Utilizza il server MCP remoto Dataform

Questo documento mostra come utilizzare il server Model Context Protocol (MCP) remoto di Dataform per connetterti ad applicazioni AI, tra cui Antigravity, ChatGPT, Claude e applicazioni personalizzate che stai sviluppando. Puoi utilizzare il server MCP remoto di Dataform per eseguire attività come la gestione di asset di singoli file, la creazione di codice delle pipeline negli spazi di lavoro di sviluppo, l'orchestrazione delle pipeline e la risoluzione dei problemi relativi agli errori di esecuzione. Il server MCP remoto di Dataform viene abilitato quando abiliti l'API Dataform.

Model Context Protocol (MCP) standardizza il modo in cui i modelli linguistici di grandi dimensioni (LLM) e le applicazioni o gli agenti AI si connettono alle origini dati esterne. I server MCP ti consentono di utilizzare i loro strumenti, le loro risorse e i loro prompt per eseguire azioni e ottenere dati aggiornati dal loro servizio di backend.

Qual è la differenza tra i server MCP locali e remoti?

Server MCP locali
In genere vengono eseguiti sulla tua macchina locale e utilizzano gli stream di input e output standard (stdio) per la comunicazione tra i servizi sullo stesso dispositivo.
Server MCP remoti
Vengono eseguiti sull'infrastruttura del servizio e offrono un endpoint HTTP alle applicazioni di AI per la comunicazione tra il client MCP AI e il server MCP. Per saperne di più sull'architettura MCP, consulta Architettura MCP.

Core stateless

Con la versione MCP 2026-07-28, MCP passa da un protocollo bidirezionale stateful a un protocollo stateless. Ogni richiesta MCP è autodescrittiva e può essere instradata utilizzando le intestazioni. Non è necessario l'handshake initialize/initialized o Mcp-Session-Id perché ogni richiesta include tutte le informazioni necessarie nelle intestazioni HTTP o nel parametro _meta. I server MCP possono richiedere informazioni aggiuntive necessarie per uno strumento tramite richieste di andata e ritorno multiple (MRTR).

Per facilitare l'instradamento e l'elaborazione delle richieste senza analizzare il corpo della richiesta, sono necessarie alcune intestazioni MCP, tra cui:

Per saperne di più sull'architettura MCP, consulta la specifica della versione MCP 2026-07-28 e le modifiche principali.

Server MCP Google e remoti ( Google Cloud )

I server MCP di Google e Google Cloud remoti offrono le seguenti funzionalità e i seguenti vantaggi:

  • Rilevamento semplificato e centralizzato
  • Endpoint HTTP globali o regionali gestiti
  • Autorizzazione granulare
  • Sicurezza facoltativa di prompt e risposte con la protezione di Model Armor
  • Audit logging centralizzato

Per informazioni su altri server MCP e sui controlli di sicurezza e governance disponibili per i server MCP di Google Cloud, consulta la panoramica dei server MCP di Google Cloud.

Prima di iniziare

  1. In the Google Cloud console, on the project selector page, select or create a Google Cloud project.

    Roles required to select or create a project

    • Select a project: Selecting a project doesn't require a specific IAM role—you can select any project that you've been granted a role on.
    • Create a project: To create a project, you need the Project Creator role (roles/resourcemanager.projectCreator), which contains the resourcemanager.projects.create permission. Learn how to grant roles.

    Go to project selector

  2. If you're using an existing project for this guide, verify that you have the permissions required to complete this guide. If you created a new project, then you already have the required permissions.

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

  4. Enable the BigQuery and Dataform APIs, if any are not already enabled.

    Roles required to enable APIs

    To enable APIs, you need the serviceusage.services.enable permission. If you created the project, then you likely already have this permission through the Owner role (roles/owner). Otherwise, you can get this permission through the Service Usage Admin role (roles/serviceusage.serviceUsageAdmin). Learn how to grant roles.

    Enable the APIs

  5. Connetti il tuo repository Dataform a un provider Git come GitHub o GitLab. Per saperne di più, consulta Connettiti a un repository Git di terze parti.
  6. Configura l'agente AI con un token OAuth valido utilizzando l'ambito BigQuery.

Ruoli obbligatori

Per ottenere le autorizzazioni necessarie per utilizzare il server MCP di Dataform, chiedi all'amministratore di concederti i seguenti ruoli IAM nel tuo progetto Google Cloud :

Per saperne di più sulla concessione dei ruoli, consulta Gestisci l'accesso a progetti, cartelle e organizzazioni.

