Google MCP सर्वर ट्यूटोरियल: GCP पर एजेंटिक AI को परिनियोजित करें

लार्ज लैंग्वेज मॉडल (LLMs) ने AI के साथ हमारा संवाद बदल दिया है, लेकिन वे अब भी काफी हद तक चैट इंटरफेस तक सीमित हैं। BigQuery में अपने नवीनतम सेल्स डेटा का विश्लेषण कराने या GKE में क्लस्टर हेल्थ चेक कराने के लिए आम तौर पर हर टूल, हर मॉडल और हर वर्कफ़्लो के लिए ग्लू कोड लिखना पड़ता है।

यहीं आते हैं Google के मैनेज्ड MCP सर्वर: यह एंटरप्राइज़ समाधान AI एजेंट्स को BigQuery, Google Maps, Compute Engine (GCE) और Kubernetes Engine (GKE) जैसी ताकतवर Google Cloud इन्फ्रास्ट्रक्चर से बिना किसी कस्टम कनेक्टर के जोड़ता है। 

Anthropic के ओपन Model Context Protocol (MCP) मानक पर आधारित, ये फुली-मैनेज्ड रिमोट सर्वर सुरक्षित और मानकीकृत एक्सेस देते हैं, जिससे कोई भी MCP-कम्प्लायंट क्लाइंट (जैसे Gemini CLI या Claude Desktop) AI को एक सक्रिय ऑपरेटर में बदल सकता है।

इस गाइड में, मैं MCP और Google के सर्वर पोर्टफोलियो की व्यावहारिक आर्किटेक्चर दिखाऊंगा और प्रोडक्शन-रेडी MCP सर्वर परिनियोजित करने के सटीक चरणों से आपको ले जाऊंगा। चाहे आप एंटरप्राइज़ डेटा में AI को ग्राउंड कर रहे हों या DevOps कार्यों को स्वचालित कर रहे हों, आप कुछ ही मिनटों में शुरू कर देंगे।

Google Cloud पर नए हैं? मैं शुरुआत करने के लिए मुफ़्त Introduction to GCP कोर्स की सलाह देता/देती हूँ ताकि बिलिंग, प्रोजेक्ट्स और बेसिक सर्विसेज़ कवर हो जाएँ।

Model Context Protocol क्या है?

Model Context Protocol (MCP) एक ओपन-सोर्स मानक है जिसे Anthropic ने नवंबर 2024 में पेश किया। यह एक सर्वव्यापी इंटरफ़ेस की तरह काम करता है—अक्सर "AI के लिए USB-C" कहा जाता है—जो मानकीकृत करता है कि AI मॉडल और एजेंट बाहरी डेटा स्रोतों, टूल्स और सिस्टम्स से कैसे जुड़ते हैं।

MCP से पहले, किसी AI एजेंट को डेटाबेस, APIs या क्लाउड सेवाओं जैसे टूल्स के साथ इंटीग्रेट करने के लिए हर AI मॉडल (जैसे Claude, Gemini या GPT के लिए अलग-अलग कोड) हेतु कस्टम कनेक्टर बनाने पड़ते थे। इससे खंडित इंटीग्रेशनों का विस्फोट हो गया था। 

MCP एक एकल, सुसंगत प्रोटोकॉल परिभाषित करके इसे हल करता है: डेवलपर्स किसी टूल या डेटा स्रोत को एक बार MCP सर्वर के रूप में इम्प्लीमेंट करते हैं, और कोई भी MCP-कम्प्लायंट AI क्लाइंट (जैसे Claude Desktop, Gemini CLI या कस्टम एजेंट) उसे सहजता से खोज और उपयोग कर सकता है।

मुख्य लाभ इंटरऑपरेबिलिटी और दोहराव में कमी है। BigQuery के लिए एक बार MCP सर्वर लिखें, और यह सभी समर्थित AI मॉडलों पर बिना अतिरिक्त एडेप्टर के काम करेगा। यह एजेंटिक AI सिस्टम्स के विकास को तेज करता है, जहाँ एजेंट केवल प्रश्नों का उत्तर नहीं देते, बल्कि सक्रिय रूप से तर्क करते हैं, डेटा क्वेरी करते हैं और वास्तविक दुनिया में कार्रवाइयाँ निष्पादित करते हैं।

क्लाइंट कनेक्टेड सर्वरों से उपलब्ध टूल खोजता है, LLM तय करता है किन्हें कॉल करना है, और परिणाम आगे के तर्क के लिए वापस आते हैं—यह सब MCP के JSON-RPC-आधारित प्रोटोकॉल के ज़रिए मानकीकृत होता है।

यही "यूनिवर्सल ट्रांसलेटर" डिज़ाइन है जिसकी वजह से Google (और अन्य) ने MCP को तेज़ी से अपनाया है: उनके मैनेज्ड सर्वर सीधे इस इकोसिस्टम में फिट हो जाते हैं, जिससे कोई भी MCP क्लाइंट Google Cloud सेवाओं तक तुरंत पहुँच बना सकता है।

Google MCP सर्वर क्या है?

