Google MCP Sunucuları Eğitimi: GCP'de Etken Yapay Zekâ Dağıtımı

Büyük dil modelleri (LLM’ler) yapay zekâ ile etkileşimimizi dönüştürdü, ancak hâlâ büyük ölçüde sohbet arayüzlerine sıkışmış durumdalar. Bir yapay zekâdan BigQuery’deki en güncel satış verilerinizi analiz etmesini veya GKE’de küme sağlığını kontrol etmesini istemek genellikle her araç, her model ve her iş akışı için yapıştırıcı (glue) kod yazmayı gerektirir.

Google’ın yönetilen MCP sunucularıyla tanışın: AI ajanlarını BigQuery, Google Maps, Compute Engine (GCE) ve Kubernetes Engine (GKE) gibi güçlü Google Cloud altyapısına özel bağlayıcılar olmadan bağlayan kurumsal çözüm. 

Anthropic’in açık Model Context Protocol (MCP) standardı üzerine kurulu bu tamamen yönetilen uzak sunucular, güvenli ve standartlaştırılmış erişim sağlar; böylece herhangi bir MCP uyumlu istemci (Gemini CLI veya Claude Desktop gibi) yapay zekâyı proaktif bir operatöre dönüştürebilir.

Bu rehberde MCP’nin ve Google’ın sunucu portföyünün pratik mimarisini gösterecek ve üretime hazır bir MCP sunucusunu dağıtmak için gereken adımları tek tek anlatacağım. İster AI’ı kurumsal veriye dayandırın ister DevOps görevlerini otomatikleştirin, dakikalar içinde çalışır hâle geleceksiniz.

Google Cloud’da yeni misiniz? Faturalama, projeler ve temel hizmetleri kapsamak için ücretsiz GCP’ye Giriş kursuyla başlamanızı öneririm.

Model Context Protocol nedir?

Model Context Protocol (MCP) Anthropic tarafından Kasım 2024’te tanıtılan açık kaynaklı bir standarttır. Sıklıkla “yapay zekâ için USB-C” olarak tanımlanan evrensel bir arayüz gibi davranır ve AI modelleri ile ajanların haricî veri kaynaklarına, araçlara ve sistemlere nasıl bağlanacağını standartlaştırır.

MCP’den önce bir AI ajanını veritabanları, API’ler veya bulut hizmetleri gibi araçlarla entegre etmek, her AI modeli için (ör. Claude, Gemini veya GPT için ayrı ayrı) özel bağlayıcılar oluşturmayı gerektiriyordu. Bu da parçalı entegrasyonların patlamasına yol açıyordu. 

MCP bunu tek ve tutarlı bir protokol tanımlayarak çözer: Geliştiriciler bir aracı veya veri kaynağını bir kez MCP sunucusu olarak uygular ve herhangi bir MCP uyumlu AI istemcisi (Claude Desktop, Gemini CLI veya özel ajanlar gibi) bunu sorunsuzca keşfedip kullanabilir.

Temel fayda birlikte çalışabilirlik ve yinelenen çabaların azaltılmasıdır. BigQuery için bir MCP sunucusu yazın; ek adaptörlere gerek kalmadan desteklenen tüm AI modellerinde çalışır. Bu da sadece soruları yanıtlamakla kalmayıp etkin biçimde muhakeme eden, veri sorgulayan ve gerçek dünyada eylemler gerçekleştiren etken yapay zekâ sistemlerinin geliştirilmesini hızlandırır.

İstemci bağlı sunuculardan kullanılabilir araçları keşfeder, LLM hangisinin çağrılacağına karar verir ve sonuçlar daha fazla muhakeme için geri akar; tümü MCP’nin JSON-RPC tabanlı protokolüyle standartlaştırılmıştır.

Bu “evrensel çevirmen” tasarımı, Google’ın (ve diğerlerinin) MCP’yi hızla benimsemesinin nedenidir: yönetilen sunucuları doğrudan bu ekosisteme oturur ve Google Cloud hizmetlerini herhangi bir MCP istemcisi için anında erişilebilir kılar.

