‫Google משתמשת בטכנולוגיית AI כדי לתרגם תוכן לשפה המועדפת עליך. בתרגומים כאלו עשויות להיות שגיאות.

שימוש בשרת MCP מרוחק של Google Cloud CLI

במאמר הזה מוסבר איך משתמשים בשרת Model Context Protocol‏ (MCP) מרוחק של Google Cloud CLI כדי להתחבר לאפליקציות מבוססות-AI, כולל Antigravity, ‏ ChatGPT, ‏ Claude ואפליקציות בהתאמה אישית שאתם מפתחים.

שרת ה-MCP המרוחק של Google Cloud CLI מספק סביבה מאובטחת שמאפשרת לשלוח הנחיות בשפה טבעית לאפליקציית ה-AI כדי להריץ פקודות של ממשק שורת הפקודה (CLI) בשבילכם. יש תמיכה בפקודות gcloud ו-bq.

ה-API של התכונה הזו נקרא Cloud CLI Execution.

שרת ה-MCP המרוחק של Google Cloud CLI מופעל כשמפעילים את Cloud CLI Execution API.

‫Model Context Protocol (‏MCP) הוא תקן שמגדיר איך מודלים גדולים של שפה (LLM) ואפליקציות או סוכנים של AI מתחברים למקורות נתונים חיצוניים. שרתי MCP מאפשרים לכם להשתמש בכלים, במשאבים ובהנחיות שלהם כדי לבצע פעולות ולקבל נתונים מעודכנים משירות הקצה העורפי שלהם.

מה ההבדל בין שרתי MCP מקומיים לשרתי MCP מרוחקים?

שרתי MCP מקומיים: בדרך כלל פועלים במחשב המקומי ומשתמשים בזרמי הקלט והפלט הסטנדרטיים (stdio) לתקשורת בין שירותים באותו מכשיר.
שרתי MCP מרוחקים: הם פועלים בתשתית של השירות ומציעים נקודת קצה (endpoint) מסוג HTTP לאפליקציות AI, כדי לאפשר תקשורת בין לקוח ה-MCP של ה-AI לבין שרת ה-MCP. מידע נוסף על ארכיטקטורת MCP

ליבה ללא שמירת מצב

בגרסת MCP‏ 2026-07-28, פרוטוקול MCP משתנה מפרוטוקול דו-כיווני עם שמירת מצב (stateful) לפרוטוקול ללא שמירת מצב (stateless). כל בקשת MCP מתארת את עצמה ואפשר לנתב אותה באמצעות כותרות. אין צורך בלחיצת היד של initialize/initialized או ב-Mcp-Session-Id כי כל בקשה כוללת את כל המידע שנדרש בכותרות HTTP או בפרמטר _meta. שרתי MCP יכולים לבקש מידע נוסף שנדרש לכלי באמצעות בקשות הלוך ושוב (MRTR).

כדי לנתב ולעבד בקשות בלי לנתח את גוף הבקשה, נדרשות כמה כותרות MCP, כולל:

כותרות שנדרשות לפי מפרט ה-MCP, כמו כותרת גרסת הפרוטוקול וכותרות בקשה רגילות.
כותרות בהתאמה אישית שמוגדרות על ידי שרת ה-MCP. הכותרות האלה משתקפות בכותרות HTTP מסכימת הקלט של הכלי באמצעות המאפיין x-mcp-header. לדוגמה, שרת MCP יכול להגדיר כותרת מותאמת אישית כדי לציין את האזור או את מזהה הפרויקט ב- Google Cloud .

למידע נוסף על הארכיטקטורה של MCP, קראו את המפרט של MCP בגרסה 2026-07-28 ואת השינויים העיקריים.

