使用 App Optimize API 遠端 MCP 伺服器

Model Context Protocol (MCP) 規範了大型語言模型 (LLM) 和 AI 應用程式或代理與外部資料來源的標準連線方式。MCP 伺服器可讓您使用其工具、資源和提示，從後端服務採取行動並取得更新資料。

本機和遠端 MCP 伺服器有何不同？

本機 MCP 伺服器

通常在本機電腦上執行，並使用標準輸入內容和輸出串流 (stdio)，在同一部裝置上的服務之間通訊。

遠端 MCP 伺服器

在服務的基礎架構上執行，並為 AI 應用程式提供 HTTP 端點，以便 AI MCP 用戶端與 MCP 伺服器之間通訊。如要進一步瞭解 MCP 架構，請參閱「MCP 架構」。

無狀態核心

在 MCP 2026-07-28 版中，MCP 從雙向有狀態通訊協定變更為無狀態通訊協定。每個 MCP 要求都包含自我描述，並可使用標頭轉送。由於每個要求都包含 HTTP 標頭或 _meta 參數中所需的所有資訊，因此不需要 initialize/initialized 握手或 Mcp-Session-Id。MCP 伺服器可透過多來回要求 (MRTR)，要求提供工具所需的額外資訊。

為協助轉送及處理要求，而不剖析要求主體，您必須提供部分 MCP 標頭，包括：

• MCP 規格要求的標頭，例如通訊協定版本標頭和標準要求標頭。
• MCP 伺服器定義的自訂標頭。這些標頭會使用 x-mcp-header 屬性，從工具的輸入結構定義鏡像至 HTTP 標頭。舉例來說，MCP 伺服器可能會定義自訂標頭，指定 Google Cloud 區域或專案 ID。

如要進一步瞭解 MCP 架構，請參閱 MCP 2026-07-28 版規格和主要異動。

Google 和 Google Cloud 遠端 MCP 伺服器

• 簡化集中探索
• 代管的全域或區域 HTTP 端點
• 精細授權
• 選用 Model Armor 保護提示詞和回覆
• 集中化稽核記錄

如要瞭解其他 MCP 伺服器，以及 Google Cloud MCP 伺服器可用的安全性和管理控制項，請參閱「Google Cloud MCP 伺服器總覽」。

事前準備

1. 找出含有 Google Cloud 資源的專案，以便分析。App Optimize API 需要帳單和使用率資料，才能產生有意義的結果。針對新專案或空白專案執行的報表不會顯示任何內容。

   您可以在某個專案中使用 MCP 伺服器，分析其他專案或單一專案或資料夾層級邊界中應用程式的資料。如要取得 App Hub 應用程式 (可能由多項專案組成) 的資料，您必須具備該應用程式所有相關專案的必要監控和計費權限，才能建立報表。

登入 Google 帳戶。

如果還沒有帳戶，請 申請新帳戶。

安裝 Google Cloud CLI。

若您採用的是外部識別資訊提供者 (IdP)，請先 使用聯合身分登入 gcloud CLI。

執行下列指令，初始化 gcloud CLI：

gcloud init

確認您具備完成本指南所需的權限。

確認 Google Cloud 專案已啟用計費功能。

啟用 App Optimize API (如果尚未啟用)：

啟用 API 所需的角色

您必須具備 serviceusage.services.enable 權限，才能啟用 API。如果您建立了專案，可能已透過「擁有者」角色 (roles/owner) 取得這項權限。否則，您可以透過「Service Usage 管理員」角色 (roles/serviceusage.serviceUsageAdmin) 取得這項權限。瞭解如何授予角色。

gcloud services enable appoptimize

安裝 Google Cloud CLI。

若您採用的是外部識別資訊提供者 (IdP)，請先 使用聯合身分登入 gcloud CLI。

執行下列指令，初始化 gcloud CLI：

gcloud init

確認您具備完成本指南所需的權限。

確認 Google Cloud 專案已啟用計費功能。

啟用 App Optimize API (如果尚未啟用)：

啟用 API 所需的角色

您必須具備 serviceusage.services.enable 權限，才能啟用 API。如果您建立了專案，可能已透過「擁有者」角色 (roles/owner) 取得這項權限。否則，您可以透過「Service Usage 管理員」角色 (roles/serviceusage.serviceUsageAdmin) 取得這項權限。瞭解如何授予角色。