Google MCP Sunucusu nedir?

Google MCP Sunucuları, Model Context Protocol’ün (MCP) Google tarafından tamamen yönetilen, uzak uygulamalarıdır. Aralık 2025’te kullanıma sunulan bu kurumsal sınıf sunucular, BigQuery, Google Maps, GCE ve GKE ile başlayarak güçlü Google Cloud hizmetlerini standartlaştırılmış, keşfedilebilir araçlar olarak açığa çıkarır; böylece herhangi bir MCP uyumlu AI istemcisi anında kullanabilir.

Kendi barındırma, bakım, ölçekleme ve özel güvenlik sertleştirmesi gerektiren topluluk veya açık kaynak MCP sunucularının aksine, Google’ın yönetilen sunucuları Google’ın altyapısında çalışır. Şunları sağlar:

• Sıfır dağıtım yükü: Yalnızca projenizde hizmeti etkinleştirin ve istemcinizi resmî uç noktaya yönlendirin (ör. https://bigquery.googleapis.com/mcp).
• Kurumsal güvenilirlik: Yüksek erişilebilirlik, otomatik ölçekleme ve küresel uç noktalar.
• Yerleşik güvenlik: IAM tabanlı kimlik doğrulama, Model Armor (istem enjeksiyonu ve veri sızdırma koruması için Google’ın LLM güvenlik duvarı), denetim günlüğü ve asgarî ayrıcalık kontrolleri.
• Yönetişim: Proje veya kuruluş bazında merkezi etkinleştirme/devre dışı bırakma.

Bu teknoloji etken iş akışlarının kilidini açar. Bir AI’ın yalnızca bir SQL sorgusunun nasıl çalıştığını açıklaması yerine, BigQuery’de sorguyu gerçekten çalıştırabilir, sonuçları analiz edebilir ve bir sonraki iş hamlesini önerebilir. 

Bu ajanlar otonom davranabilse de, Google’ın uygulaması kritik altyapı değişiklikleri gerçekleşmeden önce bir insanın gözden geçirip onaylamasını sağlayan “insan denetiminde” yapılandırmaları destekler.

Yapay zekâ destekli tarayıcı otomasyonu ilginizi çekiyorsa, Chrome DevTools MCP eğitimimizi incelemenizi öneririm.

Google’ın MCP Sunucuları Portföyü

Google, kilit bulut hizmetlerini AI ajanları için anında araçlara dönüştüren ve sürekli büyüyen bir dizi tamamen yönetilen MCP sunucusu sağlar. Bu sunucular işlevlerine göre kategorize edilir; böylece ajanlar özel koda ihtiyaç duymadan veri analizinden altyapı yönetimine kadar her şeyi ele alabilir.

Ekosistem sunucuları iki ana kategoriye ayırır:

• Veri zekâsı: Gerçek dünyadaki verilerde sorgulama, analiz ve dayandırmaya odaklanır.
• Altyapı operasyonları: Hesaplama kaynaklarının kontrol ve izlemesini sağlar.

Veri zekâsı sunucuları

BigQuery ve Maps MCP sunucuları, verilerinizi iş akışınıza dahil etmek için heyecan verici fırsatlar sunar.

BigQuery

BigQuery MCP sunucusu ajanların şunları yapmasına olanak tanır:

• Doğrudan veri kümeleri üzerinde SQL sorguları çalıştırma
• Kullanılabilir veri kümelerini ve tabloları listeleme
• Şema meta verilerini ve örnek verileri alma
• BigQuery ML aracılığıyla çıkarım dâhil analitik işler yürütme

Bu sayede ajanlar karmaşık veri analizi yapabilir, raporlar oluşturabilir veya eğilimleri otonom biçimde tahmin edebilir.

