1. Giới thiệu
Tổng quan
Trong phòng thí nghiệm này, bạn sẽ tạo và triển khai một máy chủ Giao thức ngữ cảnh mô hình (MCP). Máy chủ MCP rất hữu ích trong việc cung cấp cho các mô hình ngôn ngữ lớn (LLM) quyền truy cập vào các công cụ và dịch vụ bên ngoài. Bạn sẽ định cấu hình máy chủ này dưới dạng một dịch vụ an toàn, sẵn sàng cho hoạt động sản xuất trên Cloud Run mà nhiều ứng dụng có thể truy cập. Sau đó, bạn sẽ kết nối với máy chủ MCP từ xa bằng Gemini CLI.
Bạn sẽ thực hiện
Chúng ta sẽ sử dụng Genkit để tạo một máy chủ MCP cho vườn thú có 2 công cụ: get_animals_by_species và get_animal_details. Genkit cung cấp một cách nhanh chóng để tạo máy chủ và ứng dụng MCP bằng Node.js.
Kiến thức bạn sẽ học được
- Triển khai máy chủ MCP lên Cloud Run.
- Bảo mật điểm cuối của máy chủ bằng cách yêu cầu xác thực cho tất cả các yêu cầu, đảm bảo chỉ những ứng dụng và tác nhân được uỷ quyền mới có thể giao tiếp với máy chủ.
- Kết nối với điểm cuối máy chủ MCP an toàn từ Gemini CLI
2. Thiết lập dự án
- Nếu chưa có, bạn phải tạo một Tài khoản Google.
- Sử dụng tài khoản cá nhân thay vì tài khoản công việc hoặc trường học. Tài khoản công việc và trường học có thể có những hạn chế khiến bạn không thể bật các API cần thiết cho phòng thí nghiệm này.
- Đăng nhập vào Google Cloud Console.
- Bật tính năng thanh toán trong Cloud Console.
- Việc hoàn thành phòng thí nghiệm này sẽ tốn ít hơn 1 USD tài nguyên trên Cloud.
- Bạn có thể làm theo các bước ở cuối phòng thí nghiệm này để xoá tài nguyên nhằm tránh bị tính thêm phí.
- Người dùng mới đủ điều kiện nhận khoản tín dụng dùng thử miễn phí trị giá 300 USD.
- Tạo một dự án mới hoặc chọn sử dụng lại một dự án hiện có.
- Nếu bạn thấy lỗi về hạn mức dự án, hãy sử dụng lại một dự án hiện có hoặc xoá một dự án hiện có để tạo một dự án mới.
3. Mở Trình chỉnh sửa Cloud Shell
- Nhấp vào đường liên kết này để chuyển trực tiếp đến Trình chỉnh sửa Cloud Shell
- Nếu được nhắc uỷ quyền vào bất kỳ thời điểm nào trong ngày hôm nay, hãy nhấp vào Uỷ quyền để tiếp tục.
- Nếu thiết bị đầu cuối không xuất hiện ở cuối màn hình, hãy mở thiết bị đầu cuối:
- Nhấp vào Xem
- Nhấp vào Thiết bị đầu cuối
- Trong thiết bị đầu cuối, hãy đặt dự án bằng lệnh này:
- Định dạng:
gcloud config set project [PROJECT_ID] - Ví dụ:
gcloud config set project lab-project-id-example - Nếu bạn không nhớ mã dự án:
- Bạn có thể liệt kê tất cả mã dự án bằng:
gcloud projects list | awk '/PROJECT_ID/{print $2}'
- Bạn có thể liệt kê tất cả mã dự án bằng:
- Định dạng:
- Bạn sẽ thấy thông báo này:
Updated property [core/project].
WARNINGvà được hỏiDo you want to continue (Y/n)?, thì có thể bạn đã nhập sai mã dự án. Nhấnn, nhấnEnterrồi thử chạy lại lệnhgcloud config set project.
4. Bật API
Trong thiết bị đầu cuối, hãy bật các API:
gcloud services enable \
run.googleapis.com \
artifactregistry.googleapis.com \
cloudbuild.googleapis.com
Nếu được nhắc uỷ quyền, hãy nhấp vào Uỷ quyền để tiếp tục.
