Google utiliza tecnología de IA para traducir contenido a tu idioma preferido. Las traducciones realizadas con IA pueden contener errores.

Usa el servidor de MCP remoto de Dataform

En este documento, se muestra cómo usar el servidor remoto del Protocolo de contexto del modelo (MCP) de Dataform para conectarte con aplicaciones de IA, como Antigravity, ChatGPT, Claude y las aplicaciones personalizadas que estés desarrollando. Puedes usar el servidor de MCP remoto de Dataform para realizar tareas como administrar recursos de un solo archivo, crear código de canalización en espacios de trabajo de desarrollo, organizar canalizaciones y solucionar problemas de fallas de ejecución. El servidor de MCP remoto de Dataform se habilita cuando habilitas la API de Dataform.

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 estándar y salida (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 puede 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 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
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.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

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 Cómo autenticarse 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 las 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/mcp

Reemplaza REGION por 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 deseas usar cuando te conectes al servidor de MCP de Dataform.

Para obtener orientación más general, consulta los siguientes recursos:

Orientación específica para el cliente

Para obtener instrucciones específicas de la aplicación, consulta las siguientes secciones:

Antigravity

Para agregar el servidor de MCP remoto de Dataform a Antigravity, sigue las instrucciones que se indican en Editor de Antigravity: Integración de MCP. Puedes autenticarte con las credenciales predeterminadas de la aplicación (ADC) o un ID de cliente y un secreto.

Gemini CLI

Para agregar el servidor de MCP remoto de Dataform a tu Gemini CLI, configúralo como una extensión y autentícate con las credenciales predeterminadas de la aplicación (ADC) de Google.

Usa tus credenciales de gcloud CLI para configurar tus credenciales predeterminadas de la aplicación (ADC):
```
gcloud auth application-default login
```
Si el servidor de MCP que usas requiere permisos de OAuth más allá del permiso predeterminado https://www.googleapis.com/auth/cloud-platform, usa la marca --scopes para incluirlos.
Crea un archivo de extensión en la siguiente ubicación: ~/.gemini/extensions/EXT_NAME/gemini-extension.json, donde ~/ es tu directorio principal y EXT_NAME es el nombre que deseas darle a la extensión.

Guarda el siguiente contenido en el archivo de tu extensión:

{
  "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"
      }
    }
  }
}

Reemplaza lo siguiente:

EXT_NAME: Es el nombre de la extensión.
PROJECT_ID: Es el ID del proyecto de Google Cloud .

En el caso de los servicios que no requieren permisos de OAuth, puedes omitir la sección "oauth".

Para servicios como Antigravity que admiten tokens del portador, agrega el parámetro "Authorization" a la sección "headers" del archivo JSON:

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

Reemplaza YOUR_TOKEN por tu token del portador. Puedes generar un token ejecutando el comando gcloud auth application-default print-access-token.

Inicia Gemini CLI:
```
gemini
```

Ejecuta /mcp para ver el servidor de MCP configurado y sus herramientas.

La respuesta es similar a lo que se muestra a continuación:

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

El servidor de MCP remoto está listo para usarse en Gemini CLI.

Claude.ai

Para agregar el servidor de MCP remoto de Dataform a Claude.ai, configura un conector personalizado con un ID de cliente de OAuth y un secreto del cliente de OAuth:

Crea un ID de cliente y un secreto de OAuth 2.0:
1. En la consola de Google Cloud , ve a Google Auth Platform > Clientes > Crear cliente.
  
  Ir a Crear cliente
  
  Si no tienes un proyecto seleccionado, se te solicitará que crees uno.
2. En la lista Tipo de aplicación, selecciona Aplicación web.
3. En el campo Nombre, ingresa un nombre para tu aplicación.
4. En la sección Orígenes autorizados de JavaScript, haz clic en + Agregar URI y, luego, ingresa https://claude.ai en el campo URIs.
5. En la sección URIs de redireccionamiento autorizados, haz clic en + Agregar URI y, luego, ingresa https://claude.ai/api/mcp/auth_callback en el campo URIs.
6. Haz clic en Crear. Se crea el cliente.
  
