Google은 AI 기술을 사용하여 콘텐츠를 사용자의 기본 언어로 번역합니다. AI 번역에는 오류가 있을 수 있습니다.

Dataform 원격 MCP 서버 사용

이 문서에서는 Dataform 원격 모델 컨텍스트 프로토콜 (MCP) 서버를 사용하여 Antigravity, ChatGPT, Claude, 개발 중인 커스텀 애플리케이션을 비롯한 AI 애플리케이션과 연결하는 방법을 보여줍니다. Dataform 원격 MCP 서버를 사용하여 단일 파일 애셋 관리, 개발 작업공간에서 파이프라인 코드 작성, 파이프라인 조정, 실행 실패 문제 해결과 같은 태스크를 수행할 수 있습니다. Dataform API를 사용 설정하면 Dataform 원격 MCP 서버가 사용 설정됩니다.

모델 컨텍스트 프로토콜(MCP)은 대규모 언어 모델 (LLM)과 AI 애플리케이션 또는 에이전트가 외부 데이터 소스에 연결하는 방식을 표준화합니다. MCP 서버를 사용하면 도구, 리소스, 프롬프트를 사용하여 작업을 실행하고 백엔드 서비스에서 업데이트된 데이터를 가져올 수 있습니다.

로컬 MCP 서버와 원격 MCP 서버의 차이점은 무엇인가요?

로컬 MCP 서버: 일반적으로 로컬 머신에서 실행되며 표준 입력 및 출력 스트림 (stdio)을 사용하여 동일한 기기의 서비스 간에 통신합니다.
원격 MCP 서버: 서비스의 인프라에서 실행되며 AI MCP 클라이언트와 MCP 서버 간의 통신을 위해 AI 애플리케이션에 HTTP 엔드포인트를 제공합니다. MCP 아키텍처에 대한 자세한 내용은 MCP 아키텍처를 참조하세요.

스테이트리스(Stateless) 코어

MCP 버전 2026-07-28부터 MCP는 양방향 스테이트풀(Stateful) 프로토콜에서 스테이트리스(Stateless) 프로토콜로 변경됩니다. 각 MCP 요청은 자체 설명적이며 헤더를 사용하여 라우팅할 수 있습니다. 각 요청에는 HTTP 헤더 또는 _meta 매개변수에 필요한 모든 정보가 포함되어 있으므로 initialize/initialized 핸드셰이크 또는 Mcp-Session-Id가 필요하지 않습니다. MCP 서버는 다중 왕복 요청 (MRTR)을 통해 도구에 필요한 추가 정보를 요청할 수 있습니다.

요청 본문을 파싱하지 않고 요청을 라우팅하고 처리하려면 다음을 포함한 일부 MCP 헤더가 필요합니다.

프로토콜 버전 헤더 및 표준 요청 헤더와 같이 MCP 사양에 필요한 헤더입니다.
MCP 서버에서 정의한 커스텀 헤더 이러한 헤더는 x-mcp-header 속성을 사용하여 도구의 입력 스키마에서 HTTP 헤더로 미러링됩니다. 예를 들어 MCP 서버는 Google Cloud 리전 또는 프로젝트 ID를 지정하는 커스텀 헤더를 정의할 수 있습니다.

MCP 아키텍처에 관한 자세한 내용은 MCP 버전 2026-07-28 사양 및 주요 변경사항을 참고하세요.

Google 및 Google Cloud 원격 MCP 서버

Google 및 Google Cloud 원격 MCP 서버에는 다음과 같은 기능과 이점이 있습니다.

간소화된 중앙 집중식 검색
관리형 전역 또는 리전 HTTP 엔드포인트
세부적인 승인
Model Armor 보호를 통한 선택적 프롬프트 및 대답 보안
중앙 집중식 감사 로깅

다른 MCP 서버에 대한 정보와 Google Cloud MCP 서버에 사용할 수 있는 보안 및 거버넌스 제어에 대한 자세한 내용은 Google Cloud MCP 서버 개요를 참조하세요.

시작하기 전에

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

Dataform 저장소를 GitHub 또는 GitLab과 같은 Git 제공업체에 연결합니다. 자세한 내용은 서드 파티 Git 저장소에 연결을 참조하세요.
BigQuery 범위를 사용하여 유효한 OAuth 토큰으로 AI 에이전트를 구성합니다.

필요한 역할

Dataform MCP 서버를 사용하는 데 필요한 권한을 얻으려면 관리자에게 Google Cloud 프로젝트에 대한 다음 IAM 역할을 부여해 달라고 요청하세요.

MCP 도구 호출: MCP 도구 사용자 (roles/mcp.toolUser)
Dataform 저장소, 작업공간 만들기 및 파일 수정: Dataform 편집자 (roles/dataform.editor)
BigQuery 작업 실행: BigQuery 작업 사용자 (roles/bigquery.jobUser)

역할 부여에 대한 자세한 내용은 프로젝트, 폴더, 조직에 대한 액세스 관리를 참조하세요.

이러한 사전 정의된 역할에는 Dataform MCP 서버를 사용하는 데 필요한 권한이 포함되어 있습니다. 필요한 정확한 권한을 보려면 필수 권한 섹션을 펼치세요.

필수 권한

Dataform MCP 서버를 사용하려면 다음 권한이 필요합니다.