Google Maps

Google Maps MCP sunucusu Grounding Lite ve Places API tarafından desteklenir ve şunları sağlar:

• Jeokodlama ve ters jeokodlama
• Mekân arama ve ayrıntı alma
• Rota hesaplama ve yol tarifi
• Mesafe matrisi hesaplamaları

Kullanım Senaryosu: Gerçek zamanlı iş zekâsı ve lojistik optimizasyonu. Bir ajan BigQuery’de satış verilerini sorgulayabilir, coğrafi içgörüler için Maps ile çapraz referanslayabilir ve tek bir muhakeme döngüsünde teslimat rotası optimizasyonları önerebilir.

Altyapı operasyonları sunucuları

Altyapı tarafında Kubernetes Engine (GKE) ve Compute Engine (GCE) MCP sunucularını kullanabilirsiniz.

Google Kubernetes Engine

GKE MCP sunucusu şu işlemleri açığa çıkarır:

• Kümeleri, düğümleri ve pod’ları listeleme
• Küme sağlığını ve kaynak kullanımını kontrol etme
• Günlükleri ve olayları okuma
• Dağıtımları ölçeklendirme (uygun IAM izinleriyle)

Google Compute Engine

GCE MCP sunucusu şunları etkinleştirir:

• VM örneklerini listeleme, başlatma, durdurma ve yeniden başlatma
• Diskleri veya makine türlerini listeleme
• Örnek meta verilerini ve durumunu sorgulama

Kullanım Senaryosu: DevOps ekipleri için otomatik sorun giderme ve “ChatOps”. Bir ajan GKE araçlarıyla bir pod çökmesini tespit edebilir, GCE’den VM metrikleriyle ilişkilendirebilir ve düzeltme adımlarını başlatabilir—çözüm için geçen ortalama süreyi saatlerden dakikalara düşürür.

Google, bu portföyü (2026 başı itibarıyla ön izleme aşamasında olan Cloud Storage ve AlloyDB gibi hizmetlerle) genişletmeye devam ediyor; böylece Google Cloud’un daha fazlası ajanlar tarafından yerel olarak erişilebilir hâle geliyor.

Google MCP Sunucusu Çekirdek Mimarisi

MCP’nin gücü, esnek ama standartlaştırılmış iletişim katmanlarında yatar; yerelde prototipleme yaparken de, üretime hazır ajanları ölçekli olarak çalıştırırken de kesintisiz bağlantılar sağlar. Google’ın yönetilen MCP sunucuları kurumsal dağıtımlar için öncelikle uzak akışlanabilir HTTP kullanırken, yerel geliştirme stdio’dan yararlanır. 

Stdio ile yerel iletişim

stdio (standart giriş/çıkış) taşıma yöntemi bir MCP sunucusunu çalıştırmanın en basit yoludur. Burada MCP istemcisi (ör. Claude Desktop veya özel bir ajan), sunucuyu aynı makinede bir alt süreç olarak başlatır; iletişim doğrudan borular (pipes) üzerinden olur ve ağ kullanılmaz.

Artıları:

• Geliştirme ve test için son derece kolay kurulum
• Doğal güvenlik (açık port veya ağ saldırı yüzeyi yok)
• Düşük gecikme

Eksileri:

• Makineler veya ekipler arasında paylaşılabilir değil
• Sınırlı ölçeklenebilirlik (istemci ana makinesine bağlı)
• Birden fazla oturum için yerleşik eşzamanlılık yok

Bu mod, özel MCP sunucularıyla denemeler yapmak veya uzak moda geçmeden önce bağlantıları test etmek için idealdir.

Akışlanabilir HTTP ile uzak iletişim

Üretim ve kurumsal kullanım için, Google’ın yönetilen sunucuları (ve kendi barındırılan özel sunucular) tek, kalıcı bir uç nokta üzerinden akışlanabilir HTTP kullanır. Bu, önceki Sunucu Taraflı Olaylar (SSE) yaklaşımının yerine, şu destekleri sunan daha sağlam bir tasarım getirir:

• Tüm etkileşimler için HTTP POST istekleri
• Büyük veya artımlı yanıtlara yönelik isteğe bağlı çift yönlü akış (ör. BigQuery sonuçlarını akışlama)
• Durumlu konuşmalar için oturum kimlikleri
• Çoklu araç paralel çağrıları için eşzamanlı bağlantılar

Google’ın yönetilen uç noktaları tutarlı bir deseni izler, örn.:

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

Tüm trafik Google Kimlik belirteçleriyle (OAuth2) güvence altına alınır; çağrıların IAM üzerinden kimliği doğrulanır ve yetkilendirilir.