Google MCP सर्वर, Model Context Protocol (MCP) के Google द्वारा पूरी तरह से मैनेज्ड, रिमोट इम्प्लीमेंटेशन हैं। दिसंबर 2025 में लॉन्च हुए, ये एंटरप्राइज़-ग्रेड सर्वर BigQuery, Google Maps, GCE और GKE जैसी शक्तिशाली Google Cloud सेवाओं को मानकीकृत, खोजयोग्य टूल्स के रूप में एक्सपोज़ करते हैं, जिन्हें कोई भी MCP-कम्प्लायंट AI क्लाइंट तुरंत उपयोग कर सकता है।

कम्युनिटी या ओपन-सोर्स MCP सर्वरों के विपरीत, जिनमें स्वयं होस्टिंग, रखरखाव, स्केलिंग और कस्टम सिक्योरिटी हार्डनिंग की ज़रूरत होती है, Google के मैनेज्ड सर्वर Google के इंफ्रास्ट्रक्चर पर चलते हैं। वे प्रदान करते हैं:

• शून्य डिप्लॉयमेंट ओवरहेड: बस अपने प्रोजेक्ट में सर्विस सक्षम करें और अपने क्लाइंट को आधिकारिक एंडपॉइंट (जैसे https://bigquery.googleapis.com/mcp) पर पॉइंट करें।
• एंटरप्राइज़ विश्वसनीयता: हाई अवेलेबिलिटी, ऑटोमैटिक स्केलिंग और ग्लोबल एंडपॉइंट्स।
• इन-बिल्ट सुरक्षा: IAM-आधारित ऑथेंटिकेशन, Model Armor (प्रॉम्प्ट इंजेक्शन और डेटा एक्सफ़िल्टरेशन प्रोटेक्शन के लिए Google का LLM फ़ायरवॉल), ऑडिट लॉगिंग और लीस्ट-प्रिविलेज कंट्रोल्स।
• गवर्नेंस: प्रोजेक्ट या संगठन-स्तर पर केंद्रीकृत सक्षम/अक्षम करना।

यह तकनीक एजेंटिक वर्कफ़्लो को अनलॉक करती है। किसी SQL क्वेरी के काम करने का तरीका केवल समझाने के बजाय, AI BigQuery में क्वेरी चला सकता है, परिणामों का विश्लेषण कर सकता है और अगले बिजनेस कदम का सुझाव दे सकता है। 

जहाँ ये एजेंट स्वतःस्फूर्त रूप से कार्य कर सकते हैं, वहीं Google का इम्प्लीमेंटेशन "ह्यूमन-इन-द-लूप" कॉन्फ़िगरेशन सपोर्ट करता है, जिससे महत्वपूर्ण इन्फ्रास्ट्रक्चर परिवर्तनों से पहले कोई मनुष्य समीक्षा और अनुमोदन कर सके।

यदि आप AI-संचालित ब्राउज़र ऑटोमेशन में रुचि रखते हैं, तो हमारा Chrome DevTools MCP ट्यूटोरियल देखें।

Google का MCP सर्वरों का पोर्टफोलियो

Google एक बढ़ता हुआ सेट प्रदान करता है जो फुली-मैनेज्ड MCP सर्वरों का है, जो प्रमुख क्लाउड सेवाओं को AI एजेंट्स के लिए तुरंत उपलब्ध टूल्स में बदल देता है। ये सर्वर कार्य के आधार पर वर्गीकृत हैं, जिससे एजेंट बिना कस्टम कोड के डेटा विश्लेषण से लेकर इन्फ्रास्ट्रक्चर मैनेजमेंट तक सब संभाल सकें।

इकोसिस्टम सर्वरों को दो मुख्य श्रेणियों में समूहित करता है:

• डेटा इंटेलिजेंस: वास्तविक दुनिया के डेटा में क्वेरी, विश्लेषण और ग्राउंडिंग पर केंद्रित।
• इन्फ्रास्ट्रक्चर ऑपरेशंस: कंप्यूट संसाधनों के नियंत्रण और मॉनिटरिंग को सक्षम करना।

डेटा इंटेलिजेंस सर्वर

BigQuery और Maps MCP सर्वर आपके वर्कफ़्लो में डेटा शामिल करने के लिए बेहतरीन अवसर पेश करते हैं।

BigQuery

BigQuery MCP सर्वर एजेंट्स को सक्षम करता है:

• डेटासेट्स पर सीधे SQL क्वेरी निष्पादित करना
• उपलब्ध डेटासेट्स और टेबल्स की सूची बनाना
• स्कीमा मेटाडेटा और सैंपल डेटा प्राप्त करना
• एनालिटिकल जॉब्स चलाना, जिनमें BigQuery ML के ज़रिये ML इन्फ़रेंस शामिल है

यह एजेंट्स को जटिल डेटा विश्लेषण करने, रिपोर्ट बनाने या स्वतःस्फूर्त रूप से ट्रेंड का पूर्वानुमान लगाने में सक्षम बनाता है।

Google Maps

Google Maps MCP सर्वर Grounding Lite और Places API द्वारा संचालित है, और सपोर्ट करता है:

• जियोकोडिंग और रिवर्स जियोकोडिंग
• प्लेस सर्च और डिटेल्स रिट्रीवल
• रूट कैलकुलेशन और डायरेक्शन्स
• डिस्टेंस मैट्रिक्स गणनाएँ

उपयोग का मामला: रीयल-टाइम बिजनेस इंटेलिजेंस और लॉजिस्टिक्स ऑप्टिमाइज़ेशन। एक एजेंट BigQuery में सेल्स डेटा क्वेरी कर सकता है, भौगोलिक इनसाइट्स के लिए Maps के साथ क्रॉस-रेफरेंस कर सकता है, और एक ही रीजनिंग लूप में डिलीवरी रूट ऑप्टिमाइज़ेशन सुझा सकता है।

इन्फ्रास्ट्रक्चर ऑपरेशंस सर्वर

इन्फ्रास्ट्रक्चर पक्ष में, आप Kubernetes Engine (GKE) और Compute Engine (GCE) MCP सर्वरों का उपयोग कर सकते हैं।

Google Kubernetes Engine

GKE MCP सर्वर निम्नलिखित ऑपरेशंस एक्सपोज़ करता है:

• क्लस्टर्स, नोड्स और पॉड्स की सूची बनाना
• क्लस्टर हेल्थ और संसाधन उपयोग की जाँच करना
• लॉग्स और इवेंट्स पढ़ना
• डिप्लॉयमेंट्स को स्केल करना (उचित IAM अनुमतियों के साथ)