Lệnh này có thể mất vài phút để hoàn tất, nhưng cuối cùng sẽ tạo ra một thông báo thành công tương tự như thông báo này:
Operation "operations/acf.p2-73d90d00-47ee-447a-b600" finished successfully.
5. Chuẩn bị dự án JavaScript
- Tạo một thư mục có tên là
mcp-on-cloudrunđể lưu trữ mã nguồn cho quá trình triển khai:mkdir mcp-on-cloudrun && cd mcp-on-cloudrun - Tạo một dự án Node.js bằng công cụ
npmđể tạo tệppackage.json:npm init es6 -ynpm inittạo một tệppackage.jsoncho dự án của bạn. - Cài đặt các phần phụ thuộc
@modelcontextprotocol/sdk,expressvàzod:npm install @modelcontextprotocol/sdk express zod
6. Tạo máy chủ MCP cho vườn thú
Để cung cấp ngữ cảnh có giá trị nhằm cải thiện việc sử dụng các mô hình ngôn ngữ lớn (LLM) với MCP, hãy thiết lập một máy chủ MCP cho vườn thú bằng Genkit – một khung tiêu chuẩn để làm việc với Giao thức ngữ cảnh mô hình. Genkit cung cấp một cách nhanh chóng để tạo máy chủ và ứng dụng MCP bằng Node.js. Máy chủ MCP này cung cấp dữ liệu về các loài động vật tại một vườn thú hư cấu. Để đơn giản, chúng ta sẽ lưu trữ dữ liệu trong bộ nhớ. Đối với máy chủ MCP sản xuất, bạn có thể muốn cung cấp dữ liệu từ các nguồn như cơ sở dữ liệu hoặc API.
- Chạy lệnh sau để thêm Genkit làm phần phụ thuộc trong tệp
package.json:npm install genkitpackage-lock.jsonvào dự án của bạn. - Chạy lệnh sau để thêm thư viện Genkit AI MCP vào tệp
package.json:npm install @genkit-ai/mcp - Tạo và mở một tệp
index.jsmới cho mã nguồn máy chủ MCP:cloudshell edit index.jscloudshell editsẽ mở tệpindex.jstrong trình chỉnh sửa phía trên thiết bị đầu cuối. - Thêm mã nguồn máy chủ MCP cho vườn thú sau đây vào tệp
index.js:import express from 'express'; import { genkit, z } from 'genkit'; import { createMcpServer } from '@genkit-ai/mcp'; import { StreamableHTTPServerTransport } from '@modelcontextprotocol/sdk/server/streamableHttp.js'; // Dictionary of animals at the zoo const ZOO_ANIMALS = [ { "species": "lion", "name": "Leo", "age": 7, "enclosure": "The Big Cat Plains", "trail": "Savannah Heights" }, { "species": "lion", "name": "Nala", "age": 6, "enclosure": "The Big Cat Plains", "trail": "Savannah Heights" }, { "species": "lion", "name": "Simba", "age": 3, "enclosure": "The Big Cat Plains", "trail": "Savannah Heights" }, { "species": "lion", "name": "King", "age": 8, "enclosure": "The Big Cat Plains", "trail": "Savannah Heights" }, { "species": "penguin", "name": "Waddles", "age": 2, "enclosure": "The Arctic Exhibit", "trail": "Polar Path" }, { "species": "penguin", "name": "Pip", "age": 4, "enclosure": "The Arctic Exhibit", "trail": "Polar Path" }, { "species": "penguin", "name": "Skipper", "age": 5, "enclosure": "The Arctic Exhibit", "trail": "Polar Path" }, { "species": "penguin", "name": "Chilly", "age": 3, "enclosure": "The Arctic Exhibit", "trail": "Polar Path" }, { "species": "penguin", "name": "Pingu", "age": 6, "enclosure": "The Arctic Exhibit", "trail": "Polar Path" }, { "species": "penguin", "name": "Noot", "age": 1, "enclosure": "The Arctic Exhibit", "trail": "Polar Path" }, { "species": "elephant", "name": "Ellie", "age": 15, "enclosure": "The Pachyderm Sanctuary", "trail": "Savannah Heights" }, { "species": "elephant", "name": "Peanut", "age": 12, "enclosure": "The Pachyderm Sanctuary", "trail": "Savannah Heights" }, { "species": "elephant", "name": "Dumbo", "age": 5, "enclosure": "The Pachyderm Sanctuary", "trail": "Savannah Heights" }, { "species": "elephant", "name": "Trunkers", "age": 10, "enclosure": "The Pachyderm Sanctuary", "trail": "Savannah Heights" }, { "species": "bear", "name": "Smokey", "age": 10, "enclosure": "The Grizzly Gulch", "trail": "Polar Path" }, { "species": "bear", "name": "Grizzly", "age": 8, "enclosure": "The Grizzly Gulch", "trail": "Polar Path" }, { "species": "bear", "name": "Barnaby", "age": 6, "enclosure": "The Grizzly Gulch", "trail": "Polar Path" }, { "species": "bear", "name": "Bruin", "age": 12, "enclosure": "The Grizzly Gulch", "trail": "Polar Path" }, { "species": "giraffe", "name": "Gerald", "age": 