MCP 도구 호출: mcp.tools.call
Dataform 저장소, 작업공간을 만들고 파일을 수정합니다.
- dataform.workspaces.create
- dataform.workspaces.get
- dataform.workspaces.list
- dataform.workspaces.delete
- dataform.workspaces.readFile
- dataform.workspaces.writeFile
- dataform.workspaces.moveFile
- dataform.workspaces.removeFile
- dataform.workspaces.queryDirectoryContents
- dataform.workspaces.searchFiles
- dataform.workspaces.commit
- dataform.workspaces.push
- dataform.workspaces.pull
- dataform.workspaces.fetchHistory
- dataform.workspaces.fetchDiff
- dataform.workspaces.fetchFileGitStatuses
- dataform.compilationResults.create
- dataform.compilationResults.get
- dataform.compilationResults.list
- dataform.workflowInvocations.create
- dataform.workflowInvocations.get
- dataform.workflowInvocations.list
- dataform.repositories.get
- dataform.repositories.list
- dataform.repositories.update
- dataform.folders.create
- dataform.locations.get
- dataform.locations.list
BigQuery 작업 실행:
- bigquery.jobs.create
- bigquery.config.get

커스텀 역할이나 다른 사전 정의된 역할을 사용하여 이 권한을 부여받을 수도 있습니다.

인증 및 승인

Dataform 원격 MCP 서버는 인증 및 승인에 Identity and Access Management (IAM)와 함께 OAuth 2.0 프로토콜을 사용합니다. 모든 Google Cloud ID는 MCP 서버 인증에 지원됩니다.

Dataform MCP 서버는 다음 인증 및 승인 메커니즘을 통해 액세스를 관리합니다.

검색 (tools/list) 요청에는 인증이 필요하지 않으므로 에이전트가 사전 승인 없이 사용 가능한 Dataform 도구를 식별할 수 있습니다.
실행 (tools/call) 요청은 OAuth를 사용하여 인증되며, 에이전트는 BigQuery 범위를 사용하는 유효한 OAuth 토큰을 제공해야 합니다. 자세한 내용은 Dataform MCP OAuth 범위를 참조하세요.

리소스에 대한 액세스를 제어하고 모니터링할 수 있도록 MCP 도구를 사용하는 에이전트에 대해 별도의 ID를 만드는 것이 좋습니다. 인증에 대한 자세한 내용은 MCP 서버에 인증을 참조하세요.

Dataform MCP OAuth 범위

OAuth 2.0은 범위와 사용자 인증 정보를 사용하여 인증된 주 구성원이 리소스에 대해 특정 작업을 수행할 수 있는 권한이 있는지 확인합니다. Google의 OAuth 2.0 범위에 대한 자세한 내용은 OAuth 2.0을 사용하여 Google API에 액세스를 참조하세요.

Dataform MCP 서버와 상호작용하려면 에이전트가 BigQuery OAuth 범위를 사용해야 합니다. 이 범위를 통해 에이전트는 변환 코드를 관리하고 BigQuery 작업으로 실행되는 실행을 트리거할 수 있습니다.

도구 호출 중에 액세스하는 리소스에 추가 범위가 필요할 수 있습니다. Dataform에 필요한 범위 목록을 보려면 Dataform API를 참조하세요.

Dataform MCP 서버를 사용하도록 MCP 클라이언트 구성

Claude 또는 Antigravity와 같은 AI 애플리케이션 및 에이전트는 단일 MCP 서버에 연결되는 MCP 클라이언트를 인스턴스화할 수 있습니다. AI 애플리케이션에는 서로 다른 MCP 서버에 연결되는 여러 클라이언트가 있을 수 있습니다. 애플리케이션이 클라이언트별 안내에 나열되지 않은 경우 다음 정보를 사용하여 대부분의 애플리케이션에서 연결할 수 있습니다.

AI 애플리케이션에서 원격 MCP 서버를 추가하거나 연결하는 방법을 찾습니다. Dataform MCP 서버의 경우 다음을 수행합니다.

서버 이름: Dataform MCP 서버
서버 URL 또는 엔드포인트: https://dataform.REGION.rep.googleapis.com/mcp

REGION을 저장소가 있는 리전으로 바꿉니다(예: us-central1).
전송: 스트리밍 가능한 HTTP
인증 세부정보: 인증 방법에 따라 Google Cloud 사용자 인증 정보, OAuth 클라이언트 ID 및 보안 비밀번호 또는 에이전트 ID 및 사용자 인증 정보를 입력할 수 있습니다. 인증에 대한 자세한 내용은 MCP 서버에 인증을 참조하세요.
OAuth 범위: Dataform MCP 서버에 연결할 때 사용할 OAuth 2.0 범위입니다.

일반적인 안내는 다음 리소스를 참고하세요.

고객별 안내

애플리케이션별 안내는 다음 섹션을 참고하세요.

Antigravity

Dataform 원격 MCP 서버를 Antigravity에 추가하려면 Antigravity Editor: MCP 통합의 안내를 따르세요. 애플리케이션 기본 사용자 인증 정보 (ADC) 또는 클라이언트 ID 및 보안 비밀번호를 사용하여 인증할 수 있습니다.

