Google 會運用 AI 技術將內容翻譯成你偏好的語言，但可能會出錯。

使用 Dataform 遠端 MCP 伺服器

本文說明如何使用 Dataform 遠端 Model Context Protocol (MCP) 伺服器，連結 Antigravity、ChatGPT、Claude 等 AI 應用程式，以及您正在開發的自訂應用程式。您可以使用 Dataform 遠端 MCP 伺服器執行各項工作，例如管理單一檔案資產、在開發工作區編寫管道程式碼、自動化調度管理管道，以及排解執行失敗問題。啟用 Dataform API 時，Dataform 遠端 MCP 伺服器會一併啟用。

Model Context Protocol (MCP) 規範了大型語言模型 (LLM) 和 AI 應用程式或代理與外部資料來源的標準連線方式。MCP 伺服器可讓您使用其工具、資源和提示，從後端服務採取行動並取得更新資料。

本機和遠端 MCP 伺服器有何不同？

本機 MCP 伺服器: 通常在本機電腦上執行，並使用標準輸入內容和輸出串流 (stdio)，在同一部裝置上的服務之間通訊。
遠端 MCP 伺服器: 在服務的基礎架構上執行，並為 AI 應用程式提供 HTTP 端點，以便 AI MCP 用戶端與 MCP 伺服器之間通訊。如要進一步瞭解 MCP 架構，請參閱「MCP 架構」。

無狀態核心

在 MCP 2026-07-28 版中，MCP 從雙向有狀態通訊協定變更為無狀態通訊協定。每個 MCP 要求都包含自我描述，並可使用標頭轉送。由於每個要求都包含 HTTP 標頭或 _meta 參數中所需的所有資訊，因此不需要 initialize/initialized 握手或 Mcp-Session-Id。MCP 伺服器可透過多來回要求 (MRTR)，要求提供工具所需的額外資訊。

為協助轉送及處理要求，而不剖析要求主體，您必須提供部分 MCP 標頭，包括：

MCP 規格要求的標頭，例如通訊協定版本標頭和標準要求標頭。
MCP 伺服器定義的自訂標頭。這些標頭會使用 x-mcp-header 屬性，從工具的輸入結構定義鏡像至 HTTP 標頭。舉例來說，MCP 伺服器可能會定義自訂標頭，指定 Google Cloud 區域或專案 ID。

如要進一步瞭解 MCP 架構，請參閱 MCP 2026-07-28 版規格和主要異動。

Google 和 Google Cloud 遠端 MCP 伺服器

Google 和 Google Cloud 遠端 MCP 伺服器具有下列功能和優點：

簡化集中探索
代管的全域或區域 HTTP 端點
精細授權
選用 Model Armor 保護提示詞和回覆
集中化稽核記錄

如要瞭解其他 MCP 伺服器，以及 Google Cloud MCP 伺服器可用的安全性和管理控制項，請參閱「Google Cloud MCP 伺服器總覽」。

事前準備

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

將 Dataform 存放區連結至 Git 供應商，例如 GitHub 或 GitLab。詳情請參閱「連線至第三方 Git 存放區」。
使用 BigQuery 範圍，為 AI 代理設定有效的 OAuth 權杖。

必要的角色

如要取得使用 Dataform MCP 伺服器所需的權限，請要求管理員授予您 Google Cloud 專案的下列 IAM 角色：

發出 MCP 工具呼叫：MCP 工具使用者 (roles/mcp.toolUser)
建立 Dataform 存放區、工作區及編輯檔案：Dataform 編輯者 (roles/dataform.editor)
執行 BigQuery 工作：BigQuery 工作使用者 (roles/bigquery.jobUser)

如要進一步瞭解如何授予角色，請參閱「管理專案、資料夾和組織的存取權」。

這些預先定義的角色具備使用 Dataform MCP 伺服器所需的權限。如要查看確切的必要權限，請展開「Required permissions」(必要權限) 部分：

所需權限

您必須具備下列權限，才能使用 Dataform MCP 伺服器：

發出 MCP 工具呼叫：mcp.tools.call
建立 Dataform 存放區、工作區及編輯檔案：
- 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
執行 BigQuery 工作：
- bigquery.jobs.create
- bigquery.config.get

