Remote-MCP-Server von Managed Service for Apache Airflow verwenden

Managed Airflow (Gen 3) | Managed Airflow (Gen 2) | Managed Airflow (Legacy Gen 1)

In diesem Dokument wird beschrieben, wie Sie den Remote-MCP-Server (Model Context Protocol) von Managed Service for Apache Airflow verwenden, um eine Verbindung zu Managed Service for Apache Airflow von KI-Anwendungen wie Gemini CLI, ChatGPT, Claude oder in KI-Anwendungen herzustellen, die Sie entwickeln. Mit dem Managed Airflow-MCP-Server können Sie Managed Airflow-Umgebungen verwalten und Details zu ausgeführten DAG-Ausführungen und Airflow-Aufgaben abrufen.

Das Model Context Protocol (MCP) standardisiert die Verbindung von Large Language Models (LLMs) und KI-Anwendungen oder ‑Agents mit externen Datenquellen. Mit MCP-Servern können Sie die zugehörigen Tools, Ressourcen und Prompts verwenden, um Aktionen auszuführen und aktualisierte Daten vom Backend-Dienst abzurufen.

Was ist der Unterschied zwischen lokalen und Remote-MCP-Servern?

Lokale MCP-Server

werden in der Regel auf Ihrem lokalen Computer ausgeführt und verwenden die Standard-Ein- und Ausgabestreams (stdio) für die Kommunikation zwischen Diensten auf demselben Gerät.

Remote-MCP-Server

Wird auf der Infrastruktur des Dienstes ausgeführt und bietet einen HTTP-Endpunkt für KI-Anwendungen für die Kommunikation zwischen dem KI-MCP-Client und dem MCP-Server. Weitere Informationen zur MCP-Architektur finden Sie unter MCP-Architektur.

Google- und Google Cloud Remote-MCP-Server

• Einfache, zentrale Suche
• Verwaltete globale oder regionale HTTP-Endpunkte
• Detaillierte Autorisierung
• Optionale Sicherheit für Prompts und Antworten mit Model Armor
• Zentralisiertes Audit-Logging

Informationen zu anderen MCP-Servern sowie zu Sicherheits- und Governance-Kontrollen, die für Google Cloud-MCP-Server verfügbar sind, finden Sie unter Google Cloud-MCP-Server – Übersicht.

Hinweis

Melden Sie sich in Ihrem Google Cloud -Konto an. Wenn Sie mit Google Cloudnoch nicht vertraut sind, erstellen Sie ein Konto, um die Leistungsfähigkeit unserer Produkte in der Praxis sehen und bewerten zu können. Neukunden erhalten außerdem ein Guthaben von 300 $, um Arbeitslasten auszuführen, zu testen und bereitzustellen.

In the Google Cloud console, on the project selector page, select or create a Google Cloud project.

Roles required to select or create a project

• Select a project: Selecting a project doesn't require a specific IAM role—you can select any project that you've been granted a role on.
• Create a project: To create a project, you need the Project Creator role (roles/resourcemanager.projectCreator), which contains the resourcemanager.projects.create permission. Learn how to grant roles.

Go to project selector

If you're using an existing project for this guide, verify that you have the permissions required to complete this guide. If you created a new project, then you already have the required permissions.

Enable the Managed Airflow API.

Roles required to enable APIs

To enable APIs, you need the Service Usage Admin IAM role (roles/serviceusage.serviceUsageAdmin), which contains the serviceusage.services.enable permission. Learn how to grant roles.

Enable the API

Installieren Sie die Google Cloud CLI.

Wenn Sie einen externen Identitätsanbieter (IdP) verwenden, müssen Sie sich zuerst mit Ihrer föderierten Identität in der gcloud CLI anmelden.

Führen Sie den folgenden Befehl aus, um die gcloud CLI zu initialisieren:

gcloud init

In the Google Cloud console, on the project selector page, select or create a Google Cloud project.

Roles required to select or create a project

• Select a project: Selecting a project doesn't require a specific IAM role—you can select any project that you've been granted a role on.
• Create a project: To create a project, you need the Project Creator role (roles/resourcemanager.projectCreator), which contains the resourcemanager.projects.create permission. Learn how to grant roles.

Go to project selector

If you're using an existing project for this guide, verify that you have the permissions required to complete this guide. If you created a new project, then you already have the required permissions.

Enable the Managed Airflow API.

Roles required to enable APIs

To enable APIs, you need the Service Usage Admin IAM role (roles/serviceusage.serviceUsageAdmin), which contains the serviceusage.services.enable permission. Learn how to grant roles.

Enable the API

Installieren Sie die Google Cloud CLI.