Gemini CLI

Gemini CLI에 Dataform 원격 MCP 서버를 추가하려면 이를 확장 프로그램으로 구성하고 Google 애플리케이션 기본 사용자 인증 정보 (ADC)를 사용하여 인증합니다.

gcloud CLI 사용자 인증 정보를 사용하여 애플리케이션 기본 사용자 인증 정보 (ADC)를 구성합니다.
```
gcloud auth application-default login
```
사용 중인 MCP 서버에 기본 https://www.googleapis.com/auth/cloud-platform 범위 이외의 OAuth 범위가 필요한 경우 --scopes 플래그를 사용하여 해당 범위를 포함합니다.
~/.gemini/extensions/EXT_NAME/gemini-extension.json 위치에 확장 프로그램 파일을 만듭니다. 여기서 ~/은 홈 디렉터리이고 EXT_NAME은 확장 프로그램에 지정할 이름입니다.

확장 프로그램 파일에 다음 콘텐츠를 저장합니다.

{
  "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"
      }
    }
  }
}

다음을 바꿉니다.

EXT_NAME: 확장 프로그램의 이름입니다.
PROJECT_ID: Google Cloud 프로젝트 ID입니다.

OAuth 범위가 필요하지 않은 서비스의 경우 "oauth" 섹션을 생략할 수 있습니다.

Bearer 토큰을 지원하는 Antigravity와 같은 서비스의 경우 JSON 파일의 "headers" 섹션에 "Authorization" 매개변수를 추가합니다.

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

YOUR_TOKEN을 Bearer 토큰으로 바꿉니다. gcloud auth application-default print-access-token 명령어를 실행하여 토큰을 생성할 수 있습니다.

Gemini CLI를 시작합니다.
```
gemini
```

/mcp를 실행하여 구성된 MCP 서버와 도구를 확인합니다.

응답은 다음 예시와 유사합니다.

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

원격 MCP 서버를 Gemini CLI에서 사용할 준비가 되었습니다.

Claude.ai

Claude.ai에 Dataform 원격 MCP 서버를 추가하려면 OAuth 클라이언트 ID와 OAuth 클라이언트 보안 비밀번호를 사용하여 커스텀 커넥터를 구성합니다.

OAuth 2.0 클라이언트 ID 및 보안 비밀을 만듭니다.
1. Google Cloud 콘솔에서 Google 인증 플랫폼 > 클라이언트 > 클라이언트 만들기로 이동합니다.
  
  클라이언트 만들기로 이동
  
  선택한 프로젝트가 없으면 프로젝트를 만들라는 메시지가 표시됩니다.
2. 애플리케이션 유형 목록에서 웹 애플리케이션을 선택합니다.
3. 이름 필드에 애플리케이션 이름을 입력합니다.
4. 승인된 JavaScript 출처 섹션에서 + URI 추가를 클릭한 후 URI 필드에 https://claude.ai를 입력합니다.
5. 승인된 리디렉션 URI 섹션에서 + URI 추가를 클릭한 후 URI 필드에 https://claude.ai/api/mcp/auth_callback를 입력합니다.
6. 만들기를 클릭합니다. 클라이언트가 생성됩니다.
  
  OAuth 2.0 클라이언트 생성됨 대화상자가 열립니다.
7. 클라이언트 보안 비밀번호 섹션에서 클라이언트 보안 비밀번호를 복사하여 안전한 장소에 저장합니다. 한 번만 복사할 수 있습니다. 분실한 경우 보안 비밀을 삭제하고 새로 만듭니다.
  
  주의: 클라이언트 보안 비밀번호를 비밀번호처럼 취급하고 안전한 장소에 저장하세요.
안내에 따라 커스텀 커넥터를 만듭니다. 고급 설정 메뉴에 클라이언트 ID와 보안 비밀번호를 입력합니다.

Claude Code

Dataform 원격 MCP 서버를 Claude Code에 추가하려면 OAuth 클라이언트 ID와 OAuth 클라이언트 보안 비밀번호를 사용하여 커스텀 커넥터를 구성합니다.

Claude Code를 설치합니다.
OAuth 2.0 클라이언트 ID 및 보안 비밀을 만듭니다.
1. Google Cloud 콘솔에서 Google 인증 플랫폼 > 클라이언트 > 클라이언트 만들기로 이동합니다.
  
  클라이언트 만들기로 이동
  
  선택한 프로젝트가 없으면 프로젝트를 만들라는 메시지가 표시됩니다.
2. 애플리케이션 유형 목록에서 웹 애플리케이션을 선택합니다.
3. 이름 필드에 애플리케이션 이름을 입력합니다.
4. 승인된 리디렉션 URI 섹션에서 + URI 추가를 클릭한 후 URI 필드에 https://claude.ai/api/mcp/auth_callback를 입력합니다.
5. 만들기를 클릭합니다. 클라이언트가 생성됩니다.
  
  OAuth 2.0 클라이언트 생성됨 대화상자가 열립니다.
6. 클라이언트 보안 비밀번호 섹션에서 클라이언트 보안 비밀번호를 복사하여 안전한 장소에 저장합니다. 한 번만 복사할 수 있습니다. 분실한 경우 보안 비밀을 삭제하고 새로 만듭니다.
  
  주의: 클라이언트 보안 비밀번호를 비밀번호처럼 취급하고 안전한 장소에 저장하세요.
안내에 따라 커스텀 커넥터를 만듭니다. 고급 설정 메뉴에 클라이언트 ID와 보안 비밀번호를 입력합니다.