您或許還可透過自訂角色或其他預先定義的角色取得這些權限。

驗證及授權

Dataform 遠端 MCP 伺服器使用 OAuth 2.0 通訊協定和 Identity and Access Management (IAM) 進行驗證和授權。所有Google Cloud 身分都支援 MCP 伺服器驗證。

Dataform MCP 伺服器會透過下列驗證和授權機制管理存取權：

探索 (tools/list) 要求不需要驗證，因此代理可以識別可用的 Dataform 工具，不需事先取得授權。
執行 (tools/call) 要求會使用 OAuth 進行驗證，代理必須提供使用 BigQuery 範圍的有效 OAuth 權杖。詳情請參閱「Dataform MCP OAuth 範圍」。

建議您為使用 MCP 工具的代理建立獨立身分，以便控管及監控資源存取權。如要進一步瞭解驗證，請參閱「向 MCP 伺服器驗證」。

Dataform MCP OAuth 範圍

OAuth 2.0 會使用範圍和憑證，判斷通過驗證的主體是否有權對資源執行特定動作。如要進一步瞭解 Google 的 OAuth 2.0 範圍，請參閱「使用 OAuth 2.0 存取 Google API」。

如要與 Dataform MCP 伺服器互動，代理必須使用 BigQuery OAuth 範圍。這個範圍可讓代理管理轉換程式碼，並觸發以 BigQuery 工作形式執行的作業。

在工具呼叫期間存取的資源，可能需要額外的範圍。如要查看 Dataform 所需的範圍清單，請參閱「Dataform API」。

設定 MCP 用戶端，使用 Dataform MCP 伺服器

AI 應用程式和代理 (例如 Claude 或 Antigravity) 可例項化 MCP 用戶端，連至單一 MCP 伺服器。一個 AI 應用程式可以有多個用戶端，連線至不同的 MCP 伺服器。如果用戶端專屬指南中未列出您的應用程式，則可使用下列資訊，從大多數應用程式連線。

在 AI 應用程式中，找出新增或連線至遠端 MCP 伺服器的方法。針對 Dataform MCP 伺服器，執行下列操作：

伺服器名稱：Dataform MCP 伺服器
伺服器網址或端點：https://dataform.REGION.rep.googleapis.com/mcp

將 REGION 替換為存放區所在區域，例如 us-central1。
傳輸：可串流 HTTP
驗證詳細資料：視您要採用的驗證方式而定，您可以輸入 Google Cloud 憑證、OAuth 用戶端 ID 和密鑰，或代理身分和憑證。如要進一步瞭解驗證，請參閱「向 MCP 伺服器驗證」。
OAuth 範圍：連線至 Dataform MCP 伺服器時要使用的 OAuth 2.0 範圍。

如需一般指引，請參閱下列資源：

客戶專屬指南

如需特定應用程式的操作說明，請參閱下列各節：

Antigravity

如要將 Dataform 遠端 MCP 伺服器新增至 Antigravity，請按照「Antigravity 編輯器：MCP 整合」中的操作說明進行。您可以使用應用程式預設憑證 (ADC) 或用戶端 ID 和密鑰進行驗證。

Gemini CLI

如要將 Dataform 遠端 MCP 伺服器新增至 Gemini CLI，請將其設為擴充功能，並使用 Google 應用程式預設憑證 (ADC) 驗證。

使用 gcloud CLI 憑證設定應用程式預設憑證 (ADC)：
```
gcloud auth application-default login
```
如果使用的 MCP 伺服器需要預設 https://www.googleapis.com/auth/cloud-platform 範圍以外的 OAuth 範圍，請使用 --scopes 旗標納入這些範圍。
在下列位置建立擴充功能檔案：~/.gemini/extensions/EXT_NAME/gemini-extension.json，其中 ~/ 是主目錄，EXT_NAME 是要為擴充功能指定的名稱。

將下列內容儲存至擴充功能檔案：

{
  "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"
      }
    }
  }
}

更改下列內容：

EXT_NAME：擴充功能的名稱。
PROJECT_ID：您的 Google Cloud 專案 ID。

如果服務不需要 OAuth 範圍，您可以省略 "oauth" 區段。

對於支援不記名權杖的服務 (例如 Antigravity)，請在 JSON 檔案的 "headers" 區段中新增 "Authorization" 參數：

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

將 YOUR_TOKEN 替換為不記名權杖。您可以執行 gcloud auth application-default print-access-token 指令來產生權杖。

