‫Google משתמשת בטכנולוגיית AI כדי לתרגם תוכן לשפה המועדפת עליך. בתרגומים כאלו עשויות להיות שגיאות.

שימוש בשרת MCP מרוחק של Dataform

במאמר הזה מוסבר איך להשתמש בשרת Model Context Protocol‏ (MCP) המרוחק של Dataform כדי להתחבר לאפליקציות AI, כולל Antigravity, ‏ ChatGPT, ‏ Claude ואפליקציות בהתאמה אישית שאתם מפתחים. אתם יכולים להשתמש בשרת ה-MCP המרוחק של Dataform כדי לבצע משימות כמו ניהול נכסים של קובץ יחיד, כתיבת קוד של צינור עיבוד נתונים בסביבות עבודה לפיתוח, תזמור צינורות עיבוד נתונים ופתרון בעיות של כשלים בהפעלה. שרת ה-MCP המרוחק של Dataform מופעל כשמפעילים את Dataform API.

‫Model Context Protocol (‏MCP) הוא תקן שמגדיר איך מודלים גדולים של שפה (LLM) ואפליקציות או סוכנים של AI מתחברים למקורות נתונים חיצוניים. שרתי MCP מאפשרים לכם להשתמש בכלים, במשאבים ובהנחיות שלהם כדי לבצע פעולות ולקבל נתונים מעודכנים משירות הקצה העורפי שלהם.

מה ההבדל בין שרתי MCP מקומיים לשרתי MCP מרוחקים?

שרתי MCP מקומיים: בדרך כלל פועלים במחשב המקומי ומשתמשים בזרמי הקלט והפלט הסטנדרטיים (stdio) לתקשורת בין שירותים באותו מכשיר.
שרתי MCP מרוחקים: הם פועלים בתשתית של השירות ומציעים נקודת קצה (endpoint) מסוג HTTP לאפליקציות AI, כדי לאפשר תקשורת בין לקוח ה-MCP של ה-AI לבין שרת ה-MCP. מידע נוסף על ארכיטקטורת MCP

ליבה ללא שמירת מצב

בגרסת MCP‏ 2026-07-28, פרוטוקול MCP משתנה מפרוטוקול דו-כיווני עם שמירת מצב (stateful) לפרוטוקול ללא שמירת מצב (stateless). כל בקשת MCP מתארת את עצמה ואפשר לנתב אותה באמצעות כותרות. אין צורך בלחיצת היד של initialize/initialized או ב-Mcp-Session-Id כי כל בקשה כוללת את כל המידע שנדרש בכותרות HTTP או בפרמטר _meta. שרתי MCP יכולים לבקש מידע נוסף שנדרש לכלי באמצעות בקשות הלוך ושוב (MRTR).

כדי לנתב ולעבד בקשות בלי לנתח את גוף הבקשה, נדרשות כמה כותרות MCP, כולל:

כותרות שנדרשות לפי מפרט ה-MCP, כמו כותרת גרסת הפרוטוקול וכותרות בקשה רגילות.
כותרות בהתאמה אישית שמוגדרות על ידי שרת ה-MCP. הכותרות האלה משתקפות בכותרות HTTP מסכימת הקלט של הכלי באמצעות המאפיין x-mcp-header. לדוגמה, שרת MCP יכול להגדיר כותרת מותאמת אישית כדי לציין את האזור או את מזהה הפרויקט ב- Google Cloud .

למידע נוסף על הארכיטקטורה של MCP, קראו את המפרט של MCP בגרסה 2026-07-28 ואת השינויים העיקריים.

שרתי MCP של Google ושרתי MCP מרוחקים של Google Cloud

לשרתי MCP מרוחקים של Google ושל Google Cloud יש את התכונות והיתרונות הבאים:

חיפוש פשוט ומרוכז
נקודות קצה (endpoints) מנוהלות של HTTP גלובלי או אזורי
הרשאה פרטנית
אבטחה אופציונלית של הנחיות ותשובות באמצעות הגנה מוגברת על המודל
רישום מרכזי ביומן הביקורת

במאמר סקירה כללית על שרתי Google Cloud MCP מוסבר על שרתי MCP אחרים ועל אמצעי הבקרה לאבטחה ולמשילות שזמינים לשרתי Google Cloud MCP.

לפני שמתחילים

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

מקשרים את המאגר ב-Dataform לספק Git כמו GitHub או GitLab. מידע נוסף זמין במאמר חיבור למאגר Git של צד שלישי.
מגדירים את סוכן ה-AI עם אסימון OAuth תקין באמצעות היקף ההרשאות של BigQuery.

התפקידים הנדרשים

כדי לקבל את ההרשאות שנדרשות לשימוש בשרת MCP של Dataform, בקשו מהאדמין להקצות לכם את תפקידי ה-IAM הבאים בפרויקט ב- Google Cloud :

לבצע קריאות API לכלי MCP: משתמש בכלי MCP (roles/mcp.toolUser)
יצירת מאגרים וסביבות עבודה ב-Dataform ועריכת קבצים: עריכה ב-Dataform (roles/dataform.editor)
להריץ משימות ב-BigQuery: BigQuery Job User (roles/bigquery.jobUser)

להסבר על מתן תפקידים, ראו איך מנהלים את הגישה ברמת הפרויקט, התיקייה והארגון.