4, "enclosure": "The Tall Grass Plains", "trail": "Savannah Heights" }, { "species": "giraffe", "name": "Longneck", "age": 5, "enclosure": "The Tall Grass Plains", "trail": "Savannah Heights" }, { "species": "giraffe", "name": "Patches", "age": 3, "enclosure": "The Tall Grass Plains", "trail": "Savannah Heights" }, { "species": "giraffe", "name": "Stretch", "age": 6, "enclosure": "The Tall Grass Plains", "trail": "Savannah Heights" }, { "species": "antelope", "name": "Speedy", "age": 2, "enclosure": "The Tall Grass Plains", "trail": "Savannah Heights" }, { "species": "antelope", "name": "Dash", "age": 3, "enclosure": "The Tall Grass Plains", "trail": "Savannah Heights" }, { "species": "antelope", "name": "Gazelle", "age": 4, "enclosure": "The Tall Grass Plains", "trail": "Savannah Heights" }, { "species": "antelope", "name": "Swift", "age": 5, "enclosure": "The Tall Grass Plains", "trail": "Savannah Heights" }, { "species": "polar bear", "name": "Snowflake", "age": 7, "enclosure": "The Arctic Exhibit", "trail": "Polar Path" }, { "species": "polar bear", "name": "Blizzard", "age": 5, "enclosure": "The Arctic Exhibit", "trail": "Polar Path" }, { "species": "polar bear", "name": "Iceberg", "age": 9, "enclosure": "The Arctic Exhibit", "trail": "Polar Path" }, { "species": "walrus", "name": "Wally", "age": 10, "enclosure": "The Walrus Cove", "trail": "Polar Path" }, { "species": "walrus", "name": "Tusker", "age": 12, "enclosure": "The Walrus Cove", "trail": "Polar Path" }, { "species": "walrus", "name": "Moby", "age": 8, "enclosure": "The Walrus Cove", "trail": "Polar Path" }, { "species": "walrus", "name": "Flippers", "age": 9, "enclosure": "The Walrus Cove", "trail": "Polar Path" } ]; // Initialize Genkit const ai = genkit({}); // Define tools using Genkit ai.defineTool( { name: 'get_animals_by_species', description: "Retrieves all animals of a specific species from the zoo. Can also be used to collect the base data for aggregate queries of animals of a specific species - like counting the number of penguins or finding the oldest lion.", inputSchema: z.object({ species: z.string() }), }, async ({ species }) => { console.log(`>>> 🛠️ Tool: 'get_animals_by_species' called for '${species}'`); const animals = ZOO_ANIMALS.filter(animal => animal.species.toLowerCase() === species.toLowerCase()); return animals; } ); ai.defineTool( { name: 'get_animal_details', description: "Retrieves the details of a specific animal by its name.", inputSchema: z.object({ name: z.string() }), }, async ({ name }) => { console.log(`>>> 🛠️ Tool: 'get_animal_details' called for '${name}'`); const animal = ZOO_ANIMALS.find(a => a.name.toLowerCase() === name.toLowerCase()); return animal; } ); // Create Genkit MCP server wrapper const mcpWrapper = createMcpServer(ai, { name: 'zoo-animal-server', version: '1.0.0', }); // HTTP server mode const app = express(); app.use(express.json()); // Initialize Genkit MCP server once const mcpServerPromise = mcpWrapper.setup().then(() => mcpWrapper.server); app.post('/mcp', async (req, res) => { console.log('/mcp Received:', req.body); console.log('Using HTTP transport mode.'); const server = await mcpServerPromise; const transport = new StreamableHTTPServerTransport({ sessionIdGenerator: undefined, }); if (!server) { console.error('MCP Server not initialized correctly.'); res.sendStatus(500); return; } await server.connect(transport); await transport.handleRequest(req, res, req.body); res.on('close', () => { console.log('Request closed'); transport.close(); }); }); app.get('/mcp', async (req, res) => { console.log('Received GET MCP request'); res.sendStatus(405); }); app.delete('/mcp', async (req, res) => { console.log('Received DELETE MCP request'); res.sendStatus(405); }); // Start the server const PORT = process.env.PORT || 8080; app.listen(PORT, () => { console.log(`Zoo Animal MCP server listening on port ${PORT}`); });
Mã của bạn đã hoàn tất! Đã đến lúc triển khai máy chủ MCP lên Cloud Run.