Bir sıralama akışı şu şekilde görünebilir:

1. İstemci, /mcp’ye POST ile araç keşfi/isteği gönderir.

2. Sunucu kimliği doğrular ve arka uç hizmetine yönlendirir.

3. Arka uç yürütür (ör. BigQuery’de SQL çalıştırır).

4. Yanıt, büyük çıktıları verimli işlemek için parça parça (JSON-RPC biçiminde) geri akışlanır.

Google MCP Sunucuyla Başlarken

Google’ın MCP sunucularının en büyük avantajlarından biri, kendi barındırılan alternatiflere kıyasla çok az kurulum gerektirmeleridir. Adımları ilerlerken, yönetilen ve özel sunucular arasındaki ayrımı net biçimde yapacağız.

• Yönetilen Google MCP Sunucuları: Bunlar BigQuery, Maps, GCE ve GKE gibi hizmetler içindir ve tamamen Google tarafından barındırılır. Herhangi bir şey dağıtmazsınız—yalnızca projenizde uç noktaları etkinleştirir, IAM izinleri verirsiniz ve istemcinizi yapılandırırsınız. Kutudan çıkar çıkmaz kullanıma hazırdırlar.
• Özel MCP Sunucuları: Dahili araçlar, üçüncü taraf API’ler veya gelişmiş uzantılar için kendi sunucunuzu oluşturur ve dağıtırsınız (ör. Google’ın MCP Toolbox’ını kullanarak). Genellikle ölçeklenebilirlik için Cloud Run’a dağıtılırlar.

Yönetilen sunucular için Google Cloud ortamını kurma

Yönetilen MCP sunucularını etkinleştirmek ve hazırlamak için (resmî eğitim temel alınarak) şu adımları izleyin.

Önkoşullar

• Faturalama etkin bir Google Cloud projesi

• Google Cloud Console erişimi ve Cloud Shell (veya yerel gcloud CLI)

• Kullanıcı hesabınız gcloud auth login ile kimliği doğrulanmış

Proje Kurulumu ve API’lerin Etkinleştirilmesi

1. Google Cloud Console’da bir proje oluşturun veya seçin.
2. Henüz yapılmadıysa faturalamayı etkinleştirin.
3. Çekirdek hizmet API’lerini etkinleştirin (Cloud Shell veya yerel terminalde):

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.comAltyapı:

Maps MCP’nin faturalama ve kota için kendi API anahtarına ihtiyaç duyduğunu unutmayın. Aşağıdaki komutla bir tane oluşturun:

gcloud alpha services api-keys create --display-name="Maps-MCP-Key"Altyapı:

Görüntülenen keyString’i kopyalayın—istemci yapılandırması için gerekecek.

Yönetilen MCP Sunucularını etkinleştirin (beta)

MCP hizmetleri açıkça beta etkinleştirmesi gerektirir:

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_IDAltyapı:

IAM Yapılandırması

MCP aracına hesabınıza kullanıcı rolü verin:

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

Asgarî ayrıcalık erişimi için hizmete özel roller ekleyin, örn.:

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

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

Yönetilen sunucular artık hazır! Uç noktalar:

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

Özel uzak MCP Sunucularını Cloud Run’a dağıtma

Google’ın yönetilen portföyünün ötesindeki özel araçlar için, FastMCP (Python) gibi kitaplıkları kullanarak kendi MCP sunucunuzu oluşturun ve ölçeklenebilirlik ve ekip paylaşımı için Cloud Run’a dağıtın. Burada ayrıntılara çok girmeyeceğiz ancak sürecin yüksek seviyeli bir özetini vereceğiz.