התפקידים המוגדרים מראש האלה כוללים את ההרשאות שנדרשות כדי להשתמש בשרת MCP של Dataform. כדי לראות בדיוק אילו הרשאות נדרשות, אפשר להרחיב את הקטע ההרשאות הנדרשות:

ההרשאות הנדרשות

כדי להשתמש בשרת MCP של Dataform, צריך את ההרשאות הבאות:

מפעיל קריאות לכלי MCP: mcp.tools.call
יצירת מאגרים וסביבות עבודה ב-Dataform ועריכת קבצים:
- 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
מריצים משימות ב-BigQuery:
- bigquery.jobs.create
- bigquery.config.get

יכול להיות שתקבלו את ההרשאות האלה באמצעות תפקידים בהתאמה אישית או תפקידים מוגדרים מראש אחרים.

אימות והרשאה

שרת ה-MCP המרוחק של Dataform משתמש בפרוטוקול OAuth 2.0 עם ניהול זהויות והרשאות גישה (IAM) לאימות ולהרשאה. כל Google Cloud הזהויות נתמכות לאימות בשרתי MCP.

שרת ה-MCP של Dataform מנהל את הגישה באמצעות מנגנוני האימות וההרשאה הבאים:

בקשות גילוי (tools/list) לא דורשות אימות, וכך נציגים יכולים לזהות כלים זמינים של Dataform בלי צורך בהרשאה מראש.
בקשות הרצה (tools/call) מאומתות באמצעות OAuth, והסוכן נדרש לספק אסימון OAuth חוקי שמשתמש בהיקף ההרשאות של BigQuery. מידע נוסף זמין במאמר היקפי ההרשאות של Dataform MCP OAuth.

אנחנו ממליצים ליצור זהות נפרדת לסוכנים שמשתמשים בכלים של MCP, כדי שתוכלו לשלוט בגישה למשאבים ולעקוב אחריה. מידע נוסף על אימות בשרתי MCP

היקפי ההרשאות של OAuth ב-Dataform MCP

ב-OAuth 2.0 משתמשים בהיקפי הרשאות ובפרטי כניסה כדי לקבוע אם לחשבון משתמש מאומת מסוים מותר לבצע פעולה מסוימת במשאב. למידע נוסף על היקפי ההרשאות של OAuth 2.0 ב-Google, קראו את המאמר שימוש ב-OAuth 2.0 כדי לגשת אל Google APIs.

כדי לקיים אינטראקציה עם שרת ה-MCP של Dataform, הנציג צריך להשתמש בהיקף ההרשאות של BigQuery ב-OAuth. היקף ההרשאות הזה מאפשר לסוכן לנהל את קוד הטרנספורמציה ולהפעיל הרצות שפועלות כמשימות ב-BigQuery.

יכול להיות שיידרשו היקפי הרשאות נוספים במשאבים שאליהם ניגשים במהלך קריאת API לכלי. רשימת ההיקפים שנדרשים ל-Dataform מפורטת במאמר Dataform API.

הגדרת לקוח MCP לשימוש בשרת MCP של Dataform

אפליקציות וסוכני AI, כמו Claude או Antigravity, יכולים ליצור מופע של לקוח MCP שמתחבר לשרת MCP יחיד. לאפליקציית AI יכולים להיות כמה לקוחות שמתחברים לשרתי MCP שונים. אם האפליקציה שלכם לא מופיעה בהנחיות הספציפיות ללקוח, תוכלו להשתמש במידע הבא כדי להתחבר מרוב האפליקציות.

באפליקציית ה-AI, מחפשים דרך להוסיף שרת MCP מרוחק או להתחבר אליו. בשרת ה-MCP של Dataform, מבצעים את הפעולות הבאות:

שם השרת: Dataform שרת MCP
כתובת ה-URL של השרת או נקודת הקצה (endpoint): https://dataform.REGION.rep.googleapis.com/mcp

מחליפים את REGION באזור שבו נמצא המאגר, לדוגמה, us-central1.
תעבורה: HTTP שניתן להעביר בסטרימינג
פרטי אימות: בהתאם לשיטת האימות שאתם רוצים להשתמש בה, אתם יכולים להזין את Google Cloud פרטי הכניסה, את מזהה הלקוח והסוד של OAuth או את פרטי הכניסה והזהות של הנציג. מידע נוסף על אימות זמין במאמר אימות בשרתי MCP.
‫OAuth scope: היקף ההרשאות של OAuth 2.0 שבו רוצים להשתמש כשמתחברים לשרת ה-MCP של Dataform.

למידע כללי נוסף, אפשר לעיין במקורות המידע הבאים:

הנחיות ספציפיות ללקוח

בקטעים הבאים מפורטות הוראות ספציפיות לאפליקציות:

Antigravity

כדי להוסיף את שרת ה-MCP המרוחק של Dataform ל-Antigravity, פועלים לפי ההוראות במאמר Antigravity Editor: MCP Integration. אתם יכולים לבצע אימות באמצעות Application Default Credentials ‏ (ADC) או באמצעות מזהה לקוח וסוד.

Gemini CLI

כדי להוסיף את שרת ה-MCP המרוחק של Dataform ל-Gemini CLI, מגדירים אותו כתוסף ומאמתים באמצעות פרטי הכניסה של Google Application Default Credentials ‏ (ADC).