Google Compute Engine

GCE MCP सर्वर सक्षम करता है:

• VM इंस्टेंसेज़ की सूची, स्टार्ट, स्टॉप और रिस्टार्ट
• डिस्क्स या मशीन टाइप्स की सूची
• इंस्टेंस मेटाडेटा और स्टेटस क्वेरी करना

उपयोग का मामला: DevOps टीमों के लिए स्वचालित ट्रबलशूटिंग और "ChatOps"। एक एजेंट GKE टूल्स के ज़रिये पॉड क्रैश डिटेक्ट कर सकता है, GCE से VM मेट्रिक्स के साथ उनका सहसंबंध कर सकता है, और सुधारात्मक कदम शुरू कर सकता है—घंटों के औसत समाधान समय को मिनटों में घटाते हुए।

Google इस पोर्टफोलियो का विस्तार जारी रखता है (2026 की शुरुआत तक Cloud Storage और AlloyDB जैसी सेवाएँ प्रीव्यू में हैं), जिससे Google Cloud का अधिक हिस्सा मूल रूप से एजेंट-एक्सेसिबल हो रहा है।

Google MCP सर्वर की कोर आर्किटेक्चर

MCP की ताकत इसके लचीले लेकिन मानकीकृत संचार लेयर्स में निहित है, जो सहज कनेक्शन को संभव बनाती हैं—चाहे आप लोकल प्रोटोटाइपिंग कर रहे हों या बड़े पैमाने पर प्रोडक्शन-रेडी एजेंट चला रहे हों। Google के मैनेज्ड MCP सर्वर एंटरप्राइज़ डिप्लॉयमेंट्स के लिए मुख्यतः रिमोट स्ट्रीमएबल HTTP का उपयोग करते हैं, जबकि लोकल डेवलपमेंट stdio का लाभ उठाता है। 

stdio के माध्यम से लोकल कम्युनिकेशन

stdio (स्टैंडर्ड इनपुट/आउटपुट) ट्रांसपोर्ट MCP सर्वर चलाने का सबसे सरल तरीका है। यहाँ MCP क्लाइंट (जैसे Claude Desktop या कस्टम एजेंट) उसी मशीन पर सर्वर को एक सबप्रोसेस के रूप में लॉन्च करता है, डायरेक्ट पाइप्स के ज़रिए बिना किसी नेटवर्क के संचार करता है।

फायदे:

• डेवलपमेंट और टेस्टिंग के लिए बेहद आसान सेटअप
• निहित सुरक्षा (कोई खुले पोर्ट या नेटवर्क अटैक सरफेस नहीं)
• कम विलंबता

कमियाँ:

• मशीनों या टीमों के बीच साझा नहीं किया जा सकता
• सीमित स्केलेबिलिटी (क्लाइंट के होस्ट से बंधा हुआ)
• एकाधिक सेशंस के लिए बिल्ट-इन कंकरेन्सी नहीं

यह मोड कस्टम MCP सर्वरों के साथ प्रयोग करने या रिमोट जाने से पहले कनेक्शनों का परीक्षण करने के लिए उपयुक्त है।

स्ट्रीमएबल HTTP के माध्यम से रिमोट कम्युनिकेशन

प्रोडक्शन और एंटरप्राइज़ उपयोग के लिए, Google के मैनेज्ड सर्वर (और स्वयं-होस्टेड कस्टम सर्वर) एक एकल, स्थायी एंडपॉइंट पर स्ट्रीमएबल HTTP का उपयोग करते हैं। यह पुराने Server-Sent Events (SSE) दृष्टिकोण को एक अधिक मजबूत डिज़ाइन से बदलता है, जो निम्नलिखित सपोर्ट करता है:

• सभी इंटरैक्शन के लिए HTTP POST रिक्वेस्ट
• बड़े या क्रमिक प्रतिक्रियाओं के लिए वैकल्पिक द्विदिश स्ट्रीमिंग (जैसे, BigQuery परिणामों की स्ट्रीमिंग)
• स्टेटफुल वार्तालापों के लिए सेशन IDs
• मल्टी-टूल पैरेलल कॉल्स के लिए समवर्ती कनेक्शन

Google के मैनेज्ड एंडपॉइंट्स एक सुसंगत पैटर्न का पालन करते हैं, जैसे:

• BigQuery: https://bigquery.googleapis.com/mcp
• Maps: https://mapstools.googleapis.com/mcp
• Compute: https://compute.googleapis.com/mcp

सारा ट्रैफ़िक Google ID टोकन्स (OAuth2) से सुरक्षित होता है, जिससे कॉल्स IAM के ज़रिए ऑथेंटिकेट और ऑथराइज़ होती हैं।

सीक्वेंस फ्लो इस तरह दिख सकता है:

1. क्लाइंट /mcp पर POST के माध्यम से टूल डिस्कवरी/रिक्वेस्ट भेजता है।

2. सर्वर पहचान सत्यापित करता है और बैकएंड सर्विस तक रूट करता है।

3. बैकएंड निष्पादित करता है (जैसे, BigQuery में SQL चलाना)।

4. प्रतिक्रिया बड़े आउटपुट के कुशल हैंडलिंग के लिए चंक्स में (JSON-RPC प्रारूप) स्ट्रीम होकर वापस आती है।

Google MCP सर्वर के साथ शुरुआत

Google के MCP सर्वरों का एक बड़ा लाभ यह है कि स्वयं-होस्टेड विकल्पों की तुलना में इन्हें सेटअप करना बेहद आसान है। हम चरणों के दौरान मैनेज्ड और कस्टम सर्वरों में स्पष्ट भेद करेंगे।