Yüksek Seviyeli Adımlar:

1. Bir Python projesi oluşturun ve FastMCP’yi bir bağımlılık olarak ekleyin (uv gibi araçları kullanarak).

2. Özel araçlar tanımlayarak sunucu kodunuzu (ör. server.py) uygulayın, transport="streamable-http" kullanın.

3. Bağımlılıkları kurmak ve sunucuyu $PORT’ta çalıştırmak için hafif bir Dockerfile yazın (python:slim tabanlı).

4. Gerekli API’leri etkinleştirin (Cloud Run, Artifact Registry, Cloud Build).

5. Doğrudan kaynaktan dağıtın veya bir konteyner oluşturup itin.

6. Hizmeti güvene alın: IAM kimlik doğrulaması gerektirir (--no-allow-unauthenticated), yetkili ilkelere roles/run.invoker verin ve istemci bağlantıları için kimlik belirteçleri kullanın.

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

Bu süreç, basit sunucular için 10 dakikanın altında sürer ve otomatik ölçeklemeyle üretim sınıfı barındırma sağlar.

Google MCP Sunucusu İstemci Yapılandırması ve Entegrasyon

Dağıtılmış (veya etkinleştirilmiş) bir MCP sunucusu, bir AI istemcisine bağlandığında gerçekten güçlü hâle gelir. Bu bölüm, popüler istemcilerin Google’ın yönetilen MCP sunucularını kullanacak şekilde yapılandırılmasını ve programatik ajanların oluşturulmasını kapsar.

MCP Inspector ile test etme

MCP Inspector, Google’ın yönetilenleri dâhil herhangi bir MCP sunucusunu keşfetmek için temiz bir web tabanlı arayüz sağlar. Kimlik doğrulama sorunlarını gidermek, tam araç adlarını/parametrelerini keşfetmek ve gerçek yanıtları görmek için özellikle yararlıdır.

Süreç şu şekilde görünür:

1. Inspector’ı başlatın
2. Google yönetimli bir MCP Sunucusuna bağlanın
3. Araçları keşfedin ve test edin

Inspector’ı başlatmak için terminalinizde şu komutu çalıştırın:

npx @modelcontextprotocol/inspectorAltyapı:

Bu, yerel bir web sunucusu başlatır ve Inspector arayüzünü varsayılan tarayıcınızda açar. 

Sırada bir Google MCP Sunucusuna bağlanmak var. Örnek olarak Google Maps ile başlayalım. 

Inspector arayüzünde, sol tarafta, MCP Inspector’ı Google Maps MCP Sunucumuza bağlanacak şekilde yapılandıracağız. Lütfen aşağıdaki talimat ve değerleri girerek takip edin:

1. Taşıma Türü: Streamable HTTP seçin

2. URL: https://mapstools.googleapis.com/mcp girin

3. Bağlantı Türü: Proxy üzerinden seçin (bu, oturum açmış gcloud kimlik bilgilerinizle Google kimlik doğrulamayı güvenle yönetir).

4. Özel Üstbilgiler: Bir üstbilgi ekleyin

   • Anahtar: X-Goog-Api-Key

   • Değer: Maps API anahtarınız (önceki kurulumdaki keyString).

5. Connect’e tıklayın.

Her şey yolunda giderse MCP Inspector’ın Sunucuya başarıyla bağlandığını görmelisiniz. Sağ panelde, List Tools’a tıklayarak Google Maps MCP Sunucusunun desteklediği araçları alabilirsiniz.

Araçları keşfedip test edelim:

• Herhangi bir aracı seçerek tam JSON şemasını görüntüleyin: açıklama, parametreler (türler ve gerekli alanlar) ve örnekler. 
• Parametreleri doldurun (ör. sorgu: "best coffee in Pune, Maharashtra") ve Invoke’a tıklayın.
• Gerçek sonuçlar anında görünür; büyük yanıtlar parça parça akışlanır.

