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。
如需了解 GKE 本地 MCP 服务器，请参阅 GitHub 上的 GKE MCP 服务器。
Google 和 Google Cloud 远程 MCP 服务器
Google 和 Google Cloud 远程 MCP 服务器具有以下功能和优势：- 简化了集中式发现
- 托管式全球或区域 HTTP 端点
- 细粒度授权
- 使用 Model Armor 保护提示和回答（可选）
- 集中式审核日志记录
如需了解其他 MCP 服务器，以及适用于 Google Cloud MCP 服务器的安全性和治理控制措施，请参阅 Google Cloud MCP 服务器概览。
出于以下原因，您可能需要使用 GKE 本地 MCP 服务器：
- 本地开发和测试
- 离线使用 MCP
- 集群和工作负载创建，包括为 AI/机器学习工作负载生成清单
- 本地客户端配置（使用
kubeconfig） - 查询日志
- 获取有关 GKE 环境的费用和安全建议
如需详细了解如何使用我们的本地 MCP 服务器，请参阅 GKE MCP 服务器。以下部分仅适用于 GKE 远程 MCP 服务器。
准备工作
-
安装 Google Cloud CLI。
-
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 -
选择或创建项目所需的角色
- 选择项目：选择项目不需要特定的 IAM 角色，您可以选择已获授角色的任何项目。
-
创建项目：如需创建项目，您需要拥有 Project Creator 角色 (
roles/resourcemanager.projectCreator)，该角色包含resourcemanager.projects.create权限。了解如何授予角色。
-
创建 Google Cloud 项目：
gcloud projects create PROJECT_ID
将
PROJECT_ID替换为您要创建的 Google Cloud 项目的名称。 -
选择您创建的 Google Cloud 项目：
gcloud config set project PROJECT_ID
将
PROJECT_ID替换为您的 Google Cloud 项目名称。
启用 Kubernetes Engine 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。gcloud services enable container.googleapis.com
-
向您的用户账号授予角色。对以下每个 IAM 角色运行以下命令一次：
roles/container.clusterViewergcloud projects add-iam-policy-binding PROJECT_ID --member="user:USER_IDENTIFIER" --role=ROLE
替换以下内容：
PROJECT_ID：您的项目 ID。USER_IDENTIFIER：您的用户 账号。如需查看示例，请参阅 在 IAM 政策中表示员工池用户。ROLE：您向用户账号授予的 IAM 角色。
所需的角色
对远程 MCP 服务器工具进行调用的主账号需要具有访问 GKE 资源的权限。此主账号可以是人类用户，也可以是自动化服务账号。请至少授予Google Cloud 项目的以下角色：
- MCP Tool User (
roles/mcp.toolUser)：授予对 MCP 服务器端点进行工具调用的权限。 - Kubernetes Engine Cluster Viewer (
roles/container.clusterViewer)：此角色提供远程服务器工具所需的只读权限。
向以下账号授予此角色：
- 用户通过 Gemini CLI 等客户端与 MCP 服务器交互时的用户账号。
- 构建调用 MCP 服务器的自主代理或应用时的服务账号。
身份验证和授权
GKE 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。
GKE 远程 MCP 服务器不接受使用 API 密钥进行身份验证。
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。
GKE 远程 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。
GKE 具有以下 MCP 工具 OAuth 范围：
| gcloud CLI 的范围 URI | 说明 |
|---|---|
https://www.googleapis.com/auth/container |
授予对 GKE 资源的完整读写权限。 |
https://www.googleapis.com/auth/container.read-only |
授予对 GKE 资源的只读权限。 |
https://www.googleapis.com/auth/cloud-platform |
授予对 Google Cloud 项目的广泛读写权限。 |
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 GKE 所需的范围列表，请参阅 GKE API。
配置 MCP 客户端以使用 GKE 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 GKE MCP 服务器，请根据需要输入以下信息：
- 服务器名称：GKE 远程 MCP 服务器
- 服务器网址或端点：https://container.googleapis.com/mcp 或其他工具集网址，请参阅可用工具
- 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。
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：
重定向 URI
对于基于 Web 的应用和某些桌面应用，您必须在创建用于身份验证的客户端 ID 和密钥时将重定向 URI 列入许可名单。授权服务器使用重定向 URI 将令牌发送到您的应用。应用的文档应指定您必须使用的重定向 URI。不支持自定义重定向 URI。
可用工具
如需查看 GKE MCP 服务器的可用 MCP 工具的详细信息及其说明，请参阅 GKE MCP 参考文档。
列出工具
使用 MCP 检查器列出工具，或直接向 GKE 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: container.googleapis.com
Content-Type: application/json
{
"jsonrpc": "2.0",
"method": "tools/list",
}
示例应用场景
以下是 GKE 远程 MCP 服务器的示例应用场景：
- 检查 GKE 集群和节点池的配置和状态。例如，使用提示：“Show me the details of my 'production-cluster' and list all of its node pools.”
- 无需使用 kubectl，即可查看集群内的 Kubernetes 资源配置和容器日志。例如，使用提示：“Get the YAML for the 'frontend-deployment' in the 'default' namespace.”
- 监控长时间运行的 GKE 操作（例如集群升级）的状态。例如，使用提示：“列出我项目中过去一小时内的所有 GKE 操作。”
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。
将 MCP 与 GKE 搭配使用时，请务必了解您与 Google 之间的责任共担模型。虽然 Google 会保护基础架构和 MCP 服务器本身，但您需要负责保护 MCP 客户端使用的凭据，为这些凭据定义适当的 IAM 政策，并监控 AI 智能体执行的操作。
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，并且您在 Model Armor 不支持的司法管辖区内使用 MCP 服务器，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，并且可能会违反正在使用和传输中的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
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 根据项目的下限设置自动扫描进出 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 下限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：
- 委托人。
- 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。
后续步骤
- 阅读 GKE 远程 MCP 参考文档。
- 详细了解 Google Cloud MCP 服务器。