Questi ruoli predefiniti contengono le autorizzazioni necessarie per utilizzare il server MCP di Dataform. Per vedere quali sono esattamente le autorizzazioni richieste, espandi la sezione Autorizzazioni obbligatorie:

Autorizzazioni obbligatorie

Per utilizzare il server MCP di Dataform sono necessarie le seguenti autorizzazioni:

  • Effettua chiamate allo strumento MCP: mcp.tools.call
  • Creare repository e aree di lavoro Dataform e modificare i file:
    • 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
  • Esegui job BigQuery:
    • bigquery.jobs.create
    • bigquery.config.get

Potresti anche ottenere queste autorizzazioni con ruoli personalizzati o altri ruoli predefiniti.

Autenticazione e autorizzazione

Il server MCP remoto di Dataform utilizza il protocollo OAuth 2.0 con Identity and Access Management (IAM) per l'autenticazione e l'autorizzazione. Tutte le identitàGoogle Cloud sono supportate per l'autenticazione ai server MCP.

Il server MCP Dataform gestisce l'accesso tramite i seguenti meccanismi di autenticazione e autorizzazione:

  • Le richieste di discovery (tools/list) non richiedono l'autenticazione, il che consente agli agenti di identificare gli strumenti Dataform disponibili senza bisogno di un'autorizzazione preventiva.
  • Le richieste di esecuzione (tools/call) vengono autenticate utilizzando OAuth, che richiede all'agente di fornire un token OAuth valido che utilizza l'ambito BigQuery. Per saperne di più, consulta Ambiti OAuth di Dataform MCP.

Ti consigliamo di creare un'identità separata per gli agenti che utilizzano gli strumenti MCP, in modo che l'accesso alle risorse possa essere controllato e monitorato. Per saperne di più sull'autenticazione, consulta Esegui l'autenticazione sui server MCP.

Ambiti OAuth di Dataform MCP

OAuth 2.0 utilizza ambiti e credenziali per determinare se un'entità autenticata è autorizzata a eseguire un'azione specifica su una risorsa. Per saperne di più sugli ambiti OAuth 2.0 di Google, consulta Utilizzare OAuth 2.0 per accedere alle API di Google.

Per interagire con il server MCP Dataform, l'agente deve utilizzare l'ambito OAuth di BigQuery. Questo ambito consente all'agente di gestire il codice di trasformazione e attivare le esecuzioni che vengono eseguite come job BigQuery.

Potrebbero essere necessari ambiti aggiuntivi per le risorse a cui si accede durante una chiamata allo strumento. Per visualizzare un elenco degli ambiti richiesti per Dataform, consulta API Dataform.

Configura un client MCP per utilizzare il server MCP di Dataform

Le applicazioni e gli agenti AI, come Claude o Antigravity, possono creare un'istanza di un client MCP che si connette a un singolo server MCP. Un'applicazione di AI può avere più client che si connettono a server MCP diversi. Se la tua applicazione non è elencata nelle indicazioni specifiche per il client, puoi utilizzare le seguenti informazioni per connetterti dalla maggior parte delle applicazioni.

Nella tua applicazione AI, cerca un modo per aggiungere o connetterti a un server MCP remoto. Per il server MCP Dataform, segui questi passaggi:

  • Nome server: server MCP Dataform

  • URL server o Endpoint: https://dataform.REGION.rep.googleapis.com/mcp

    Sostituisci REGION con la regione in cui si trova il repository, ad esempio us-central1.

  • Trasporto: HTTP trasmissibile in streaming

  • Dettagli di autenticazione: a seconda di come vuoi eseguire l'autenticazione, puoi inserire le tue credenziali Google Cloud , l'ID client e il secret OAuth o un'identità e le credenziali dell'agente. Per saperne di più sull'autenticazione, consulta Autenticati ai server MCP.

  • Ambito OAuth: l'ambito OAuth 2.0 che vuoi utilizzare per la connessione al server MCP di Dataform.

Per indicazioni più generali, consulta le seguenti risorse:

Indicazioni specifiche per i client

Per istruzioni specifiche per l'applicazione, consulta le sezioni seguenti:

Antigravity

Per aggiungere il server MCP remoto di Dataform ad Antigravity, segui le istruzioni riportate in Antigravity Editor: MCP Integration. Puoi autenticarti con le Credenziali predefinite dell'applicazione (ADC) o con un ID client e un secret.

