如何在 Cloud Run 上部署安全的 MCP 伺服器

1. 簡介

總覽

在本實驗室中，您將建構及部署 Model Context Protocol (MCP) 伺服器。MCP 伺服器可讓 LLM 存取外部工具和服務。您會在 Cloud Run 上將其設定為安全且可供正式環境使用的服務，並可從多個用戶端存取。接著，您將透過 Antigravity CLI 連線至遠端 MCP 伺服器。

學習內容

我們將使用 FastMCP 建立 zoo MCP 伺服器，其中包含 get_animals_by_species 和 get_animal_details 這兩項工具。FastMCP 提供快速的 Pythonic 方式，可建構 MCP 伺服器和用戶端。

動物園 MCP 伺服器圖形

課程內容

  • 將 MCP 伺服器部署至 Cloud Run。
  • 為伺服器端點設定所有要求的驗證機制，確保只有授權的用戶端和代理程式可以與其通訊，藉此保護端點安全。
  • 從 Antigravity CLI 連線至安全的 MCP 伺服器端點

2. 專案設定

  1. 如果沒有 Google 帳戶，請先建立帳戶。
    • 請改用個人帳戶，而非公司或學校帳戶。公司和學校帳戶可能設有限制，導致您無法啟用本實驗室所需的 API。
  2. 登入 Google Cloud 控制台。
  3. 建立新專案，或選擇重複使用現有專案。
    • 如果看到專案配額相關錯誤，請重複使用現有專案，或刪除現有專案來建立新專案。

3. 開啟 Cloud Shell 編輯器

  1. 按一下這個連結，直接前往 Cloud Shell 編輯器
  2. 如果系統在今天任何時間提示您授權，請點選「授權」繼續操作。按一下即可授權 Cloud Shell
  3. 如果畫面底部未顯示終端機，請開啟終端機：
    • 按一下「查看」
    • 按一下「終端機」在 Cloud Shell 編輯器中開啟新的終端機
  4. 在終端機中，使用下列指令設定專案：
    • 格式：
      gcloud config set project [PROJECT_ID]
    • 範例：
      gcloud config set project lab-project-id-example
    • 如果忘記專案 ID，請按照下列步驟操作：
      • 您可以使用下列指令列出所有專案 ID：
        gcloud projects list | awk '/PROJECT_ID/{print $2}'
      在 Cloud Shell 編輯器終端機中設定專案 ID
  5. 您應會看到下列訊息：
    Updated property [core/project].
    如果看到 WARNING 並收到 Do you want to continue (Y/n)? 提示，表示您可能輸入了錯誤的專案 ID。按下 n 和 Enter，然後再次嘗試執行 gcloud config set project 指令。

4. 啟用 API

在終端機中啟用 API：

gcloud services enable \
  run.googleapis.com \
  artifactregistry.googleapis.com \
  cloudbuild.googleapis.com

如果系統提示您授權，請點選「授權」繼續操作。按一下即可授權 Cloud Shell

這個指令可能需要幾分鐘才能完成，但最終應該會產生類似以下的成功訊息：

Operation "operations/acf.p2-73d90d00-47ee-447a-b600" finished successfully.

5. 準備 Python 專案

  1. 建立名為 mcp-on-cloudrun 的資料夾，用來儲存部署作業的原始碼：
    mkdir mcp-on-cloudrun && cd mcp-on-cloudrun
  2. 使用 uv 工具建立 Python 專案，產生 pyproject.toml 檔案：
    uv init --description "Example of deploying an MCP server on Cloud Run" --bare --python 3.13
    uv init 指令會為專案建立 pyproject.toml 檔案。如要查看檔案內容，請執行下列指令：
    cat pyproject.toml
    輸出內容應如下所示：
    [project]
name = "mcp-on-cloudrun"
version = "0.1.0"
description = "Example of deploying an MCP server on Cloud Run"
requires-python = ">=3.13"
dependencies = []