שרתי MCP של Google ושרתי MCP מרוחקים של Google Cloud

לשרתי MCP מרוחקים של Google ושל Google Cloud יש את התכונות והיתרונות הבאים:

חיפוש פשוט ומרוכז
נקודות קצה (endpoints) מנוהלות של HTTP גלובלי או אזורי
הרשאה פרטנית
אבטחה אופציונלית של הנחיות ותשובות באמצעות הגנה מוגברת על המודל
רישום מרכזי ביומן הביקורת

במאמר סקירה כללית על שרתי Google Cloud MCP מוסבר על שרתי MCP אחרים ועל אמצעי הבקרה לאבטחה ולמשילות שזמינים לשרתי Google Cloud MCP.

הגבלות והנחיות

לפני שמתחילים לעבוד עם שרת ה-MCP המרוחק של Google Cloud CLI, חשוב לקרוא את ההנחיות והמגבלות הבאות:

הפקודות הנתמכות

שרת ה-MCP של Google Cloud CLI לא תומך בפקודות מסוימות של gcloud ו-bq (כולל וריאציות של alpha או beta עבור gcloud) בגלל תקני אבטחה וחוסר רלוונטיות.

ברשימה הבאה מוצגות כמה פקודות gcloud לדוגמה שלא נתמכות. הרשימה הזו חלקית, ואנחנו עשויים להוסיף או להסיר פקודות בלי להודיע על כך:

gcloud auth
gcloud config
gcloud iam service-accounts
gcloud init
gcloud survey

זו הרשימה המלאה של פקודות bq שלא נתמכות:

bq init
bq pyshell
bq shell

אכיפת מדיניות הארגון

הפקודות שמבוצעות דרך שרת ה-MCP המרוחק פועלות עם ההרשאות של זהות המתקשר המאומתת. הרשאות IAM רגילות ואילוצים של שירות מדיניות הארגון נאכפים בקפדנות על משאבי היעד במורד הזרם.

הנחיות למפתחי נציגים

חשבון המשתמש והרשאות IAM: חשבון המשתמש שמקיים אינטראקציה עם Cloud CLI Execution API הוא אותו חשבון משתמש שמקיים אינטראקציה עם ממשקי ה-API של Google Cloud במהלך הפעלת הפקודות gcloud או bq. מכיוון ששרת ה-MCP של Google Cloud CLI יכול לקרוא להרבה ממשקי API של Google Cloud, מומלץ לפעול לפי עקרון האבטחה של הרשאות מינימליות ולהקצות את ההרשאות המינימליות הנדרשות לתרחיש לדוגמה שלכם למשתמש, לזהות הנציג או לחשבון השירות שקורא לשרת ה-MCP של Google Cloud CLI.
בחירת פרויקטים: הפרמטר project נדרש לבקשות של שרת Google Cloud CLI MCP, והוא מייצג את הפרויקט שמשמש לאינטראקציה עם Cloud CLI Execution API. שימו לב שהפרמטר project לא קשור לדגלים --project או --billing-project שמוגדרים בפקודה gcloud בפועל, או לדגלים --project_id ו---quota_project_id של פקודות bq שמופעלות על ידי Cloud CLI Execution API.

מומלץ לעדכן את ההנחיות למערכת או את המיומנויות של הנציג, כדי שהוא יבחר את הפרויקט הנכון להפעלת בקשות לשרת Google Cloud CLI MCP.

לפני שמתחילים

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 CLI Execution 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

התפקידים הנדרשים

כדי לקבל את ההרשאות שנדרשות לשימוש בשרת Google Cloud CLI MCP, צריך לבקש מהאדמין להקצות לכם את תפקידי ה-IAM הבאים בפרויקט שבו אתם רוצים להשתמש בשרת Google Cloud CLI MCP:

לבצע קריאות API לכלי MCP: משתמש בכלי MCP (roles/mcp.toolUser)

להסבר על מתן תפקידים, ראו איך מנהלים את הגישה ברמת הפרויקט, התיקייה והארגון.