Gemini CLI

Per aggiungere il server MCP remoto di Dataform alla tua Gemini CLI, configuralo come estensione e autenticati utilizzando le Credenziali predefinite dell'applicazione (ADC) di Google.

  1. Utilizza le tue credenziali gcloud CLI per configurare le tue Credenziali predefinite dell'applicazione (ADC): 
    gcloud auth application-default login

    Se il server MCP che utilizzi richiede ambiti OAuth oltre all'ambito predefinito https://www.googleapis.com/auth/cloud-platform, utilizza il flag --scopes per includere questi ambiti.

  2. Crea un file di estensione nella seguente posizione: ~/.gemini/extensions/EXT_NAME/gemini-extension.json dove ~/ è la tua home directory e EXT_NAME è il nome che vuoi dare all'estensione.

  3. Salva i seguenti contenuti nel file dell'estensione:

    {
  "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"
      }
    }
  }
}

    Sostituisci quanto segue:

    • EXT_NAME: il nome dell'estensione.
    • PROJECT_ID: il tuo ID progetto Google Cloud .

    Per i servizi che non richiedono ambiti OAuth, puoi omettere la sezione "oauth".

    Per i servizi come Antigravity che supportano i token di connessione, aggiungi il parametro "Authorization" alla sezione "headers" del file JSON:

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

    Sostituisci YOUR_TOKEN con il tuo token di connessione. Puoi generare un token eseguendo il comando gcloud auth application-default print-access-token.

  4. Avvia Gemini CLI:

    gemini

  5. Esegui /mcp per visualizzare il server MCP configurato e i relativi strumenti.

    La risposta è simile alla seguente:

    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

Il server MCP remoto è pronto per l'uso in Gemini CLI.

Claude.ai

Per aggiungere il server MCP remoto di Dataform a Claude.ai, configura un connettore personalizzato con un ID client OAuth e un client secret OAuth:

  1. Crea un ID client e un secret OAuth 2.0:

    1. Nella console Google Cloud , vai a Google Auth Platform > Client > Crea client.

      Vai a Crea client

      Se non hai selezionato un progetto, ti verrà chiesto di crearne uno.

    2. Nell'elenco Tipo di applicazione, seleziona Applicazione web.

    3. Nel campo Nome, inserisci un nome per l'applicazione.

    4. Nella sezione Origini JavaScript autorizzate, fai clic su + Aggiungi URI, quindi inserisci https://claude.ai nel campo URI.

    5. Nella sezione URI di reindirizzamento autorizzati, fai clic su + Aggiungi URI, quindi inserisci https://claude.ai/api/mcp/auth_callback nel campo URI.

    6. Fai clic su Crea. Il client è stato creato.

      Si apre la finestra di dialogo Client OAuth 2.0 creato.

    7. Nella sezione Client secret, copia il Client secret e salvalo in un luogo sicuro. Puoi copiarlo una sola volta. Se lo perdi, elimina il secret e creane uno nuovo.

  2. Segui le istruzioni per creare un connettore personalizzato. Inserisci l'ID client e il secret nel menu Impostazioni avanzate.

Claude Code

Per aggiungere il server MCP remoto di Dataform a Claude Code, configura un connettore personalizzato con un ID client OAuth e un client secret OAuth:

  1. Installa Claude Code.

  2. Crea un ID client e un secret OAuth 2.0:

    1. Nella console Google Cloud , vai a Google Auth Platform > Client > Crea client.

      Vai a Crea client

      Se non hai selezionato un progetto, ti verrà chiesto di crearne uno.

    2. Nell'elenco Tipo di applicazione, seleziona Applicazione web.

    3. Nel campo Nome, inserisci un nome per l'applicazione.

    4. Nella sezione URI di reindirizzamento autorizzati, fai clic su + Aggiungi URI, quindi inserisci https://claude.ai/api/mcp/auth_callback nel campo URI.

    5. Fai clic su Crea. Il client è stato creato.

      Si apre la finestra di dialogo Client OAuth 2.0 creato.

    6. Nella sezione Client secret, copia il Client secret e salvalo in un luogo sicuro. Puoi copiarlo una sola volta. Se lo perdi, elimina il secret e creane uno nuovo.