משתמשים בפרטי הכניסה ל-CLI של gcloud כדי להגדיר את Application Default Credentials ‏ (ADC):
```
gcloud auth application-default login
```
אם שרת ה-MCP שבו אתם משתמשים דורש היקפי הרשאות של OAuth מעבר להיקף ברירת המחדל https://www.googleapis.com/auth/cloud-platform, השתמשו בדגל --scopes כדי לכלול את ההיקפים האלה.
יוצרים קובץ תוסף במיקום הבא: ~/.gemini/extensions/EXT_NAME/gemini-extension.json, כאשר ~/ היא ספריית הבית ו-EXT_NAME הוא השם שרוצים לתת לתוסף.

שומרים את התוכן הבא בקובץ התוסף:

{
  "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"
      }
    }
  }
}

מחליפים את מה שכתוב בשדות הבאים:

‫EXT_NAME: שם התוסף.
‫PROJECT_ID: מזהה הפרויקט ב- Google Cloud .

בשירותים שלא דורשים היקפי הרשאות של OAuth, אפשר להשמיט את הקטע "oauth".

בשירותים כמו Antigravity שתומכים בטוקנים למוכ"ז, מוסיפים את הפרמטר "Authorization" לקטע "headers" בקובץ ה-JSON:

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

מחליפים את YOUR_TOKEN בטוקן למוכ"ז. כדי ליצור אסימון, מריצים את הפקודה gcloud auth application-default print-access-token.

מפעילים את Gemini CLI:
```
gemini
```

מריצים את /mcp כדי לראות את שרת ה-MCP שהגדרתם ואת הכלים שלו.

התגובה אמורה להיראות כך:

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

שרת ה-MCP המרוחק מוכן לשימוש ב-Gemini CLI.

Claude.ai

כדי להוסיף את שרת ה-MCP המרוחק של Dataform ל-Claude.ai, מגדירים מחבר בהתאמה אישית עם מזהה לקוח וסוד לקוח ב-OAuth:

יוצרים מזהה לקוח וסוד ב-OAuth 2.0:
1. במסוף Google Cloud , נכנסים אל Google Auth Platform > Clients > Create client.
  
  כניסה לדף Create client
  
  אם לא בחרתם פרויקט, תתבקשו ליצור פרויקט.
2. ברשימה Application type, בוחרים באפשרות אפליקציית אינטרנט.
3. בשדה Name, מזינים שם לאפליקציה.
4. בקטע Authorized JavaScript origins, לוחצים על ‎+ Add URI ומזינים את הערך https://claude.ai בשדה URIs.
5. בקטע Authorized redirect URIs, לוחצים על ‎+ Add URI ומזינים את הערך https://claude.ai/api/mcp/auth_callback בשדה URIs.
6. לוחצים על יצירה. הלקוח נוצר.
  
  תיפתח תיבת הדו-שיח OAuth 2.0 client created.
7. בקטע Client secrets, מעתיקים את Client secret ושומרים אותו במקום מאובטח. אפשר להעתיק אותו רק פעם אחת. אם איבדתם אותו, מחקו את הסוד וצרו סוד חדש.
  
  זהירות: צריך להתייחס לסודות הלקוח כמו לסיסמאות ולאחסן אותם במקום מאובטח.
פועלים לפי ההוראות ליצירת מחבר בהתאמה אישית. מזינים את מזהה הלקוח ואת הסוד בתפריט הגדרות מתקדמות.

Claude Code

כדי להוסיף את שרת ה-MCP המרוחק של Dataform ל-Claude Code, מגדירים מחבר בהתאמה אישית עם מזהה לקוח וסוד לקוח ב-OAuth:

מתקינים את Claude Code.
יוצרים מזהה לקוח וסוד ב-OAuth 2.0:
1. במסוף Google Cloud , נכנסים אל Google Auth Platform > Clients > Create client.
  
  כניסה לדף Create client
  
  אם לא בחרתם פרויקט, תתבקשו ליצור פרויקט.
2. ברשימה Application type, בוחרים באפשרות אפליקציית אינטרנט.
3. בשדה Name, מזינים שם לאפליקציה.
4. בקטע Authorized redirect URIs, לוחצים על ‎+ Add URI ומזינים את הערך https://claude.ai/api/mcp/auth_callback בשדה URIs.
5. לוחצים על יצירה. הלקוח נוצר.
  
  תיפתח תיבת הדו-שיח OAuth 2.0 client created.
6. בקטע Client secrets, מעתיקים את Client secret ושומרים אותו במקום מאובטח. אפשר להעתיק אותו רק פעם אחת. אם איבדתם אותו, מחקו את הסוד וצרו סוד חדש.
  
  זהירות: צריך להתייחס לסודות הלקוח כמו לסיסמאות ולאחסן אותם במקום מאובטח.
פועלים לפי ההוראות ליצירת מחבר בהתאמה אישית. מזינים את מזהה הלקוח ואת הסוד בתפריט הגדרות מתקדמות.

Claude Desktop

כדי להוסיף את שרת ה-MCP המרוחק של Dataform ל-Claude Desktop, מגדירים מחבר בהתאמה אישית עם מזהה לקוח וסוד לקוח ב-OAuth:

מתקינים את Claude Desktop.
יוצרים מזהה לקוח וסוד ב-OAuth 2.0:
1. במסוף Google Cloud , נכנסים אל Google Auth Platform > Clients > Create client.
  
  כניסה לדף Create client
  
  אם לא בחרתם פרויקט, תתבקשו ליצור פרויקט.
2. ברשימה Application type, בוחרים באפשרות אפליקציית אינטרנט.
3. בשדה Name, מזינים שם לאפליקציה.
4. בקטע Authorized redirect URIs, לוחצים על ‎+ Add URI ומזינים את הערך https://claude.ai/api/mcp/auth_callback בשדה URIs.
5. לוחצים על יצירה. הלקוח נוצר.
  