啟動 Gemini CLI：
```
gemini
```

執行 /mcp，查看已設定的 MCP 伺服器及其工具。

回應大致如下：

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

遠端 MCP 伺服器已可在 Gemini CLI 中使用。

Claude.ai

如要將 Dataform 遠端 MCP 伺服器新增至 Claude.ai，請使用 OAuth 用戶端 ID 和 OAuth 用戶端密鑰設定自訂連接器：

建立 OAuth 2.0 用戶端 ID 和密鑰：
1. 在 Google Cloud 控制台中，依序前往 「Google Auth Platform」>「用戶端」>「建立用戶端」。
  
  前往「Create client」(建立用戶端)
  
  如果未選取專案，系統會提示您建立專案。
2. 在「Application type」(應用程式類型) 清單中，選取「Web application」(網頁應用程式)。
3. 在「Name」(名稱) 欄位中，輸入應用程式名稱。
4. 在「Authorized JavaScript origins」(已授權的 JavaScript 來源) 區段中，按一下「+ Add URI」(+ 新增 URI)，然後在「URIs」(URI) 欄位中輸入 https://claude.ai。
5. 在「Authorized redirect URIs」(已授權的重新導向 URI) 區段中，按一下「+ Add URI」(新增 URI)，然後在「URIs」(URI) 欄位中輸入 https://claude.ai/api/mcp/auth_callback。
6. 點選「建立」。已建立用戶端。
  
  「OAuth 2.0 client created」(已建立 OAuth 2.0 用戶端) 對話方塊隨即開啟。
7. 在「Client secrets」(用戶端密鑰) 專區中，複製「Client secret」(用戶端密鑰) 並儲存在安全的位置。只能複製一次。如果遺失，請刪除密鑰並建立新的密鑰。
  
  注意：請將用戶端密鑰視為密碼，並妥善保存。
請按照操作說明建立自訂連接器。在「進階設定」選單中，輸入用戶端 ID 和密鑰。

Claude Code

如要將 Dataform 遠端 MCP 伺服器新增至 Claude Code，請使用 OAuth 用戶端 ID 和 OAuth 用戶端密鑰設定自訂連接器：

安裝 Claude Code。
建立 OAuth 2.0 用戶端 ID 和密鑰：
1. 在 Google Cloud 控制台中，依序前往 「Google Auth Platform」>「用戶端」>「建立用戶端」。
  
  前往「Create client」(建立用戶端)
  
  如果未選取專案，系統會提示您建立專案。
2. 在「Application type」(應用程式類型) 清單中，選取「Web application」(網頁應用程式)。
3. 在「Name」(名稱) 欄位中，輸入應用程式名稱。
4. 在「Authorized redirect URIs」(已授權的重新導向 URI) 區段中，按一下「+ Add URI」(新增 URI)，然後在「URIs」(URI) 欄位中輸入 https://claude.ai/api/mcp/auth_callback。
5. 點選「建立」。已建立用戶端。
  
  「OAuth 2.0 client created」(已建立 OAuth 2.0 用戶端) 對話方塊隨即開啟。
6. 在「Client secrets」(用戶端密鑰) 專區中，複製「Client secret」(用戶端密鑰) 並儲存在安全的位置。只能複製一次。如果遺失，請刪除密鑰並建立新的密鑰。
  
  注意：請將用戶端密鑰視為密碼，並妥善保存。
請按照操作說明建立自訂連接器。在「進階設定」選單中，輸入用戶端 ID 和密鑰。

Claude 電腦版

如要將 Dataform 遠端 MCP 伺服器新增至 Claude Desktop，請使用 OAuth 用戶端 ID 和 OAuth 用戶端密鑰設定自訂連接器：

安裝 Claude Desktop。
建立 OAuth 2.0 用戶端 ID 和密鑰：
1. 在 Google Cloud 控制台中，依序前往 「Google Auth Platform」>「用戶端」>「建立用戶端」。
  
  前往「Create client」(建立用戶端)
  