7. Đang triển khai lên Cloud Run
Bây giờ, hãy triển khai một máy chủ MCP lên Cloud Run trực tiếp từ mã nguồn.
- Tạo một tài khoản dịch vụ có tên là
mcp-server-sa:gcloud iam service-accounts create mcp-server-sa --display-name="MCP Server Service Account" - Chạy lệnh
gcloudđể triển khai ứng dụng lên Cloud Rungcloud run deploy zoo-mcp-server \ --service-account=mcp-server-sa@$GOOGLE_CLOUD_PROJECT.iam.gserviceaccount.com \ --no-allow-unauthenticated \ --region=europe-west4 \ --source=. \ --labels=dev-tutorial=codelab-mcp--no-allow-unauthenticatedđể yêu cầu xác thực. Điều này rất quan trọng vì lý do bảo mật. Nếu không yêu cầu xác thực, bất kỳ ai cũng có thể gọi máy chủ MCP và có khả năng gây hại cho hệ thống của bạn. - Xác nhận việc tạo một kho lưu trữ Artifact Registry mới Vì đây là lần đầu tiên bạn triển khai lên Cloud Run từ mã nguồn, nên bạn sẽ thấy:
Deploying from source requires an Artifact Registry Docker repository to store built containers. A repository named [cloud-run-source-deploy] in region [europe-west4] will be created. Do you want to continue (Y/n)?
Yrồi nhấnEnter, thao tác này sẽ tạo một kho lưu trữ Artifact Registry cho quá trình triển khai. Bạn phải thực hiện thao tác này để lưu trữ vùng chứa Docker của máy chủ MCP cho dịch vụ Cloud Run. - Sau vài phút, bạn sẽ thấy một thông báo như sau:
Service [zoo-mcp-server] revision [zoo-mcp-server-12345-abc] has been deployed and is serving 100 percent of traffic.
Bạn đã triển khai máy chủ MCP. Bây giờ, bạn có thể sử dụng máy chủ này.
8. Thêm máy chủ MCP từ xa vào Gemini CLI
Giờ đây, bạn đã triển khai thành công một máy chủ MCP từ xa, bạn có thể kết nối với máy chủ đó bằng nhiều ứng dụng như Google Code Assist hoặc Gemini CLI. Trong phần này, chúng ta sẽ thiết lập kết nối với máy chủ MCP từ xa mới bằng Gemini CLI.
- Cấp cho tài khoản người dùng của bạn quyền gọi máy chủ MCP từ xa
gcloud projects add-iam-policy-binding $GOOGLE_CLOUD_PROJECT \ --member=user:$(gcloud config get-value account) \ --role='roles/run.invoker' - Lưu thông tin xác thực và số dự án của Google Cloud trong các biến môi trường để sử dụng trong tệp Cài đặt Gemini:
export PROJECT_NUMBER=$(gcloud projects describe $GOOGLE_CLOUD_PROJECT --format="value(projectNumber)") export ID_TOKEN=$(gcloud auth print-identity-token) - Mở tệp Cài đặt Gemini CLI
cloudshell edit ~/.gemini/settings.json - Thay thế tệp cài đặt Gemini CLI để thêm máy chủ MCP Cloud Run
{ "ide": { "hasSeenNudge": true }, "mcpServers": { "zoo-remote": { "httpUrl": "https://zoo-mcp-server-$PROJECT_NUMBER.europe-west4.run.app/mcp", "headers": { "Authorization": "Bearer $ID_TOKEN" } } }, "security": { "auth": { "selectedType": "cloud-shell" } } }
- Khởi động Gemini CLI trong Cloud Shell
geminiEnterđể chấp nhận một số chế độ cài đặt mặc định.