Wenn Sie einen externen Identitätsanbieter (IdP) verwenden, müssen Sie sich zuerst mit Ihrer föderierten Identität in der gcloud CLI anmelden.

Führen Sie den folgenden Befehl aus, um die gcloud CLI zu initialisieren:

gcloud init

Erforderliche Rollen

Bitten Sie Ihren Administrator, Ihnen die folgenden IAM-Rollen für das Projekt zuzuweisen, in dem Sie den MCP-Server für den Managed Service for Apache Airflow aktivieren möchten, um die erforderlichen Berechtigungen dafür zu erhalten:

• Service Usage Admin (roles/serviceusage.serviceUsageAdmin)
• MCP-Tool-Aufrufe ausführen: MCP Tool User (roles/mcp.toolUser)

Weitere Informationen zum Zuweisen von Rollen finden Sie unter Zugriff auf Projekte, Ordner und Organisationen verwalten.

Sie können die erforderlichen Berechtigungen auch über benutzerdefinierte Rollen oder andere vordefinierte Rollen erhalten.

Authentifizierung und Autorisierung

Wir empfehlen, eine separate Identität für Kundenservicemitarbeiter zu erstellen, die MCP-Tools verwenden, damit der Zugriff auf Ressourcen gesteuert und überwacht werden kann. Weitere Informationen zur Authentifizierung finden Sie unter Authentifizierung bei MCP-Servern.

OAuth-Bereiche für Managed Service for Apache Airflow MCP

OAuth 2.0 verwendet Bereiche und Anmeldedaten, um zu ermitteln, ob ein authentifiziertes Hauptkonto autorisiert ist, eine bestimmte Aktion für eine Ressource auszuführen. Weitere Informationen zu OAuth 2.0-Bereichen bei Google finden Sie unter Mit OAuth 2.0 auf Google APIs zugreifen.

Managed Service for Apache Airflow hat die folgenden OAuth-Bereiche für MCP-Tools:

MCP-Client für die Verwendung des MCP-Servers von Managed Service for Apache Airflow konfigurieren

KI-Anwendungen und ‑Agents wie Claude oder die Gemini CLI können einen MCP-Client instanziieren, der eine Verbindung zu einem einzelnen MCP-Server herstellt. Eine KI-Anwendung kann mehrere Clients haben, die eine Verbindung zu verschiedenen MCP-Servern herstellen. Damit eine Verbindung zu einem Remote-MCP-Server hergestellt werden kann, muss der MCP-Client die URL des Remote-MCP-Servers kennen.

Suchen Sie in Ihrer KI-Anwendung nach einer Möglichkeit, eine Verbindung zu einem Remote-MCP-Server herzustellen. Sie werden aufgefordert, Details zum Server einzugeben, z. B. den Namen und die URL.

Geben Sie für den MCP-Server von Managed Service for Apache Airflow Folgendes ein:

• Servername: MCP-Server für Managed Service for Apache Airflow
• Endpunkt: composer.{region}.rep.googleapis.com/mcp
• Transport: HTTP
• Authentifizierungsdetails: Je nachdem, wie Sie sich authentifizieren möchten, können Sie Ihre Google Cloud Anmeldedaten, Ihre OAuth-Client-ID und Ihren OAuth-Clientschlüssel oder eine Agent-Identität und Anmeldedaten eingeben. Weitere Informationen zur Authentifizierung finden Sie unter Authentifizierung bei MCP-Servern.
• OAuth-Bereich: Der OAuth 2.0-Bereich, den Sie beim Herstellen einer Verbindung zum MCP-Server des Managed Service for Apache Airflow verwenden möchten.

Hostspezifische Anleitungen zum Einrichten und Verbinden mit dem MCP-Server finden Sie hier:

• Claude.ai
• Gemini CLI

Allgemeine Informationen finden Sie in den folgenden Ressourcen:

• Verbindung mit Remote-MCP-Servern herstellen
• MCP in einer KI-Anwendung konfigurieren

Verfügbare Tools

Bei schreibgeschützten MCP-Tools ist das MCP-Attribut mcp.tool.isReadOnly auf true festgelegt. Möglicherweise möchten Sie in bestimmten Umgebungen nur schreibgeschützte Tools über die Organisationsrichtlinie zulassen.

Details zu verfügbaren MCP-Tools und deren Beschreibungen für den MCP-Server des Managed Service for Apache Airflow finden Sie in der MCP-Referenz für den Managed Service for Apache Airflow.

Tools für Listen

Verwenden Sie den MCP-Inspector, um Tools aufzulisten, oder senden Sie eine tools/list HTTP-Anfrage direkt an den Remote-MCP-Server von Managed Service for Apache Airflow. Für die Methode tools/list ist keine Authentifizierung erforderlich.