  如果未選取專案，系統會提示您建立專案。
2. 在「Application type」(應用程式類型) 清單中，選取「Web application」(網頁應用程式)。
3. 在「Name」(名稱) 欄位中，輸入應用程式名稱。
4. 在「Authorized redirect URIs」(已授權的重新導向 URI) 區段中，按一下「+ Add URI」(新增 URI)，然後在「URIs」(URI) 欄位中輸入 https://claude.ai/api/mcp/auth_callback。
5. 點選「建立」。已建立用戶端。
  
  「OAuth 2.0 client created」(已建立 OAuth 2.0 用戶端) 對話方塊隨即開啟。
6. 在「Client secrets」(用戶端密鑰) 專區中，複製「Client secret」(用戶端密鑰) 並儲存在安全的位置。只能複製一次。如果遺失，請刪除密鑰並建立新的密鑰。
  
  注意：請將用戶端密鑰視為密碼，並妥善保存。
請按照操作說明建立自訂連接器。在「進階設定」選單中，輸入用戶端 ID 和密鑰。

ChatGPT

您必須訂閱 ChatGPT Business，才能搭配 ChatGPT 使用 Dataform 遠端 MCP 伺服器。

如要將 Dataform 遠端 MCP 伺服器新增至 ChatGPT，請建立 Google OAuth 2.0 用戶端 ID 和密鑰，然後在 ChatGPT 中將 MCP 伺服器新增為外掛程式。

建立 OAuth 2.0 用戶端 ID 和密鑰

在 Google Cloud 控制台中，依序前往 「Google Auth Platform」>「用戶端」>「建立用戶端」。

前往「Create client」(建立用戶端)

如果未選取專案，系統會提示您建立專案。
在「Application type」(應用程式類型) 清單中，選取「Web application」(網頁應用程式)。
在「Name」(名稱) 欄位中，輸入應用程式名稱。
在「Authorized redirect URIs」(已授權的重新導向 URI) 區段中，按一下「+ Add URI」(新增 URI)，然後在「URIs」(URI) 欄位中輸入 https://chatgpt.com/connector_platform_oauth_redirect。
點選「建立」。已建立用戶端。

「OAuth 2.0 client created」(已建立 OAuth 2.0 用戶端) 對話方塊隨即開啟。
在「Client secrets」(用戶端密鑰) 專區中，複製「Client secret」(用戶端密鑰) 並儲存在安全的位置。只能複製一次。如果遺失，請刪除密鑰並建立新的密鑰。

注意：請將用戶端密鑰視為密碼，並妥善保存。

在 ChatGPT 中將 MCP 伺服器新增為外掛程式

登入 ChatGPT。
如要將 MCP 伺服器新增至 ChatGPT，請按照「建構外掛程式」中的操作說明進行。
視需要輸入用戶端 ID 和密鑰，以便進行驗證。

MCP 伺服器會顯示在「Plugins」(外掛程式) 選單中，可透過對話提示使用。

Cursor

如要將 Dataform 遠端 MCP 伺服器新增至 Cursor，請建立用戶端 ID 和密鑰，然後使用靜態 OAuth 設定 MCP 伺服器。Cursor 會根據您存取 Cursor 的方式 (透過網頁或電腦應用程式)，使用不同的重新導向 URI。

建立 OAuth 2.0 用戶端 ID 和密鑰：
Web 或 Cursor 代理
1. 在 Google Cloud 控制台中，依序前往 「Google Auth Platform」>「用戶端」>「建立用戶端」。
  
  前往「Create client」(建立用戶端)
  
  如果未選取專案，系統會提示您建立專案。
2. 在「Application type」(應用程式類型) 清單中，選取「Web application」(網頁應用程式)。
3. 在「Name」(名稱) 欄位中，輸入應用程式名稱。
4. 在「Authorized redirect URIs」(已授權的重新導向 URI) 區段中，按一下「+ Add URI」(新增 URI)，然後在「URIs」(URI) 欄位中輸入 https://www.cursor.com/agents/mcp/oauth/callback。
5. 點選「建立」。已建立用戶端。
  