• मैनेज्ड Google MCP सर्वर: ये BigQuery, Maps, GCE और GKE जैसी सेवाओं के लिए हैं और पूरी तरह Google द्वारा होस्टेड हैं। आपको कुछ भी परिनियोजित नहीं करना—बस अपने प्रोजेक्ट में एंडपॉइंट सक्षम करें, IAM अनुमतियाँ दें और अपने क्लाइंट को कॉन्फ़िगर करें। वे बॉक्स से बाहर उपयोग के लिए तैयार हैं।
• कस्टम MCP सर्वर: आंतरिक टूल्स, थर्ड-पार्टी APIs या उन्नत एक्सटेंशंस के लिए, आप अपना सर्वर बनाते और परिनियोजित करते हैं (जैसे Google के MCP Toolbox का उपयोग करके)। इन्हें आमतौर पर स्केलेबिलिटी के लिए Cloud Run पर परिनियोजित किया जाता है।

मैनेज्ड सर्वरों के लिए Google Cloud पर्यावरण सेटअप

आधिकारिक ट्यूटोरियल के आधार पर इन चरणों का पालन करें ताकि मैनेज्ड MCP सर्वर सक्षम और तैयार हो जाएँ।

पूर्वापेक्षाएँ

• बिलिंग सक्षम के साथ एक Google Cloud प्रोजेक्ट

• Google Cloud Console एक्सेस और Cloud Shell (या लोकल gcloud CLI)

• आपका यूज़र अकाउंट gcloud auth login के माध्यम से ऑथेंटिकेटेड हो

प्रोजेक्ट सेटअप और API सक्षम करना

1. Google Cloud Console में कोई प्रोजेक्ट बनाएँ या चुनें।
2. यदि पहले से नहीं किया, तो बिलिंग सक्षम करें।
3. कोर सर्विस APIs सक्षम करें (Cloud Shell या लोकल टर्मिनल में):

gcloud auth list  # Verify you're logged in
gcloud config list project  # Check current project
gcloud config set project YOUR_PROJECT_ID  # If needed

gcloud services enable bigquery.googleapis.com \
  compute.googleapis.com \
  container.googleapis.com \
  mapstools.googleapis.comसंचालित द्वारा

ध्यान दें कि Maps MCP के लिए बिलिंग और कोटा हेतु अपना API key आवश्यक है। निम्नलिखित कमांड से एक key बनाएँ:

gcloud alpha services api-keys create --display-name="Maps-MCP-Key"संचालित द्वारा

दिखाए गए keyString को कॉपी करें—क्लाइंट कॉन्फ़िगरेशन के लिए इसकी ज़रूरत पड़ेगी।

मैनेज्ड MCP सर्वर सक्षम करें (बीटा)

MCP सेवाओं के लिए स्पष्ट बीटा सक्षम करना आवश्यक है:

export PROJECT_ID=$(gcloud config get-value project)
export USER_EMAIL=$(gcloud config get-value account)

gcloud beta services mcp enable bigquery.googleapis.com --project=$PROJECT_ID
gcloud beta services mcp enable mapstools.googleapis.com --project=$PROJECT_ID
gcloud beta services mcp enable compute.googleapis.com --project=$PROJECT_ID
gcloud beta services mcp enable container.googleapis.com --project=$PROJECT_IDसंचालित द्वारा

IAM कॉन्फ़िगरेशन

अपने अकाउंट को MCP टूल का यूज़र रोल दें:

gcloud projects add-iam-policy-binding $PROJECT_ID \
  --member="user:$USER_EMAIL" \
  --role="roles/mcp.toolUser"संचालित द्वारा

लीस्ट-प्रिविलेज एक्सेस के लिए सर्विस-विशिष्ट रोल जोड़ें, जैसे:

• BigQuery: roles/bigquery.jobUser और roles/bigquery.dataViewer

• Compute/GKE: roles/compute.viewer या roles/container.viewer

मैनेज्ड सर्वर अब तैयार हैं! एंडपॉइंट्स:

• BigQuery: https://bigquery.googleapis.com/mcp
• Maps: https://mapstools.googleapis.com/mcp
• Compute (GCE & GKE): https://compute.googleapis.com/mcp

कस्टम रिमोट MCP सर्वरों को Cloud Run पर परिनियोजित करना

Google के मैनेज्ड पोर्टफोलियो से परे कस्टम टूल्स के लिए, FastMCP (Python) जैसी लाइब्रेरी का उपयोग करके अपना MCP सर्वर बनाएँ और टीम शेयरिंग व स्केलेबिलिटी के लिए Cloud Run पर परिनियोजित करें। यहाँ हम विवरण में बहुत गहराई तक नहीं जाएँगे, बल्कि प्रक्रिया का उच्च-स्तरीय अवलोकन देंगे।

हाई-लेवल स्टेप्स:

1. एक Python प्रोजेक्ट बनाएँ और FastMCP को निर्भरता के रूप में जोड़ें (जैसे uv का उपयोग करके)।

2. अपना सर्वर कोड इम्प्लीमेंट करें (जैसे, server.py) जिसमें कस्टम टूल्स परिभाषित हों, और transport="streamable-http" का उपयोग करें।

3. हल्का Dockerfile लिखें (बेस python:slim) जो निर्भरताएँ इंस्टॉल करे और सर्वर को $PORT पर चलाए।

4. आवश्यक APIs सक्षम करें (Cloud Run, Artifact Registry, Cloud Build)।

5. सोर्स से सीधे डिप्लॉय करें या कंटेनर बिल्ड/पुश करें।

6. सर्विस को सुरक्षित करें: IAM ऑथेंटिकेशन आवश्यक रखें (--no-allow-unauthenticated), अधिकृत प्रिंसिपल्स को roles/run.invoker दें, और क्लाइंट कनेक्शनों के लिए आइडेंटिटी टोकन्स का उपयोग करें।

gcloud run deploy your-mcp-server \
  --source . \
  --region=us-central1 \
  --no-allow-unauthenticatedसंचालित द्वारा