התפקידים המוגדרים מראש האלה כוללים את ההרשאות שנדרשות כדי להשתמש בשרת Google Cloud CLI MCP. כדי לראות בדיוק אילו הרשאות נדרשות, אפשר להרחיב את הקטע ההרשאות הנדרשות:

ההרשאות הנדרשות

כדי להשתמש בשרת Google Cloud CLI MCP, נדרשות ההרשאות הבאות:

מפעיל קריאות לכלי MCP: mcp.tools.call

יכול להיות שתקבלו את ההרשאות האלה באמצעות תפקידים בהתאמה אישית או תפקידים מוגדרים מראש אחרים.

אימות והרשאה

שרת ה-MCP המרוחק של Google Cloud CLI משתמש בפרוטוקול OAuth 2.0 עם ניהול זהויות והרשאות גישה (IAM) לאימות ולהרשאה. כל Google Cloud הזהויות נתמכות לאימות בשרתי MCP.

שרת ה-MCP המרוחק של Google Cloud CLI לא מקבל מפתחות API.

אנחנו ממליצים ליצור זהות נפרדת לסוכנים שמשתמשים בכלים של MCP, כדי שתוכלו לשלוט בגישה למשאבים ולעקוב אחריה. מידע נוסף על אימות זמין במאמר אימות בשרתי MCP.

היקפי ההרשאות של Google Cloud CLI OAuth

ב-OAuth 2.0 משתמשים בהיקפי הרשאות ובפרטי כניסה כדי לקבוע אם לחשבון משתמש מאומת מסוים מותר לבצע פעולה מסוימת במשאב. למידע נוסף על היקפי ההרשאות של OAuth 2.0 ב-Google, קראו את המאמר שימוש ב-OAuth 2.0 לגישה ל-Google APIs.

לשרת ה-MCP המרוחק של Google Cloud CLI יש את היקפי ההרשאות הבאים של OAuth:

URI של היקף ההרשאות	תיאור
`https://www.googleapis.com/auth/cloud-platform`	לראות ולנהל את הנתונים שלכם בשירותי Google Cloud .

הגדרת לקוח MCP לשימוש בשרת ה-MCP המרוחק של Google Cloud CLI

אפליקציות וסוכני AI, כמו Claude או Antigravity, יכולים ליצור מופע של לקוח MCP שמתחבר לשרת MCP יחיד. לאפליקציית AI יכולים להיות כמה לקוחות שמתחברים לשרתי MCP שונים. אם האפליקציה שלכם לא מופיעה בהנחיות הספציפיות ללקוח, תוכלו להשתמש במידע הבא כדי להתחבר מרוב האפליקציות.

באפליקציית ה-AI, מחפשים דרך להוסיף או להתחבר לשרת MCP מרוחק. בשרת ה-MCP המרוחק של Google Cloud CLI, מזינים את הפרטים הבאים לפי הצורך:

שם השרת: שרת MCP מרוחק של Google Cloud CLI
כתובת ה-URL של השרת או נקודת הקצה (endpoint): https://cloudcli.googleapis.com/mcp
תעבורה: HTTP שניתן להעביר בסטרימינג
פרטי אימות: בהתאם לשיטת האימות שאתם רוצים להשתמש בה, אתם יכולים להזין את Google Cloud פרטי הכניסה, את מזהה הלקוח והסוד של OAuth או את פרטי הכניסה והזהות של הנציג. מידע נוסף על אימות זמין במאמר אימות בשרתי MCP.
‫OAuth scope: היקף ההרשאות של OAuth 2.0 שבו רוצים להשתמש כשמתחברים לשרת ה-MCP של Google Cloud CLI.

‫URI של הפניה אוטומטית

באפליקציות מבוססות-אינטרנט ובחלק מהאפליקציות למחשב, צריך להוסיף לרשימת ההיתרים URI להפניה אוטומטית כשיוצרים מזהה לקוח וסוד לאימות. שרת ההרשאות משתמש בכתובות URI להפניה אוטומטית כדי לשלוח אסימונים לאפליקציה. במסמכי התיעוד של האפליקציה צריך לציין את כתובת ה-URI להפניה אוטומטית שבה צריך להשתמש. אי אפשר להשתמש בכתובות URI מותאמות אישית להפניה אוטומטית.