  תיפתח תיבת הדו-שיח OAuth 2.0 client created.
6. בקטע Client secrets, מעתיקים את Client secret ושומרים אותו במקום מאובטח. אפשר להעתיק אותו רק פעם אחת. אם איבדתם אותו, מחקו את הסוד וצרו סוד חדש.
  
  זהירות: צריך להתייחס לסודות הלקוח כמו לסיסמאות ולאחסן אותם במקום מאובטח.
פועלים לפי ההוראות ליצירת מחבר בהתאמה אישית. מזינים את מזהה הלקוח ואת הסוד בתפריט הגדרות מתקדמות.

ChatGPT

כדי להשתמש בשרת ה-MCP המרוחק של Dataform עם ChatGPT, צריך מינוי ל-ChatGPT Business.

כדי להוסיף את שרת ה-MCP המרוחק של Dataform ל-ChatGPT, צריך ליצור מזהה לקוח וסוד של Google OAuth 2.0, ואז להוסיף את שרת ה-MCP כפלאגין ב-ChatGPT.

יצירת מזהה לקוח וסוד לקוח ב-OAuth 2.0

במסוף Google Cloud , נכנסים אל Google Auth Platform > Clients > Create client.

כניסה לדף Create client

אם לא בחרתם פרויקט, תתבקשו ליצור פרויקט.
ברשימה Application type, בוחרים באפשרות אפליקציית אינטרנט.
בשדה Name, מזינים שם לאפליקציה.
בקטע Authorized redirect URIs, לוחצים על ‎+ Add URI ומזינים את הערך https://chatgpt.com/connector_platform_oauth_redirect בשדה URIs.
לוחצים על יצירה. הלקוח נוצר.

תיפתח תיבת הדו-שיח OAuth 2.0 client created.
בקטע Client secrets, מעתיקים את Client secret ושומרים אותו במקום מאובטח. אפשר להעתיק אותו רק פעם אחת. אם איבדתם אותו, מחקו את הסוד וצרו סוד חדש.

זהירות: צריך להתייחס לסודות הלקוח כמו לסיסמאות ולאחסן אותם במקום מאובטח.

מוסיפים את שרת ה-MCP כפלאגין ב-ChatGPT.

נכנסים לחשבון ב-ChatGPT.
כדי להוסיף שרת MCP ל-ChatGPT, פועלים לפי ההוראות במאמר Build a plugin.
מזינים את מזהה הלקוח ואת הסוד לפי הצורך לאימות.

שרת ה-MCP מופיע בתפריט Plugins (יישומי פלאגין), ואפשר להשתמש בו באמצעות הנחיות בצ'אט.

סמן

כדי להוסיף את שרת ה-MCP המרוחק של Dataform ל-Cursor, יוצרים מזהה לקוח וסוד לקוח, ואז מגדירים את שרת ה-MCP עם OAuth סטטי. ‫Cursor משתמש בכתובות URI שונות להפניה אוטומטית, בהתאם לאופן שבו אתם ניגשים ל-Cursor – דרך האינטרנט או דרך אפליקציה למחשב.

יוצרים מזהה לקוח וסוד ב-OAuth 2.0:
סוכני Web או Cursor
1. במסוף Google Cloud , נכנסים אל Google Auth Platform > Clients > Create client.
  
  כניסה לדף Create client
  
  אם לא בחרתם פרויקט, תתבקשו ליצור פרויקט.
2. ברשימה Application type, בוחרים באפשרות אפליקציית אינטרנט.
3. בשדה Name, מזינים שם לאפליקציה.
4. בקטע Authorized redirect URIs, לוחצים על ‎+ Add URI ומזינים את הערך https://www.cursor.com/agents/mcp/oauth/callback בשדה URIs.
5. לוחצים על יצירה. הלקוח נוצר.
  
  תיפתח תיבת הדו-שיח OAuth 2.0 client created.
6. בקטע Client secrets, מעתיקים את Client secret ושומרים אותו במקום מאובטח. אפשר להעתיק אותו רק פעם אחת. אם איבדתם אותו, מחקו את הסוד וצרו סוד חדש.
  
  זהירות: צריך להתייחס לסודות הלקוח כמו לסיסמאות ולאחסן אותם במקום מאובטח.
מחשב
1. במסוף Google Cloud , נכנסים אל Google Auth Platform > Clients > Create client.
  
  כניסה לדף Create client
  
  אם לא בחרתם פרויקט, תתבקשו ליצור פרויקט.
2. ברשימה Application type, בוחרים באפשרות אפליקציית אינטרנט.
3. בשדה Name, מזינים שם לאפליקציה.
4. בקטע Authorized redirect URIs, לוחצים על ‎+ Add URI ומזינים את הערך http://localhost:8787/callback בשדה URIs.
5. לוחצים על יצירה. הלקוח נוצר.
  
  תיפתח תיבת הדו-שיח OAuth 2.0 client created.
6. בקטע Client secrets, מעתיקים את Client secret ושומרים אותו במקום מאובטח. אפשר להעתיק אותו רק פעם אחת. אם איבדתם אותו, מחקו את הסוד וצרו סוד חדש.
  