- Yêu cầu Gemini liệt kê các công cụ MCP có sẵn trong ngữ cảnh của công cụ
/mcp - Yêu cầu Gemini tìm một nội dung nào đó trong vườn thú
Where can I find penguins?zoo-remotevà sẽ hỏi xem bạn có muốn cho phép thực thi MCP hay không. - Sử dụng mũi tên xuống, sau đó nhấn
Enterđể chọnYes, always allow all tools from server "zoo-remote"
Kết quả sẽ hiển thị câu trả lời chính xác và một hộp hiển thị cho biết máy chủ MCP đã được sử dụng.
Bạn đã hoàn thành! Bạn đã triển khai thành công một máy chủ MCP từ xa lên Cloud Run và kiểm thử máy chủ đó bằng Gemini CLI.
Khi bạn đã sẵn sàng kết thúc phiên, hãy nhập /quit rồi nhấn Enter để thoát khỏi Gemini CLI.
Gỡ lỗi
Nếu bạn thấy một lỗi như sau:
🔍 Attempting OAuth discovery for 'zoo-remote'... ❌ 'zoo-remote' requires authentication but no OAuth configuration found Error connecting to MCP server 'zoo-remote': MCP server 'zoo-remote' requires authentication. Please configure OAuth or check server settings.
Có thể là Mã thông báo nhận dạng đã hết thời gian chờ và bạn cần đặt lại ID_TOKEN.
- Nhập
/quitrồi nhấnEnterđể thoát khỏi Gemini CLI. - Đặt dự án trong thiết bị đầu cuối
gcloud config set project [PROJECT_ID] - Chạy lại lệnh thông tin xác thực của Google Cloud để nhận
ID_TOKENmới vì mã thông báo của bạn có thể đã hết hạn.export PROJECT_NUMBER=$(gcloud projects describe $GOOGLE_CLOUD_PROJECT --format="value(projectNumber)") export ID_TOKEN=$(gcloud auth print-identity-token)
9. (Không bắt buộc) Xác minh lệnh gọi công cụ trong nhật ký máy chủ
Để xác minh rằng máy chủ MCP Cloud Run của bạn đã được gọi, hãy kiểm tra nhật ký dịch vụ.
gcloud run services logs read zoo-mcp-server --region europe-west4 --limit=5
Bạn sẽ thấy một nhật ký đầu ra xác nhận rằng một lệnh gọi công cụ đã được thực hiện. 🛠️
2025-08-05 19:50:31 INFO: 169.254.169.126:39444 - "POST /mcp/ HTTP/1.1" 200 OK 2025-08-05 19:50:31 [INFO]: Processing request of type CallToolRequest 2025-08-05 19:50:31 [INFO]: >>> 🛠️ Tool: 'get_animals_by_species' called for 'penguin'
10. (Không bắt buộc) Thêm câu lệnh MCP vào Máy chủ
Câu lệnh MCP có thể đẩy nhanh quy trình làm việc cho các câu lệnh mà bạn thường chạy bằng cách tạo một câu lệnh viết tắt cho câu lệnh dài hơn.
Gemini CLI tự động chuyển đổi câu lệnh MCP thành các lệnh dấu gạch chéo tuỳ chỉnh để bạn có thể gọi một câu lệnh MCP bằng cách nhập /prompt_name trong đó prompt_name là tên của câu lệnh MCP.
Tạo một câu lệnh MCP để bạn có thể nhanh chóng tìm thấy một loài động vật trong vườn thú bằng cách nhập /find animal vào Gemini CLI.
