GCP模型上下文协议服务器

这不是就绪的MCP服务器

GCP MCP服务器

用于Google Cloud Platform（GCP）服务的全面模型上下文协议（MCP）服务器实现，使AI助手能够通过标准化接口与GCP资源进行交互和管理。

概述

GCP MCP Server为AI助手提供以下功能：

• 查询GCP资源：获取有关云基础架构的信息
• 管理云资源：创建、配置和管理GCP服务
• 获得援助：获得人工智能指导的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、可控的方式与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：

• 工件注册表：集装箱和包装管理
• BigQuery 的：数据仓库和分析
• 云审计日志：日志记录和审计跟踪分析
• 云构建：CI/CD管道管理
• 云计算引擎：虚拟机实例
• 云监控：指标、警报和仪表板
• 云运行：无服务器容器部署
• 云存储：对象存储管理

建筑

该项目的结构如下：

gcp-mcp-server/
├── core/            # Core MCP server functionality auth context logging_handler security 
├── prompts/         # AI assistant prompts for GCP operations
├── services/        # GCP service implementations
│   ├── README.md    # Service implementation details
│   └── ...          # Individual service modules
├── main.py          # Main server entry point
└── ...

关键部件：

• 服务模块：每个GCP服务都有自己的模块，其中包含资源、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

入门指南

先决条件

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

安装

1. 克隆存储库：

   复制

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

2. 设置虚拟环境：

   复制

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

3. 安装依赖项：

   复制

   pip install -r requirements.txt
   

4. 配置您的GCP凭据：

   复制

   # Using gcloud
   gcloud auth application-default login
   
   # Or set GOOGLE_APPLICATION_CREDENTIALS
   export GOOGLE_APPLICATION_CREDENTIALS="/path/to/service-account-key.json"
   

5. 设置环境变量：

   复制

   cp .env.example .env
   # Edit .env with your configuration
   

运行服务器

启动MCP服务器：

python main.py

对于开发和测试：

# Development mode with auto-reload
python main.py --dev

# Run with specific configuration
python main.py --config config.yaml

Docker部署

使用Docker构建和运行：

# Build the image
docker build -t gcp-mcp-server .

# Run the container
docker run -p 8080:8080 -v ~/.config/gcloud:/root/.config/gcloud gcp-mcp-server

配置

服务器可以通过环境变量或配置文件进行配置：

看 .env.example 查看完整的配置选项列表。

发展

添加新的GCP服务

1. 在中创建新文件 services/ 目录
2. 按照现有服务中的模式实现服务
3. 在中注册服务 main.py

请参阅 服务README 以获取详细的实施指导。

安全考虑

• 服务器使用应用程序默认凭据进行身份验证
• 授权由经过身份验证的身份的权限决定
• 服务实现中没有硬编码凭据
• 考虑使用具有适当权限的服务帐户运行

贡献

欢迎投稿！请随时提交拉取请求。

1. 分叉存储库
2. 创建功能分支(git checkout -b feature/amazing-feature)
3. 提交您的更改(git commit -m 'Add some amazing feature')
4. 推到分支(git push origin feature/amazing-feature)
5. 打开拉取请求

许可证

此项目根据MIT许可证获得许可-请参阅 许可证 文件以获取详细信息。

致谢

• Google Cloud Platform团队提供全面的API
• 模型上下文协议为人工智能与服务交互提供了一种标准化的方式

使用服务器

要使用此服务器，请执行以下操作：

1. 将您的GCP服务帐户密钥文件放置为 service-account.json 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

或者在Claude Desktop中安装它：

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

MCP服务器配置

以下配置可以添加到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

此配置为Google Cloud Platform工具设置了一个MCP服务器，具有以下功能：

• 命令：用途 uv 运行服务器的包管理器
• 依赖项：包括各种Google Cloud库（工件注册表、BigQuery、Cloud Build等）
• 环境变量:
  • GOOGLE_APPLICATION_CREDENTIALS：GCP服务帐户凭据的路径
  • GCP_PROJECT_ID：您的Google Cloud项目ID
  • GCP_LOCATION：GCP地区（美国东部1）

用法

将此配置添加到MCP配置文件中，以启用GCP Cloud Tools功能。