POST /mcp HTTP/1.1
Host: composer.{region}.rep.googleapis.com/mcp
Content-Type: application/json

{
  "jsonrpc": "2.0",
  "method": "tools/list",
}

Beispielanwendungsfälle

Hier sind einige Beispielanwendungsfälle für den MCP-Server von Managed Service for Apache Airflow:

Umgebungsstatus beschreiben

In diesem Beispiel stellen Sie Fragen zu Umgebungen in Ihrem Projekt.

Alle Managed Airflow-Umgebungen in us-central1 suchen, die sich derzeit nicht im Status „Wird ausgeführt“ befinden. Wenn einer der beiden den Fehlerstatus hat, teile mir mit, wann diese Umgebung zuletzt aktualisiert wurde und wie die Workloads der Umgebung konfiguriert sind.

Workflow: Die Beschreibung von Managed Airflow-Umgebungen könnte so aussehen:

• Umgebungsliste aufrufen: Der Agent verwendet list_environments, um die Liste der Umgebungen in der angegebenen Region abzurufen, zusammen mit Informationen zum Zeitpunkt der letzten Aktualisierung.

Neue Managed Airflow-Umgebung mit benutzerdefinierten PyPI-Paketen erstellen

In diesem Anwendungsfall erstellen Sie eine neue Managed Airflow-Umgebung und installieren dann benutzerdefinierte PyPI-Pakete darin.

Beispiel-Prompt:

Eine neue Managed Airflow-Umgebung (Gen 3) mit Airflow 2 in meinem Projekt erstellen. Installieren Sie dann das nltk[machine_learning]-Paket. Verwenden Sie das Beispielkonto@Beispielprojekt.iam.gserviceaccount.com Dienstkonto für die Umgebung.

Workflow: Das Erstellen einer neuen Managed Airflow-Umgebung und das anschließende Installieren benutzerdefinierter PyPI-Pakete darin könnte so aussehen:

• Umgebung erstellen: Der Agent verwendet create_environment, um eine neue Umgebung mit den angegebenen Konfigurationsparametern zu erstellen. Der Agent fragt nach zusätzlichen Konfigurationsparametern, z. B. nach der Liste der IP-Adressen, die auf die Airflow-UI zugreifen dürfen.

• Pakete installieren: Der Agent ruft manage_pypi_packages auf, um das angegebene PyPI-Paket zu installieren.

Fehlerbehebung bei fehlgeschlagenen DAG-Ausführungen und ‑Aufgaben

Beispiel-Managed Airflow-Umgebung mit dem Namen „example-environment-name“ in „us-central1“ prüfen. Der Beispiel-DAG schlägt fehl. Ich möchte wissen, warum und bei welcher Aufgabe. Informiere mich auch über alle anderen DAGs, die in dieser Umgebung in den letzten 24 Stunden fehlgeschlagen sind.

Workflow: Die Fehlerbehebung bei fehlgeschlagenen DAG-Ausführungen könnte so aussehen:

• Fehlgeschlagene DAG-Ausführungen abrufen: Der Agent verwendet find_last_failed_dag_runs, um die Liste der fehlgeschlagenen DAG-Ausführungen für den DAG example_dag in der angegebenen Umgebung abzurufen. Der Agent verwendet dasselbe Tool, um die Liste aller fehlgeschlagenen DAG-Ausführungen abzurufen.

• Fehlerhafte DAG-Ausführung untersuchen: Der Agent ruft list_failed_task_instances auf, um die Liste der Aufgabeninstanzen der DAG-Ausführung abzurufen, die sich im Status „Fehler“ befinden.

• Logs fehlgeschlagener Aufgaben analysieren: Der Agent verwendet get_task_instance, um die Details der fehlgeschlagenen Aufgabeninstanz abzurufen, einschließlich der Daten, die zum Abrufen von Logs erforderlich sind.

• DAG-Quellcode prüfen: Der Agent verwendet get_dag_source_code, um den Quellcode der fehlgeschlagenen Aufgabe auf Fehler zu analysieren.

Optionale Sicherheitskonfigurationen

Das MCP birgt neue Sicherheitsrisiken und ‑aspekte, da mit den MCP-Tools eine Vielzahl von Aktionen ausgeführt werden kann. Um diese Risiken zu minimieren und zu verwalten, bietetGoogle Cloud Standardeinstellungen und anpassbare Richtlinien, mit denen Sie die Verwendung von MCP-Tools in Ihrer Google Cloud-Organisation oder Ihrem Google Cloud-Projekt steuern können.