- Thêm mã này vào tệp
index.jsphía trên dòng// Create Genkit MCP server wrapper:ai.definePrompt( { name: 'find', description: 'Find which exhibit and trail a specific animal is located.', inputSchema: z.object({ animal: z.string() }), }, async ({ animal }) => { console.log(`>>> 💬 Prompt: 'find' called'`); return { messages: [ { role: 'user', content: [ { text: `Please find the exhibit and trail information for ${animal} in the zoo. Respond with '[animal] can be found in the [exhibit] on the [trail].' Example: Penguins can be found in The Arctic Exhibit on the Polar Path.` } ] } ] }; } ); - Triển khai lại ứng dụng lên Cloud Run
gcloud run deploy zoo-mcp-server \ --service-account=mcp-server-sa@$GOOGLE_CLOUD_PROJECT.iam.gserviceaccount.com \ --no-allow-unauthenticated \ --region=europe-west4 \ --source=. \ --labels=dev-tutorial=codelab-mcp - Làm mới ID_TOKEN cho máy chủ MCP từ xa
export ID_TOKEN=$(gcloud auth print-identity-token) - Sau khi triển khai phiên bản mới của ứng dụng, hãy khởi động Gemini CLI.
gemini - Trong câu lệnh, hãy sử dụng lệnh tuỳ chỉnh mới mà bạn đã tạo:
/find --animal="lions"
Bạn sẽ thấy rằng Gemini CLI gọi công cụ get_animals_by_species và định dạng phản hồi theo hướng dẫn của câu lệnh MCP!
╭───────────────────────────╮
│ > /find --animal="lion" │
╰───────────────────────────╯
╭───────────────────────────────────────────────────────────────────────────────────────────────────╮
│ ✔ get_animals_by_species (zoo-remote MCP Server) get_animals_by_species (zoo-remote MCP Server) │
│ │
│ [{"species":"lion","name":"Leo","age":7,"enclosure":"The Big Cat │
│ Plains","trail":"Savannah │
│ Heights"},{"species":"lion","name":"Nala","age":6,"enclosure":"The Big Cat │
│ Plains","trail":"Savannah │
│ Heights"},{"species":"lion","name":"Simba","age":3,"enclosure":"The Big Cat │
│ Plains","trail":"Savannah │
│ Heights"},{"species":"lion","name":"King","age":8,"enclosure":"The Big Cat │
│ Plains","trail":"Savannah Heights"}] │
╰───────────────────────────────────────────────────────────────────────────────────────────────────╯
✦ Lions can be found in The Big Cat Plains on the Savannah Heights.
11. (Không bắt buộc) Sử dụng Gemini Flash Lite để có phản hồi nhanh hơn
Gemini CLI cho phép bạn chọn mô hình mà bạn đang sử dụng.
- Gemini 2.5 Pro là mô hình tư duy hiện đại nhất của Google, có khả năng suy luận về các vấn đề phức tạp trong mã, toán học và STEM, cũng như phân tích các tập dữ liệu, cơ sở mã và tài liệu lớn bằng ngữ cảnh dài.
- Gemini 2.5 Flash là mô hình tốt nhất của Google về hiệu suất chi phí, cung cấp các tính năng toàn diện. 2.5 Flash là lựa chọn tốt nhất cho các tác vụ xử lý quy mô lớn, độ trễ thấp, khối lượng lớn đòi hỏi tư duy và các trường hợp sử dụng dựa trên tác nhân.
- Gemini 2.5 Flash Lite là mô hình flash nhanh nhất của Google, được tối ưu hoá để mang lại hiệu quả chi phí và thông lượng cao.
Vì các yêu cầu liên quan đến việc tìm kiếm các loài động vật trong vườn thú không đòi hỏi tư duy hoặc suy luận, nên hãy thử đẩy nhanh mọi thứ bằng cách sử dụng một mô hình nhanh hơn.
Tạo một câu lệnh MCP để bạn có thể nhanh chóng tìm thấy một loài động vật trong vườn thú bằng cách nhập /find animal vào Gemini CLI.
- Sau khi triển khai phiên bản mới của ứng dụng, hãy khởi động Gemini CLI.
gemini --model=gemini-2.5-flash-lite - Trong câu lệnh, hãy sử dụng lệnh tuỳ chỉnh mới mà bạn đã tạo:
/find --animal="lions"
Bạn vẫn sẽ thấy rằng Gemini CLI gọi công cụ get_animals_by_species và định dạng phản hồi theo hướng dẫn của câu lệnh MCP, nhưng câu trả lời sẽ xuất hiện nhanh hơn nhiều!