Claude Desktop

Dataform 원격 MCP 서버를 Claude Desktop에 추가하려면 OAuth 클라이언트 ID와 OAuth 클라이언트 보안 비밀번호를 사용하여 커스텀 커넥터를 구성합니다.

Claude Desktop을 설치합니다.
OAuth 2.0 클라이언트 ID 및 보안 비밀을 만듭니다.
1. Google Cloud 콘솔에서 Google 인증 플랫폼 > 클라이언트 > 클라이언트 만들기로 이동합니다.
  
  클라이언트 만들기로 이동
  
  선택한 프로젝트가 없으면 프로젝트를 만들라는 메시지가 표시됩니다.
2. 애플리케이션 유형 목록에서 웹 애플리케이션을 선택합니다.
3. 이름 필드에 애플리케이션 이름을 입력합니다.
4. 승인된 리디렉션 URI 섹션에서 + URI 추가를 클릭한 후 URI 필드에 https://claude.ai/api/mcp/auth_callback를 입력합니다.
5. 만들기를 클릭합니다. 클라이언트가 생성됩니다.
  
  OAuth 2.0 클라이언트 생성됨 대화상자가 열립니다.
6. 클라이언트 보안 비밀번호 섹션에서 클라이언트 보안 비밀번호를 복사하여 안전한 장소에 저장합니다. 한 번만 복사할 수 있습니다. 분실한 경우 보안 비밀을 삭제하고 새로 만듭니다.
  
  주의: 클라이언트 보안 비밀번호를 비밀번호처럼 취급하고 안전한 장소에 저장하세요.
안내에 따라 커스텀 커넥터를 만듭니다. 고급 설정 메뉴에 클라이언트 ID와 보안 비밀번호를 입력합니다.

ChatGPT

ChatGPT에서 Dataform 원격 MCP 서버를 사용하려면 ChatGPT Business 구독이 있어야 합니다.

Dataform 원격 MCP 서버를 ChatGPT에 추가하려면 Google OAuth 2.0 클라이언트 ID와 보안 비밀번호를 만든 다음 MCP 서버를 ChatGPT에 플러그인으로 추가합니다.

OAuth 2.0 클라이언트 ID 및 보안 비밀 만들기

Google Cloud 콘솔에서 Google 인증 플랫폼 > 클라이언트 > 클라이언트 만들기로 이동합니다.

클라이언트 만들기로 이동

선택한 프로젝트가 없으면 프로젝트를 만들라는 메시지가 표시됩니다.
애플리케이션 유형 목록에서 웹 애플리케이션을 선택합니다.
이름 필드에 애플리케이션 이름을 입력합니다.
승인된 리디렉션 URI 섹션에서 + URI 추가를 클릭한 후 URI 필드에 https://chatgpt.com/connector_platform_oauth_redirect를 입력합니다.
만들기를 클릭합니다. 클라이언트가 생성됩니다.

OAuth 2.0 클라이언트 생성됨 대화상자가 열립니다.
클라이언트 보안 비밀번호 섹션에서 클라이언트 보안 비밀번호를 복사하여 안전한 장소에 저장합니다. 한 번만 복사할 수 있습니다. 분실한 경우 보안 비밀을 삭제하고 새로 만듭니다.

주의: 클라이언트 보안 비밀번호를 비밀번호처럼 취급하고 안전한 장소에 저장하세요.

ChatGPT에 MCP 서버를 플러그인으로 추가

ChatGPT에 로그인합니다.
ChatGPT에 MCP 서버를 추가하려면 플러그인 빌드의 안내를 따르세요.
인증에 필요한 클라이언트 ID와 보안 비밀번호를 입력합니다.

MCP 서버가 플러그인 메뉴에 표시되며 채팅 프롬프트를 통해 사용할 수 있습니다.

커서

Dataform 원격 MCP 서버를 Cursor에 추가하려면 클라이언트 ID와 보안 비밀번호를 만든 다음 정적 OAuth를 사용하여 MCP 서버를 구성합니다. Cursor는 웹 또는 데스크톱 애플리케이션을 통해 Cursor에 액세스하는 방법에 따라 다른 리디렉션 URI를 사용합니다.

OAuth 2.0 클라이언트 ID 및 보안 비밀을 만듭니다.
웹 또는 커서 에이전트
1. Google Cloud 콘솔에서 Google 인증 플랫폼 > 클라이언트 > 클라이언트 만들기로 이동합니다.
  
  클라이언트 만들기로 이동
  
  선택한 프로젝트가 없으면 프로젝트를 만들라는 메시지가 표시됩니다.
2. 애플리케이션 유형 목록에서 웹 애플리케이션을 선택합니다.
3. 이름 필드에 애플리케이션 이름을 입력합니다.
4. 승인된 리디렉션 URI 섹션에서 + URI 추가를 클릭한 후 URI 필드에 https://www.cursor.com/agents/mcp/oauth/callback를 입력합니다.
5. 만들기를 클릭합니다. 클라이언트가 생성됩니다.
  
  OAuth 2.0 클라이언트 생성됨 대화상자가 열립니다.
6. 클라이언트 보안 비밀번호 섹션에서 클라이언트 보안 비밀번호를 복사하여 안전한 장소에 저장합니다. 한 번만 복사할 수 있습니다. 분실한 경우 보안 비밀을 삭제하고 새로 만듭니다.
  