  זהירות: צריך להתייחס לסודות הלקוח כמו לסיסמאות ולאחסן אותם במקום מאובטח.
פועלים לפי ההוראות להגדרת שרת ה-MCP עם OAuth סטטי.
משתמשים בשרת MCP ב-Chat.

OpenCode CLI

כדי להוסיף את שרת ה-MCP המרוחק של Dataform ל-OpenCode CLI, פועלים לפי ההוראות במאמר OpenCode: MCP.

Replit

כדי להוסיף את שרת ה-MCP המרוחק של Dataform ל-Replit, פועלים לפי ההוראות במאמר Replit: MCP Servers Overview.

Visual Studio Code

כדי להגדיר את שרת ה-MCP המרוחק של Dataform ב-Visual Studio Code ‏ (VS Code):

מתקינים את VS Code.
פותחים את VS Code ואז פותחים את Command palette באמצעות הקשה על Control+Shift+P (ב-Windows או ב-Linux) או על Command+Shift+P (ב-macOS).
ב-Command palette, בוחרים באפשרות MCP: Add Server...‎.
בוחרים באפשרות HTTP (HTTP או אירועים שנשלחו מהשרת).
מזינים את נקודת הקצה של ה-MCP https://dataform.REGION.rep.googleapis.com/mcp ולוחצים על Enter.
מזינים שם לשרת ולוחצים על Enter.
אם רוצים ששרת ה-MCP יהיה זמין לכל סביבות העבודה, בוחרים באפשרות גלובלי. אם רוצים ששרת ה-MCP יהיה זמין רק לסביבת העבודה הנוכחית, בוחרים באפשרות סביבת עבודה.

הקובץ mcp.json מתעדכן עם פרטי השרת.

אימות בשרת ה-MCP

כדי לאמת את שרת ה-MCP, אתם יכולים להשתמש במזהה לקוח ובסוד לקוח ב-OAuth או בApplication Default Credentials (ADC).

הערה: אם אתם משתמשים ב-ADC לאימות, אתם צריכים ליצור מחדש את אסימון הגישה כל שעה.

מזהה לקוח ב-OAuth

ב-VS Code, פותחים את חלונית הצ'אט באמצעות המקשים Control+Alt+I (ב-Windows או ב-Linux) או Shift+Command+I (ב-macOS).
בחלונית הצ'אט, לוחצים על הגדרת נציג ואז על נציג.
בפעם הראשונה שתשתמשו בשרת ה-MCP, תתבקשו להגדיר אימות. כדי להשתמש בשרת ה-MCP, מזינים בצ'אט הנחיה שמשתמשת באחד מהכלים הזמינים. אם אתם לא בטוחים באיזה כלי להשתמש, אתם יכולים לבקש מהנציג להציג את רשימת הכלים של השרת.

לדוגמה, אתם יכולים להזין את ההנחיה הבאה כדי להציג את הכלים הזמינים: "הצג את הכלים הזמינים עבור SERVER_NAME", כאשר SERVER_NAME הוא השם שנתתם לשרת ה-MCP.

תיפתח תיבת הדו-שיח Dynamic client registration not supported.
לוחצים על העתקת מזהי URI והמשך.
לא תצטרכו את כתובות ה-URL שהועתקו, אז אין צורך לתעד אותן.

במסוף Google Cloud , נכנסים אל Google Auth Platform > Clients > Create client.

כניסה לדף Create client

אם לא בחרתם פרויקט, תתבקשו ליצור פרויקט.
ברשימה Application type, בוחרים באפשרות אפליקציה למחשב.
בשדה Name, מזינים שם לאפליקציה.
לוחצים על יצירה. הלקוח נוצר.

תיפתח תיבת הדו-שיח OAuth 2.0 client created.
בקטע Client secrets, מעתיקים את Client secret ושומרים אותו במקום מאובטח. אפשר להעתיק אותו רק פעם אחת. אם איבדתם אותו, מחקו את הסוד וצרו סוד חדש.

זהירות: צריך להתייחס לסודות הלקוח כמו לסיסמאות ולאחסן אותם במקום מאובטח.

הגדרת VS Code לשימוש במזהה הלקוח ובסוד הלקוח ב-OAuth

ב-VS Code, מזינים את מזהה הלקוח ב-OAuth ולוחצים על Enter.
כשמופיעה בקשה, מזינים את סוד הלקוח ב-OAuth ולוחצים על Enter.
בתיבת הדו-שיח VS Code שנפתחת, לוחצים על Allow.

הסוכן משלים את קריאת ה-API לכלי ה-MCP ועונה בצ'אט.

ניקוי פרטי הכניסה שנשמרו במטמון

‫VS Code שומר במטמון ספקי אימות דינמיים כדי לייעל את חוויית ההתחברות. אם כבר הזנתם פרטי כניסה בעבר ואתם רוצים להזין פרטי כניסה חדשים, אתם צריכים למחוק את פרטי הכניסה שנשמרו במטמון.

כדי לנקות את פרטי הכניסה מהמטמון:

ב-VS Code, פותחים את לוח הפקודות באמצעות הקשה על Control+Shift+P (ב-Windows או ב-Linux) או על Command+Shift+P (ב-macOS).
ב-Command palette, בוחרים באפשרות Authentication: Remove dynamic authentication providers, ואז בוחרים את מזהה הלקוח שרוצים להסיר את פרטי הכניסה שלו מהמטמון.
טוענים מחדש את VS Code ומתחברים שוב לשרת MCP מרוחק.
תתבקשו להזין את מזהה הלקוח ואת סוד הלקוח ב-OAuth.

