可易

用 Google Cloud CLI 远程 MCP 服务器增强智能体

可易团队阅读约 4 分钟

预览版远程 MCP 把 gcloud 与 bq 放进隔离沙箱，用智能体身份、IAM 和 Model Armor 管控，并说明如何启用 API 与授权。

目录

#用 Google Cloud CLI 远程 MCP 服务器增强智能体

今天，我们扩展托管远程 MCP（Model Context Protocol）服务器生态，以预览形式推出 Google Cloud CLI 远程 MCP 服务器。

它由常用的 gcloud 和 bq（BigQuery） 命令行工具驱动。这台新服务器让 AI 智能体可以立即、广泛地使用命令行操作，安全、顺畅地管理 Google Cloud 基础设施，并处理进阶的 BigQuery 工作流。

为什么 CLI 对 AI 智能体重要

智能体越来越多地执行复杂的云操作，但如何标准化它们与后端系统的交互，仍然是一个挑战。Google Cloud CLI 远程 MCP 服务器把数百条 gcloud 和 bq 命令的能力打包进单一 MCP 服务器，从而补上这个缺口。这给智能体带来两项明显好处：

  • 更高层的抽象： CLI 命令把复杂的多步工作流、校验检查和高层操作打包成统一命令，而不需要多步 API 编排。
  • 利用模型训练： 大语言模型（large language model，LLM）在公开的命令行文档、语法和使用示例上接受了大量预训练，因此对模型来说，调用 CLI 既直观又高度准确。

把 CLI 放在远程 MCP 后面的好处

用 AI 智能体管理云基础设施，传统上需要在智能体执行环境里安装并维护 Google Cloud CLI 二进制文件。Cloud CLI 远程 MCP 服务器在 Google Cloud 基础设施上提供隔离的执行沙箱，把 CLI 能力与 MCP 的好处接在一起。这解决了几项关键的基础设施问题：

  • 简化依赖和运行时管理： 对构建自定义智能体的团队来说，在开发、测试和生产环境之间维护本地 CLI 版本和依赖会带来运维开销。远程 MCP 消除了本地安装和运行时维护。
  • 让基于 Web 的智能体端点也能访问： Web 托管的智能体平台和 Web 界面（例如 Gemini Enterprise 以及其他托管的企业智能体平台）运行在用户无法控制或安装本地软件包的环境中。远程 MCP 让这些界面可以直接、安全、受托管地访问 Google Cloud CLI 操作。

企业级安全与治理

把 AI 智能体接到基础设施上，需要严格、适合企业的防护。这台远程服务器使用 Google Cloud 的标准身份与治理框架来保护环境：

  • 严格执行策略： 通过远程 MCP 服务器执行的每条命令，都以已认证调用方身份的权限运行。标准 IAM 权限和组织策略服务约束都会对下游目标资源严格执行。
  • 用 Model Armor 做进阶防护： 为降低与 AI 工具调用相关的风险，Cloud CLI 远程 MCP 服务器与 Model Armor 集成。你可以主动筛查 LLM 提示和响应，以防范提示注入和恶意输入等风险。
  • 云审计日志： Cloud CLI 远程 MCP 服务器可以配置为把每次工具调用记入审计日志（cloudcli.googleapis.com/mcp 下的数据访问日志）。安全团队可以完整看到调用方身份、OAuth 客户端和 IAM 授权决策（mcp.googleapis.com/tools.call），而不暴露敏感的命令负载或个人可识别信息（personally identifiable information，PII）。

连接到 Google Cloud CLI 远程 MCP 服务器

把云管理接入智能体，不再需要把 Google Cloud CLI 二进制文件打包进去，也不再需要管理本地执行运行时，或在智能体容器镜像里维护依赖。因为 Google Cloud CLI 远程 MCP 服务器实现了标准的模型上下文协议（Model Context Protocol），任何兼容 MCP 的智能体平台或编排运行时都可以通过标准配置立即连接：

{
  "mcpServers": {
    "google-cloud-cli": {
      "uri": "https://cloudcli.googleapis.com/mcp",
      ...
    }
  }
}

智能体随即可以在安全、网络隔离的云沙箱中执行 gcloud 和 bq 命令。

身份验证对托管的 Google Cloud 平台使用无密钥的智能体身份，对外部运行时使用标准 OAuth 2.0。身份验证选项见 MCP 身份验证指南。

把基础设施管理交给智能体

Cloud CLI 远程 MCP 服务器 暴露两个工具：run_gcloud_command 和 run_bq_command，让 AI 智能体通过自然语言立即、广泛地访问 Google Cloud 操作。

用 run_gcloud_command 管理云基础设施

借助 run_gcloud_command，智能体可以执行全部 gcloud 操作，以管理、诊断和保护 Google Cloud 环境。示例如下：

  • 可观测性与事件诊断：智能体通过自动执行命令、减少在工具之间切换上下文，来简化事件诊断。

用 run_bq_command 工具扩展 BigQuery 操作

BigQuery MCP 服务器 已经帮助组织用 AI 智能体分析和探索数据。引入 run_bq_command 之后，智能体还可以处理进阶的 BigQuery 任务，例如资源分配、作业监控和任务调度，从而解锁完整的 bq CLI 功能。关键能力包括：

  • 自动调度查询：智能体使用 BigQuery Data Transfer Service 配置来自动调度查询。
  • 作业与资源管理：深入查看查询执行细节，包括已处理的数据量、槽位使用和执行计划，以及管理预留。
  • 访问与权限控制： 数据管理员和所有者可以通过智能体直接检查并更新表权限。

价格与可用性

Google Cloud CLI MCP 服务器今天以公开预览提供。使用 MCP 服务器本身不另收费。你只需为创建的 GCP 资源以及任何适用的数据传输费用付费。

开始使用 时，在 Google Cloud 项目中启用 Cloud CLI Execution API（cloudcli.googleapis.com），向智能体或用户身份授予所需的 MCP Tool User（roles/mcp.toolUser）IAM 角色，并把 MCP 客户端配置为连接到 cloudcli.googleapis.com/mcp。

PRIMARY_SOURCE: https://cloud.google.com/blog/products/ai-machine-learning/google-cloud-cli-remote-mcp-server-in-preview

  • #MCP
  • #gcloud
  • #BigQuery
  • #智能体身份
  • #审计

继续阅读