  3. Segui le istruzioni per creare un connettore personalizzato. Inserisci l'ID client e il secret nel menu Impostazioni avanzate.

Claude Desktop

Per aggiungere il server MCP remoto di Dataform a Claude Desktop, configura un connettore personalizzato con un ID client OAuth e un client secret OAuth:

  1. Installa Claude Desktop.

  2. Crea un ID client e un secret OAuth 2.0:

    1. Nella console Google Cloud , vai a Google Auth Platform > Client > Crea client.

      Vai a Crea client

      Se non hai selezionato un progetto, ti verrà chiesto di crearne uno.

    2. Nell'elenco Tipo di applicazione, seleziona Applicazione web.

    3. Nel campo Nome, inserisci un nome per l'applicazione.

    4. Nella sezione URI di reindirizzamento autorizzati, fai clic su + Aggiungi URI, quindi inserisci https://claude.ai/api/mcp/auth_callback nel campo URI.

    5. Fai clic su Crea. Il client è stato creato.

      Si apre la finestra di dialogo Client OAuth 2.0 creato.

    6. Nella sezione Client secret, copia il Client secret e salvalo in un luogo sicuro. Puoi copiarlo una sola volta. Se lo perdi, elimina il secret e creane uno nuovo.

  3. Segui le istruzioni per creare un connettore personalizzato. Inserisci l'ID client e il secret nel menu Impostazioni avanzate.

ChatGPT

Per utilizzare il server MCP remoto di Dataform con ChatGPT, devi disporre di un abbonamento a ChatGPT Business.

Per aggiungere il server MCP remoto di Dataform a ChatGPT, crea un ID client e un secret Google OAuth 2.0, quindi aggiungi il server MCP come plug-in in ChatGPT.

Crea un ID client e un secret OAuth 2.0

  1. Nella console Google Cloud , vai a Google Auth Platform > Client > Crea client.

    Vai a Crea client

    Se non hai selezionato un progetto, ti verrà chiesto di crearne uno.

  2. Nell'elenco Tipo di applicazione, seleziona Applicazione web.

  3. Nel campo Nome, inserisci un nome per l'applicazione.

  4. Nella sezione URI di reindirizzamento autorizzati, fai clic su + Aggiungi URI, quindi inserisci https://chatgpt.com/connector_platform_oauth_redirect nel campo URI.

  5. Fai clic su Crea. Il client è stato creato.

    Si apre la finestra di dialogo Client OAuth 2.0 creato.

  6. Nella sezione Client secret, copia il Client secret e salvalo in un luogo sicuro. Puoi copiarlo una sola volta. Se lo perdi, elimina il secret e creane uno nuovo.

Aggiungi il server MCP come plug-in in ChatGPT

  1. Accedi a ChatGPT.
  2. Per aggiungere un server MCP a ChatGPT, segui le istruzioni riportate in Crea un plug-in.
  3. Inserisci l'ID client e il client secret necessari per l'autenticazione.

Il server MCP viene visualizzato nel menu Plugin ed è pronto per l'uso tramite i prompt della chat.

Cursore

Per aggiungere il server MCP remoto di Dataform a Cursor, crea un ID client e un secret, quindi configura il server MCP con OAuth statico. Cursor utilizza URI di reindirizzamento diversi a seconda di come accedi a Cursor, tramite il web o un'applicazione desktop.

  1. Crea un ID client e un secret OAuth 2.0:

    Agenti web o Cursor

    1. Nella console Google Cloud , vai a Google Auth Platform > Client > Crea client.

      Vai a Crea client

      Se non hai selezionato un progetto, ti verrà chiesto di crearne uno.

    2. Nell'elenco Tipo di applicazione, seleziona Applicazione web.

    3. Nel campo Nome, inserisci un nome per l'applicazione.

    4. Nella sezione URI di reindirizzamento autorizzati, fai clic su + Aggiungi URI, quindi inserisci https://www.cursor.com/agents/mcp/oauth/callback nel campo URI.

    5. Fai clic su Crea. Il client è stato creato.

      Si apre la finestra di dialogo Client OAuth 2.0 creato.

    6. Nella sezione Client secret, copia il Client secret e salvalo in un luogo sicuro. Puoi copiarlo una sola volta. Se lo perdi, elimina il secret e creane uno nuovo.