  Se abrirá el diálogo Se creó el cliente de OAuth 2.0.
7. En la sección Secretos del cliente, copia el Secreto del cliente y guárdalo en un lugar seguro. Solo puedes copiarlo una vez. Si lo pierdes, borra el secreto y crea uno nuevo.
  
  Precaución: Trata los secretos del cliente como contraseñas y almacénalos en un lugar seguro.
Sigue las instrucciones para crear un conector personalizado. Ingresa tu ID de cliente y el secreto en el menú Configuración avanzada.

Claude Code

Para agregar el servidor de MCP remoto de Dataform a Claude Code, configura un conector personalizado con un ID de cliente de OAuth y un secreto del cliente de OAuth:

Instala Claude Code.
Crea un ID de cliente y un secreto de OAuth 2.0:
1. En la consola de Google Cloud , ve a Google Auth Platform > Clientes > Crear cliente.
  
  Ir a Crear cliente
  
  Si no tienes un proyecto seleccionado, se te solicitará que crees uno.
2. En la lista Tipo de aplicación, selecciona Aplicación web.
3. En el campo Nombre, ingresa un nombre para tu aplicación.
4. En la sección URIs de redireccionamiento autorizados, haz clic en + Agregar URI y, luego, ingresa https://claude.ai/api/mcp/auth_callback en el campo URIs.
5. Haz clic en Crear. Se crea el cliente.
  
  Se abrirá el diálogo Se creó el cliente de OAuth 2.0.
6. En la sección Secretos del cliente, copia el Secreto del cliente y guárdalo en un lugar seguro. Solo puedes copiarlo una vez. Si lo pierdes, borra el secreto y crea uno nuevo.
  
  Precaución: Trata los secretos del cliente como contraseñas y almacénalos en un lugar seguro.
Sigue las instrucciones para crear un conector personalizado. Ingresa tu ID de cliente y el secreto en el menú Configuración avanzada.

Claude para computadoras de escritorio

Para agregar el servidor de MCP remoto de Dataform a Claude Desktop, configura un conector personalizado con un ID de cliente de OAuth y un secreto del cliente de OAuth:

Instala Claude para computadoras de escritorio.
Crea un ID de cliente y un secreto de OAuth 2.0:
1. En la consola de Google Cloud , ve a Google Auth Platform > Clientes > Crear cliente.
  
  Ir a Crear cliente
  
  Si no tienes un proyecto seleccionado, se te solicitará que crees uno.
2. En la lista Tipo de aplicación, selecciona Aplicación web.
3. En el campo Nombre, ingresa un nombre para tu aplicación.
4. En la sección URIs de redireccionamiento autorizados, haz clic en + Agregar URI y, luego, ingresa https://claude.ai/api/mcp/auth_callback en el campo URIs.
5. Haz clic en Crear. Se crea el cliente.
  
  Se abrirá el diálogo Se creó el cliente de OAuth 2.0.
6. En la sección Secretos del cliente, copia el Secreto del cliente y guárdalo en un lugar seguro. Solo puedes copiarlo una vez. Si lo pierdes, borra el secreto y crea uno nuevo.
  
  Precaución: Trata los secretos del cliente como contraseñas y almacénalos en un lugar seguro.
Sigue las instrucciones para crear un conector personalizado. Ingresa tu ID de cliente y el secreto en el menú Configuración avanzada.

ChatGPT

Debes tener una suscripción a ChatGPT Business para usar el servidor de MCP remoto de Dataform con ChatGPT.

Para agregar el servidor de MCP remoto de Dataform a ChatGPT, crea un ID de cliente y un secreto de Google OAuth 2.0 y, luego, agrega el servidor de MCP como un complemento en ChatGPT.

Crea un ID de cliente y un secreto de OAuth 2.0

En la consola de Google Cloud , ve a Google Auth Platform > Clientes > Crear cliente.