Weitere Informationen zur Sicherheit und Governance von MCP finden Sie unter KI-Sicherheit.

Model Armor verwenden

Model Armor ist einGoogle Cloud -Dienst, der die Sicherheit Ihrer KI-Anwendungen verbessern soll. Das System überwacht und kontrolliert sowohl die Prompts als auch die Antworten des LLM, um Sie vor verschiedenen Risiken zu schützen und für verantwortungsbewusste Anwendung von KI zu sorgen. Unabhängig davon, ob Sie KI in Ihrer Cloud-Umgebung oder bei externen Cloud-Anbietern bereitstellen, kann Model Armor Ihnen helfen, schädliche Eingaben zu verhindern, die Sicherheit von Inhalten zu überprüfen, sensible Daten zu schützen, die Compliance aufrechtzuerhalten und Ihre KI-Sicherheitsrichtlinien in Ihrer vielfältigen KI-Landschaft einheitlich durchzusetzen.

Wenn Model Armor mit aktiviertem Logging aktiviert ist, protokolliert Model Armor die gesamte Nutzlast. Dadurch können vertrauliche Informationen in Ihren Logs offengelegt werden.

Model Armor aktivieren

Sie müssen Model Armor APIs aktivieren, bevor Sie Model Armor verwenden können.

Schutz für Google- und Google Cloud Remote-MCP-Server konfigurieren

Mit den Mindesteinstellungen für Model Armor können Sie Ihre MCP-Toolaufrufe und ‑Antworten schützen. Eine Mindesteinstellung definiert die Mindestsicherheitsfilter, die für das gesamte Projekt gelten. Mit dieser Konfiguration wird ein einheitlicher Satz von Filtern auf alle MCP-Tool-Aufrufe und ‑Antworten im Projekt angewendet.

Richten Sie eine Model Armor-Mindesteinstellung mit aktivierter MCP-Bereinigung ein. Weitere Informationen finden Sie unter Model Armor-Untergrenzeneinstellungen konfigurieren.

Hier ein Beispielbefehl:

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"}]'

Ersetzen Sie dabei PROJECT_ID durch die ID Ihres Projekts in Google Cloud .

Beachten Sie die folgenden Einstellungen:

• INSPECT_AND_BLOCK: Der Erzwingungstyp, der Inhalte für den Google MCP-Server prüft und Prompts und Antworten blockiert, die den Filtern entsprechen.
• ENABLED: Die Einstellung, die einen Filter oder die Erzwingung ermöglicht.
• MEDIUM_AND_ABOVE: Das Konfidenzniveau für die Filter für verantwortungsbewusste Anwendung von KI – gefährlich. Sie können diese Einstellung ändern. Niedrigere Werte können jedoch zu mehr falsch positiven Ergebnissen führen. Weitere Informationen finden Sie unter Vertrauenswürdigkeitsstufen für Model Armor.

Scannen von MCP-Traffic mit Model Armor deaktivieren

Wenn Sie verhindern möchten, dass Model Armor den Traffic zu und von Google MCP-Servern basierend auf den Mindesteinstellungen des Projekts automatisch scannt, führen Sie den folgenden Befehl aus:

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

Ersetzen Sie PROJECT_ID durch die Google Cloud Projekt-ID. Model Armor wendet die in den Mindesteinstellungen dieses Projekts definierten Regeln nicht automatisch auf den gesamten Google MCP-Server-Traffic an.

Die Mindesteinstellungen für Model Armor und die allgemeine Konfiguration können sich auf mehr als nur MCP auswirken. Da Model Armor in Dienste wie Vertex AI eingebunden ist, können sich Änderungen an den Mindesteinstellungen auf die Traffic-Analyse und Sicherheitsfunktionen aller eingebundenen Dienste auswirken, nicht nur auf MCP.

MCP-Nutzung mit IAM-Ablehnungsrichtlinien steuern

IAM-Ablehnungsrichtlinien (Identity and Access Management) helfen Ihnen, Google Cloud Remote-MCP-Server zu schützen. Konfigurieren Sie diese Richtlinien, um unerwünschten Zugriff auf MCP-Tools zu blockieren.

Sie können den Zugriff beispielsweise anhand der folgenden Kriterien verweigern oder zulassen:

• Der Prinzipal
• Tooleigenschaften wie „schreibgeschützt“
• Die OAuth-Client-ID der Anwendung

Weitere Informationen finden Sie unter MCP-Nutzung mit Identity and Access Management steuern.

Nächste Schritte

• Lesen Sie die Referenzdokumentation zu Managed Service for Apache Airflow MCP.
• Weitere Informationen zu Google Cloud-MCP-Servern