ADC

מגדירים את Application Default Credentials (ADC) בסביבה שלכם.
אם אתם משתמשים במעטפת מקומית, צרו פרטי כניסה לאימות מקומי בחשבון המשתמש:
```
gcloud auth application-default login
```
כדי ליצור אסימון ברירת מחדל לאפליקציה, מריצים את הפקודה הבאה:
```
gcloud auth application-default print-access-token
```

בקובץ mcp.json, מוסיפים את הפרטים הבאים לרשומה של שרת ה-MCP:

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

מחליפים את מה שכתוב בשדות הבאים:

TOKEN: אסימון ברירת המחדל של האפליקציה.
‫PROJECT_ID: מזהה הפרויקט ב- Google Cloud .

בדוגמה הבאה מוצגת רשומה של שרת MCP שמשתמש ב-ADC לאימות:

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

ב-VS Code, פותחים את חלונית הצ'אט באמצעות המקשים Control+Alt+I (ב-Windows או ב-Linux) או Shift+Command+I (ב-macOS).
בחלונית הצ'אט, לוחצים על הגדרת נציג ואז על נציג.
שולחים הנחיה לסוכן שמשתמש באחד מכלי ה-MCP הזמינים. אם אתם לא בטוחים באיזה כלי להשתמש, אתם יכולים לבקש מהנציג להציג את רשימת הכלים של שרת ה-MCP.

יכולות אג'נטיות

שרת ה-MCP של Dataform מספק קבוצת כלים שמאפשרים לסוכני AI לקיים אינטראקציה עם תהליכי עבודה של טרנספורמציית נתונים ולנפות בהם באגים, על ידי תזמור של קריאות ל-API של Dataform. השרת מספק כלים לביצוע הפעולות הבאות:

יצירת קוד לצינור עיבוד הנתונים. הנציגים יכולים ליצור סביבות עבודה לפיתוח ולראות אותן ברשימה, לחפש ולערוך כמה קבצים במקביל, ולבצע commit או push של שינויים לספקי Git מרוחקים כמו GitHub או GitLab.
הגדרת נכסים של קובץ יחיד. הסוכנים מנהלים את ההגדרות הבסיסיות של המשאבים, כולל יצירת מאגרים ושאילתות תוכן של ספריות.
ניהול צינורות עיבוד נתונים וגרסאות. הסוכנים מנהלים את תהליך העבודה ואת הגדרות הגרסאות, יוצרים תוצאות קומפילציה ומפעילים או מבטלים הפעלות של תהליכי עבודה.
פתרון בעיות ואימות. הנציגים מזהים את הסיבה לכשלים בצינורות עיבוד הנתונים על ידי אחזור תוצאות הקומפילציה ושאילתות לגבי פעולות ההפעלה של תהליך העבודה.

במאגרים שמחוברים למארח Git מרוחק, הנציג צריך להשתמש בכלים של סביבת העבודה כמו create_workspace ו-commit_workspace_changes כדי לפתח צינור עיבוד נתונים. כלים ישירים למאגרים נכשלים במאגרים האלה, כי הכלים האלה מיועדים רק לנכסים של קובץ יחיד במאגרים שמתארחים ב-Google.

באילו כלים אפשר להשתמש

כדי לראות את הפרטים של כלי ה-MCP הזמינים ואת התיאורים שלהם לשרת MCP של Dataform, עיינו בחומר העזר של Dataform MCP.

כלים לרשימות

משתמשים בכלי לבדיקת MCP כדי להציג רשימה של כלים, או שולחים בקשת HTTP מסוג tools/list ישירות לשרת ה-MCP המרוחק של Dataform. השיטה tools/list לא דורשת אימות.

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"]
              }
            }
          }
        }
      }
    }'

מחליפים את מה שכתוב בשדות הבאים:

‫TOOLSET_ENDPOINT: החלק שנותר בנקודת הקצה של ה-MCP אחרי שם השירות. לדוגמה, ב-Dataform, יכול להיות שזה יהיה mcp/toolset-name.
‫MCP_PROTOCOL_VERSION: גרסת פרוטוקול ה-MCP. לדוגמה, 2026-07-28.

פרומפטים לדוגמה

אתם יכולים להשתמש בהנחיות לדוגמה הבאות כדי לקבל מידע על משאבי Dataform, לכתוב קוד של צינור עיבוד נתונים בסביבות עבודה, לתזמר תהליכי עבודה או לפתור בעיות בהפעלות:

"יצירת מאגר חדש ב-Dataform בשם REPOSITORY_ID בפרויקט PROJECT_ID".
"צור תיקייה חדשה בשם FOLDER_NAME בפרויקט שלי".
"צור סביבת עבודה חדשה בשם WORKSPACE_NAME במאגר שלי".
"חפש קבצים בשם FILE_NAME בסביבת העבודה שלי".
"תקרא את התוכן של FILE_NAME מסביבת העבודה שלי".
"תאשר את השינויים בסביבת העבודה שלי ותעביר אותם להסתעפות המרוחקת ב-Git".
"יצירת נכס חדש של Notebook בפרויקט PROJECT_ID".
"Commit the changes to my saved query in REPOSITORY_ID"
"צור הגדרה של תהליך עבודה שמתזמנת את צינור עיבוד הנתונים שלי לפעול כל יום בשעה 8:00".
"הפעלת ביצוע חדש של הגדרת תהליך העבודה WORKFLOW_CONFIGURATION_ID".
"Check the status of my recent pipeline executions and tell me if any failed, including the error details."
"תראה לי את הפרטים של ההפעלה הספציפית שנכשלה".
"הצג את כל המאגרים של Dataform באזור REGION בפרויקט PROJECT_ID".
"בטל את ההפעלה של תהליך העבודה שנקרא WORKFLOW_INVOCATION_ID במאגר REPOSITORY_ID, שפועל עכשיו".

