Google 会使用 AI 技术将内容翻译成您偏好的语言。AI 翻译可能包含错误。

使用 Firestore 远程 MCP 服务器

本文档介绍了如何使用 Firestore 远程 Model Context Protocol (MCP) 服务器连接到 Gemini CLI、ChatGPT、Claude 和您正在开发的自定义应用等 AI 应用。借助 Firestore 远程 MCP 服务器，您可以从 AI 应用与存储在 Firestore 数据库中的文档进行交互。启用 Firestore API 时，系统会启用 Firestore 远程 MCP 服务器。

Model Context Protocol (MCP) 可规范大语言模型 (LLM) 和 AI 应用或代理连接到外部数据源的方式。借助 MCP 服务器，您可以使用其工具、资源和提示来执行操作，并从其后端服务获取更新后的数据。

本地 MCP 服务器和远程 MCP 服务器有何区别？

本地 MCP 服务器: 通常在本地机器上运行，并使用标准输入和输出流 (stdio) 在同一设备上的服务之间进行通信。
远程 MCP 服务器: 在服务的基础设施上运行，并向 AI 应用提供 HTTP 端点，以实现 AI MCP 客户端与 MCP 服务器之间的通信。如需详细了解 MCP 架构，请参阅 MCP 架构。

无状态核心

在 MCP 版本 2026-07-28 中，MCP 从双向有状态协议更改为无状态协议。每个 MCP 请求都是自描述的，并且可以使用标头进行路由。无需 initialize/initialized 握手或 Mcp-Session-Id，因为每个请求都包含 HTTP 标头或 _meta 参数中所需的所有信息。MCP 服务器可以通过多轮往返请求 (MRTR) 请求工具所需的其他信息。

为了在不解析请求正文的情况下帮助路由和处理请求，需要一些 MCP 标头，包括以下标头：

MCP 规范要求的标头，例如协议版本标头和标准请求标头。
由 MCP 服务器定义的自定义标头。这些标头使用 x-mcp-header 属性从工具的输入架构镜像到 HTTP 标头中。例如，MCP 服务器可能会定义一个自定义标头来指定 Google Cloud 区域或项目 ID。

如需详细了解 MCP 架构，请参阅 MCP 版本 2026-07-28 的规范和主要变更。

准备工作

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 Cloud Firestore API.
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 API

安装 Google Cloud CLI。

注意：如果您之前安装了 gcloud CLI，请确保通过运行 gcloud components update 来获得最新版本。
配置 gcloud CLI 以使用您的联合身份。

如需了解详情，请参阅使用联合身份登录 gcloud CLI。
如需初始化 gcloud CLI，请运行以下命令：
```
gcloud init
```
选择要使用的原生模式 Firestore 数据库，或创建一个。企业版或标准版中只有原生模式数据库支持远程 MCP 服务器。

所需的角色

如需获得使用 Firestore MCP 服务器并与 Firestore 文档进行交互所需的权限，请让您的管理员为您授予您要使用 Firestore MCP 服务器的项目中的以下 IAM 角色：

进行 MCP 工具调用： MCP Tool User (roles/mcp.toolUser)
读取和修改 Firestore 文档： Firestore 用户 (roles/datastore.user)

如需详细了解如何授予角色，请参阅管理对项目、文件夹和组织的访问权限。

这些预定义角色可提供使用 Firestore MCP 服务器并与 Firestore 文档进行交互所需的权限。如需查看所需的确切权限，请展开所需权限部分：

所需权限

如需使用 Firestore MCP 服务器并与 Firestore 文档互动，需要以下权限：

进行 MCP 工具调用： mcp.tools.call
读取和修改 Firestore 文档：
- datastore.entities.allocateIds
- datastore.entities.create
- datastore.entities.delete
- datastore.entities.get
- datastore.entities.list
- datastore.entities.update

您也可以使用自定义角色或其他预定义角色来获取这些权限。

身份验证和授权

Firestore 远程 MCP 服务器使用 OAuth 2.0 协议和 Identity and Access Management (IAM) 进行身份验证和授权。支持所有 Google Cloud 身份用于向 MCP 服务器进行身份验证。

我们建议使用 MCP 工具为客服人员创建单独的身份，以便控制和监控对资源的访问权限。如需详细了解身份验证，请参阅向 MCP 服务器进行身份验证。

Firestore MCP OAuth 范围

OAuth 2.0 使用范围和凭证来确定经过身份验证的主账号是否有权对资源执行特定操作。如需详细了解 Google 的 OAuth 2.0 范围，请参阅使用 OAuth 2.0 访问 Google API。

Firestore 具有以下 MCP 工具 OAuth 范围：

gcloud CLI 的范围 URI	说明
`https://www.googleapis.com/auth/cloud-platform`	查看、修改、配置和删除您的 Google Cloud 数据，以及查看您 Google 账号的电子邮件地址。