בקטע הנחיות ספציפיות ללקוח מוסבר איך להגדיר שרת MCP ולהתחבר אליו באפליקציות ספציפיות.

למידע כללי נוסף, אפשר לעיין במקורות המידע הבאים:

באילו כלים אפשר להשתמש

שרת ה-MCP המרוחק של Google Cloud CLI חושף את הכלים הבאים:

run_gcloud_command
run_bq_command

בחומר העזר של Google Cloud CLI MCP מפורטים כלי ה-MCP הזמינים ותיאורים שלהם לשרת Google Cloud CLI MCP.

ההבדלים בין `run_bq_command` לבין שרת ה-MCP של BigQuery

‫run_bq_command חושף את ממשק BigQuery CLI (bq) בשרת ה-MCP המרוחק של Google Cloud CLI. הכלי יכול להריץ פקודות SQL של BigQuery, ומאפשר לבצע משימות ניהוליות ותפעוליות באמצעות הנחיות בשפה טבעית. ב-BigQuery יש גם שרת MCP נפרד לניתוח נתונים רגיל. כל אחד מהכלים מיועד לתרחישי שימוש שונים:

‫run_bq_command: משתמשים ב-run_bq_command כשיוצרים סוכני AI לתהליכי עבודה מתקדמים של ניהול ותפעול, כמו ניהול הזמנות של משבצות, תזמון שאילתות, ניהול תמונות מצב של טבלאות או פתרון בעיות וביטול משימות.
שרת MCP של BigQuery: משתמשים בשרת MCP של BigQuery כשמפתחים סוכני AI שמשתמשים בכלים סטנדרטיים להרצת SQL סטנדרטי כדי לבצע ניתוח נתונים, גילוי מטא-נתונים ושינוי נתונים.

בטבלה הבאה מוצגים הבדלים נוספים בין שני הכלים:

תכונה	שרת MCP של BigQuery	`run_bq_command`
זמינות	זמינות לכלל המשתמשים (GA)	תצוגה מקדימה
שימוש	ניתוח נתונים ושינוי נתונים	ניהול מתקדם של משימות ומשאבים
משתמשי היעד	אנליסטים עסקיים, מדעני נתונים, מפתחי SQL	אדמינים ב-BigQuery, מנהלי מסדי נתונים, מהנדסי פלטפורמות נתונים ומהנדסי DevOps
פעולות ראשיות	הרצת SQL סטנדרטי (SELECT, ‏ INSERT, ‏ UPDATE, ‏ DELETE), בדיקת סכימה, בדיקת מטא-נתונים	תזמון שאילתות (באמצעות DTS), ביטול משימות שיוצאות משליטה, ניהול משבצות והזמנות, מדיניות IAM של מערכי נתונים, פעולות של תמונת מצב/שכפול של טבלאות

כלים לרשימות

משתמשים במפקח MCP כדי להציג רשימה של כלים, או שולחים בקשת HTTP מסוג tools/list ישירות לשרת ה-MCP המרוחק של Google Cloud CLI. השיטה tools/list לא דורשת אימות.

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

מחליפים את מה שכתוב בשדות הבאים:

‫TOOLSET_ENDPOINT: החלק שנותר בנקודת הקצה של ה-MCP אחרי שם השירות. לדוגמה, ב-Google Cloud CLI, יכול להיות שזה יהיה mcp/toolset-name.
‫MCP_PROTOCOL_VERSION: גרסת פרוטוקול ה-MCP. לדוגמה, 2026-07-28.

תרחישים לדוגמה ל-`run_gcloud_command`

הנה כמה תרחישים לדוגמה לשימוש ב-run_gcloud_command בשרת ה-MCP המרוחק של Google Cloud CLI:

הקצאת משאבים

כשמשתמש שולח לנציג הנחיה בשפה טבעית, הנציג יוצר פקודה באמצעות כלי ה-MCP המתאים (run_gcloud_command לפקודות gcloud או run_bq_command לפקודות bq). ואז שרת ה-MCP של Google Cloud CLI מריץ את הפקודה.