  주의: 클라이언트 보안 비밀번호를 비밀번호처럼 취급하고 안전한 장소에 저장하세요.
데스크톱
1. Google Cloud 콘솔에서 Google 인증 플랫폼 > 클라이언트 > 클라이언트 만들기로 이동합니다.
  
  클라이언트 만들기로 이동
  
  선택한 프로젝트가 없으면 프로젝트를 만들라는 메시지가 표시됩니다.
2. 애플리케이션 유형 목록에서 웹 애플리케이션을 선택합니다.
3. 이름 필드에 애플리케이션 이름을 입력합니다.
4. 승인된 리디렉션 URI 섹션에서 + URI 추가를 클릭한 후 URI 필드에 http://localhost:8787/callback를 입력합니다.
5. 만들기를 클릭합니다. 클라이언트가 생성됩니다.
  
  OAuth 2.0 클라이언트 생성됨 대화상자가 열립니다.
6. 클라이언트 보안 비밀번호 섹션에서 클라이언트 보안 비밀번호를 복사하여 안전한 장소에 저장합니다. 한 번만 복사할 수 있습니다. 분실한 경우 보안 비밀을 삭제하고 새로 만듭니다.
  
  주의: 클라이언트 보안 비밀번호를 비밀번호처럼 취급하고 안전한 장소에 저장하세요.
안내에 따라 정적 OAuth를 사용하여 MCP 서버를 구성합니다.
Chat에서 MCP 서버 사용

OpenCode CLI

Dataform 원격 MCP 서버를 OpenCode CLI에 추가하려면 OpenCode: MCP의 안내를 따르세요.

Replit

Dataform 원격 MCP 서버를 Replit에 추가하려면 Replit: MCP 서버 개요의 안내를 따르세요.

Visual Studio Code

Visual Studio Code (VS Code)에서 Dataform 원격 MCP 서버를 구성하려면 다음 단계를 따르세요.

VS Code를 설치합니다.
VS Code를 연 다음 Control+Shift+P (Windows 또는 Linux) 또는 Command+Shift+P (macOS)를 눌러 명령어 팔레트를 엽니다.
명령어 팔레트에서 MCP: 서버 추가…를 선택합니다.
HTTP (HTTP 또는 서버 전송 이벤트)를 선택합니다.
MCP 엔드포인트 https://dataform.REGION.rep.googleapis.com/mcp를 입력한 후 Enter를 누릅니다.
서버 이름을 입력한 다음 Enter를 누릅니다.
모든 작업공간에서 MCP 서버를 사용할 수 있도록 하려면 전역을 선택합니다. 현재 작업공간에서만 MCP 서버를 사용할 수 있도록 하려면 작업공간을 선택합니다.

mcp.json 파일이 서버 정보로 업데이트됩니다.

MCP 서버에 인증

OAuth 클라이언트 ID 및 보안 비밀번호 또는 애플리케이션 기본 사용자 인증 정보(ADC)를 사용하여 MCP 서버에 인증할 수 있습니다.

참고: 인증에 ADC를 사용하는 경우 매시간 액세스 토큰을 다시 생성해야 합니다.

OAuth 클라이언트 ID

VS Code에서 Control+Alt+I (Windows 또는 Linux) 또는 Shift+Command+I (macOS)를 눌러 채팅 창을 엽니다.
채팅 창에서 에이전트 설정을 선택한 다음 에이전트를 선택합니다.
MCP 서버를 처음 사용하는 경우 인증을 설정하라는 메시지가 표시됩니다. MCP 서버를 사용하려면 채팅에서 사용 가능한 도구 중 하나를 사용하는 프롬프트를 입력합니다. 사용할 도구를 잘 모르겠으면 에이전트에게 서버의 도구를 나열해 달라고 요청할 수 있습니다.

예를 들어 다음 프롬프트를 입력하여 사용 가능한 도구를 나열할 수 있습니다. "SERVER_NAME에 사용할 수 있는 도구를 나열해 줘". 여기서 SERVER_NAME은 MCP 서버에 지정한 이름입니다.

동적 클라이언트 등록이 지원되지 않음 대화상자가 열립니다.
URI 복사 및 계속을 클릭합니다.
복사한 URL은 필요하지 않으므로 기록할 필요가 없습니다.

Google Cloud 콘솔에서 Google 인증 플랫폼 > 클라이언트 > 클라이언트 만들기로 이동합니다.

클라이언트 만들기로 이동

선택한 프로젝트가 없으면 프로젝트를 만들라는 메시지가 표시됩니다.
애플리케이션 유형 목록에서 데스크톱 앱을 선택합니다.
이름 필드에 애플리케이션 이름을 입력합니다.
만들기를 클릭합니다. 클라이언트가 생성됩니다.

OAuth 2.0 클라이언트 생성됨 대화상자가 열립니다.
클라이언트 보안 비밀번호 섹션에서 클라이언트 보안 비밀번호를 복사하여 안전한 장소에 저장합니다. 한 번만 복사할 수 있습니다. 분실한 경우 보안 비밀을 삭제하고 새로 만듭니다.

주의: 클라이언트 보안 비밀번호를 비밀번호처럼 취급하고 안전한 장소에 저장하세요.