BigQuery ve Compute sunucuları için süreç aynıdır ancak daha basittir; çünkü bir API anahtarı üstbilgisine gerek yoktur. Kimlik doğrulama otomatik olarak proxy üzerinden akar.

Gemini CLI’yi yapılandırma

Gemini CLI, MCP sunucuları için derin, yerel entegrasyona sahip Google’ın resmî açık kaynak terminal ajanıdır. Etken iş akışları kurmaya başlamanın en sorunsuz yoludur. 

Gemini CLI kurulumu

Gemini CLI’yi aşağıdaki komutla yükleyin:

npm install -g @google/gemini-cli@latestAltyapı:

Sunucu ekleme ve bağlantıyı test etme

Yine örnek olarak Maps’i kullanacağız. Google Maps MCP Sunucusunu eklemek için aşağıdaki komutu kullanın ve YOUR_MAPS_API_KEY’i daha önce oluşturduğumuz Maps API anahtarınızla değiştirmeyi unutmayın.

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

Yeni bir Gemini oturumunda /mcp list komutuyla bağlantıyı doğrulayın.

İlk etkileşimimizde basit bir doğal dil sorusu soruyoruz: 

“New York’ta ekonomik kahvaltı yapabileceğim yerler hangileri?”

Gemini otomatik olarak Maps araçlarını seçer. Çalıştırılmalarını onayladığınızda bu araçları çağırır ve biçimlendirilmiş sonuçlar döndürür.

Çalıştı! Şu yanıtı aldık:

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.Altyapı:

Gemini CLI’deki klasik “Merhaba Dünya” anı: sunucular eklendikten sonra temiz araç listesi ve ardından gerçek Maps araç çağrılarını tetikleyen doğal dil sorguları. 

Gemini CLI’yi Google Maps MCP Sunucusuyla kullanma

Maps verileriyle birlikte daha gelişmiş muhakeme becerilerini test etmek için şu istemi iletiyoruz: 

"Mumbai’den Goa’ya araba ile bir rota planla; yolun yarısında manzaralı bir öğle yemeği molası verelim. Orada iyi bir restoran öner."

Bu istemi gönderdiğinizde AI ajanı (Gemini veya Claude), yalnızca Google Maps MCP araçlarını kullanarak sofistike çok adımlı bir muhakeme döngüsü gerçekleştirir:

1. Tüm rotayı hesaplama: Ajan, başlangıç “Mumbai” ve varış “Goa” ile compute_routes çağrısı yapar. Trafiğe duyarlı olarak yaklaşık ~566 km mesafe ve ~11 saat 41 dakika süre döner.

2. Yarı noktayı muhakeme etme: Ajan, yarının (~280–300 km) Konkan bölgesi civarına, özellikle de nehir manzaraları, geçitleri ve doğal güzellikleriyle ünlü Chiplun’a denk geldiğini hesaplar.

3. Manzaralı restoran arama: Chiplun/Ratnagiri’ye ağırlık veren sorgularla search_places kullanır; yüksek puan, açık hava/manzaralı görünüm ve öğle yemeği uygunluğuna göre filtreler.

4. En iyi seçeneği seçip tanımlama: Son olarak (sizin durumda Chiplun’daki The Riverview Restaurant) öne çıkan bir yeri seçer ve açık hava oturma alanını ve rahat atmosferini vurgular.

Bu yanıt canlı olarak üretilir. Rota süresi, hata ayıklama çıktısında gördüğünüz compute_routes araç çağrısından doğrudan gelir ve restoran önerisi gerçek Places API verilerine dayandırılır: sabitlenmiş bilgiler yok, hayal ürünü yok; yalnızca güvenli, güncel araç kullanımı.