הנחיה לדוגמה:

"יוצרים רשת VPC חדשה בשם my-network בפרויקט projects/my-project. לאחר מכן, יוצרים כלל של חומת אש שמאפשר תעבורת נתונים פנימית של TCP ביציאה 8080".

תהליך עבודה:

הנציג מפעיל את הכלי run_gcloud_command באמצעות הפקודה "gcloud compute networks create my-network --project=projects/my-project --subnet-mode=auto", "project": "projects/my-project".
הנציג מפעיל את הכלי run_gcloud_command באמצעות הפקודה "gcloud compute firewall-rules create allow-internal-8080 --project=projects/my-project --network=my-network --allow=tcp:8080 --source-ranges=10.0.0.0/8.

ניטור ואבחון

הסוכן יכול לבדוק את מצב הסביבה ולשאול את יומני השגיאות האחרונים כדי לעזור בפתרון בעיות.

הנחיה לדוגמה: "מצא את 5 יומני השגיאות האחרונים של המכונה my-web-server של Compute Engine בפרויקט projects/my-project".

תהליך עבודה:

הנציג מפעיל את הכלי run_gcloud_command באמצעות הפקודה "gcloud logging read \"resource.type=gce_instance AND severity>=ERROR\" --limit=5 --order=DESC", project: "my-project".

תרחישים לדוגמה ל-`run_bq_command`

הנה כמה תרחישים לדוגמה לשימוש ב-run_bq_command בשרת ה-MCP המרוחק של Google Cloud CLI:

ניהול מערכי נתונים ב-BigQuery

אתם יכולים גם להשתמש בשרת MCP כדי להריץ שאילתות ולנהל מערכי נתונים ב-BigQuery.

הנחיה לדוגמה: "הצג את כל מערכי הנתונים בפרויקט projects/my-project, ואז צור מערך נתונים חדש בשם my_new_dataset במיקום בארה"ב".

תהליך עבודה:

הנציג מפעיל את הכלי run_bq_command באמצעות הפקודה "bq ls --datasets=true --project_id=my-project", "project": "projects/my-project".
הנציג מפעיל את הכלי run_bq_command באמצעות הפקודה "bq mk --dataset --location=us --project_id=my-project my_new_dataset", "project": "projects/my-project".

פתרון בעיות וביטול של משימות ארוכות

הנציג בודק את משימות BigQuery שפועלות כדי לזהות צווארי בקבוק במשאבים, לאבחן שאילתות שנכשלו, לבטל משימות שפועלות במשך זמן רב ולחלץ פרטי ביצוע כדי לתת המלצות לשיפור הביצועים.

הנחיה לדוגמה:

"בדקו אם יש שאילתות שפועלות במשך זמן רב או שצורכות הרבה משאבים, שפועלות כרגע בפרויקט my-data-project. אם bqujob_12345 פועל כבר יותר מ-30 דקות, צריך לבטל אותו ולהציג פרטים".

תהליך עבודה:

הסוכן מתקשר אל run_bq_command באמצעות הפקודה "bq ls -j --all --project_id=my-data-project", "project": "projects/my-data-project".
הנציג בודק את רשימת המשימות ומפעיל את run_bq_command באמצעות הפקודה: "bq show -j bqujob_12345 --project_id=my-data-project", "project": "projects/my-data-project".
הנציג מפעיל את run_bq_command עם הפקודה: "bq cancel bqujob_12345 --project_id=my-data-project", "project": "projects/my-data-project".

תזמון שאילתות

נציג מגדיר הרצות של שאילתות מתוזמנות באמצעות שילוב של שירות העברת הנתונים ל-BigQuery ב-CLI של BigQuery, כדי להפוך את רענון הנתונים לאוטומטי.

