAME: Es el nombre del archivo.FOLDER_NAME: Es el nombre de la carpeta.PROJECT_ID: Es el ID del proyecto de Google Cloud .REGION: Es el nombre de la región.REPOSITORY_ID: el identificador único de tu repositorio de Dataform, por ejemplo,quickstart-repository.WORKFLOW_CONFIGURATION_ID: Es el identificador único de la configuración del flujo de trabajo.WORKFLOW_INVOCATION_ID: Es el identificador único de una ejecución de flujo de trabajo específica. Puedes obtener este identificador de los resultados de una solicitudworkflowInvocations.listo del camponamede una respuestaworkflowInvocations.create.WORKSPACE_NAME: Es el nombre del espacio de trabajo.
Parámetros de configuración de seguridad opcionales
El MCP presenta nuevos riesgos y consideraciones de seguridad debido a la gran variedad de acciones que puedes realizar con las herramientas de MCP. Para minimizar y administrar estos riesgos, Google Cloud ofrece parámetros de configuración predeterminados y políticas personalizables para controlar el uso de las herramientas de MCP en tu organización o proyecto de Google Cloud .
Para obtener más información sobre la seguridad y la administración de MCP, consulta Seguridad y protección de la IA.
Usa Model Armor
Model Armor es un servicio de Google Cloud diseñado para mejorar la seguridad de tus aplicaciones de IA. Funciona analizando de forma proactiva las instrucciones y respuestas de los LLM, protegiendo contra diversos riesgos y respaldando prácticas de IA responsable. Ya sea que implementes IA en tu entorno de nube o en proveedores de servicios en la nube externos, Model Armor puede ayudarte a evitar entradas maliciosas, verificar la seguridad del contenido, proteger datos sensibles, mantener el cumplimiento y aplicar tus políticas de seguridad de la IA de manera coherente en todo tu panorama de IA.
Cuando Model Armor está habilitado con el registro habilitado, Model Armor registra toda la carga útil. Esto podría exponer información sensible en tus registros.
Enrutamiento de solicitudes de MCP a Model Armor
El servidor de MCP de Dataform usa el enrutamiento entre jurisdicciones. Cuando habilitas Model Armor, el servidor de MCP envía todas las solicitudes a Model Armor para que las analice. El enrutamiento entre jurisdicciones podría incumplir los compromisos existentes de cumplimiento de residencia de datos para los datos en uso y en tránsito. Para obtener más información sobre el comportamiento de otros servidores de MCP, consulta Productos compatibles con Model Armor.Habilita Model Armor
Para poder usar las APIs de Model Armor, debes habilitarlas.
Console
Habilita la API de Model Armor si aún no está habilitada.
Roles necesarios para habilitar las APIs
Para habilitar las APIs, necesitas el permiso
serviceusage.services.enable. Si creaste el proyecto, es probable que ya tengas este permiso a través del rol de propietario (roles/owner). De lo contrario, puedes obtenerlo a través del rol de administrador de Service Usage (roles/serviceusage.serviceUsageAdmin). Obtén información para otorgar roles.Elige el proyecto en el que quieres activar Model Armor.
gcloud
Antes de empezar, sigue estos pasos a través de la Google Cloud CLI con la API de Model Armor:
Instala Google Cloud CLI y, luego, accede a gcloud CLI con tu identidad federada. Después de acceder, inicializa Google Cloud CLI con el siguiente comando:
gcloud init-
Ejecuta el comando siguiente para configurar el extremo de API del servicio de Model Armor.
gcloud config set api_endpoint_overrides/modelarmor "https://modelarmor.LOCATION.rep.googleapis.com/"
Reemplaza
LOCATIONpor la región en la que quieres usar Model Armor.
Configura la protección para los servidores de MCP remotos de Google y Google Cloud
Para proteger las llamadas y respuestas de las herramientas de MCP, puedes usar la configuración mínima de Model Armor. Un parámetro de configuración mínimo define los filtros de seguridad mínimos que se aplican en todo el proyecto. Esta configuración aplica un conjunto coherente de filtros a todas las llamadas y respuestas de herramientas de MCP dentro del proyecto.
Establece un parámetro de configuración mínima de Model Armor con la limpieza de MCP habilitada. Para obtener más información, consulta Configura los parámetros mínimos de Model Armor.
Consulta el siguiente comando de ejemplo:
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"}]'
Reemplaza PROJECT_ID por el ID del proyecto de Google Cloud .
Ten en cuenta los siguientes parámetros de configuración:
INSPECT_AND_BLOCK: Es el tipo de aplicación de medidas por incumplimiento que inspecciona el contenido del servidor de MCP de Google y bloquea las instrucciones y respuestas que coinciden con los filtros.ENABLED: Es el parámetro de configuración que habilita un filtro o una aplicación de política.MEDIUM_AND_ABOVE: Es el nivel de confianza para la configuración del filtro de IA responsable: peligroso. Puedes modificar este parámetro de configuración, aunque los valores más bajos pueden generar más falsos positivos. Para obtener más información, consulta Niveles de confianza de Model Armor.
Inhabilita el análisis del tráfico de MCP con Model Armor
Para evitar que Model Armor analice automáticamente el tráfico hacia y desde los servidores de MCP de Google según la configuración de base del proyecto, ejecuta el siguiente comando:
gcloud model-armor floorsettings update \
--full-uri='projects/PROJECT_ID/locations/global/floorSetting' \
--remove-integrated-services=GOOGLE_MCP_SERVER
Reemplaza PROJECT_ID por el ID del proyecto de Google Cloud . Model Armor no aplica automáticamente las reglas definidas en
la configuración de base de este proyecto a ningún tráfico del servidor de MCP de Google.
La configuración mínima y general de Model Armor puede afectar más que solo el MCP. Debido a que Model Armor se integra en servicios como Vertex AI, cualquier cambio que realices en la configuración mínima puede afectar el análisis del tráfico y los comportamientos de seguridad en todos los servicios integrados, no solo en MCP.
Controla el uso de MCP con políticas de denegación de IAM
Las políticas de denegación y las políticas de permisos de Identity and Access Management (IAM) te ayudan a proteger los servidores de MCP de Google y Google Cloud .
Puedes combinar varios criterios para crear políticas de seguridad y administración personalizadas permitiendo o denegando el acceso según lo siguiente:
- La principal.
- Propiedades de la herramienta, como el atributo de solo lectura.
- El nombre del servicio o de la herramienta.
- Es el ID de cliente de OAuth de la aplicación.
Para obtener más información, consulta Controla el uso de MCP con Identity and Access Management.
¿Qué sigue?
- Lee la documentación de referencia de MCP de Dataform.
- Obtén más información sobre los servidores de MCP de Google Cloud.