    Desktop

    1. Nella console Google Cloud , vai a Google Auth Platform > Client > Crea client.

      Vai a Crea client

      Se non hai selezionato un progetto, ti verrà chiesto di crearne uno.

    2. Nell'elenco Tipo di applicazione, seleziona Applicazione web.

    3. Nel campo Nome, inserisci un nome per l'applicazione.

    4. Nella sezione URI di reindirizzamento autorizzati, fai clic su + Aggiungi URI, quindi inserisci http://localhost:8787/callback nel campo URI.

    5. Fai clic su Crea. Il client è stato creato.

      Si apre la finestra di dialogo Client OAuth 2.0 creato.

    6. Nella sezione Client secret, copia il Client secret e salvalo in un luogo sicuro. Puoi copiarlo una sola volta. Se lo perdi, elimina il secret e creane uno nuovo.

  2. Segui le istruzioni per configurare il server MCP con OAuth statico.
  3. Utilizza il server MCP in Chat.

OpenCode CLI

Per aggiungere il server MCP remoto di Dataform a OpenCode CLI, segui le istruzioni riportate in OpenCode: MCP.

Replit

Per aggiungere il server MCP remoto di Dataform a Replit, segui le istruzioni riportate in Replit: MCP Servers Overview.

Visual Studio Code

Per configurare il server MCP remoto di Dataform in Visual Studio Code (VS Code), segui questi passaggi:

  1. Installa VS Code.
  2. Apri VS Code, quindi apri la tavolozza dei comandi premendo Ctrl+Shift+P (Windows o Linux) o Comando+Shift+P (macOS).
  3. Nella tavolozza dei comandi, seleziona MCP: Add Server… (MCP: aggiungi server…).
  4. Seleziona HTTP (HTTP o eventi inviati dal server).
  5. Inserisci l'endpoint MCP https://dataform.REGION.rep.googleapis.com/mcp e poi premi Invio.
  6. Inserisci un nome per il server e premi Invio.

  7. Se vuoi rendere il server MCP disponibile per tutti gli workspace, seleziona Globale. Se vuoi rendere il server MCP disponibile solo per l'area di lavoro corrente, seleziona Workspace.

    Il file mcp.json viene aggiornato con le informazioni del server.

Autenticati al server MCP

Puoi utilizzare un ID client e un secret OAuth o le Credenziali predefinite dell'applicazione (ADC) per autenticarti al server MCP.

Nota: se utilizzi ADC per l'autenticazione, devi rigenerare il token di accesso ogni ora.

ID client OAuth

  1. In VS Code, apri il riquadro Chat premendo Ctrl+Alt+I (Windows o Linux) o Maiusc+Comando+I (macOS).

  2. Nel riquadro Chat, seleziona Imposta agente, quindi seleziona Agente.

  3. La prima volta che utilizzi il server MCP, ti verrà chiesto di configurare l'autenticazione. Per utilizzare il server MCP, inserisci nella chat un prompt che utilizzi uno degli strumenti disponibili. Se non sai quale strumento utilizzare, puoi chiedere all'agente di elencare gli strumenti per il server.

    Ad esempio, puoi inserire il seguente prompt per elencare gli strumenti disponibili: "Elenca gli strumenti disponibili per SERVER_NAME", dove SERVER_NAME è il nome che hai assegnato al server MCP.

    Si apre la finestra di dialogo Registrazione dinamica del client non supportata.

  4. Fai clic su Copia gli URI e procedi.
  5. Non avrai bisogno degli URL copiati, quindi non è necessario registrarli.

  1. Nella console Google Cloud , vai a Google Auth Platform > Client > Crea client.

    Vai a Crea client

    Se non hai selezionato un progetto, ti verrà chiesto di crearne uno.

  2. Nell'elenco Tipo di applicazione, seleziona App desktop.

  3. Nel campo Nome, inserisci un nome per l'applicazione.

  4. Fai clic su Crea. Il client è stato creato.

    Si apre la finestra di dialogo Client OAuth 2.0 creato.

  5. Nella sezione Client secret, copia il Client secret e salvalo in un luogo sicuro. Puoi copiarlo una sola volta. Se lo perdi, elimina il secret e creane uno nuovo.

Configura VS Code per utilizzare l'ID client e il secret OAuth
  1. In VS Code, inserisci l'ID client OAuth e premi Invio.
  2. Quando richiesto, inserisci il client secret OAuth e premi Invio.