הנחיה לדוגמה:

"תזמן שאילתה יומית בשעה 06:00 (שעון UTC) כדי לרענן את הטבלה daily_sales_summary ב-dataset sales_ds בפרויקט my-data-project".

תהליך עבודה:

הסוכן קורא ל-run_bq_command באמצעות הפקודה: "bq query --project_id=my-data-project --use_legacy_sql=false --destination_table=sales_ds.daily_sales_summary --display_name='Daily Sales Refresh' --schedule='every 24 hours' 'SELECT date, SUM(amount) as total FROM sales_ds.transactions GROUP BY date'", "project": "projects/my-data-project".

ניתוח קיבולת והתאמת הזמנות

הנציג מנתח את ההזמנות הקיימות של משבצות בפרויקטים עם הצריכה הגבוהה ביותר, ומעדכן את הקצאות המשבצות כדי לנהל את קיבולת המחשוב.

הנחיה לדוגמה:

"הצג את כל ההזמנות ב-BigQuery באזור us-central1 בפרויקט my-admin-project, ושנה את הקצאת ה-slots בהזמנה prod-analytics ל-500 slots".

תהליך עבודה:

הנציג מפעיל את run_bq_command עם הפקודה: "bq ls --reservation --project_id=my-admin-project --location=us-central1", "project": "projects/my-admin-project".
הנציג מפעיל את run_bq_command עם הפקודה: "bq update --project_id=my-admin-project --reservation --slots=500 prod-analytics --location=us-central1", "project": "projects/my-admin-project".

ניהול תמונות מצב ושיבוטים של טבלאות

הסוכן יוצר תמונות מצב של טבלאות ייצור קריטיות בנקודת זמן מסוימת, או מקצה שכפולי טבלאות לפיתוח ולבדיקה.

הנחיה לדוגמה:

"צור תמונת מצב של הטבלה production_db.orders בשם production_db.orders_snapshot_20260720 בפרויקט my-data-project".

תהליך עבודה:

הסוכן קורא ל-run_bq_command באמצעות הפקודה: "bq cp --project_id=my-data-project --snapshot production_db.orders production_db.orders_snapshot_20260720", "project": "projects/my-data-project".

גישה למערך הנתונים ובקרת הרשאות IAM

הסוכן בודק את אמצעי בקרת הגישה של מערך הנתונים ומעדכן את ההרשאות של מערך הנתונים כדי לתת או לבטל גישה לחשבונות משתמשים ספציפיים.

הנחיה לדוגמה:

"הצגת הגדרת הגישה הנוכחית של מערך הנתונים finance_ds בפרויקט my-data-project."

תהליך עבודה:

הסוכן קורא ל-run_bq_command באמצעות הפקודה: "bq show --format=prettyjson my-data-project:finance_ds", "project": "projects/my-data-project".
הנציג מעדכן את הגדרת ה-JSON של הגישה וקורא ל-run_bq_command באמצעות הפקודה: "bq update --source=access_update.json my-data-project:finance_ds", "project": "projects/my-data-project".

הגדרות אופציונליות של אבטחה ובטיחות

בגלל המגוון הרחב של הפעולות שאפשר לבצע באמצעות כלי MCP, הוא מביא איתו סיכוני אבטחה ושיקולים חדשים. כדי לצמצם ולנהל את הסיכונים האלה,Google Cloud מציע הגדרות ברירת מחדל וכללי מדיניות שניתן להתאים אישית כדי לשלוט בשימוש בכלי MCP בארגון או בפרויקט ב- Google Cloud.

מידע נוסף על אבטחה ופיקוח ב-MCP זמין במאמר אבטחה ובטיחות ב-AI.