  「OAuth 2.0 client created」(已建立 OAuth 2.0 用戶端) 對話方塊隨即開啟。
6. 在「Client secrets」(用戶端密鑰) 專區中，複製「Client secret」(用戶端密鑰) 並儲存在安全的位置。只能複製一次。如果遺失，請刪除密鑰並建立新的密鑰。
  
  注意：請將用戶端密鑰視為密碼，並妥善保存。
電腦
1. 在 Google Cloud 控制台中，依序前往 「Google Auth Platform」>「用戶端」>「建立用戶端」。
  
  前往「Create client」(建立用戶端)
  
  如果未選取專案，系統會提示您建立專案。
2. 在「Application type」(應用程式類型) 清單中，選取「Web application」(網頁應用程式)。
3. 在「Name」(名稱) 欄位中，輸入應用程式名稱。
4. 在「Authorized redirect URIs」(已授權的重新導向 URI) 區段中，按一下「+ Add URI」(新增 URI)，然後在「URIs」(URI) 欄位中輸入 http://localhost:8787/callback。
5. 點選「建立」。已建立用戶端。
  
  「OAuth 2.0 client created」(已建立 OAuth 2.0 用戶端) 對話方塊隨即開啟。
6. 在「Client secrets」(用戶端密鑰) 專區中，複製「Client secret」(用戶端密鑰) 並儲存在安全的位置。只能複製一次。如果遺失，請刪除密鑰並建立新的密鑰。
  
  注意：請將用戶端密鑰視為密碼，並妥善保存。
按照操作說明使用靜態 OAuth 設定 MCP 伺服器。
在 Chat 中使用 MCP 伺服器。

OpenCode CLI

如要將 Dataform 遠端 MCP 伺服器新增至 OpenCode CLI，請按照 OpenCode：MCP 中的操作說明操作。

Replit

如要將 Dataform 遠端 MCP 伺服器新增至 Replit，請按照「Replit：MCP 伺服器總覽」中的操作說明操作。

Visual Studio Code

如要在 Visual Studio Code (VS Code) 設定 Dataform 遠端 MCP 伺服器，請按照下列步驟操作：

安裝 VS Code。
開啟 VS Code，然後按下 Control+Shift+P 鍵 (Windows 或 Linux) 或 Command+Shift+P 鍵 (macOS)，開啟指令面板。
在指令面板中，選取「MCP: Add Server...」。
選取「HTTP (HTTP 或伺服器傳送事件)」。
輸入 MCP 端點 https://dataform.REGION.rep.googleapis.com/mcp，然後按下 Enter 鍵。
輸入伺服器名稱，然後按下 Enter 鍵。
如要讓所有工作區都能使用 MCP 伺服器，請選取「全域」。如果只想讓目前的 workspace 使用 MCP 伺服器，請選取「Workspace」。

mcp.json 檔案會更新為伺服器資訊。

驗證 MCP 伺服器

您可以使用 OAuth 用戶端 ID 和密鑰，或應用程式預設憑證 (ADC)，向 MCP 伺服器進行驗證。

注意：如果您使用 ADC 進行驗證，則必須每小時重新產生存取權杖。

OAuth 用戶端 ID

在 VS Code 中，按下 Control + Alt + I 鍵 (Windows 或 Linux) 或 Shift + Command + I 鍵 (macOS)，開啟「Chat」窗格。
在「Chat」窗格中，依序選取「Set agent」和「Agent」。
首次使用 MCP 伺服器時，系統會提示你設定驗證機制。如要使用 MCP 伺服器，請在對話中輸入提示，並使用其中一項可用工具。如果不確定要使用哪項工具，可以要求代理列出伺服器的工具。

舉例來說，您可以輸入下列提示，列出可用的工具：「List the tools available for SERVER_NAME」，其中 SERVER_NAME 是您為 MCP 伺服器指定的名稱。

「不支援動態用戶端註冊」對話方塊隨即開啟。
按一下「複製 URI 並繼續」。
您不會用到複製的網址，因此不必記錄。

在 Google Cloud 控制台中，依序前往 「Google Auth Platform」>「用戶端」>「建立用戶端」。

前往「Create client」(建立用戶端)

如果未選取專案，系統會提示您建立專案。
在「Application type」清單中，選取「電腦版應用程式」。
在「Name」(名稱) 欄位中，輸入應用程式名稱。
點選「建立」。已建立用戶端。