OAuth 클라이언트 ID 및 보안 비밀을 사용하도록 VS Code 구성

VS Code에서 OAuth 클라이언트 ID를 입력한 후 Enter를 누릅니다.
메시지가 표시되면 OAuth 클라이언트 보안 비밀번호를 입력한 후 Enter를 누릅니다.
VS Code 대화상자가 열리면 허용을 클릭합니다.

에이전트가 MCP 도구 호출을 완료하고 채팅에서 대답합니다.

캐시된 사용자 인증 정보 지우기

VS Code는 로그인 환경을 간소화하기 위해 동적 인증 제공업체를 캐시합니다. 이전에 사용자 인증 정보를 입력했고 새 사용자 인증 정보를 입력하려면 캐시된 사용자 인증 정보를 삭제해야 합니다.

캐시된 사용자 인증 정보를 삭제하려면 다음 단계를 따르세요.

VS Code에서 Control+Shift+P (Windows 또는 Linux) 또는 Command+Shift+P (macOS)를 눌러 명령어 팔레트를 엽니다.
명령어 팔레트에서 인증: 동적 인증 제공업체 삭제를 선택한 다음 캐시된 사용자 인증 정보를 삭제할 클라이언트 ID를 선택합니다.
VS Code를 새로고침하고 원격 MCP 서버에 다시 연결합니다.
OAuth 클라이언트 ID와 보안 비밀을 입력하라는 메시지가 표시됩니다.

ADC

환경에 애플리케이션 기본 사용자 인증 정보 (ADC)를 설정합니다.
로컬 셸을 사용하는 경우 사용자 계정에 대한 로컬 인증 사용자 인증 정보를 만듭니다.
```
gcloud auth application-default login
```
다음 명령어를 실행하여 애플리케이션 기본 토큰을 생성합니다.
```
gcloud auth application-default print-access-token
```

mcp.json 파일에서 MCP 서버 항목에 다음을 추가합니다.

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

다음을 바꿉니다.

TOKEN: 애플리케이션 기본 토큰입니다.
PROJECT_ID: Google Cloud 프로젝트 ID입니다.

다음 예시에서는 인증에 ADC를 사용하는 MCP 서버 항목을 보여줍니다.

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

VS Code에서 Control+Alt+I (Windows 또는 Linux) 또는 Shift+Command+I (macOS)를 눌러 채팅 창을 엽니다.
채팅 창에서 에이전트 설정을 선택한 다음 에이전트를 선택합니다.
사용 가능한 MCP 도구 중 하나를 사용하는 에이전트에 프롬프트를 전송합니다. 사용할 도구를 잘 모르겠다면 에이전트에게 MCP 서버의 도구를 나열해 달라고 요청할 수 있습니다.

에이전트 기능

Dataform MCP 서버는 AI 에이전트가 Dataform API 호출을 조정하여 데이터 변환 워크플로와 상호작용하고 디버그할 수 있는 도구 모음을 제공합니다. 서버는 다음 작업을 수행하는 도구를 제공합니다.

파이프라인 코드 작성 에이전트는 개발 작업공간을 만들고 나열하고, 여러 파일을 검색하고 수정하며, GitHub 또는 GitLab과 같은 원격 Git 제공업체에 변경사항을 커밋하거나 푸시할 수 있습니다.
단일 파일 애셋을 설정합니다. 에이전트는 저장소 생성 및 디렉터리 콘텐츠 쿼리를 포함한 기본 리소스 설정을 관리합니다.
파이프라인 및 출시 관리 에이전트는 워크플로 및 출시 구성을 관리하고, 컴파일 결과를 생성하고, 워크플로 호출을 트리거하거나 취소합니다.
문제 해결 및 검사 에이전트는 컴파일 결과를 검색하고 워크플로 호출 작업을 쿼리하여 파이프라인이 실패하는 이유를 식별합니다.

원격 Git 호스트에 연결된 저장소의 경우 에이전트는 파이프라인 개발을 위해 create_workspace 및 commit_workspace_changes와 같은 작업공간 도구를 사용해야 합니다. 이러한 저장소에서는 직접 저장소 도구가 실패합니다. 이러한 도구는 Google 호스팅 저장소의 단일 파일 애셋에만 사용되기 때문입니다.

사용 가능한 도구

Dataform MCP 서버에서 사용 가능한 MCP 도구 및 해당 설명의 세부정보를 보려면 Dataform MCP 참조를 확인하세요.

도구 나열

MCP 검사기를 사용하여 도구를 나열하거나 Dataform 원격 MCP 서버에 tools/list HTTP 요청을 직접 전송합니다. tools/list 메서드에는 인증이 필요하지 않습니다.

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"]
              }
            }
          }
        }
      }
    }'

다음을 바꿉니다.

TOOLSET_ENDPOINT: 서비스 이름 뒤에 오는 MCP 엔드포인트의 나머지 부분입니다. 예를 들어 Dataform의 경우 mcp/toolset-name일 수 있습니다.
MCP_PROTOCOL_VERSION: MCP 프로토콜 버전입니다. 예를 들면 2026-07-28입니다.

샘플 프롬프트

다음 샘플 프롬프트를 사용하여 Dataform 리소스에 대한 정보를 가져오거나, 작업공간에서 파이프라인 코드를 작성하거나, 워크플로를 조정하거나, 실행 문제를 해결하세요.