╭───────────────────────────╮
│ > /find --animal="lion" │
╰───────────────────────────╯
╭───────────────────────────────────────────────────────────────────────────────────────────────────╮
│ ✔ get_animals_by_species (zoo-remote MCP Server) get_animals_by_species (zoo-remote MCP Server) │
│ │
│ [{"species":"lion","name":"Leo","age":7,"enclosure":"The Big Cat │
│ Plains","trail":"Savannah │
│ Heights"},{"species":"lion","name":"Nala","age":6,"enclosure":"The Big Cat │
│ Plains","trail":"Savannah │
│ Heights"},{"species":"lion","name":"Simba","age":3,"enclosure":"The Big Cat │
│ Plains","trail":"Savannah │
│ Heights"},{"species":"lion","name":"King","age":8,"enclosure":"The Big Cat │
│ Plains","trail":"Savannah Heights"}] │
╰───────────────────────────────────────────────────────────────────────────────────────────────────╯
✦ Lions can be found in The Big Cat Plains on the Savannah Heights.
Mục tiêu nâng cao để tự kiểm tra
Để thử thách thêm, hãy xem bạn có thể làm theo các bước tương tự để tạo một câu lệnh trả về thông tin thú vị về các loài động vật cụ thể trong vườn thú hay không.
Hoặc để thử thách hơn nữa nhằm kiểm tra những gì bạn đã học được, hãy nghĩ ra một ý tưởng cho một công cụ mà bạn sẽ sử dụng thường xuyên và triển khai một máy chủ MCP từ xa thứ hai. Sau đó, hãy thêm công cụ đó vào chế độ cài đặt Gemini CLI để xem công cụ đó có hoạt động hay không.
Gỡ lỗi
Nếu bạn thấy một lỗi như sau:
✕ Unknown command: /find --animal="lions"
Hãy thử chạy /mcp và nếu kết quả là zoo-remote - Disconnected, thì bạn có thể phải triển khai lại hoặc chạy lại các lệnh sau:
gcloud projects add-iam-policy-binding $GOOGLE_CLOUD_PROJECT \
--member=user:$(gcloud config get-value account) \
--role='roles/run.invoker'
export PROJECT_NUMBER=$(gcloud projects describe $GOOGLE_CLOUD_PROJECT --format="value(projectNumber)")
export ID_TOKEN=$(gcloud auth print-identity-token)
12. Kết luận
Xin chúc mừng! Bạn đã triển khai và kết nối thành công với một máy chủ MCP từ xa an toàn.
Tiếp tục đến phòng thí nghiệm tiếp theo
Phòng thí nghiệm này là phòng thí nghiệm đầu tiên trong một loạt 3 phần. Trong phòng thí nghiệm thứ hai, bạn sẽ sử dụng máy chủ MCP mà bạn đã tạo bằng một Tác nhân ADK.
Sử dụng máy chủ MCP trên Cloud Run với một Tác nhân ADK
(Không bắt buộc) Dọn dẹp
Nếu không tiếp tục đến phòng thí nghiệm tiếp theo và muốn dọn dẹp những gì bạn đã tạo, bạn có thể xoá dự án trên đám mây để tránh phát sinh thêm phí.
Mặc dù Cloud Run không tính phí khi dịch vụ không được sử dụng, nhưng bạn vẫn có thể bị tính phí lưu trữ hình ảnh vùng chứa trong Artifact Registry. Việc xoá dự án trên đám mây sẽ dừng tính phí cho tất cả các tài nguyên được sử dụng trong dự án đó.
Nếu muốn, hãy xoá dự án:
gcloud projects delete $GOOGLE_CLOUD_PROJECT
Bạn cũng có thể muốn xoá các tài nguyên không cần thiết khỏi đĩa cloudshell. Bạn có thể:
- Xoá thư mục dự án lớp học lập trình:
rm -rf ~/mcp-on-cloudrun - Cảnh báo! Bạn không thể hoàn tác thao tác tiếp theo này! Nếu muốn xoá mọi thứ trên Cloud Shell để giải phóng dung lượng, bạn có thể xoá toàn bộthư mục chính. Hãy cẩn thận để đảm bảo rằng mọi thứ bạn muốn giữ lại đều được lưu ở nơi khác.
sudo rm -rf $HOME