「OAuth 2.0 client created」(已建立 OAuth 2.0 用戶端) 對話方塊隨即開啟。
在「Client secrets」(用戶端密鑰) 專區中，複製「Client secret」(用戶端密鑰) 並儲存在安全的位置。只能複製一次。如果遺失，請刪除密鑰並建立新的密鑰。

注意：請將用戶端密鑰視為密碼，並妥善保存。

設定 VS Code，使用 OAuth 用戶端 ID 和密鑰

在 VS Code 中輸入 OAuth 用戶端 ID，然後按下 Enter 鍵。
系統提示時，請輸入 OAuth 用戶端密鑰，然後按下 Enter 鍵。
在開啟的「VS Code」對話方塊中，按一下「Allow」。

代理完成 MCP 工具呼叫，並在對話中回覆。

清除快取憑證

VS Code 會快取動態驗證供應商，簡化登入程序。如果您先前已輸入憑證，但想輸入新憑證，則必須清除快取的憑證。

如要清除快取憑證，請按照下列步驟操作：

在 VS Code 中，按下 Control + Shift + P 鍵 (Windows 或 Linux) 或 Command + Shift + P 鍵 (macOS)，開啟「Command palette」(指令面板)。
在「Command palette」(指令面板) 中，選取「Authentication: Remove dynamic authentication providers」(驗證：移除動態驗證供應商)，然後選取要移除快取憑證的用戶端 ID。
重新載入 VS Code，並再次連線至遠端 MCP 伺服器。
系統會提示您輸入 OAuth 用戶端 ID 和密鑰。

ADC

為環境設定應用程式預設憑證 (ADC)。
如果您使用的是本機殼層，請為使用者帳戶建立本機驗證憑證：
```
gcloud auth application-default login
```
執行下列指令，產生應用程式預設權杖：
```
gcloud auth application-default print-access-token
```

在 mcp.json 檔案中，將下列內容新增至 MCP 伺服器項目：

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

更改下列內容：

TOKEN：應用程式預設權杖。
PROJECT_ID：您的 Google Cloud 專案 ID。

以下範例顯示使用 ADC 進行驗證的 MCP 伺服器項目：

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

在 VS Code 中，按下 Control+Alt+I 鍵 (Windows 或 Linux) 或 Shift+Command+I 鍵 (macOS)，開啟「Chat」窗格。
在「Chat」窗格中，依序選取「Set agent」和「Agent」。
向代理傳送提示，使用其中一項可用的 MCP 工具。如果不確定要使用哪項工具，可以要求代理列出 MCP 伺服器的工具。

代理能力

Dataform MCP 伺服器提供一組工具，可讓 AI 代理透過 Dataform API 呼叫，與資料轉換工作流程互動及偵錯。伺服器提供工具，可執行下列操作：

編寫管道程式碼。代理可以建立及列出開發工作區、搜尋和編輯多個檔案，以及將變更提交或推送至遠端 Git 供應商，例如 GitHub 或 GitLab。
設定單一檔案素材資源。代理會管理基本資源設定，包括建立存放區和查詢目錄內容。
管理管道和版本。代理會管理工作流程和發布設定、產生編譯結果，以及觸發或取消工作流程叫用。
疑難排解和驗證。代理會擷取編譯結果並查詢工作流程叫用動作，找出管道失敗的原因。

如果存放區已連線至遠端 Git 主機，代理必須使用 create_workspace 和 commit_workspace_changes 等工作區工具，才能開發管道。直接存放區工具在這些存放區中會失敗，因為這類工具僅適用於 Google 代管存放區中的單一檔案資產。

可用的工具

如要查看 Dataform MCP 伺服器可用的 MCP 工具詳細資料和說明，請參閱 Dataform MCP 參考資料。

清單工具

使用 MCP 檢查工具列出工具，或直接將 tools/list HTTP 要求傳送至 Dataform 遠端 MCP 伺服器。tools/list 方法不需要驗證。

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"]
              }
            }
          }
        }
      }
    }'

更改下列內容：

TOOLSET_ENDPOINT：服務名稱後方的 MCP 端點其餘部分。舉例來說，Dataform 的網址可能是 mcp/toolset-name。
MCP_PROTOCOL_VERSION：MCP 通訊協定版本。例如：2026-07-28。