  3. Nella finestra di dialogo VS Code che si apre, fai clic su Consenti.

    L'agente completa la chiamata allo strumento MCP e risponde nella chat.

Cancella credenziali memorizzate nella cache

VS Code memorizza nella cache i provider di autenticazione dinamica per semplificare l'esperienza di accesso. Se hai inserito in precedenza le credenziali e vuoi inserirne di nuove, devi cancellare le credenziali memorizzate nella cache.

Per cancellare le credenziali memorizzate nella cache:

  1. In VS Code, apri la tavolozza dei comandi premendo Ctrl+Shift+P (Windows o Linux) o Comando+Shift+P (macOS).

  2. Nella tavolozza dei comandi, seleziona Autenticazione: rimuovi i provider di autenticazione dinamica, quindi seleziona l'ID client per cui vuoi rimuovere le credenziali memorizzate nella cache.

  3. Ricarica VS Code e connettiti di nuovo a un server MCP remoto.

    Ti verrà chiesto di inserire l'ID client OAuth e il secret.

ADC

  1. Configura le Credenziali predefinite dell'applicazione (ADC) per il tuo ambiente.

  2. Se utilizzi una shell locale, crea le credenziali di autenticazione locali per il tuo account utente:

    gcloud auth application-default login
  3. Genera un token predefinito dell'applicazione eseguendo questo comando: 
    gcloud auth application-default print-access-token

  4. Nel file mcp.json, aggiungi quanto segue alla voce del server MCP:

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

    Sostituisci quanto segue:

    • TOKEN: il token predefinito dell'applicazione.

    • PROJECT_ID: il tuo ID progetto Google Cloud .

    L'esempio seguente mostra una voce del server MCP che utilizza ADC per l'autenticazione:

    {
  "servers": [
    {
      "name": "My Dataform MCP Server",
      "uri": "https://dataform.REGION.rep.googleapis.com/mcp",
      "headers": {
        "Authorization": "Bearer nYkwroEYjN4Fw1TTNhe69F4rR6o9bvrR1P4U1l0DVq9p81sN0",
        "x-goog-user-project": "my-project"
      }
    }
  ]
}
  5. In VS Code, apri il riquadro Chat premendo Ctrl+Alt+I (Windows o Linux) o Maiusc+Comando+I (macOS).

  6. Nel riquadro Chat, seleziona Imposta agente, quindi seleziona Agente.

  7. Invia un prompt all'agente che utilizza uno degli strumenti MCP disponibili. Se non sai quale strumento utilizzare, puoi chiedere all'agente di elencare gli strumenti per il server MCP.

Funzionalità dell'agente

Il server MCP di Dataform fornisce un insieme di strumenti che consentono agli agenti AI di interagire con i workflow di trasformazione dei dati ed eseguirne il debug orchestrando le chiamate API di Dataform. Il server fornisce strumenti per eseguire le seguenti operazioni:

  • Crea il codice della pipeline. Gli agenti possono creare ed elencare workspace di sviluppo, cercare e modificare più file ed eseguire il commit o il push delle modifiche a provider Git remoti come GitHub o GitLab.
  • Configura gli asset di un singolo file. Gli agenti gestiscono le configurazioni di base delle risorse, tra cui la creazione di repository e le query sui contenuti delle directory.
  • Gestisci pipeline e release. Gli agenti gestiscono le configurazioni di workflow e release, generano i risultati della compilazione e attivano o annullano le chiamate del workflow.
  • Risolvi i problemi ed esegui la convalida. Gli agenti identificano il motivo per cui le pipeline non vanno a buon fine recuperando i risultati della compilazione ed eseguendo query sulle azioni di chiamata del workflow.

Per i repository connessi a un host Git remoto, l'agente deve utilizzare strumenti dell'area di lavoro come create_workspace e commit_workspace_changes per lo sviluppo della pipeline. Gli strumenti di repository diretto non funzionano su questi repository, perché sono destinati solo ad asset di un singolo file nei repository ospitati da Google.

Strumenti disponibili

Per visualizzare i dettagli degli strumenti MCP disponibili e le relative descrizioni per il server MCP Dataform, consulta il riferimento MCP Dataform.

Strumenti per gli elenchi

Utilizza lo strumento di controllo MCP per elencare gli strumenti o invia una richiesta HTTP tools/list direttamente al server MCP remoto di Dataform. Il metodo tools/list non richiede l'autenticazione.