gcloud services enable appoptimize

必要的角色

如要取得使用 App Optimize API MCP 伺服器所需的權限，請要求管理員授予您下列 IAM 角色：

• 發出 MCP 工具呼叫：在要使用 App Optimize API MCP 伺服器的專案中，授予 MCP 工具使用者 (roles/mcp.toolUser) 角色。
• 使用 App Optimize API MCP 伺服器：在您使用 MCP 伺服器的專案中，App Optimize 管理員 (roles/appoptimize.admin)。
• 取得費用資料： 具備 billing.resourceCosts.get 權限的角色，例如 Cloud Hub 操作員 (roles/cloudhub.operator)、檢視者 (roles/viewer)，或包含 Google Cloud 資源的專案自訂角色。
• 取得使用率資料：在包含 Google Cloud 資源的專案中，具備 Monitoring 檢視者 (roles/monitoring.viewer) 角色。
• 取得 App Hub 應用程式的資料：在含有應用程式資料的專案中，具備 App Hub 檢視者 (roles/apphub.viewer) 角色。如果是已啟用應用程式管理功能的資料夾，則為管理專案。

如要進一步瞭解如何授予角色，請參閱「管理專案、資料夾和組織的存取權」。

您或許也能透過自訂角色或其他預先定義的角色，取得必要權限。

Cloud Hub 操作員 (roles/cloudhub.operator) 角色具備必要權限，可取得費用資料、使用率資料和 App Hub 應用程式資料。

驗證及授權

建議您為使用 MCP 工具的代理建立獨立身分，以便控管及監控資源存取權。如要進一步瞭解驗證，請參閱「向 MCP 伺服器驗證」。

App Optimize API MCP 伺服器需要主體才能進行 IAM 控制，且不接受 API 金鑰進行驗證。

App Optimize API MCP OAuth 範圍

OAuth 2.0 會使用範圍和憑證，判斷通過驗證的主體是否有權對資源執行特定動作。如要進一步瞭解 Google 的 OAuth 2.0 範圍，請參閱「使用 OAuth 2.0 存取 Google API」。

App Optimize API 具有下列 MCP 工具 OAuth 範圍：

在工具呼叫期間存取的資源，可能需要額外的範圍。如要查看 App Optimize API 所需的範圍清單，請參閱「App Optimize API」。

設定 MCP 用戶端，以便使用 App Optimize API MCP 伺服器

在 AI 應用程式中，找出新增或連線至遠端 MCP 伺服器的方法。針對 App Optimize API MCP 伺服器，請視需要輸入下列資訊：

• 伺服器名稱：App Optimize API MCP 伺服器
• 伺服器網址或端點：https://appoptimize.googleapis.com/mcp
• 傳輸：可串流 HTTP
• 驗證詳細資料：視您要採用的驗證方式而定，您可以輸入 Google Cloud 憑證、OAuth 用戶端 ID 和密鑰，或代理程式身分和憑證。如要進一步瞭解驗證，請參閱「向 MCP 伺服器驗證」。
• OAuth 範圍：App Optimize API OAuth 範圍，用於連線至 App Optimize API MCP 伺服器。如要進一步瞭解 OAuth 2.0 範圍，請參閱「OAuth 範圍總覽」。

重新導向 URI

如果是網頁式應用程式和部分電腦應用程式，您必須在建立驗證用的用戶端 ID 和密鑰時，將重新導向 URI 加入許可清單。授權伺服器會使用重新導向 URI，將權杖傳送至應用程式。應用程式說明文件應指定您必須使用的重新導向 URI。不支援自訂重新導向 URI。

如需一般指引，請參閱下列資源：

• 連線至遠端 MCP 伺服器。
• 在 AI 應用程式中設定 MCP。

可用的工具

App Optimize API MCP 伺服器可讓您建立及讀取報表，其中包含指定專案或 App Hub 應用程式的費用和使用率資料。

如要查看 App Optimize API MCP 伺服器的可用 MCP 工具詳細資料和說明，請參閱 App Optimize API MCP 參考資料。

清單工具

使用 MCP 檢查工具列出工具，或直接將 tools/list HTTP 要求傳送至 App Optimize API 遠端 MCP 伺服器。tools/list 方法需要驗證。

