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 Policy Analyzer 远程 MCP 服务器

本文档介绍了如何使用 Policy Analyzer 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。Policy Analyzer 远程 MCP 服务器可让您的代理直接访问有助于分析和审核 Identity and Access Management 配置的工具。启用 Policy Analyzer API 后，Policy Analyzer 远程 MCP 服务器即会启用。

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，可以使用标头进行路由。不需要 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。这些标头会使用 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，用于指定 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 规范和主要变更。

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、集中化的发现
托管式全球或区域 HTTP 端点
细粒度授权
可选的提示和回答安全功能，由 Model Armor 提供保护
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。

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.
Enable the Policy Analyzer API, if it is 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 API

所需的角色

如需获得使用 Policy Analyzer MCP 服务器所需的权限，请让您的管理员为您授予您想要使用 Policy Analyzer MCP 服务器的项目的以下 IAM 角色：

Cloud Asset Viewer (roles/cloudasset.viewer)
自定义 IAM 角色（如需分析政策）：Role Viewer (roles/iam.roleViewer)
如需使用 Google Cloud CLI 分析政策：Service Usage Consumer (roles/serviceusage.serviceUsageConsumer)
进行 MCP 工具调用： MCP Tool User (roles/mcp.toolUser)

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。

这些预定义角色包含使用 Policy Analyzer MCP 服务器所需的权限。如需查看所需的确切权限，请展开所需权限部分：

所需权限

使用 Policy Analyzer MCP 服务器需要以下权限：

cloudasset.assets.analyzeIamPolicy
cloudasset.assets.searchAllResources
cloudasset.assets.searchAllIamPolicies
如需使用自定义 IAM 角色分析政策，请执行以下操作： iam.roles.get
如需使用 Google Cloud CLI 分析政策，请执行以下操作： serviceusage.services.use
进行 MCP 工具调用： mcp.tools.call

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

Policy Analyzer 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。

Policy Analyzer 远程 MCP 服务器不接受 API 密钥。

我们建议您为使用 MCP 工具的代理创建单独的身份，以便控制和监控对资源的访问。如需详细了解身份验证，请参阅向 MCP 服务器进行身份验证。

Policy Analyzer 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。

Policy Analyzer 具有以下 MCP 工具 OAuth 范围：

gcloud CLI 的范围 URI	说明
`https://www.googleapis.com/auth/cloudasset`	查看、修改、配置和删除您的 Cloud Asset Inventory 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 Policy Analyzer 所需的范围列表，请参阅 Policy Analyzer API 的 OAuth 范围。

配置 MCP 客户端以使用 Policy Analyzer 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 Policy Analyzer MCP 服务器，请根据需要输入以下信息：

服务器名称：Policy Analyzer MCP 服务器
服务器网址或端点：https://cloudasset.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：如需访问 Policy Analyzer MCP 服务器，请使用 https://www.googleapis.com/auth/cloudasset OAuth 2.0 范围

如需了解有关设置和连接到 MCP 服务器的应用专属指南，请参阅客户端专属指南。

如需了解更一般的指南，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 向您的应用发送令牌。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 Policy Analyzer MCP 服务器的可用 MCP 工具的详细信息及其说明，请参阅 Policy Analyzer MCP 参考文档。

列出工具

使用 MCP 检查器列出工具，或直接向 Policy Analyzer 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。

curl -X POST https://cloudasset.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"]
              }
            }
          }
        }
      }
    }'

替换以下内容：

TOOLSET_ENDPOINT：服务名称之后的 MCP 端点的其余部分。例如，对于政策分析器，这可能是 mcp/toolset-name。
MCP_PROTOCOL_VERSION：MCP 协议版本。例如 2026-07-28。

应用场景示例

借助 Policy Analyzer MCP 服务器，您的代理可以分析和审核 IAM 访问路径。以下是 Policy Analyzer MCP 服务器的示例应用场景：

使用场景	提示示例
分析给定范围内的 IAM 允许政策，以回答有关谁可以访问哪些内容的问题。	“生成一份完整报告，列出可在 `data-analytics-prod` 项目中任意位置删除 BigQuery 数据集的所有身份。”
将政策分析结果导出到指定的 BigQuery 数据集或 Cloud Storage 存储桶	“将此分析结果导出到 `audit-project:iam_analysis.bq_deleters` BigQuery 表。确保展开我拥有查看权限的群组成员身份。”

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

Policy Intelligence MCP 服务器使用跨辖区路由。启用 Model Armor 后，MCP 服务器会将所有请求发送到 Model Armor 进行筛查。跨管辖区路由可能会违反现有数据驻留合规性承诺，从而影响使用中和传输中的数据。如需详细了解其他 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（如果尚未启用）。
启用 API 所需的角色
如需启用 API，您需要拥有 serviceusage.services.enable 权限。如果您是项目创建者，则可能已通过 Owner 角色 (roles/owner) 获得此权限。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。此配置会对项目中的所有 MCP 工具调用和响应应用一组一致的过滤条件。

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。

请参阅以下命令示例：

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：一种强制执行类型，用于检查 Google MCP 服务器的内容，并屏蔽与过滤器匹配的提示和回答。
ENABLED：用于启用过滤条件或强制执行的设置。
MEDIUM_AND_ABOVE：Responsible AI - 危险过滤设置的置信度。您可以修改此设置，但较低的值可能会导致更多假正例。如需了解详情，请参阅 Model Armor 置信度。

禁止使用 Model Armor 扫描 MCP 流量

如需阻止 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 不会自动将此项目的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，还会影响其他方面。由于 Model Armor 与 Vertex AI 等服务相集成，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 Identity and Access Management 拒绝政策控制 MCP 的使用

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。

您可以组合使用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：

主体。
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 Policy Analyzer MCP 参考文档。
详细了解 Google Cloud MCP 服务器。