यह प्रक्रिया सरल सर्वरों के लिए 10 मिनट से कम लेती है और ऑटो-स्केलिंग के साथ प्रोडक्शन-ग्रेड होस्टिंग प्रदान करती है।

Google MCP सर्वर क्लाइंट कॉन्फ़िगरेशन और इंटीग्रेशन

डिप्लॉय (या सक्षम) किया गया MCP सर्वर तब सच में शक्तिशाली बनता है जब उसे किसी AI क्लाइंट से जोड़ा जाए। यह सेक्शन Google के मैनेज्ड MCP सर्वरों का उपयोग करने हेतु लोकप्रिय क्लाइंट्स को कॉन्फ़िगर करने और प्रोग्रामेटिक एजेंट बनाने को कवर करता है।

MCP Inspector के साथ टेस्टिंग

MCP Inspector किसी भी MCP सर्वर—जिनमें Google के मैनेज्ड सर्वर शामिल हैं—की खोज-बीन के लिए एक साफ़ वेब-आधारित UI देता है। यह खासकर ऑथेंटिकेशन ट्रबलशूटिंग, सटीक टूल नाम/पैरामीटर्स जानने और वास्तविक प्रतिक्रियाएँ देखने में सहायक है।

प्रक्रिया इस प्रकार दिखती है:

1. Inspector लॉन्च करें
2. किसी Google-मैनेज्ड MCP सर्वर से कनेक्ट करें
3. टूल्स एक्सप्लोर और टेस्ट करें

Inspector लॉन्च करने के लिए, अपने टर्मिनल में यह कमांड चलाएँ:

npx @modelcontextprotocol/inspectorसंचालित द्वारा

यह एक लोकल वेब सर्वर शुरू करता है और आपके डिफ़ॉल्ट ब्राउज़र में Inspector UI खोलता है। 

अगले चरण में, हम Google MCP सर्वर से कनेक्ट करते हैं। उदाहरण के तौर पर Google Maps से शुरू करते हैं। 

Inspector UI में, बाईं तरफ, हम MCP Inspector को अपने Google Maps MCP सर्वर से कनेक्ट करने के लिए कॉन्फ़िगर करेंगे। कृपया साथ-साथ चलें और निम्नलिखित निर्देश और मान दर्ज करें:

1. Transport Type: Streamable HTTP चुनें

2. URL: https://mapstools.googleapis.com/mcp दर्ज करें

3. Connection Type: via Proxy चुनें (यह आपके लॉग-इन gcloud क्रेडेंशियल्स का उपयोग करके Google ऑथेंटिकेशन को सुरक्षित रूप से संभालता है)।

4. Custom Headers: एक हेडर जोड़ें

   • Key: X-Goog-Api-Key

   • Value: आपका Maps API key (पहले सेटअप से keyString)।

5. Connect पर क्लिक करें।

यदि सब ठीक रहा, तो आप देखेंगे कि MCP Inspector सफलतापूर्वक सर्वर से कनेक्ट हो गया है। दाएँ पैनल में, आप List Tools पर क्लिक करके Google Maps MCP सर्वर द्वारा समर्थित टूल्स प्राप्त कर सकेंगे।

आइए टूल्स एक्सप्लोर और टेस्ट करें:

• किसी भी टूल का चयन करके उसका पूरा JSON स्कीमा देखें: विवरण, पैरामीटर्स (टाइप्स और आवश्यक फ़ील्ड्स सहित) और उदाहरण। 
• पैरामीटर्स भरें (उदा., query: "पुणे, महाराष्ट्र में बेस्ट कॉफी") और Invoke पर क्लिक करें।
• वास्तविक परिणाम तुरंत दिखाई देंगे, बड़े रिस्पॉन्स के लिए चंक्स में स्ट्रीम होकर।

BigQuery और Compute सर्वरों के लिए प्रक्रिया समान है पर सरल, क्योंकि यहाँ API key हेडर की ज़रूरत नहीं पड़ती। ऑथेंटिकेशन स्वतः प्रॉक्सी के माध्यम से फ्लो हो जाता है।

Gemini CLI कॉन्फ़िगर करना

Gemini CLI Google का आधिकारिक ओपन-सोर्स टर्मिनल एजेंट है जिसमें MCP सर्वरों के लिए गहरा, नेटिव इंटीग्रेशन है। एजेंटिक वर्कफ़्लोज़ बनाने की सबसे स्मूद शुरुआत यहीं से होती है। 

Gemini CLI सेटअप करना

निम्नलिखित कमांड का उपयोग करके Gemini CLI इंस्टॉल करें:

npm install -g @google/gemini-cli@latestसंचालित द्वारा

सर्वर जोड़ना और कनेक्शन टेस्ट करना

हम फिर से उदाहरण के लिए Maps का उपयोग करेंगे। Google Maps MCP सर्वर जोड़ने के लिए निम्नलिखित कमांड का उपयोग करें और याद रखें कि YOUR_MAPS_API_KEY को अपने पहले बनाए गए Maps API key से बदलें।

gemini mcp add -s user -t http -H 'X-Goog-Api-Key: YOUR_MAPS_API_KEY' maps-grounding-lite-mcp https://mapstools.googleapis.com/mcpसंचालित द्वारा

नए Gemini सेशन में, /mcp list कमांड से कनेक्शन वेरिफ़ाई करें।

पहली इंटरेक्शन में, हम एक सरल प्राकृत-भाषा प्रश्न पूछते हैं: 

“New York में कुछ किफायती नाश्ते के स्थान कौन-से हैं?”