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

更改下列內容：

• TOOLSET_ENDPOINT：服務名稱後方的 MCP 端點其餘部分。App Optimize API 的值為 mcp。
• MCP_PROTOCOL_VERSION：MCP 通訊協定版本。例如：2026-07-28。

應用實例

將 AI 應用程式或代理連結至 App Optimize API MCP 伺服器後，您可以使用提示回答成本和資源使用率相關問題。

提示範例

• 「專案中哪些產品的費用最高？」
• 「顯示上個月費用最高的前 5 項資源。」
• 「哪些閒置 VM 的費用最高？」
• 「顯示上個月使用率最低的資源費用。」
• 「過去 7 天內，application-A 的費用是多少？」
• 「上週我的專案在資料移轉方面花了多少錢？」
• 「過去 30 天內，哪 5 個 BigQuery 資料集或工作的儲存費用最高？」

選用安全性和安全防護設定

MCP 工具可執行的動作繁多，因此會帶來新的安全風險和考量。為盡可能降低及管理這些風險，Google Cloud 提供預設設定和可自訂的政策，控管 Google Cloud組織或專案中的 MCP 工具使用情形。

如要進一步瞭解 MCP 安全性和管理，請參閱「AI 安全性」。

使用 Model Armor

Model Armor 是一項Google Cloud 服務，可提高 AI 應用程式的安全性。這項服務會主動篩選 LLM 提示詞和回覆，防範各種風險，並支援負責任的 AI 做法。無論您是在雲端環境或外部雲端服務供應商部署 AI，Model Armor 都能協助您防範惡意輸入、驗證內容安全性、保護機密資料、維持法規遵循，並在多元的 AI 環境中，一致地強制執行 AI 安全性和安全性政策。

啟用 Model Armor 並啟用記錄功能後，Model Armor 會記錄整個酬載。這可能會導致記錄中的機密資訊外洩。

MCP 要求轉送至 Model Armor

啟用 Model Armor

您必須先啟用 Model Armor API，才能使用 Model Armor。

設定 Google 和 Google Cloud 遠端 MCP 伺服器的保護措施

您可以使用 Model Armor 底限設定，保護 MCP 工具呼叫和回覆。底限設定會定義適用於整個專案的最低安全性篩選器。這項設定會對專案中的所有 MCP 工具呼叫和回覆，套用一組一致的篩選器。

設定 Model Armor 底限，並啟用 MCP 清理功能。詳情請參閱「設定 Model Armor 底限設定」。

請參閱下列範例指令：

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"}]'

將 PROJECT_ID 替換為 Google Cloud 專案 ID。

請注意下列設定：

• INSPECT_AND_BLOCK：這項強制執行類型會檢查 Google MCP 伺服器的內容，並封鎖符合篩選條件的提示和回覆。
• ENABLED：啟用篩選器或強制執行的設定。
• MEDIUM_AND_ABOVE：負責任 AI - 危險篩選器設定的信心水準。您可以修改這項設定，但較低的值可能會導致更多偽陽性。詳情請參閱「Model Armor 信心水準」。

停用 Model Armor 掃描 MCP 流量的功能

如要停止 Model Armor 根據專案的最低設定，自動掃描 Google MCP 伺服器的往來流量，請執行下列指令：

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

將 PROJECT_ID 替換為 Google Cloud 專案 ID。Model Armor 不會自動將這項專案底限設定中定義的規則，套用至任何 Google MCP 伺服器流量。

Model Armor 底限設定和一般設定不只會影響 MCP，Model Armor 與 Vertex AI 等服務整合，因此您對底限設定所做的任何變更，都可能影響所有整合服務 (不限於 MCP) 的流量掃描和安全行為。

使用 Identity and Access Management 拒絕政策控管 MCP

Identity and Access Management (IAM) 拒絕政策和允許政策可協助您保護 Google Cloud 和 Google MCP 伺服器。

您可以結合多項條件，根據下列項目允許或拒絕存取，建立自訂安全性和管理政策：

• 主體。
• 工具屬性，例如唯讀屬性。
• 服務或工具名稱。
• 應用程式的 OAuth 用戶端 ID。

詳情請參閱「使用 Identity and Access Management 控管 MCP 使用情形」。

後續步驟

• 請參閱 App Optimize API MCP 參考文件。
• 進一步瞭解 Google Cloud MCP 伺服器。