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"]
              }
            }
          }
        }
      }
    }'

Sostituisci quanto segue:

  • TOOLSET_ENDPOINT: il resto dell'endpoint MCP dopo il nome del servizio. Ad esempio, per Dataform, potrebbe essere mcp/toolset-name.
  • MCP_PROTOCOL_VERSION: la versione del protocollo MCP. Ad esempio, 2026-07-28.

Prompt di esempio

Utilizza i seguenti prompt di esempio per ottenere informazioni sulle risorse Dataform, creare il codice della pipeline negli spazi di lavoro, orchestrare i workflow o risolvere i problemi relativi alle esecuzioni:

  • "Crea un nuovo repository Dataform denominato REPOSITORY_ID nel progetto PROJECT_ID."
  • "Crea una nuova cartella denominata FOLDER_NAME nel mio progetto."
  • "Crea un nuovo workspace denominato WORKSPACE_NAME nel mio repository."
  • "Cerca i file denominati FILE_NAME nel mio workspace."
  • "Leggi i contenuti di FILE_NAME dalla mia area di lavoro."
  • "Esegui il commit delle modifiche al mio workspace e il push al branch Git remoto."
  • "Crea un nuovo asset del blocco note nel progetto PROJECT_ID."
  • "Esegui il commit delle modifiche alla mia query salvata in REPOSITORY_ID."
  • "Crea una configurazione del workflow che pianifichi l'esecuzione della mia pipeline ogni giorno alle 08:00."
  • "Attiva una nuova esecuzione per la configurazione del workflow WORKFLOW_CONFIGURATION_ID."
  • "Controlla lo stato delle mie esecuzioni recenti della pipeline e dimmi se qualcuna non è riuscita, inclusi i dettagli dell'errore."
  • "Mostrami i dettagli dell'esecuzione specifica che non è riuscita."
  • "Elenca tutti i repository Dataform nella regione REGION del progetto PROJECT_ID."
  • "Annulla la chiamata del workflow denominata WORKFLOW_INVOCATION_ID nel repository REPOSITORY_ID, che è attualmente in esecuzione."

Nei prompt, sostituisci quanto segue:

  • FILE_NAME: il nome del file.
  • FOLDER_NAME: il nome della cartella.
  • PROJECT_ID: l'ID progetto Google Cloud .
  • REGION: il nome della regione.
  • REPOSITORY_ID: l'identificatore univoco del tuo repository Dataform, ad esempio quickstart-repository.
  • WORKFLOW_CONFIGURATION_ID: l'identificatore univoco della configurazione del workflow.
  • WORKFLOW_INVOCATION_ID: l'identificatore univoco di un'esecuzione specifica del workflow. Puoi ottenere questo identificatore dai risultati di una richiesta workflowInvocations.list o dal campo name di una risposta workflowInvocations.create.
  • WORKSPACE_NAME: il nome dello spazio di lavoro.

Configurazioni di sicurezza e protezione facoltative

MCP introduce nuovi rischi e considerazioni sulla sicurezza a causa dell'ampia varietà di azioni che puoi eseguire con gli strumenti MCP. Per ridurre al minimo e gestire questi rischi, Google Cloud offre impostazioni predefinite e policy personalizzabili per controllare l'utilizzo degli strumenti MCP nella tua organizzazione o nel tuo progetto Google Cloud .

Per saperne di più sulla sicurezza e sulla governance di MCP, consulta Sicurezza e protezione dell'AI.

Utilizza Model Armor

Model Armor è un servizioGoogle Cloud progettato per migliorare la sicurezza delle tue applicazioni di AI. Funziona analizzando in modo proattivo i prompt e le risposte degli LLM, proteggendo da vari rischi e supportando pratiche di AI responsabile. Che tu stia eseguendo il deployment dell'AI nel tuo ambiente cloud o su provider cloud esterni, Model Armor può aiutarti a prevenire input dannosi, verificare la sicurezza dei contenuti, proteggere i dati sensibili, mantenere la conformità e applicare le tue policy di sicurezza e protezione dell'AI in modo coerente nel tuo panorama di AI diversificato.

Quando Model Armor è abilitato con il logging abilitato, Model Armor registra l'intero payload. Ciò potrebbe esporre informazioni sensibili nei log.