Gemini स्वतः Maps टूल्स चुनता है। आप जैसे ही उनके निष्पादन को स्वीकार करते हैं, यह उन्हें कॉल करता है और फ़ॉर्मैटेड परिणाम लौटाता है।

यह काम कर गया! हमें निम्नलिखित प्रतिक्रिया मिली:

Here are some economical breakfast places in New York:
Good Morning Breakfast is a breakfast restaurant located at 1216 Broadway, New York, NY 10001. It is open from 6:00 AM to 12:00 PM on weekdays and 6:30 AM to 12:30 PM on Saturdays. They serve breakfast and lunch and have vegetarian options. The price range is $1-$10.
Andrews NYC Diner is a diner located at 463 7th Ave, New York, NY 10018. They are open from 6:00 AM to 10:00 PM on weekdays, 6:00 AM to 11:00 PM on Fridays and Saturdays, and 7:00 AM to 11:00 PM on Sundays.
They serve breakfast, lunch, and dinner, and have outdoor seating and a children's menu.
The price range is $10-$20.
George's is an American restaurant located at 89 Greenwich St, New York, NY 10006. They are open from 7:00 AM to 6:00 PM daily. They serve breakfast, lunch, and dinner, and have outdoor seating and a children's menu. The price range is $10-$20.
New York Luncheonette is an American restaurant located at 135 E 50th St, New York, NY 10022. They are open from 7:00 AM to 10:00 PM daily. They serve breakfast, lunch, and dinner, and have a children's menu.
The price range is $10-$20.संचालित द्वारा

Gemini CLI में क्लासिक "Hello World" पल: सर्वर जोड़ने के बाद साफ़ टूल लिस्टिंग, और फिर प्राकृतिक भाषा क्वेरीज़ जो वास्तविक Maps टूल कॉल्स ट्रिगर करती हैं। 

Google Maps MCP सर्वर के साथ Gemini CLI का उपयोग

Maps डेटा के साथ अधिक उन्नत तर्क क्षमता का परीक्षण करने के लिए, हम निम्नलिखित प्रॉम्प्ट पास कर रहे हैं: 

"मुंबई से गोवा तक ड्राइविंग रूट प्लान करें, बीच में लंच के लिए किसी दर्शनीय स्थल पर रुकें। वहाँ एक अच्छा रेस्टोरेंट सुझाएँ।"

जब आप यह प्रॉम्प्ट भेजते हैं, तो AI एजेंट (Gemini या Claude) केवल Google Maps MCP टूल्स का उपयोग करते हुए एक परिष्कृत बहु-चरणीय रीजनिंग लूप करता है:

1. पूरा रूट निकालना: एजेंट "मुंबई" मूल और "गोवा" गंतव्य के साथ compute_routes कॉल करता है। यह लगभग ~566 किमी दूरी और ~11 घंटे 41 मिनट की अवधि (ट्रैफ़िक-अवेयर) लौटाता है।

2. हाफ़वे पॉइंट पर तर्क: एजेंट गणना करता है कि आधा रास्ता (~280–300 किमी) कोंकण क्षेत्र के आसपास, विशेषकर चिपलून के पास पड़ता है, जो नदी दृश्यों, घाटों और प्राकृतिक सुंदरता के लिए प्रसिद्ध है।

3. दर्शनीय रेस्टोरेंट्स की खोज: यह चिपलून/रत्नागिरी की ओर बायस्ड क्वेरी के साथ search_places का उपयोग करता है, और उच्च रेटिंग, आउटडोर/सीनिक व्यू और लंच उपलब्धता के लिए फ़िल्टर लगाता है।

4. सर्वश्रेष्ठ विकल्प का चयन और विवरण: अंततः यह एक बेहतरीन स्थान चुनता है (आपके मामले में, चिपलून में The Riverview Restaurant) और उसके आउटडोर सीटिंग और सुकूनभरे माहौल को हाइलाइट करता है।

यह उत्तर लाइव जेनरेट होता है। रूट की अवधि सीधे उसी compute_routes टूल कॉल से आती है जिसे आपने डिबग आउटपुट में देखा, और रेस्टोरेंट की सिफारिश वास्तविक Places API डेटा पर आधारित है: कोई हार्डकोडेड तथ्य नहीं, कोई भ्रम नहीं—सिर्फ सुरक्षित, अप-टू-डेट टूल उपयोग।

यहाँ Gemini CLI टूल को कैसे कॉल करता है और अपनी सिफारिश आउटपुट करता है:

compute_routes (maps-grounding-lite-mcp MCP Server) {"destination": {"address": "Goa"}, "origin": {"address": "Mumbai" }}
{
  "routes": [
    {
      "distanceMeters": 566414,
      "duration": "42095s"
    }
  ]
}
* A great place to stop for a scenic lunch on your drive from Mumbai to Goa is Chiplun, which is roughly halfway. I recommend The Riverview Restaurant in Chiplun. It offers outdoor seating and is a great spot to relax and enjoy a meal with a view.
The drive from Mumbai to Goa is approximately 566 km and will take about 11 hours and 40 minutes without stops. Enjoy your tripसंचालित द्वारा

LangChain या LangGraph के साथ प्रोग्रामेटिक इंटीग्रेशन

Gemini CLI या Claude Desktop जैसे इंटरैक्टिव क्लाइंट्स से आगे, Google के मैनेज्ड MCP सर्वरों की सच्ची शक्ति तब झलकती है जब आप कोड में कस्टम, प्रोडक्शन-रेडी AI एजेंट बनाते हैं। ओपन-सोर्स LangChain इकोसिस्टम इसे आसान बनाता है langchain-mcp-adapters पैकेज के साथ, जो किसी भी रिमोट MCP सर्वर को मानक LangChain टूल्स में बदल देता है।

यह दृष्टिकोण आपको टूल डिस्कवरी, ऑथेंटिकेशन और इनवोकेशन पर पूरी दृश्यता देता है: डिबगिंग, कस्टम टूल राउटर्स बनाने या मौजूदा async वर्कफ़्लोज़ में इंटीग्रेट करने के लिए परफ़ेक्ट।

