这不是一个现成的 MCP 服务器

GCP MCP 服务器

一个全面的模型上下文协议 (MCP) 服务器实现，用于 Google Cloud Platform (GCP) 服务，使 AI 助手能够通过标准化接口与 GCP 资源交互和管理。

概述

GCP MCP 服务器为 AI 助手提供以下能力：

• 查询 GCP 资源: 获取有关您的云基础设施的信息
• 管理云资源: 创建、配置和管理 GCP 服务
• 获得帮助: 获取 AI 指导的 GCP 配置和最佳实践帮助

该实现遵循 MCP 规范，使 AI 系统能够以安全、受控的方式与 GCP 服务交互。

支持的 GCP 服务

此实现包括对以下 GCP 服务的支持：

• Artifact Registry: 容器和软件包管理
• BigQuery: 数据仓库和分析
• Cloud Audit Logs: 日志记录和审计跟踪分析
• Cloud Build: CI/CD 管道管理
• Cloud Compute Engine: 虚拟机实例
• Cloud Monitoring: 指标、警报和仪表板
• Cloud Run: 无服务器容器部署
• Cloud Storage: 对象存储管理

架构

该项目的结构如下：

gcp-mcp-server/
├── core/            # 核心 MCP 服务器功能：身份验证上下文、日志处理、安全性
├── prompts/         # 用于 GCP 操作的 AI 助手提示
├── services/        # GCP 服务实现
│   ├── README.md    # 服务实现细节
│   └── ...          # 单个服务模块
├── main.py          # 主服务器入口点
└── ...

关键组件：

• 服务模块: 每个 GCP 服务都有自己的模块，包含资源、工具和提示
• 客户端实例: 用于身份验证和资源访问的集中式客户端管理
• 核心组件: MCP 服务器实现的基本功能

快速入门

前提条件

• Python 3.10+
• 启用了您要使用的服务的 API 的 GCP 项目
• 已通过身份验证的 GCP 凭据（建议使用应用程序默认凭据）

安装

1. 克隆存储库：

   git clone https://github.com/yourusername/gcp-mcp-server.git
   cd gcp-mcp-server
   

2. 设置虚拟环境：

   python -m venv venv
   source venv/bin/activate  # 在 Windows 上：venv\Scripts\activate
   

3. 安装依赖项：

   pip install -r requirements.txt
   

4. 配置您的 GCP 凭据：

   # 使用 gcloud
   gcloud auth application-default login
   
   # 或者设置 GOOGLE_APPLICATION_CREDENTIALS
   export GOOGLE_APPLICATION_CREDENTIALS="/path/to/service-account-key.json"
   

5. 设置环境变量：

   cp .env.example .env
   # 使用您的配置编辑 .env
   

运行服务器

启动 MCP 服务器：

python main.py

用于开发和测试：

# 具有自动重载的开发模式
python main.py --dev

# 使用特定配置运行
python main.py --config config.yaml

Docker 部署

使用 Docker 构建和运行：

# 构建镜像
docker build -t gcp-mcp-server .

# 运行容器
docker run -p 8080:8080 -v ~/.config/gcloud:/root/.config/gcloud gcp-mcp-server

配置

可以通过环境变量或配置文件配置服务器：

环境变量	描述	默认值
GCP_PROJECT_ID	默认 GCP 项目 ID	None (必需)
GCP_DEFAULT_LOCATION	默认区域/区域	us-central1
MCP_SERVER_PORT	服务器端口	8080
LOG_LEVEL	日志级别	INFO

有关完整的配置选项列表，请参见 .env.example。

开发

添加新的 GCP 服务

1. 在 services/ 目录中创建一个新文件
2. 按照现有服务中的模式实现该服务
3. 在 main.py 中注册该服务

有关详细的实现指南，请参见 services README。

安全注意事项

• 服务器使用应用程序默认凭据进行身份验证
• 授权由已验证身份的权限确定
• 服务实现中没有硬编码的凭据
• 考虑使用具有适当权限的服务帐户运行

贡献

欢迎贡献！ 请随时提交 Pull Request。

1. Fork 存储库
2. 创建您的功能分支 (git checkout -b feature/amazing-feature)
3. 提交您的更改 (git commit -m 'Add some amazing feature')
4. 推送到分支 (git push origin feature/amazing-feature)
5. 打开一个 Pull Request

许可证

该项目已获得 MIT 许可证的许可 - 有关详细信息，请参见 LICENSE 文件。

致谢

• Google Cloud Platform 团队提供的全面 API
• 模型上下文协议，用于为 AI 提供与服务交互的标准化方式

使用服务器

要使用此服务器：

1. 将您的 GCP 服务帐户密钥文件作为 service-account.json 放在同一目录中
2. 安装 MCP 包：pip install "mcp[cli]"
3. 安装所需的 GCP 包：pip install google-cloud-run
4. 运行：mcp dev gcp_cloudrun_server.py

或者将其安装在 Claude Desktop 中：

mcp install gcp_cloudrun_server.py --name "GCP Cloud Run Manager"

MCP 服务器配置

可以将以下配置添加到 GCP Cloud Tools 的配置文件中：

"mcpServers": {
  "GCP Cloud Tools": {
    "command": "uv",
    "args": [
      "run",
      "--with",
      "google-cloud-artifact-registry>=1.10.0",
      "--with",
      "google-cloud-bigquery>=3.27.0",
      "--with",
      "google-cloud-build>=3.0.0",
      "--with",
      "google-cloud-compute>=1.0.0",
      "--with",
      "google-cloud-logging>=3.5.0",
      "--with",
      "google-cloud-monitoring>=2.0.0",
      "--with",
      "google-cloud-run>=0.9.0",
      "--with",
      "google-cloud-storage>=2.10.0",
      "--with",
      "mcp[cli]",
      "--with",
      "python-dotenv>=1.0.0",
      "mcp",
      "run",
      "C:\\Users\\enes_\\Desktop\\mcp-repo-final\\gcp-mcp\\src\\gcp-mcp-server\\main.py"
    ],
    "env": {
      "GOOGLE_APPLICATION_CREDENTIALS": "C:/Users/enes_/Desktop/mcp-repo-final/gcp-mcp/service-account.json",
      "GCP_PROJECT_ID": "gcp-mcp-cloud-project",
      "GCP_LOCATION": "us-east1"
    }
  }
}

配置详情

此配置使用以下设置设置 Google Cloud Platform 工具的 MCP 服务器：

• 命令: 使用 uv 包管理器运行服务器
• 依赖项: 包括各种 Google Cloud 库（Artifact Registry、BigQuery、Cloud Build 等）
• 环境变量:
  • GOOGLE_APPLICATION_CREDENTIALS: 指向您的 GCP 服务帐户凭据的路径
  • GCP_PROJECT_ID: 您的 Google Cloud 项目 ID
  • GCP_LOCATION: GCP 区域 (us-east1)

用法

将此配置添加到您的 MCP 配置文件以启用 GCP Cloud Tools 功能。