בהנחיות, מחליפים את מה שכתוב בשדות הבאים:

‫FILE_NAME: שם הקובץ.
‫FOLDER_NAME: שם התיקייה.
‫PROJECT_ID: מזהה הפרויקט ב- Google Cloud .
‫REGION: שם האזור.
‫REPOSITORY_ID: המזהה הייחודי של מאגר Dataform, לדוגמה quickstart-repository.
‫WORKFLOW_CONFIGURATION_ID: המזהה הייחודי של הגדרת תהליך העבודה.
‫WORKFLOW_INVOCATION_ID: המזהה הייחודי של הרצה ספציפית של תהליך עבודה. אפשר לקבל את המזהה הזה מהתוצאות של בקשת workflowInvocations.list או מהשדה name של תשובת workflowInvocations.create.
‫WORKSPACE_NAME: שם סביבת העבודה.

הגדרות אופציונליות של אבטחה ובטיחות

בגלל המגוון הרחב של הפעולות שאפשר לבצע באמצעות כלי MCP, יש סיכוני אבטחה ושיקולים חדשים שצריך להביא בחשבון. כדי למזער את הסיכונים האלה ולנהל אותם,Google Cloud מציע הגדרות ברירת מחדל וכללי מדיניות שניתן להתאים אישית כדי לשלוט בשימוש בכלי MCP בארגון או בפרויקט שלכם ב- Google Cloud .

מידע נוסף על אבטחה ופיקוח ב-MCP זמין במאמר אבטחה ובטיחות ב-AI.

שימוש ב-Model Armor

הגנה מוגברת על המודל היא שירות שלGoogle Cloud שנועד לשפר את האבטחה והבטיחות של אפליקציות ה-AI שלכם. הוא פועל באופן יזום כדי לסנן הנחיות ותשובות של מודלי LLM, להגן מפני סיכונים שונים ולתמוך בשיטות לפיתוח אחראי של AI. לא משנה אם אתם פורסים את ה-AI בסביבת הענן שלכם או אצל ספקי שירותי ענן חיצוניים, אתם יכולים להשתמש ב"הגנה מוגברת על המודל" כדי למנוע קלט זדוני, לוודא שהתוכן בטוח, להגן על מידע אישי רגיש, לשמור על תאימות ולאכוף את מדיניות הבטיחות והאבטחה של ה-AI באופן עקבי בכל סביבת ה-AI המגוונת שלכם.

כשהתכונה "הגנה מוגברת על המודל" מופעלת עם רישום ביומן, היא מתעדת את כל המטען הייעודי (payload). זה עלול לחשוף מידע רגיש ביומנים.

ניתוב בקשות של MCP ל-Model Armor

שרת ה-MCP של Dataform משתמש בניתוב בין תחומי שיפוט. כשמפעילים את Model Armor, שרת ה-MCP שולח את כל הבקשות ל-Model Armor לבדיקה. ניתוב בין תחומי שיפוט עלול להפר התחייבויות קיימות לעמידה בדרישות של מיקום אחסון הנתונים, לגבי נתונים בשימוש ונתונים בהעברה. מידע נוסף על ההתנהגות של שרתי MCP אחרים זמין במאמר מוצרים שנתמכים ב-Model Armor.

הפעלת Model Armor

כדי להשתמש ב-Model Armor, צריך להפעיל את ממשקי ה-API של Model Armor.

המסוף

מפעילים את Model Armor API, אם הוא עדיין לא מופעל.
התפקידים שנדרשים כדי להפעיל ממשקי API
כדי להפעיל ממשקי API, צריך את ההרשאה serviceusage.services.enable. אם אתם יצרתם את הפרויקט, סביר להניח שכבר יש לכם את ההרשאה הזו דרך התפקיד "בעלים" (roles/owner). אחרת, אתם יכולים לקבל את ההרשאה הזו דרך התפקיד "אדמין בממשק 'שימוש בשירות'" (roles/serviceusage.serviceUsageAdmin). איך מקצים תפקידים?
להפעלת ה-API
בוחרים את הפרויקט שבו רוצים להפעיל את Model Armor.

gcloud

לפני שמתחילים, מבצעים את השלבים הבאים באמצעות Google Cloud CLI עם Model Armor API:

התקינו את ה-CLI של Google Cloud ואז היכנסו ל-CLI של gcloud באמצעות הזהות המאוחדת שלכם. אחרי שנכנסתם לחשבון, אתחלו את ה-CLI של Google Cloud באמצעות הפקודה הבאה:
```
gcloud init
```
מריצים את הפקודה הבאה כדי להגדיר את נקודת הקצה ל-API של שירות Model Armor.
```
gcloud config set api_endpoint_overrides/modelarmor "https://modelarmor.LOCATION.rep.googleapis.com/"
```
מחליפים את LOCATION באזור שבו רוצים להשתמש ב-Model Armor.