在工具调用期间访问的资源可能需要额外的范围。如需查看 Firestore 所需的范围列表，请参阅 Firestore API。

配置 MCP 客户端以使用 Firestore MCP 服务器

Claude 或 Antigravity 等 AI 应用和代理可以实例化连接到单个 MCP 服务器的 MCP 客户端。AI 应用可以有多个连接到不同 MCP 服务器的客户端。如果您的应用未列在特定于客户端的指南中，则可以使用以下信息从大多数应用进行连接。

在 AI 应用中，寻找添加或连接到远程 MCP 服务器的方式。对于 Firestore MCP 服务器，请根据需要输入以下信息：

服务器名称：Firestore MCP 服务器
服务器网址或端点：https://firestore.googleapis.com/mcp
传输：可流式传输的 HTTP
身份验证详细信息：您可以根据所需的身份验证方式，输入 Google Cloud 凭证、OAuth 客户端 ID 和密钥，或代理身份和凭证。如需详细了解身份验证，请参阅向 MCP 服务器进行身份验证。
OAuth 范围：连接到 Firestore MCP 服务器时要使用的 OAuth 2.0 范围。

如需查看有关设置和连接到 MCP 服务器的应用专用指南，请参阅特定于客户端的指南。

如需更一般的指导，请参阅以下资源：

在 Python 中将 Firestore MCP 服务器与 ADK 结合使用

您可以使用适用于 Python 的智能体开发套件 (ADK) 与 Firestore 远程 MCP 服务器进行交互。

以下示例展示了如何使用 Firestore MCP 服务器配置代理并运行提示。

import os
import google.auth
from google.auth.transport.requests import Request

from google.adk import Agent
from google.adk.tools.mcp_tool.mcp_toolset import McpToolset, StreamableHTTPConnectionParams
from google.adk.runners import InMemoryRunner, print_event
from google.genai import types

# Set your project configuration
PROJECT_ID = os.environ.get("PROJECT_ID", "your-project-id")
TARGET_PROJECT_ID = os.environ.get("TARGET_PROJECT_ID", "your-target-project-id")

# Authenticate and get token
credentials, _ = google.auth.default()
credentials.refresh(Request())

# Configure the Firestore remote MCP server
mcp_toolset = McpToolset(
    connection_params=StreamableHTTPConnectionParams(
        url="https://firestore.googleapis.com/mcp",
        headers={
            "Accept": "text/event-stream, application/json",
            "Content-Type": "application/json",
            "Authorization": f"Bearer {credentials.token}"
        },
    ),
)

model_path = f"projects/{PROJECT_ID}/locations/us-central1/publishers/google/models/gemini-2.5-flash"

root_agent = Agent(
    name="mcp_codelab_agent",
    model=model_path,
    instruction="You are a Firestore database assistant. Use the available Firestore MCP tools to query, retrieve, and manage documents in the database based on the user's request.",
    tools=[mcp_toolset],
)

if __name__ == "__main__":
    prompt = f"Please list all Firestore databases under the project `{TARGET_PROJECT_ID}`"

    print("--- Running Agent ---")
    runner = InMemoryRunner(agent=root_agent)
    runner.auto_create_session = True
    events = runner.run(
        user_id="user",
        session_id="session",
        new_message=types.Content(
            parts=[types.Part.from_text(text=prompt)]
        )
    )

    for event in events:
        print_event(event, verbose=True)

可用工具

如需查看 Firestore MCP 服务器的可用 MCP 工具的详细信息及其说明，请参阅 Firestore MCP 参考文档。

列出工具

使用 MCP 检查器列出工具，或直接向 Firestore 远程 MCP 服务器发送 tools/list HTTP 请求。tools/list 方法不需要进行身份验证。

POST /mcp HTTP/1.1
Host: firestore.googleapis.com
Content-Type: application/json

{
  "jsonrpc": "2.0",
  "method": "tools/list",
}

示例应用场景

以下是 Firestore MCP 服务器的示例使用情形和提示：

“Firestore MCP 服务器有哪些可用工具？”
“在我的 Firestore 数据库‘my-database’下添加一个集合为‘book’的文档，其中包含 Google Cloud 项目‘my-project’生成的图书信息。”
“从图书集合中获取 ID 为 3VyGFIAPRHUNeuH5h2eb 的图书的信息。”
“将文档 3VyGFIAPRHUNeuH5h2eb 的年份字段更新为 1995。”
“列出图书合集中的所有图书。”
“列出‘my-database’Firestore 数据库根目录下的所有集合 ID。”
“删除图书集合下的文档 3VyGFIAPRHUNeuH5h2eb。”
“列出项目下的所有数据库。”
“在 nam5 中创建采用 MongoDB 兼容模式的 Firestore 企业版数据库。”
列出合集组用户的所有索引条目。

可选的安全配置

由于 MCP 工具可执行各种操作，因此 MCP 会引发新的安全风险和注意事项。为了最大限度地降低这些风险并进行管理，Google Cloud 提供了默认设置和可自定义的政策，用于控制 MCP 工具在 Google Cloud组织或项目中的使用。