"PROJECT_ID 프로젝트에 REPOSITORY_ID라는 새 Dataform 저장소를 만듭니다."
"내 프로젝트에 FOLDER_NAME라는 새 폴더를 만들어 줘."
"내 저장소에 WORKSPACE_NAME이라는 새 작업공간을 만듭니다."
"내 작업공간에서 이름이 FILE_NAME인 파일을 검색해 줘."
"내 작업공간에서 FILE_NAME의 내용을 읽어 줘."
"내 작업공간 변경사항을 커밋하고 원격 Git 브랜치에 푸시해 줘."
"PROJECT_ID 프로젝트에 새 노트북 애셋을 만듭니다."
"REPOSITORY_ID에서 저장된 쿼리에 변경사항을 커밋해 줘."
"매일 오전 8시에 파이프라인이 실행되도록 예약하는 워크플로 구성을 만들어 줘."
"WORKFLOW_CONFIGURATION_ID 워크플로 구성에 대한 새 실행을 트리거합니다."
"최근 파이프라인 실행 상태를 확인하고 실패한 실행이 있으면 오류 세부정보를 포함하여 알려줘."
"실패한 특정 실행의 세부정보를 보여줘."
"PROJECT_ID 프로젝트의 REGION 리전에 있는 모든 Dataform 저장소를 나열해 줘."
"저장소 REPOSITORY_ID에서 현재 실행 중인 WORKFLOW_INVOCATION_ID라는 워크플로 호출을 취소합니다."

프롬프트에서 다음을 바꿉니다.

FILE_NAME: 파일의 이름입니다.
FOLDER_NAME: 폴더의 이름입니다.
PROJECT_ID: Google Cloud 프로젝트 ID
REGION: 리전의 이름
REPOSITORY_ID: Dataform 저장소의 고유 식별자입니다(예: quickstart-repository).
WORKFLOW_CONFIGURATION_ID: 워크플로 구성의 고유 식별자입니다.
WORKFLOW_INVOCATION_ID: 특정 워크플로 실행의 고유 식별자입니다. 이 식별자는 workflowInvocations.list 요청 결과 또는 workflowInvocations.create 응답의 name 필드에서 가져올 수 있습니다.
WORKSPACE_NAME: 작업공간의 이름입니다.

선택적 보안 및 안전 구성

MCP는 MCP 도구로 수행할 수 있는 다양한 작업으로 인해 새로운 보안 위험과 고려사항을 도입합니다. 이러한 위험을 최소화하고 관리하기 위해Google Cloud 는 Google Cloud 조직 또는 프로젝트에서 MCP 도구 사용을 제어할 수 있는 기본 설정과 맞춤설정 가능한 정책을 제공합니다.

MCP 보안 및 거버넌스에 대한 자세한 내용은 AI 보안 및 안전을 참조하세요.

Model Armor 사용

Model Armor는 AI 애플리케이션의 보안과 안전을 강화하도록 설계된Google Cloud 서비스입니다. LLM 프롬프트와 응답을 선제적으로 검사하고, 다양한 위험으로부터 보호하며, 책임감 있는 AI 개발 관행을 지원합니다. 클라우드 환경에 AI를 배포하든 외부 클라우드 제공업체에 배포하든 Model Armor를 사용하면 다양한 AI 환경에서 악의적인 입력을 차단하고, 콘텐츠 안전을 확인하고, 민감한 정보를 보호하고, 규정 준수를 유지하고, AI 안전 및 보안 정책을 일관되게 적용할 수 있습니다.

로깅이 사용 설정된 상태에서 Model Armor가 사용 설정되면 Model Armor는 전체 페이로드를 로깅합니다. 이로 인해 로그에 민감한 정보가 노출될 수 있습니다.

Model Armor로의 MCP 요청 라우팅

Dataform MCP 서버는 관할권 간 라우팅을 사용합니다. Model Armor를 사용 설정하면 MCP 서버가 모든 요청을 Model Armor로 전송하여 검사합니다. 관할권 간 라우팅은 사용 중 및 전송 중 데이터에 대한 기존 데이터 레지던시 규정 준수 약정을 위반할 수 있습니다. 다른 MCP 서버의 동작에 대한 자세한 내용은 Model Armor 지원 제품을 참조하세요.

Model Armor 사용 설정

Model Armor를 사용하려면 먼저 Model Armor API를 사용 설정해야 합니다.

콘솔

Model Armor API가 아직 사용 설정되지 않았으면 사용 설정합니다.
API 사용 설정에 필요한 역할
API를 사용 설정하려면 serviceusage.services.enable 권한이 필요합니다. 프로젝트를 만든 경우 소유자 역할 (roles/owner)을 통해 이 권한이 이미 있을 수 있습니다. 그렇지 않으면 서비스 사용량 관리자 역할 (roles/serviceusage.serviceUsageAdmin)을 통해 이 권한을 얻을 수 있습니다. 역할 부여 방법 알아보기
API 사용 설정하기
Model Armor를 활성화할 프로젝트를 선택합니다.

gcloud

시작하기 전에 Model Armor API와 함께 Google Cloud CLI를 사용하여 다음 단계를 따르세요.