הגדרת הגנה לשרתי MCP של Google ו Google Cloud שרתי MCP מרוחקים

כדי להגן על הקריאות והתשובות של כלי ה-MCP, אתם יכולים להשתמש בהגדרות הבסיסיות של Model Armor. הגדרת רצפה קובעת את מסנני האבטחה המינימליים שחלים על הפרויקט. ההגדרה הזו מחילה קבוצה עקבית של מסננים על כל הקריאות לכלים של MCP והתשובות שלהם בפרויקט.

מגדירים את ההגנה המוגברת על המודל עם הסרת תוכן זדוני או רגיש ב-MCP. מידע נוסף זמין במאמר הגדרת רמות הסינון של Model Armor.

דוגמה לפקודה:

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"}]'

מחליפים את PROJECT_ID במזהה הפרויקט ב- Google Cloud .

שימו לב להגדרות הבאות:

‫INSPECT_AND_BLOCK: סוג האכיפה שבודק את התוכן בשרת MCP של Google וחוסם הנחיות ותשובות שתואמות למסננים.
‫ENABLED: ההגדרה שמפעילה סינון או אכיפה.
‫MEDIUM_AND_ABOVE: רמת הסמך של הגדרות הסינון של AI אחראי – תוכן מסוכן. אפשר לשנות את ההגדרה הזו, אבל ערכים נמוכים יותר עלולים לגרום ליותר תוצאות חיוביות כוזבות. מידע נוסף מופיע במאמר רמות הסמך של Model Armor.

השבתת הסריקה של תנועת MCP באמצעות Model Armor

כדי להפסיק את הסריקה האוטומטית של הגנה מוגברת על המודל לתעבורת נתונים אל שרתי MCP וממנה, על סמך הגדרות אבטחה מינימליות של הפרויקט, מריצים את הפקודה הבאה:

gcloud model-armor floorsettings update \
  --full-uri='projects/PROJECT_ID/locations/global/floorSetting' \
  --remove-integrated-services=GOOGLE_MCP_SERVER

מחליפים את PROJECT_ID במזהה הפרויקט ב- Google Cloud . התכונה "הגנה מוגברת על המודל" לא מחילה באופן אוטומטי את הכללים שמוגדרים בהגדרות המינימום של הפרויקט הזה על תנועה בשרת MCP של Google.

הגדרות הסף וההגדרות הכלליות של Model Armor יכולות להשפיע על יותר מאשר רק MCP. מכיוון שהגנה מוגברת על המודל משתלבת עם שירותים כמו Vertex AI, כל שינוי שתבצעו בהגדרות של רף הסינון יכול להשפיע על סריקת התנועה ועל התנהגויות הבטיחות בכל השירותים המשולבים, ולא רק ב-MCP.

שליטה בשימוש ב-MCP באמצעות כללי מדיניות דחייה של IAM

כללי מדיניות הדחייה וכללי מדיניות ההרשאה של ניהול זהויות והרשאות גישה (IAM) עוזרים לכם לאבטח את Google Cloud ואת שרתי Google MCP.

אפשר לשלב כמה קריטריונים כדי ליצור מדיניות אבטחה ופיקוח בהתאמה אישית, על ידי מתן גישה או דחיית גישה על סמך:

חשבון המשתמש.
מאפייני כלים כמו המאפיין "לקריאה בלבד".
שם השירות או שם הכלי.
מזהה הלקוח ב-OAuth של האפליקציה.

מידע נוסף זמין במאמר שליטה בשימוש ב-MCP באמצעות ניהול זהויות והרשאות גישה.

שימוש בשרת MCP מרוחק של Dataform קל לארגן דפים בעזרת אוספים אפשר לשמור ולסווג תוכן על סמך ההעדפות שלך.

מה ההבדל בין שרתי MCP מקומיים לשרתי MCP מרוחקים?

ליבה ללא שמירת מצב

שרתי MCP של Google ושרתי MCP מרוחקים של Google Cloud

לפני שמתחילים

התפקידים הנדרשים

ההרשאות הנדרשות

אימות והרשאה

היקפי ההרשאות של OAuth ב-Dataform MCP

הגדרת לקוח MCP לשימוש בשרת MCP של Dataform

הנחיות ספציפיות ללקוח

Antigravity

Gemini CLI

Claude.ai

Claude Code

Claude Desktop

ChatGPT

יצירת מזהה לקוח וסוד לקוח ב-OAuth 2.0

מוסיפים את שרת ה-MCP כפלאגין ב-ChatGPT.

סמן

סוכני Web או Cursor

מחשב

OpenCode CLI

Replit

Visual Studio Code

אימות בשרת ה-MCP

מזהה לקוח ב-OAuth

הגדרת VS Code לשימוש במזהה הלקוח ובסוד הלקוח ב-OAuth

ניקוי פרטי הכניסה שנשמרו במטמון

ADC

יכולות אג'נטיות

באילו כלים אפשר להשתמש

כלים לרשימות

פרומפטים לדוגמה

הגדרות אופציונליות של אבטחה ובטיחות

שימוש ב-Model Armor

ניתוב בקשות של MCP ל-Model Armor

הפעלת Model Armor

המסוף

gcloud

הגדרת הגנה לשרתי MCP של Google ו Google Cloud שרתי MCP מרוחקים

השבתת הסריקה של תנועת MCP באמצעות Model Armor

שליטה בשימוש ב-MCP באמצעות כללי מדיניות דחייה של IAM

המאמרים הבאים

שימוש בשרת MCP מרוחק של Dataform