Ir a Crear cliente

Si no tienes un proyecto seleccionado, se te solicitará que crees uno.
En la lista Tipo de aplicación, selecciona Aplicación web.
En el campo Nombre, ingresa un nombre para tu aplicación.
En la sección URIs de redireccionamiento autorizados, haz clic en + Agregar URI y, luego, ingresa https://chatgpt.com/connector_platform_oauth_redirect en el campo URIs.
Haz clic en Crear. Se crea el cliente.

Se abrirá el diálogo Se creó el cliente de OAuth 2.0.
En la sección Secretos del cliente, copia el Secreto del cliente y guárdalo en un lugar seguro. Solo puedes copiarlo una vez. Si lo pierdes, borra el secreto y crea uno nuevo.

Precaución: Trata los secretos del cliente como contraseñas y almacénalos en un lugar seguro.

Agrega el servidor de MCP como complemento en ChatGPT

Accede a ChatGPT.
Para agregar un servidor de MCP a ChatGPT, sigue las instrucciones que se indican en Compila un complemento.
Ingresa tu ID de cliente y secreto según sea necesario para la autenticación.

El servidor de MCP se muestra en el menú Complementos y está listo para usarse a través de instrucciones de chat.

Cursor

Para agregar el servidor de MCP remoto de Dataform a Cursor, crea un ID de cliente y un secreto, y, luego, configura el servidor de MCP con OAuth estático. Cursor usa diferentes URI de redireccionamiento según cómo accedas a Cursor: a través de la Web o de una aplicación de escritorio.

Crea un ID de cliente y un secreto de OAuth 2.0:
Agentes web o de cursor
1. En la consola de Google Cloud , ve a Google Auth Platform > Clientes > Crear cliente.
  
  Ir a Crear cliente
  
  Si no tienes un proyecto seleccionado, se te solicitará que crees uno.
2. En la lista Tipo de aplicación, selecciona Aplicación web.
3. En el campo Nombre, ingresa un nombre para tu aplicación.
4. En la sección URIs de redireccionamiento autorizados, haz clic en + Agregar URI y, luego, ingresa https://www.cursor.com/agents/mcp/oauth/callback en el campo URIs.
5. Haz clic en Crear. Se crea el cliente.
  
  Se abrirá el diálogo Se creó el cliente de OAuth 2.0.
6. En la sección Secretos del cliente, copia el Secreto del cliente y guárdalo en un lugar seguro. Solo puedes copiarlo una vez. Si lo pierdes, borra el secreto y crea uno nuevo.
  
  Precaución: Trata los secretos del cliente como contraseñas y almacénalos en un lugar seguro.
Computadora de escritorio
1. En la consola de Google Cloud , ve a Google Auth Platform > Clientes > Crear cliente.
  
  Ir a Crear cliente
  
  Si no tienes un proyecto seleccionado, se te solicitará que crees uno.
2. En la lista Tipo de aplicación, selecciona Aplicación web.
3. En el campo Nombre, ingresa un nombre para tu aplicación.
4. En la sección URIs de redireccionamiento autorizados, haz clic en + Agregar URI y, luego, ingresa http://localhost:8787/callback en el campo URIs.
5. Haz clic en Crear. Se crea el cliente.
  
  Se abrirá el diálogo Se creó el cliente de OAuth 2.0.
6. En la sección Secretos del cliente, copia el Secreto del cliente y guárdalo en un lugar seguro. Solo puedes copiarlo una vez. Si lo pierdes, borra el secreto y crea uno nuevo.
  
  Precaución: Trata los secretos del cliente como contraseñas y almacénalos en un lugar seguro.
Sigue las instrucciones para configurar el servidor de MCP con OAuth estático.
Usa el servidor de MCP en Chat.

CLI de OpenCode

Para agregar el servidor de MCP remoto de Dataform a OpenCode CLI, sigue las instrucciones que se indican en OpenCode: MCP.

Replit

Para agregar el servidor de MCP remoto de Dataform a Replit, sigue las instrucciones que se indican en Replit: Descripción general de los servidores de MCP.