Google Cloud CLI를 설치한 후 제휴 ID로 gcloud CLI에 로그인합니다. 로그인한 후 다음 명령어를 실행하여 Google Cloud CLI를 초기화합니다.
```
gcloud init
```
다음 명령어를 실행하여 Model Armor 서비스의 API 엔드포인트를 설정합니다.
```
gcloud config set api_endpoint_overrides/modelarmor "https://modelarmor.LOCATION.rep.googleapis.com/"
```
LOCATION을 Model Armor를 사용하려는 리전으로 바꿉니다.

Google 및 Google Cloud 원격 MCP 서버에 대한 보호 구성

Model Armor 최소 기준 설정을 사용하여 MCP 도구 호출 및 응답을 보호할 수 있습니다. 최소 기준 설정은 프로젝트 전반에 적용되는 최소 보안 필터를 정의합니다. 이 구성은 프로젝트 내의 모든 MCP 도구 호출 및 응답에 일관된 필터 집합을 적용합니다.

MCP 정제가 사용 설정된 Model Armor 최소 기준 설정을 설정합니다. 자세한 내용은 Model Armor 최소 기준 설정 구성을 참조하세요.

다음 명령어 예시를 참고하세요.

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"}]'

PROJECT_ID를 Google Cloud 프로젝트 ID로 바꿉니다.

다음 설정을 참고하세요.

INSPECT_AND_BLOCK: Google MCP 서버의 콘텐츠를 검사하고 필터와 일치하는 프롬프트 및 대답을 차단하는 시정 조치 유형입니다.
ENABLED: 필터 또는 시정 조치를 사용 설정하는 설정입니다.
MEDIUM_AND_ABOVE: 책임감 있는 AI - 위험 필터 설정의 신뢰도 수준입니다. 이 설정을 수정할 수 있지만 값이 낮을수록 거짓양성이 더 많이 발생할 수 있습니다. 자세한 내용은 Model Armor 신뢰도 수준을 참조하세요.

Model Armor를 사용한 MCP 트래픽 스캔 사용 중지

프로젝트의 하한 설정에 따라 Google MCP 서버를 오가는 트래픽을 Model Armor가 자동으로 스캔하지 않도록 하려면 다음 명령어를 실행합니다.

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

PROJECT_ID를 Google Cloud 프로젝트 ID로 바꿉니다. Model Armor는 이 프로젝트의 하한선 설정에 정의된 규칙을 Google MCP 서버 트래픽에 자동으로 적용하지 않습니다.

Model Armor 하한 설정 및 일반 구성은 MCP뿐만 아니라 다른 요소에도 영향을 미칠 수 있습니다. Model Armor는 Vertex AI와 같은 서비스와 통합되므로 최소 기준 설정을 변경하면 MCP뿐만 아니라 모든 통합 서비스에서 트래픽 스캔 및 안전 동작에 영향을 미칠 수 있습니다.

IAM 거부 정책으로 MCP 사용 제어

Identity and Access Management (IAM) 거부 정책 및 허용 정책은 Google Cloud 및 Google MCP 서버를 보호하는 데 도움이 됩니다.

다음을 기준으로 액세스를 허용하거나 거부하여 여러 기준을 결합하여 맞춤설정된 보안 및 거버넌스 정책을 빌드할 수 있습니다.

주 구성원입니다.
읽기 전용 속성과 같은 도구 속성
서비스 이름 또는 도구 이름입니다.
애플리케이션의 OAuth 클라이언트 ID입니다.

자세한 내용은 Identity and Access Management를 사용한 MCP 사용 제어를 참조하세요.

다음 단계

Dataform MCP 참고 문서 읽어보기
Google Cloud MCP 서버에 대해 자세히 알아보세요.

Dataform 원격 MCP 서버 사용 컬렉션을 사용해 정리하기 내 환경설정을 기준으로 콘텐츠를 저장하고 분류하세요.

로컬 MCP 서버와 원격 MCP 서버의 차이점은 무엇인가요?

스테이트리스(Stateless) 코어

Google 및 Google Cloud 원격 MCP 서버

시작하기 전에

필요한 역할

필수 권한

인증 및 승인

Dataform MCP OAuth 범위

Dataform MCP 서버를 사용하도록 MCP 클라이언트 구성

고객별 안내

Antigravity

Gemini CLI

Claude.ai

Claude Code

Claude Desktop

ChatGPT

OAuth 2.0 클라이언트 ID 및 보안 비밀 만들기

ChatGPT에 MCP 서버를 플러그인으로 추가

커서

웹 또는 커서 에이전트

데스크톱

OpenCode CLI

Replit

Visual Studio Code

MCP 서버에 인증

OAuth 클라이언트 ID

OAuth 클라이언트 ID 및 보안 비밀을 사용하도록 VS Code 구성

캐시된 사용자 인증 정보 지우기

ADC

에이전트 기능

사용 가능한 도구

도구 나열

샘플 프롬프트

선택적 보안 및 안전 구성

Model Armor 사용

Model Armor로의 MCP 요청 라우팅

Model Armor 사용 설정

콘솔

gcloud

Google 및 Google Cloud 원격 MCP 서버에 대한 보호 구성

Model Armor를 사용한 MCP 트래픽 스캔 사용 중지

IAM 거부 정책으로 MCP 사용 제어

다음 단계

Dataform 원격 MCP 서버 사용