提示範例

您可以使用下列提示範例，取得 Dataform 資源相關資訊、在工作區編寫管道程式碼、自動化調度管理工作流程，或排解執行問題：

「在專案 PROJECT_ID 中建立名為 REPOSITORY_ID 的新 Dataform 存放區。」
「在我的專案中建立名為 FOLDER_NAME 的新資料夾。」
「在我的存放區中建立名為 WORKSPACE_NAME 的新工作區。」
「在我的工作區中搜尋名為『FILE_NAME』的檔案。」
「讀取我工作區中 FILE_NAME 的內容。」
「提交工作區變更，並推送至遠端 Git 分支版本。」
「在專案 PROJECT_ID 中建立新的筆記本資產。」
「將變更提交至 REPOSITORY_ID 中已儲存的查詢。」
「建立工作流程設定，排定每天上午 8:00 執行 pipeline。」
「觸發 WORKFLOW_CONFIGURATION_ID 工作流程設定的新執行作業。」
「檢查我最近的管道執行狀態，並告訴我是否有任何失敗，包括錯誤詳細資料。」
「顯示失敗的特定執行作業詳細資料。」
「列出專案 PROJECT_ID REGION 區域中的所有 Dataform 存放區。」
「取消存放區 REPOSITORY_ID 中名為 WORKFLOW_INVOCATION_ID 的工作流程叫用，該叫用目前正在執行。」

在提示中，請替換下列內容：

FILE_NAME：檔案名稱。
FOLDER_NAME：資料夾名稱。
PROJECT_ID： Google Cloud 專案 ID。
REGION：區域名稱。
REPOSITORY_ID：Dataform 存放區的專屬 ID，例如 quickstart-repository。
WORKFLOW_CONFIGURATION_ID：工作流程設定的專屬 ID。
WORKFLOW_INVOCATION_ID：特定工作流程執行的專屬 ID。您可以從 workflowInvocations.list 要求的結果，或 workflowInvocations.create 回應的 name 欄位取得這個 ID。
WORKSPACE_NAME：工作區名稱。

選用安全性和安全防護設定

MCP 工具可執行的動作繁多，因此會帶來新的安全風險和考量。為盡可能降低及管理這些風險，Google Cloud 提供預設設定和可自訂的政策，控管 Google Cloud 組織或專案中的 MCP 工具使用情形。

如要進一步瞭解 MCP 安全性和管理，請參閱「AI 安全性」。

使用 Model Armor

Model Armor 是一項Google Cloud 服務，可提高 AI 應用程式的安全性。這項服務會主動篩選 LLM 提示詞和回覆，防範各種風險，並支援負責任的 AI 做法。無論您是在雲端環境或外部雲端服務供應商部署 AI，Model Armor 都能協助您防範惡意輸入、驗證內容安全性、保護機密資料、維持法規遵循，並在多元的 AI 環境中，一致地強制執行 AI 安全性和安全性政策。

啟用 Model Armor 並啟用記錄功能後，Model Armor 會記錄整個酬載。這可能會導致記錄中的機密資訊外洩。

MCP 要求轉送至 Model Armor

Dataform MCP 伺服器會使用跨管轄區轉送。啟用 Model Armor 後，MCP 伺服器會將所有要求傳送至 Model Armor 進行篩選。跨管轄區轉送可能會違反現有的資料落地法規遵循承諾，影響使用中和傳輸中的資料。如要進一步瞭解其他 MCP 伺服器的行為，請參閱「Model Armor 支援的產品」。

啟用 Model Armor

您必須先啟用 Model Armor API，才能使用 Model Armor。

控制台

啟用 Model Armor API (如果尚未啟用)。
啟用 API 所需的角色
您必須具備 serviceusage.services.enable 權限，才能啟用 API。如果您建立了專案，可能已透過擁有者角色 (roles/owner) 取得這項權限。否則，您可以透過 Service Usage 管理員角色 (roles/serviceusage.serviceUsageAdmin) 取得這項權限。瞭解如何授予角色。
啟用 API
選取要啟用 Model Armor 的專案。

gcloud

開始之前，請按照下列步驟，搭配使用 Google Cloud CLI 和 Model Armor API：

安裝 Google Cloud CLI，然後使用聯合身分登入 gcloud CLI。登入後，執行下列指令來初始化 Google Cloud CLI：
```
gcloud init
```
執行下列指令，設定 Model Armor 服務的 API 端點。
```
gcloud config set api_endpoint_overrides/modelarmor "https://modelarmor.LOCATION.rep.googleapis.com/"
```
將 LOCATION 替換為要使用 Model Armor 的區域。

