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 Cloud Run 远程 MCP 服务器

启用 Cloud Run Admin API 后，Cloud Run 远程 MCP 服务器也会启用。

Model Context Protocol (MCP) 规范了大语言模型 (LLM) 和 AI 应用或智能体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，以便在 AI MCP 客户端和 MCP 服务器之间进行通信。如需详细了解 MCP 架构，请参阅 MCP 架构。

如需了解 Cloud Run 本地 MCP 服务器，请参阅 GitHub 上的 Cloud Run 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、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 Google Cloud MCP 服务器可用的安全和治理控制措施，请参阅 Google Cloud MCP 服务器概览。

出于以下原因，您可能需要使用 Cloud Run 本地 MCP 服务器：

本地开发和测试
离线使用 MCP

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
Verify that billing is enabled for your Google Cloud project.
启用 Cloud Run 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，则可能已通过所有者角色 (roles/owner) 拥有此权限。否则，您可以通过 Service Usage Admin 角色 (roles/serviceusage.serviceUsageAdmin) 获取此权限。了解如何授予角色。
启用 API

安装并初始化 gcloud CLI。
更新组件：
```
gcloud components update
```

所需的角色

如需获得使用 Cloud Run MCP 服务器所需的权限，请让管理员向您授予要在其中使用 Cloud Run MCP 服务器的项目的以下 IAM 角色：

创建 Cloud Run 服务： Cloud Run Developer (roles/run.developer)
以服务帐号身份运行操作： Service Account User (roles/iam.serviceAccountUser)
访问已部署容器映像的 Artifact Registry 仓库： Artifact Registry Reader (roles/artifactregistry.reader)
使用跨项目服务帐号部署服务： Service Account Token Creator (roles/iam.serviceAccountTokenCreator)
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 Cloud Run 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

如需使用 Cloud Run MCP 服务器，您需要拥有以下权限：

进行 MCP 工具调用： mcp.tools.call
获取 Cloud Run 提示： run.prompts.get
列出 Cloud Run 服务： run.services.list
创建新的 Cloud Run 服务： run.services.create
下载 Cloud Run 服务的容器映像： artifactregistry.repositories.downloadArtifacts

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。

如需查看与 Cloud Run 关联的 IAM 角色和权限的列表，请参阅 Cloud Run IAM 角色和 Cloud Run IAM 权限。如果您的 Cloud Run 服务与Google Cloud API（例如 Cloud 客户端库）进行交互，请参阅服务身份配置指南。如需详细了解如何授予角色，请参阅部署权限和管理访问权限。

身份验证和授权

Cloud Run 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。

Cloud Run 远程 MCP 服务器不接受 API 密钥。

我们建议您为使用 MCP 工具的智能体创建单独的身份，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。

Cloud Run 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。

Cloud Run 具有以下 MCP 工具 OAuth 范围：

gcloud CLI 的范围 URI	说明
`https://www.googleapis.com/auth/run.readonly`	仅允许读取数据。
`https://www.googleapis.com/auth/run`	允许读取和修改数据。

在工具调用期间访问的资源可能需要其他范围。如需查看 Cloud Run 所需的范围列表，请参阅 Cloud Run Admin API。

配置 MCP 客户端以使用 Cloud Run MCP 服务器

Claude 或 Antigravity 等 AI 应用和智能体可以实例化连接到单个 MCP 服务器的 MCP 客户端。一个 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 Cloud Run MCP 服务器，请根据需要输入以下信息：

服务器名称：Cloud Run MCP 服务器
服务器网址 或端点：https://run.googleapis.com/mcp 或 https://run.REGION.rep.googleapis.com/mcp（预览版）
传输：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。

重定向 URI

对于基于 Web 的应用和某些桌面应用，您必须在创建客户端 ID 和密钥以进行身份验证时，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。自定义重定向 URI 不受支持。

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

如需查看更通用的指导，请参阅以下资源：

可用工具

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

应用场景示例

以下是 Cloud Run MCP 服务器的示例应用场景：

允许智能体将 Cloud Run 服务部署到项目。
允许智能体从源代码或 zip 文件在 Cloud Run 上部署 vibe 编码的应用。
按名称、项目和区域获取 Cloud Run 服务和服务详细信息列表。
使用一组特定的环境变量，从 Artifact Registry 或 Docker Hub 中的预构建 Docker 映像将公共或私有 Cloud Run Web 服务部署到项目和区域。

示例提示

您可以使用以下示例提示获取有关 Cloud Run 服务的信息，并分析 Cloud Run 服务日志：

“将名为 SERVICE_NAME 的私有 Cloud Run 服务从 Docker 映像 us-docker.pkg.dev/cloudrun/container/hello 部署到项目 PROJECT_ID。”
“列出项目 PROJECT_ID 中的服务。”
“查找我在项目 PROJECT_ID 上使用 REGION 区域中的 MCP 服务器部署的服务的详细信息。”

在提示中，替换以下内容：

SERVICE_NAME：Cloud Run 服务的名称
PROJECT_ID： Google Cloud 项目 ID
REGION：区域的名称

使用 `/deploy` 提示

您可以使用 /deploy 提示，通过 Cloud Run MCP 服务器快速部署 Cloud Run 服务。您可能需要浏览聊天机器人菜单才能找到所需的工具或提示。

如需将当前工作目录部署到 Cloud Run，请运行以下 /deploy 提示：
```
/deploy SERVICE_NAME \
  --project PROJECT_ID \
  --region REGION \
```
替换以下内容：
- SERVICE_NAME：Cloud Run 服务的名称
- PROJECT_ID： Google Cloud 项目 ID
- REGION：区域的名称

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 工具在您的 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 是一项旨在增强 AI 应用安全性和安全性的 Google Cloud 服务。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。

如果启用了 Model Armor 并启用了日志记录，Model Armor 会记录整个载荷。这可能会在日志中公开敏感信息。

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，则可能已通过所有者角色 (roles/owner) 拥有此权限。否则，您可以通过 Service Usage Admin 角色 (roles/serviceusage.serviceUsageAdmin) 获取此权限。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 MCP 工具调用和响应，您可以使用 Model Armor 下限设置。下限设置定义了适用于整个项目的最低安全过滤条件。此配置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 清理的 Model Armor 下限设置。如需了解详情，请参阅配置 Model Armor 下限设置。

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：一种强制执行类型，用于检查 Google MCP 服务器的内容，并屏蔽与过滤条件匹配的提示和响应。
ENABLED：用于启用过滤条件或强制执行的设置。
MEDIUM_AND_ABOVE：Responsible AI - Dangerous 过滤条件设置的置信度。您可以修改此设置，但较低的值可能会导致更多误报。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与 Google MCP 服务器之间的流量，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。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的流量扫描和安全行为，而不仅仅是 MCP。

使用 IAM 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 Google MCP 服务器。

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

主账号。
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 Cloud Run MCP 参考文档。
详细了解 Google Cloud MCP 服务器。