Visual Studio Code

Para configurar el servidor de MCP remoto de Dataform en Visual Studio Code (VS Code), haz lo siguiente:

Instala VS Code.
Abre VS Code y, luego, la paleta de comandos presionando Control + Mayúsculas + P (Windows o Linux) o Comando + Mayúsculas + P (macOS).
En la paleta de comandos, selecciona MCP: Add Server….
Selecciona HTTP (HTTP o eventos enviados por el servidor).
Ingresa el extremo de MCP https://dataform.REGION.rep.googleapis.com/mcp y, luego, presiona Intro.
Ingresa un nombre para el servidor y, luego, presiona Intro.
Si quieres que el servidor de MCP esté disponible para todos los espacios de trabajo, selecciona Global. Si quieres que el servidor de MCP esté disponible solo para el espacio de trabajo actual, selecciona Espacio de trabajo.

Tu archivo mcp.json se actualiza con la información del servidor.

Autentícate en el servidor de MCP

Puedes usar un ID de cliente y un secreto de OAuth, o credenciales predeterminadas de la aplicación (ADC) para autenticarte en el servidor de MCP.

Nota: Si usas ADC para la autenticación, debes volver a generar tu token de acceso cada hora.

ID de cliente de OAuth

En VS Code, abre el panel de Chat presionando Control + Alt + I (Windows o Linux) o Mayúsculas + Comando + I (macOS).
En el panel Chat, selecciona Establecer agente y, luego, Agente.
La primera vez que uses el servidor de MCP, se te pedirá que configures la autenticación. Para usar el servidor de MCP, ingresa una instrucción en el chat que use una de las herramientas disponibles. Si no sabes qué herramienta usar, puedes pedirle al agente que enumere las herramientas del servidor.

Por ejemplo, puedes ingresar la siguiente instrucción para enumerar las herramientas disponibles: "Enumera las herramientas disponibles para SERVER_NAME", donde SERVER_NAME es el nombre que le diste al servidor de MCP.

Se abrirá el diálogo No se admite el registro dinámico de clientes.
Haz clic en Copiar los URI y continuar.
No necesitarás las URLs copiadas, por lo que no es necesario que las registres.

En la consola de Google Cloud , ve a Google Auth Platform > Clientes > Crear cliente.

Ir a Crear cliente

Si no tienes un proyecto seleccionado, se te solicitará que crees uno.
En la lista Tipo de aplicación, selecciona App para computadoras.
En el campo Nombre, ingresa un nombre para tu aplicación.
Haz clic en Crear. Se crea el cliente.

Se abrirá el diálogo Se creó el cliente de OAuth 2.0.
En la sección Secretos del cliente, copia el Secreto del cliente y guárdalo en un lugar seguro. Solo puedes copiarlo una vez. Si lo pierdes, borra el secreto y crea uno nuevo.

Precaución: Trata los secretos del cliente como contraseñas y almacénalos en un lugar seguro.

Configura VS Code para usar tu ID de cliente y secreto de OAuth

En VS Code, ingresa tu ID de cliente de OAuth y, luego, presiona Intro.
Cuando se te solicite, ingresa el secreto del cliente de OAuth y, luego, presiona Intro.
En el diálogo de VS Code que se abre, haz clic en Permitir.

El agente completa la llamada a la herramienta del MCP y responde en el chat.

Borrar credenciales almacenadas en caché

VS Code almacena en caché los proveedores de autenticación dinámicos para optimizar tu experiencia de acceso. Si ya ingresaste credenciales y quieres ingresar otras nuevas, debes borrar las credenciales almacenadas en caché.

Para borrar las credenciales almacenadas en caché, haz lo siguiente:

En VS Code, abre la paleta de comandos presionando Control + Mayúsculas + P (Windows o Linux) o Comando + Mayúsculas + P (macOS).
En la paleta de comandos, selecciona Authentication: Remove dynamic authentication providers y, luego, el ID de cliente del que quieras quitar las credenciales almacenadas en caché.
Vuelve a cargar VS Code y a conectarte a un servidor de MCP remoto.
Se te solicitará que ingreses tu ID de cliente de OAuth y el secreto.