如需详细了解 MCP 安全性和治理，请参阅 AI 安全性。

使用 Model Armor

Model Armor 是一项Google Cloud 服务，旨在增强 AI 应用的安全性。它通过主动筛选 LLM 提示和回答来防范各种风险，并支持 Responsible AI 实践。无论您是在云环境还是外部云服务提供商中部署 AI，Model Armor 都能帮助您防止恶意输入、验证内容安全性、保护敏感数据、保持合规性，并在各种 AI 环境中以一致的方式实施 AI 安全政策。

如果启用 Model Armor 并启用日志记录，Model Armor 会记录整个载荷。这可能会泄露日志中的敏感信息。

MCP 请求路由到 Model Armor

Model Armor 在某些地区提供。如果启用了 Model Armor，并且您使用的 MCP 服务器位于 Model Armor 不支持的管辖区，那么对于不同的 MCP 服务器，调用的路由行为可能会有所不同，并且可能会违反使用中数据和传输中数据的数据驻留合规性要求。如需详细了解各个 MCP 服务器的行为，请参阅 Model Armor 支持的产品。

启用 Model Armor

您必须先启用 Model Armor API，然后才能使用 Model Armor。

控制台

启用 Model Armor API。
启用 API 所需的角色
如需启用 API，您需要拥有 serviceusage.services.enable 权限。如果您创建了项目，则可能已经通过 Owner 角色 (roles/owner) 获得了此权限。否则，您可以通过 Service Usage Admin 角色 (roles/serviceusage.serviceUsageAdmin) 获得此权限。了解如何授予角色。
启用 API
选择要启用 Model Armor 的项目。

gcloud

在开始之前，请使用 Google Cloud CLI 和 Model Armor API 按照以下步骤操作：

安装 Google Cloud CLI，然后使用联合身份登录 gcloud CLI。登录后，运行以下命令来初始化 Google Cloud CLI：
```
gcloud init
```
运行以下命令，为 Model Armor 服务设置 API 端点。
```
gcloud config set api_endpoint_overrides/modelarmor "https://modelarmor.LOCATION.rep.googleapis.com/"
```
将 LOCATION 替换为您要使用 Model Armor 的区域。

为 Google 和 Google Cloud 远程 MCP 服务器配置保护

为了帮助保护您的 MCP 工具调用和响应，您可以使用 Model Armor 下限设置。下限设置用于定义适用于整个项目的最低安全过滤条件。此配置可将一组一致的过滤条件应用于项目中的所有 MCP 工具调用和响应。

设置启用了 MCP 清理功能的 Model Armor 下限设置。如需了解详情，请参阅配置 Model Armor 底价设置。

请参阅以下示例命令：

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"}]'

请将 PROJECT_ID 替换为您的 Google Cloud 项目 ID。

请注意以下设置：

INSPECT_AND_BLOCK：用于检查 Google MCP 服务器的内容并屏蔽与过滤条件匹配的提示和响应的强制执行类型。
ENABLED：用于启用过滤或强制执行的设置。
MEDIUM_AND_ABOVE：Responsible AI - Dangerous 过滤设置的置信度。您可以修改此设置，但较低的值可能会导致出现更多假正例。如需了解详情，请参阅 Model Armor 置信度级别。

禁止使用 Model Armor 扫描 MCP 流量

如需停止 Model Armor 根据项目的最低设置自动扫描进出 Google MCP 服务器的流量，请运行以下命令：

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

将 PROJECT_ID 替换为 Google Cloud 项目 ID。Model Armor 不会自动将此项目下限设置中定义的规则应用于任何 Google MCP 服务器流量。

Model Armor 底价设置和常规配置不仅会影响 MCP。由于 Model Armor 与 Vertex AI 等服务集成，因此您对下限设置所做的任何更改都可能会影响所有集成服务（而不仅仅是 MCP）中的流量扫描和安全行为。

使用 IAM 政策控制 MCP 使用情况

Identity and Access Management (IAM) 拒绝政策和允许政策可帮助您保护 Google Cloud 和 Google MCP 服务器。

您可以组合多个条件来构建自定义的安全和治理政策，方法是根据以下条件允许或拒绝访问：

正文。
工具属性，例如只读属性。
服务名称或工具名称。
应用的 OAuth 客户端 ID。

如需了解详情，请参阅使用 Identity and Access Management 控制 MCP 的使用。

监控 MCP 使用情况

您可以通过 Cloud Monitoring 监控 Firestore MCP 工具的用量和延迟时间。 firestore.googleapis.com/Database 受监控的资源可使用以下指标：

mcp/request_count（Beta 版）：Firestore MCP 调用次数。
mcp/request_latencies（Beta 版）：Firestore MCP 调用的延迟时间分布。

您可以根据以下标签对这些指标进行分组和过滤：

tool_name：发出 MCP 调用的 MCP 工具的名称。

如需详细了解 Firestore 指标，请参阅 Firestore 指标。