Gemini CLI aracılığıyla aracın nasıl çağrıldığı ve önerinin nasıl çıktılanadığı şöyledir:

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 tripAltyapı:

LangChain veya LangGraph ile Programatik Entegrasyon

Gemini CLI veya Claude Desktop gibi etkileşimli istemcilerin ötesinde, Google’ın yönetilen MCP sunucularının gerçek gücü, kod içinde özel, üretime hazır AI ajanları oluşturduğunuzda ortaya çıkar. Açık kaynaklı LangChain ekosistemi, herhangi bir uzak MCP sunucusunu standart LangChain araçlarına dönüştüren langchain-mcp-adapters paketiyle bunu kolaylaştırır.

Bu yaklaşım, araç keşfi, kimlik doğrulama ve çağrıya ilişkin tam görünürlük sağlar: hata ayıklama, özel araç yönlendiricileri oluşturma veya mevcut eşzamansız iş akışlarına entegrasyon için idealdir.

LangChain kullanarak BigQuery MCP Sunucusuna bağlanma

Daha iyi anlamanız için bir örnekle gösterelim. Aşağıdaki eksiksiz, çalıştırılabilir betik şunları nasıl yapacağınızı gösterir:

• Application Default Credentials kullanarak Google Cloud’a kimlik doğrulama

• Akışlanabilir HTTP üzerinden yönetilen BigQuery MCP uç noktasına bağlanma

• Tüm kullanılabilir araçları keşfetme

• Belirli bir aracı (list_dataset_ids) çağırma ve gerçek sonuçları yazdırma

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())Altyapı:

Doğru yapılandırılmış bir GCP projesinde çalıştırıldığında bu betik şu çıktıya benzer bir çıktı üretir:

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: (...)Altyapı:

Bu şunları doğrular:

• ADC üzerinden güvenli kimlik doğrulama
• Google’ın yönetilen uzak sunucusuyla başarılı el sıkışma
• Tam araç keşfi
• Gerçek BigQuery veri kümelerinizi döndüren canlı yürütme

Bu düşük seviyeli desen şuralarda paha biçilmezdir:

• Bağlantı veya izin sorunlarını giderme
• Özel araç seçim mantığı oluşturma
• MCP’yi FastAPI hizmetlerine, arka plan işçilerine veya akış uygulamalarına entegre etme
• Eşzamansız akışlar üzerinde hassas denetim gerektiğinde

Bağlantıyı bu şekilde doğruladıktan sonra, (önceki örneklerde gösterildiği gibi) LangGraph ajanları gibi daha üst düzey çerçevelere güvenle ölçeklenebilir veya bu araçları herhangi bir LangChain uyumlu sisteme besleyebilirsiniz.

Bu temel ile, Google MCP sunucuları, özel yapıştırıcı koda gerek kalmadan Python AI yığınınızın güvenli ve üretime hazır bir uzantısı hâline gelir.

Google MCP Sunucusu için Güvenlik En İyi Uygulamaları

Güvenlik, Google’ın yönetilen MCP sunucularında sonradan düşünülmüş bir unsur değildir; en baştan yerleştirilmiştir. Google’ın altyapısında çalışarak ve Google Cloud’un kimlik ve erişim yönetimiyle derin entegrasyon sağlayarak, bu sunucular kendi barındırılan veya deneysel alternatifleri çok geride bırakan kurumsal düzeyde korumalar sunar.

Kimlik ve Erişim Yönetimi

Google Cloud, MCP araçlarınızı kimin (veya neyinkinin) çağırabileceğini yönetmek için sağlam IAM (Identity and Access Management) çerçevesini kullanır.

Rol Tabanlı Erişim Denetimi (RBAC) kapsamında, her AI ajanının kendine ait özel bir hizmet hesabı olmalıdır. Bu denetim, iki ayrı yetkilendirme katmanına dayanır:

• Ağ geçidi rolü: Herhangi bir Google MCP aracını kullanmak için kimliğin roles/mcp.toolUser rolüne sahip olması gerekir.