LangChain का उपयोग करके BigQuery MCP सर्वर से कनेक्ट करना

बेहतर समझ के लिए, इसे एक उदाहरण में दिखाते हैं। निम्नलिखित पूर्ण, रन होने योग्य स्क्रिप्ट दर्शाती है कि कैसे:

• Application Default Credentials का उपयोग करके Google Cloud से ऑथेंटिकेट करें

• स्ट्रीमएबल HTTP के माध्यम से मैनेज्ड BigQuery MCP एंडपॉइंट से कनेक्ट करें

• सभी उपलब्ध टूल्स खोजें

• किसी विशिष्ट टूल (list_dataset_ids) को इनवोक करें और वास्तविक परिणाम प्रिंट करें

import asyncio
import google.auth
import google.auth.transport.requests
import httpx

from mcp import ClientSession
from mcp.client.streamable_http import streamable_http_client
from langchain_mcp_adapters.tools import load_mcp_tools

async def list_and_invoke_bigquery():
    # 1. Authenticate with Google Cloud (run: gcloud auth application-default login)
    credentials, project_id = google.auth.default(
        scopes=["https://www.googleapis.com/auth/cloud-platform"]
    )
    auth_request = google.auth.transport.requests.Request()
    credentials.refresh(auth_request)

    url = "https://bigquery.googleapis.com/mcp"
    print(f"Connecting to: {url}...")

    # 2. Setup authenticated HTTP client
    async with httpx.AsyncClient(headers={
        "Authorization": f"Bearer {credentials.token}",
        "x-goog-user-project": project_id,
        "Content-Type": "application/json"
    }) as http_client:
        
        # 3. Establish streamable HTTP transport and MCP session
        async with streamable_http_client(url, http_client=http_client) as (read, write, _):
            async with ClientSession(read, write) as session:
                await session.initialize()
                
                # 4. Discover all tools exposed by Google's BigQuery MCP server
                tools = await load_mcp_tools(session)
                
                print(f"\n--- DISCOVERY: Found {len(tools)} tools ---")
                for tool in tools:
                    print(f"Tool: {tool.name}")
                
                # 5. Invoke a specific tool: list_dataset_ids
                print(f"\n--- INVOCATION: Fetching datasets for project '{project_id}' ---")
                
                dataset_tool = next((t for t in tools if t.name == "list_dataset_ids"), None)
                if dataset_tool:
                    try:
                        result = await dataset_tool.ainvoke({"project_id": project_id})
                        print("SUCCESS! Datasets in your project:")
                        print(result)
                    except Exception as e:
                        print(f"Error invoking tool: {e}")
                else:
                    print("Tool 'list_dataset_ids' not found.")

if __name__ == "__main__":
    asyncio.run(list_and_invoke_bigquery())संचालित द्वारा

किसी ठीक से कॉन्फ़िगर किए गए GCP प्रोजेक्ट में चलाने पर, यह स्क्रिप्ट कुछ इस तरह का आउटपुट देती है:

Connecting to: https://bigquery.googleapis.com/mcp…

--- DISCOVERY: Found 5 tools ---
Tool: list_dataset_ids
Tool: get_dataset_info
Tool: list_table_ids
Tool: get_table_info
Tool: execute_sql

--- INVOCATION: Fetching datasets for ‘project’ ---
SUCCESS! Output from BigQuery: (...)संचालित द्वारा

यह पुष्टि करता है:

• ADC के माध्यम से सुरक्षित ऑथेंटिकेशन
• Google के मैनेज्ड रिमोट सर्वर से सफल हैंडशेक
• पूर्ण टूल डिस्कवरी
• लाइव एक्ज़ीक्यूशन जो आपके वास्तविक BigQuery डेटासेट्स लौटाता है

यह लो-लेवल पैटर्न इन परिस्थितियों में अनमोल है:

• कनेक्शन या अनुमति समस्याओं का डिबग करना
• कस्टम टूल सिलेक्शन लॉजिक बनाना
• FastAPI सेवाओं, बैकग्राउंड वर्कर्स या स्ट्रीमिंग ऐप्स में MCP को इंटीग्रेट करना
• async फ़्लोज़ पर सटीक नियंत्रण की आवश्यकता

एक बार आपने इस तरह कनेक्टिविटी वेरिफ़ाई कर ली, तो आप निश्चिन्त होकर LangGraph एजेंट्स (जैसा कि पिछले उदाहरणों में दिखाया गया) जैसे उच्च-स्तरीय फ़्रेमवर्क तक स्केल कर सकते हैं या इन टूल्स को किसी भी LangChain-कम्पैटिबल सिस्टम में फीड कर सकते हैं।

इस बुनियाद के साथ, Google MCP सर्वर आपके Python AI स्टैक का सुरक्षित, प्रोडक्शन-रेडी विस्तार बन जाते हैं—वह भी बिना किसी कस्टम ग्लू कोड के।

Google MCP सर्वर के लिए सुरक्षा सर्वोत्तम अभ्यास

Google के मैनेज्ड MCP सर्वरों में सुरक्षा बाद में जोड़ने की चीज़ नहीं है। बल्कि, यह शुरू से ही निर्मित है। Google के इंफ्रास्ट्रक्चर पर चलकर और Google Cloud की पहचान व एक्सेस प्रबंधन प्रणाली के साथ गहरी इंटीग्रेशन करके, ये सर्वर एंटरप्राइज़-ग्रेड सुरक्षा प्रदान करते हैं जो स्वयं-होस्टेड या प्रायोगिक विकल्पों से कहीं आगे है।

आइडेंटिटी और एक्सेस मैनेजमेंट

Google Cloud अपने मजबूत IAM (Identity and Access Management) फ़्रेमवर्क का उपयोग करता है यह नियंत्रित करने के लिए कि कौन (या क्या) आपके MCP टूल्स को कॉल कर सकता है।