Routing delle richieste MCP a Model Armor

Il server MCP di Dataform utilizza il routing tra giurisdizioni. Quando attivi Model Armor, il server MCP invia tutte le richieste a Model Armor per il controllo. Il routing tra giurisdizioni potrebbe violare gli impegni di conformità della residenza dei dati esistenti per i dati in uso e in transito. Per saperne di più sul comportamento di altri server MCP, consulta Prodotti supportati da Model Armor.

Abilita Model Armor

Per poter utilizzare Model Armor, devi abilitare le API Model Armor.

Console

  1. Abilita l'API Model Armor, se non è già abilitata.

    Ruoli richiesti per abilitare le API

    Per abilitare le API, devi disporre dell'autorizzazione serviceusage.services.enable. Se hai creato il progetto, probabilmente hai già questa autorizzazione tramite il ruolo Proprietario (roles/owner). In caso contrario, puoi ottenere questa autorizzazione tramite il ruolo Amministratore Service Usage (roles/serviceusage.serviceUsageAdmin). Scopri come concedere i ruoli.

    Abilitare l'API

  2. Seleziona il progetto in cui vuoi attivare Model Armor.

gcloud

Prima di iniziare, segui questi passaggi utilizzando Google Cloud CLI con l'API Model Armor:

  1. Installa Google Cloud CLI, quindi accedi a gcloud CLI con la tua identità federata. Dopo aver eseguito l'accesso, inizializza Google Cloud CLI eseguendo il comando seguente: 

    gcloud init

  2. Esegui questo comando per impostare l'endpoint API per il servizio Model Armor.

    gcloud config set api_endpoint_overrides/modelarmor "https://modelarmor.LOCATION.rep.googleapis.com/"

    Sostituisci LOCATION con la regione in cui vuoi utilizzare Model Armor.

Configura la protezione per i server MCP Google e Google Cloud remoti

Per proteggere le chiamate e le risposte degli strumenti MCP, puoi utilizzare le impostazioni di base di Model Armor. Un'impostazione di base definisce i filtri di sicurezza minimi che si applicano a tutto il progetto. Questa configurazione applica un insieme coerente di filtri a tutte le chiamate e risposte dello strumento MCP all'interno del progetto.

Configura un'impostazione di base di Model Armor con la sanitizzazione MCP abilitata. Per saperne di più, consulta Configura le impostazioni di base di Model Armor.

Vedi il seguente comando di esempio:

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"}]'

Sostituisci PROJECT_ID con l'ID progetto Google Cloud .

Tieni presente le seguenti impostazioni:

  • INSPECT_AND_BLOCK: il tipo di applicazione che ispeziona i contenuti per il server MCP di Google e blocca i prompt e le risposte che corrispondono ai filtri.
  • ENABLED: l'impostazione che attiva un filtro o un'applicazione.
  • MEDIUM_AND_ABOVE: Il livello di fiducia per le impostazioni del filtro IA responsabile - Pericoloso. Puoi modificare questa impostazione, anche se valori più bassi potrebbero generare più falsi positivi. Per saperne di più, consulta Livelli di confidenza di Model Armor.

Disabilita la scansione del traffico MCP con Model Armor

Per impedire a Model Armor di scansionare automaticamente il traffico da e verso i server Google MCP in base alle impostazioni di base del progetto, esegui questo comando:

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

Sostituisci PROJECT_ID con l'ID progetto Google Cloud . Model Armor non applica automaticamente le regole definite nelle impostazioni di base di questo progetto al traffico del server MCP di Google.

Le impostazioni di base e la configurazione generale di Model Armor possono influire su altri aspetti oltre a MCP. Poiché Model Armor si integra con servizi come Vertex AI, qualsiasi modifica apportata alle impostazioni di base può influire sulla scansione del traffico e sui comportamenti di sicurezza in tutti i servizi integrati, non solo in MCP.

Controlla l'utilizzo di MCP con le policy di negazione IAM

Le policy di negazione e le policy di autorizzazione di Identity and Access Management (IAM) ti aiutano a proteggere Google Cloud e i server MCP di Google.

Puoi combinare più criteri per creare policy di sicurezza e governance personalizzate consentendo o negando l'accesso in base a quanto segue:

  • L'entità.
  • Proprietà dello strumento, come l'attributo di sola lettura.
  • Il nome del servizio o dello strumento.
  • L'ID client OAuth dell'applicazione.

Per saperne di più, consulta Controlla l'utilizzo di MCP con Identity and Access Management.

Passaggi successivi