• Hizmete özel izinler: mcp.toolUser yalnızca bağlantıya izin verdiğinden, eylem için yine de belirli izinler vermeniz gerekir. Örneğin, AI’ın veri sorgulaması gerekiyorsa roles/bigquery.jobUser gerekir. Tersine, yalnızca VM durumunu görmesi gerekiyorsa roles/compute.viewer verilmeli, roles/compute.admin değil.

Model Armor

Model Armor, AI uygulamalarınızın güvenliğini ve emniyetini artırmak için tasarlanmış bir Google Cloud hizmetidir. LLM istemlerini ve yanıtlarını proaktif olarak tarayarak çeşitli risklere karşı korur ve sorumlu AI uygulamalarını sağlar. 

AI’yı Google Cloud’da veya diğer bulut sağlayıcılarında dağıtıyor olun, Model Armor kötü niyetli girdileri engellemenize, içerik güvenliğini doğrulamanıza, hassas verileri korumanıza, uyumluluğu sürdürmenize ve AI güvenlik ve emniyet politikalarınızı uygulamalarınız genelinde tutarlı biçimde uygulamanıza yardımcı olabilir.

Model Armor, AI için özelleşmiş bir Web Uygulaması Güvenlik Duvarı (WAF) gibi davranır:

• İstem temizleme: Her gelen istemi, istek MCP sunucunuza ulaşmadan önce enjeksiyon saldırıları ve kaçış girişimleri için tarar.
• İçerik güvenliği: Zararlı içeriği filtreler ve Hassas Veri Koruması (SDP) şablonlarıyla yapılandırılarak hem istemlerde hem araç çıktılarında KKB’yi (isimler, SSN’ler, kredi kartı numaraları) maskeleyebilir.
• Asgari güvenlik ayarları: Google, MCP için, kötü amaçlı URL’ler ve istem enjeksiyonu kalıpları için zorunlu taramayı içeren belirli bir “güvenlik tabanı” önerir.

Gözlemlenebilirlik ve Uyumluluk

Bir Google MCP sunucusu üzerinden yapılan her araç çağrısı belgelenmiş bir olaydır.

• Bulut günlüğü: MCP eylemleri otomatik olarak Cloud Logging’e yönlendirilir. Buna ajan kimliği, oturum kimliği, çağrılan belirli araç ve yük dahildir.

• Denetim izleri: mcp.googleapis.com hizmeti için veri erişim günlüklerini etkinleştirerek, uyumluluk incelemeleri için kalıcı bir kayıt tutabilirsiniz; böylece “Kim (hangi ajan) hangi veriye ne zaman erişti?” sorusunu yanıtlayabilirsiniz.

Sonuç

Her model veya araç için kırılgan özel bağlayıcılar devri bitti: Google’ın yönetilen MCP sunucuları, Google Cloud üzerinde etken yapay zekâ için bir dönüm noktasıdır. Açık MCP standardını benimseyip BigQuery, Google Maps, Compute Engine ve GKE için tamamen barındırılan, kurumsal sınıf uygulamalar sunarak, güvenilir ve eyleme geçebilen ajanlar oluşturmanın önündeki en büyük engelleri ortadan kaldırdı.

Bu rehberde gördüğümüz üzere, bu standartlaştırılmış mimari “yapıştırıcı kodu” kâbusunu ortadan kaldırır ve her istemci için araçları yeniden yazmadan yerel prototiplerden Cloud Run dağıtımlarına ölçeklenmenize imkân verir. Ayrıca Google Cloud IAM ve Model Armor ile ajanlarınız modern AI tehditlerine karşı yerel olarak korunur.

“Sohbet Botu”ndan “Ajan”a geçiş şu an gerçekleşiyor. Google MCP Sunucularına hâkim olarak, sadece soruları yanıtlayan bir yapay zekâ değil—bulutunuzu düşünce hızında çalıştırabilen dijital bir ekip arkadaşı inşa ediyorsunuz.

Bu rehberde öğrendiklerinizi kariyer seviyesinde uzmanlığa dönüştürmeye hazır mısınız? Geliştiriciler için Associate AI Engineer kariyer yoluna kaydolun.