שימוש ב-Model Armor

הגנה מוגברת על המודל היא שירות שלGoogle Cloud שנועד לשפר את האבטחה והבטיחות של אפליקציות ה-AI שלכם. הוא פועל באופן יזום כדי לסנן הנחיות ותשובות של מודלי LLM, להגן מפני סיכונים שונים ולתמוך בשיטות לפיתוח אחראי של AI. לא משנה אם אתם פורסים את ה-AI בסביבת הענן שלכם או אצל ספקי שירותי ענן חיצוניים, אתם יכולים להשתמש ב"הגנה מוגברת על המודל" כדי למנוע קלט זדוני, לוודא שהתוכן בטוח, להגן על מידע אישי רגיש, לשמור על תאימות ולאכוף את מדיניות הבטיחות והאבטחה של ה-AI באופן עקבי בכל סביבת ה-AI המגוונת שלכם.

כשהתכונה "הגנה מוגברת על המודל" מופעלת והרישום ביומן מופעל, התכונה מתעדת ביומן את כל המטען הייעודי (payload). זה עלול לחשוף מידע רגיש ביומנים.

ניתוב בקשות של MCP ל-Model Armor

התכונה "הגנה מוגברת על המודל" זמינה באזורים מסוימים. אם אתם מפעילים את Model Armor ומשתמשים בשרת MCP בסמכות שיפוט שבה Model Armor לא נתמך, יכול להיות שההתנהגות של ניתוב הקריאה תהיה שונה בשרתי MCP שונים, ושהיא תפר את התאימות של מיקום אחסון הנתונים לנתונים שנמצאים בשימוש ובמעבר. מידע נוסף על ההתנהגות של שרתי MCP ספציפיים זמין במאמר מוצרים שנתמכים ב-Model Armor.

הפעלת Model Armor

כדי להשתמש ב-Model Armor, צריך להפעיל את ממשקי ה-API של Model Armor.

המסוף

מפעילים את Model Armor API, אם הוא עדיין לא מופעל.
התפקידים שנדרשים כדי להפעיל ממשקי API
כדי להפעיל ממשקי API, צריך את ההרשאה serviceusage.services.enable. אם אתם יצרתם את הפרויקט, סביר להניח שכבר יש לכם את ההרשאה הזו דרך התפקיד "בעלים" (roles/owner). אחרת, אתם יכולים לקבל את ההרשאה הזו דרך התפקיד "אדמין בממשק 'שימוש בשירות'" (roles/serviceusage.serviceUsageAdmin). איך מקצים תפקידים?
להפעלת ה-API
בוחרים את הפרויקט שבו רוצים להפעיל את Model Armor.

gcloud

לפני שמתחילים, מבצעים את השלבים הבאים באמצעות Google Cloud CLI עם Model Armor API:

התקינו את ה-CLI של Google Cloud ואז היכנסו ל-CLI של gcloud באמצעות הזהות המאוחדת שלכם. אחרי שנכנסתם לחשבון, אתחלו את ה-CLI של Google Cloud באמצעות הפקודה הבאה:
```
gcloud init
```
מריצים את הפקודה הבאה כדי להגדיר את נקודת הקצה ל-API של שירות Model Armor.
```
gcloud config set api_endpoint_overrides/modelarmor "https://modelarmor.LOCATION.rep.googleapis.com/"
```
מחליפים את LOCATION באזור שבו רוצים להשתמש ב-Model Armor.

הגדרת הגנה לשרתי MCP של Google ו Google Cloud שרתי MCP מרוחקים

כדי להגן על קריאות ה-API לכלי והתשובות של כלי ה-MCP, אתם יכולים להשתמש בהגדרות אבטחה מינימליות של הגנה מוגברת על המודל. הגדרת רצפה קובעת את מסנני האבטחה המינימליים שחלים על הפרויקט. ההגדרה הזו מחילה קבוצה עקבית של מסננים על כל הקריאות לכלים של MCP והתשובות שלהם בפרויקט.

מגדירים את ההגנה המוגברת על המודל עם הסרת תוכן זדוני או רגיש ב-MCP. מידע נוסף זמין במאמר הגדרת רמות הסינון של Model Armor.