रोल-आधारित एक्सेस कंट्रोल (RBAC) के अंतर्गत, हर AI एजेंट का अपना समर्पित सर्विस अकाउंट होना चाहिए। यह नियंत्रण दो अलग-अलग ऑथराइज़ेशन परतों पर निर्भर करता है:

• गेटवे रोल: कोई भी Google MCP टूल उपयोग करने के लिए, उस पहचान के पास roles/mcp.toolUser रोल होना चाहिए।

• सर्विस-विशिष्ट अनुमतियाँ: चूँकि mcp.toolUser केवल कनेक्शन की अनुमति देता है, आपको अभी भी क्रिया के लिए विशिष्ट अनुमतियाँ देनी होंगी। उदाहरण के लिए, यदि AI को डेटा क्वेरी करना है, तो उसे roles/bigquery.jobUser चाहिए। विपरीत रूप से, यदि उसे केवल VM स्टेटस देखना है, तो आपको उसे roles/compute.viewer देना चाहिए, न कि roles/compute.admin।

Model Armor

Model Armor एक Google Cloud सेवा है जो आपकी AI एप्लीकेशन्स की सुरक्षा और सेफ़्टी बढ़ाने के लिए बनाई गई है। यह LLM प्रॉम्प्ट्स और प्रतिक्रियाओं की सक्रिय रूप से जाँच करके विभिन्न जोखिमों से सुरक्षा देती है और ज़िम्मेदार AI प्रैक्टिस सुनिश्चित करती है। 

चाहे आप Google Cloud पर AI परिनियोजित कर रहे हों या अन्य क्लाउड प्रदाताओं पर, Model Armor आपको दुर्भावनापूर्ण इनपुट रोकने, कंटेंट सेफ़्टी सत्यापित करने, संवेदनशील डेटा की सुरक्षा करने, अनुपालन बनाए रखने और अपनी AI सेफ़्टी व सिक्योरिटी नीतियाँ अपनी AI एप्लीकेशन्स में सुसंगत रूप से लागू करने में मदद कर सकता है।

Model Armor AI के लिए एक विशेष Web Application Firewall (WAF) की तरह कार्य करता है:

• प्रॉम्प्ट सैनिटाइज़ेशन: यह हर इनकमिंग प्रॉम्प्ट को इंजेक्शन अटैक्स और जेलब्रेक प्रयासों के लिए स्क्रीन करता है, इससे पहले कि रिक्वेस्ट आपके MCP सर्वर तक पहुँचे।
• कंटेंट सेफ़्टी: यह हानिकारक कंटेंट को फ़िल्टर करता है और Sensitive Data Protection (SDP) टेम्पलेट्स के साथ कॉन्फ़िगर किया जा सकता है ताकि PII (नाम, SSNs, क्रेडिट कार्ड नंबर) को प्रॉम्प्ट्स और टूल आउटपुट दोनों में मास्क किया जा सके।
• फ़्लोर सेटिंग्स: Google MCP के लिए एक विशिष्ट "सिक्योरिटी फ़्लोर" की सिफारिश करता है, जिसमें दुर्भावनापूर्ण URLs और प्रॉम्प्ट इंजेक्शन पैटर्न के लिए अनिवार्य स्कैनिंग शामिल है।

ऑब्ज़र्वेबिलिटी और कंप्लायंस

Google MCP सर्वर के माध्यम से किया गया हर टूल कॉल एक दस्तावेजीकृत इवेंट होता है।

• क्लाउड लॉगिंग: MCP कार्रवाइयाँ अपने-आप Cloud Logging में रूट होती हैं। इसमें एजेंट ID, सेशन ID, कॉल किया गया विशिष्ट टूल और पेलोड शामिल होता है।

• ऑडिट ट्रेल्स: mcp.googleapis.com सेवा के लिए डेटा एक्सेस लॉग्स सक्षम करके, आप अनुपालन समीक्षा के लिए एक स्थायी रिकॉर्ड बनाए रख सकते हैं, जिससे आप यह उत्तर दे सकें: "किसने (कौन-से एजेंट ने) कौन-सा डेटा, कब एक्सेस किया?"

निष्कर्ष

हर मॉडल या टूल के लिए नाज़ुक कस्टम कनेक्टर्स अब नहीं: Google के मैनेज्ड MCP सर्वर Google Cloud पर एजेंटिक AI के लिए एक मोड़ साबित होते हैं। ओपन MCP मानक अपनाकर और BigQuery, Google Maps, Compute Engine और GKE के लिए फुली-होस्टेड, एंटरप्राइज़-ग्रेड इम्प्लीमेंटेशन देकर, Google ने भरोसेमंद, कार्रवाई करने वाले एजेंट्स बनाने की सबसे बड़ी रुकावटें दूर कर दी हैं।

जैसा कि हमने इस गाइड में देखा, यह मानकीकृत आर्किटेक्चर "ग्लू कोड" के दुःस्वप्न को समाप्त करता है और आपको हर क्लाइंट के लिए टूल्स फिर से लिखे बिना लोकल प्रोटोटाइप से Cloud Run डिप्लॉयमेंट तक स्केल करने देता है। साथ ही, Google Cloud IAM और Model Armor के साथ, आपके एजेंट आधुनिक AI खतरों से नैटिव रूप से सुरक्षित हैं।

"चैटबॉट" से "एजेंट" की ओर बढ़ना अब हो रहा है। Google MCP सर्वरों में महारत हासिल करके, आप केवल प्रश्नों के उत्तर देने वाला AI नहीं बना रहे—आप एक ऐसा डिजिटल टीममेट बना रहे हैं जो आपकी क्लाउड को विचारों की गति से संचालित कर सके।

क्या आप इस गाइड में सीखी हर चीज़ को करियर-स्तरीय विशेषज्ञता में बदलने के लिए तैयार हैं? हमारे Associate AI Engineer for Developers करियर ट्रैक में नामांकन करें।