这不是一个 Ready MCP 服务器

GCP MCP 服务器

针对 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界面与 GCP 资源进行交互和管理。

概述

GCP MCP 服务器为 AI 助手提供以下功能：

查询 GCP 资源：获取有关您的云基础架构的信息
管理云资源：创建、配置和管理 GCP 服务
获得帮助：获取有关 GCP 配置和最佳实践的 AI 指导帮助

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：

Artifact Registry ：容器和包管理
BigQuery ：数据仓库和分析
云审计日志：日志记录和审计跟踪分析
Cloud Build ：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
Cloud Run ：无服务器容器部署
云存储：对象存储管理

建筑学

该项目结构如下：

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
└── ...

关键组件：

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：集中式客户端管理，用于身份验证和资源访问
核心组件：MCP 服务器实现的基本功能

入门

先决条件

Python 3.10+
已启用您要使用的服务的 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

克隆存储库：
git clone https://github.com/yourusername/gcp-mcp-server.git cd gcp-mcp-server
设置虚拟环境：
python -m venv venv source venv/bin/activate # On Windows: venv\Scripts\activate
安装依赖项：
pip install -r requirements.txt
配置您的 GCP 凭据：
# Using gcloud gcloud auth application-default login # Or set GOOGLE_APPLICATION_CREDENTIALS export GOOGLE_APPLICATION_CREDENTIALS="/path/to/service-account-key.json"
设置环境变量：
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 构建并运行：

# 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

可以通过环境变量或配置文件来配置服务器：

环境变量	描述	默认
`GCP_PROJECT_ID`	默认 GCP 项目 ID	无（必填）
`GCP_DEFAULT_LOCATION`	默认区域/地区	`us-central1`
`MCP_SERVER_PORT`	服务器端口	`8080`
`LOG_LEVEL`	日志级别	`INFO`

请参阅.env.example以获取完整的配置选项列表。

发展

添加新的 GCP 服务

在services/目录中创建一个新文件
按照现有服务的模式实现服务
在main.py中注册服务

请参阅服务自述文件以获取详细的实施指导。

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
授权由已认证身份的权限决定
服务实现中没有硬编码凭证
考虑使用具有适当权限的服务帐户运行

贡献

欢迎贡献代码！欢迎提交 Pull 请求。

分叉存储库
创建你的功能分支（ git checkout -b feature/amazing-feature ）
提交您的更改（ git commit -m 'Add some amazing feature' ）
推送到分支（ git push origin feature/amazing-feature ）
打开拉取请求

执照

该项目根据 MIT 许可证获得许可 - 有关详细信息，请参阅LICENSE文件。

致谢

Google Cloud Platform 团队提供的全面 API
模型上下文协议，为人工智能与服务交互提供标准化方式

使用服务器

要使用此服务器：

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

或者在 Claude Desktop 中安装：

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"
    }
  }
}

配置详细信息

此配置为 Google Cloud Platform 工具设置了以下内容的 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 ：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。

GCP MCP Server

Integrations