設定 Google 和 Google Cloud 遠端 MCP 伺服器的保護措施

您可以使用 Model Armor 底限設定，保護 MCP 工具呼叫和回覆。底限設定會定義適用於整個專案的最低安全性篩選器。這項設定會對專案中的所有 MCP 工具呼叫和回覆，套用一組一致的篩選器。

設定 Model Armor 底限，並啟用 MCP 清理功能。詳情請參閱「設定 Model Armor 底限設定」。

請參閱下列範例指令：

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"}]'

將 PROJECT_ID 替換為 Google Cloud 專案 ID。

請注意下列設定：

INSPECT_AND_BLOCK：這項強制執行類型會檢查 Google MCP 伺服器的內容，並封鎖符合篩選條件的提示和回覆。
ENABLED：啟用篩選器或強制執行的設定。
MEDIUM_AND_ABOVE：負責任 AI - 危險篩選器設定的信心水準。您可以修改這項設定，但較低的值可能會導致更多偽陽性。詳情請參閱「Model Armor 信心水準」。

停用 Model Armor 掃描 MCP 流量的功能

如要停止 Model Armor 根據專案的最低設定，自動掃描 Google MCP 伺服器的往來流量，請執行下列指令：

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

將 PROJECT_ID 替換為 Google Cloud 專案 ID。Model Armor 不會自動將這項專案底限設定中定義的規則，套用至任何 Google MCP 伺服器流量。

Model Armor 底限設定和一般設定不只會影響 MCP，Model Armor 與 Vertex AI 等服務整合，因此您對底限設定所做的任何變更，都可能影響所有整合服務 (不限於 MCP) 的流量掃描和安全行為。

使用 IAM 拒絕政策控管 MCP 的使用

Identity and Access Management (IAM) 拒絕政策和允許政策可協助您保護 Google Cloud 和 Google MCP 伺服器。

您可以結合多項條件，根據下列項目允許或拒絕存取，建立自訂安全性和管理政策：

主體。
工具屬性，例如唯讀屬性。
服務或工具名稱。
應用程式的 OAuth 用戶端 ID。

詳情請參閱「使用 Identity and Access Management 控管 MCP 使用情形」。

後續步驟

請參閱 Dataform MCP 參考文件。
進一步瞭解 Google Cloud MCP 伺服器。

使用 Dataform 遠端 MCP 伺服器 透過集合功能整理內容 你可以依據偏好儲存及分類內容。

本機和遠端 MCP 伺服器有何不同？

無狀態核心

Google 和 Google Cloud 遠端 MCP 伺服器

事前準備

必要的角色

所需權限

驗證及授權

Dataform MCP OAuth 範圍

設定 MCP 用戶端，使用 Dataform MCP 伺服器

客戶專屬指南

Antigravity

Gemini CLI

Claude.ai

Claude Code

Claude 電腦版

ChatGPT

建立 OAuth 2.0 用戶端 ID 和密鑰

在 ChatGPT 中將 MCP 伺服器新增為外掛程式

Cursor

Web 或 Cursor 代理

電腦

OpenCode CLI

Replit

Visual Studio Code

驗證 MCP 伺服器

OAuth 用戶端 ID

設定 VS Code，使用 OAuth 用戶端 ID 和密鑰

清除快取憑證

ADC

代理能力

可用的工具

清單工具

提示範例

選用安全性和安全防護設定

使用 Model Armor

MCP 要求轉送至 Model Armor

啟用 Model Armor

控制台

gcloud

設定 Google 和 Google Cloud 遠端 MCP 伺服器的保護措施

停用 Model Armor 掃描 MCP 流量的功能

使用 IAM 拒絕政策控管 MCP 的使用

後續步驟

使用 Dataform 遠端 MCP 伺服器