ADC

Configura las credenciales predeterminadas de la aplicación (ADC) para tu entorno.
Si usas una shell local, crea credenciales de autenticación locales para tu cuenta de usuario:
```
gcloud auth application-default login
```
Genera un token predeterminado de la aplicación ejecutando el siguiente comando:
```
gcloud auth application-default print-access-token
```

En tu archivo mcp.json, agrega lo siguiente a la entrada del servidor de MCP:

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

Reemplaza lo siguiente:

TOKEN: Es el token predeterminado de la aplicación.
PROJECT_ID: Es el ID del proyecto de Google Cloud .

En el siguiente ejemplo, se muestra una entrada de servidor de MCP que usa ADC para la autenticación:

{
  "servers": [
    {
      "name": "My Dataform MCP Server",
      "uri": "https://dataform.REGION.rep.googleapis.com/mcp",
      "headers": {
        "Authorization": "Bearer nYkwroEYjN4Fw1TTNhe69F4rR6o9bvrR1P4U1l0DVq9p81sN0",
        "x-goog-user-project": "my-project"
      }
    }
  ]
}

En VS Code, abre el panel de chat presionando Control + Alt + I (Windows o Linux) o Mayúsculas + Comando + I (macOS).
En el panel Chat, selecciona Establecer agente y, luego, Agente.
Envía una instrucción al agente que use una de las herramientas de MCP disponibles. Si no sabes qué herramienta usar, puedes pedirle al agente que enumere las herramientas del servidor de MCP.

Capacidades de agente

El servidor de MCP de Dataform proporciona un conjunto de herramientas que permiten a los agentes de IA interactuar con los flujos de trabajo de transformación de datos y depurarlos a través de la organización de 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 lista

Usa el inspector de MCP para enumerar las herramientas o enviar 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 ser mcp/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_ID en el proyecto PROJECT_ID".
"Crea una carpeta nueva llamada FOLDER_NAME en mi proyecto".
"Crea un lugar de trabajo nuevo llamado WORKSPACE_NAME en mi repositorio".
"Busca archivos llamados FILE_NAME en mi espacio de trabajo".
"Lee el contenido de FILE_NAME de 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 REGION del proyecto PROJECT_ID".
"Cancela la invocación del flujo de trabajo llamada WORKFLOW_INVOCATION_ID en el repositorio REPOSITORY_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: Es 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 solicitud workflowInvocations.list o del campo name de una respuesta workflowInvocations.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 más información para otorgar roles.
Habilitar la API
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 LOCATION por 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 MCP. Debido a que Model Armor se integra en servicios como Vertex AI, cualquier cambio que realices en la configuración de umbral 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 de 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.

Usa el servidor de MCP remoto de Dataform Organiza tus páginas con colecciones Guarda y categoriza el contenido según tus preferencias.

¿Cuál es la diferencia entre los servidores de MCP locales y remotos?

Núcleo sin estado

Servidores de MCP remotos de Google y Google Cloud

Antes de comenzar

Roles obligatorios

Permisos necesarios

Autenticación y autorización

Permisos de OAuth de MCP de Dataform

Configura un cliente de MCP para que use el servidor de MCP de Dataform

Orientación específica para el cliente

Antigravity

Gemini CLI

Claude.ai

Claude Code

Claude para computadoras de escritorio

ChatGPT

Crea un ID de cliente y un secreto de OAuth 2.0

Agrega el servidor de MCP como complemento en ChatGPT

Cursor

Agentes web o de cursor

Computadora de escritorio

CLI de OpenCode

Replit

Visual Studio Code

Autentícate en el servidor de MCP

ID de cliente de OAuth

Configura VS Code para usar tu ID de cliente y secreto de OAuth

Borrar credenciales almacenadas en caché

ADC

Capacidades de agente

Herramientas disponibles

Herramientas de lista

Ejemplos de instrucciones

Parámetros de configuración de seguridad opcionales

Usa Model Armor

Enrutamiento de solicitudes de MCP a Model Armor

Habilita Model Armor

Console

gcloud

Configura la protección para los servidores de MCP remotos de Google y Google Cloud

Inhabilita el análisis del tráfico de MCP con Model Armor

Controla el uso de MCP con políticas de denegación de IAM

¿Qué sigue?

Usa el servidor de MCP remoto de Dataform