דוגמה לפקודה:

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"}]'

מחליפים את PROJECT_ID במזהה הפרויקט ב- Google Cloud .

שימו לב להגדרות הבאות:

‫INSPECT_AND_BLOCK: סוג האכיפה שבודק את התוכן בשרת MCP של Google וחוסם הנחיות ותשובות שתואמות למסננים.
‫ENABLED: ההגדרה שמפעילה סינון או אכיפה.
‫MEDIUM_AND_ABOVE: רמת הסמך של הגדרות הסינון של AI אחראי – תוכן מסוכן. אפשר לשנות את ההגדרה הזו, אבל ערכים נמוכים יותר עלולים לגרום ליותר תוצאות חיוביות כוזבות. מידע נוסף מופיע במאמר רמות הסמך של Model Armor.

השבתת הסריקה של תנועת MCP באמצעות Model Armor

כדי להפסיק את הסריקה האוטומטית של הגנה מוגברת על המודל לתעבורת נתונים אל שרתי MCP וממנה, על סמך הגדרות אבטחה מינימליות של הפרויקט, מריצים את הפקודה הבאה:

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

מחליפים את PROJECT_ID במזהה הפרויקט ב- Google Cloud . התכונה "הגנה מוגברת על המודל" לא מחילה באופן אוטומטי את הכללים שמוגדרים בהגדרות המינימום של הפרויקט הזה על תנועה בשרת MCP של Google.

הגדרות הסף וההגדרות הכלליות של Model Armor יכולות להשפיע על יותר מאשר רק MCP. מכיוון שהגנה מוגברת על המודל משתלבת עם שירותים כמו Vertex AI, כל שינוי שתבצעו בהגדרות של רף הסינון יכול להשפיע על סריקת התנועה ועל התנהגויות הבטיחות בכל השירותים המשולבים, ולא רק ב-MCP.

שימוש בשרת MCP מרוחק של Google Cloud CLI קל לארגן דפים בעזרת אוספים אפשר לשמור ולסווג תוכן על סמך ההעדפות שלך.

מה ההבדל בין שרתי MCP מקומיים לשרתי MCP מרוחקים?

ליבה ללא שמירת מצב

שרתי MCP של Google ושרתי MCP מרוחקים של Google Cloud

הגבלות והנחיות

הפקודות הנתמכות

אכיפת מדיניות הארגון

הנחיות למפתחי נציגים

לפני שמתחילים

התפקידים הנדרשים

ההרשאות הנדרשות

אימות והרשאה

היקפי ההרשאות של Google Cloud CLI OAuth

הגדרת לקוח MCP לשימוש בשרת ה-MCP המרוחק של Google Cloud CLI

‫URI של הפניה אוטומטית

באילו כלים אפשר להשתמש

ההבדלים בין run_bq_command לבין שרת ה-MCP של BigQuery

כלים לרשימות

תרחישים לדוגמה ל-run_gcloud_command

הקצאת משאבים

ניטור ואבחון

תרחישים לדוגמה ל-run_bq_command

ניהול מערכי נתונים ב-BigQuery

פתרון בעיות וביטול של משימות ארוכות

תזמון שאילתות

ניתוח קיבולת והתאמת הזמנות

ניהול תמונות מצב ושיבוטים של טבלאות

גישה למערך הנתונים ובקרת הרשאות IAM

הגדרות אופציונליות של אבטחה ובטיחות

שימוש ב-Model Armor

ניתוב בקשות של MCP ל-Model Armor

הפעלת Model Armor

המסוף

gcloud

הגדרת הגנה לשרתי MCP של Google ו Google Cloud שרתי MCP מרוחקים

השבתת הסריקה של תנועת MCP באמצעות Model Armor

המאמרים הבאים

שימוש בשרת MCP מרוחק של Google Cloud CLI

ההבדלים בין `run_bq_command` לבין שרת ה-MCP של BigQuery

תרחישים לדוגמה ל-`run_gcloud_command`

תרחישים לדוגמה ל-`run_bq_command`