6. 建立動物園 MCP 伺服器

如要提供有價值的脈絡，以利改善 MCP 大型語言模型的使用體驗，請使用 FastMCP 設定動物園 MCP 伺服器。FastMCP 是處理 Model Context Protocol 的標準架構。FastMCP 提供快速建構 MCP 伺服器和用戶端的方法 (使用 Python)。這個 MCP 伺服器提供虛構動物園的動物資料。為簡化操作，我們將資料儲存在記憶體中。如果是正式版 MCP 伺服器，您可能會想從資料庫或 API 等來源提供資料。

  1. 執行下列指令，在 pyproject.toml 檔案中新增 FastMCP 做為依附元件：
    uv add fastmcp==2.12.4 --no-sync
    這會在專案中新增 uv.lock 檔案。
  2. 建立並開啟新的 server.py 檔案，做為 MCP 伺服器原始碼：
    cloudshell edit ~/mcp-on-cloudrun/server.py
    cloudshell edit 指令會在終端機上方的編輯器中開啟 server.py 檔案。
  3. 在 server.py 檔案中新增下列 zoo MCP 伺服器原始碼：
    import asyncio
import logging
import os
from typing import List, Dict, Any

from fastmcp import FastMCP

logger = logging.getLogger(__name__)
logging.basicConfig(format="[%(levelname)s]: %(message)s", level=logging.INFO)

mcp = FastMCP("Zoo Animal MCP Server 🦁🐧🐻")

# Dictionary of animals at the zoo
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"
    }
]

@mcp.tool()
def get_animals_by_species(species: str) -> List[Dict[str, Any]]:
    """
    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.

    Args:
        species: The species of the animal (e.g., 'lion', 'penguin').

    Returns:
        A list of dictionaries, where each dictionary represents an animal
        and contains details like name, age, enclosure, and trail.
    """
    logger.info(f">>> 🛠️ Tool: 'get_animals_by_species' called for '{species}'")
    return [animal for animal in ZOO_ANIMALS if animal["species"].lower() == species.lower()]

@mcp.tool()
def get_animal_details(name: str) -> Dict[str, Any]:
    """
    Retrieves the details of a specific animal by its name.

    Args:
        name: The name of the animal.

    Returns:
        A dictionary with the animal's details (species, name, age, enclosure, trail)
        or an empty dictionary if the animal is not found.
    """
    logger.info(f">>> 🛠️ Tool: 'get_animal_details' called for '{name}'")
    for animal in ZOO_ANIMALS:
        if animal["name"].lower() == name.lower():
            return animal
    return {}

if __name__ == "__main__":
    port = int(os.getenv("PORT", 8080))
    logger.info(f"🚀 MCP server started on port {port}")
    asyncio.run(
        mcp.run_async(
            transport="http",
            host="0.0.0.0",
            port=port,
        )
    )

程式碼已完成！現在要將 MCP 伺服器部署至 Cloud Run。

7. 部署至 Cloud Run

現在直接從原始碼將 MCP 伺服器部署至 Cloud Run。

  1. 建立並開啟新的 Dockerfile，以便部署至 Cloud Run：
    cloudshell edit ~/mcp-on-cloudrun/Dockerfile
  2. 在 Dockerfile 中加入下列程式碼，使用 uv 工具執行 server.py 檔案：
    # Use the official Python image
FROM python:3.13-slim

# Install uv
COPY --from=ghcr.io/astral-sh/uv:latest /uv /uvx /bin/

# Install the project into /app
COPY . /app
WORKDIR /app

# Allow statements and log messages to immediately appear in the logs
ENV PYTHONUNBUFFERED=1

# Install dependencies
RUN uv sync

EXPOSE $PORT

# Run the FastMCP server
CMD ["uv", "run", "server.py"]
  3. 建立名為 mcp-server-sa 的服務帳戶：
    gcloud iam service-accounts create mcp-server-sa --display-name="MCP Server Service Account"
  4. 執行 gcloud 指令，將應用程式部署至 Cloud Run
    cd ~/mcp-on-cloudrun
gcloud run deploy zoo-mcp-server \
    --service-account=mcp-server-sa@$GOOGLE_CLOUD_PROJECT.iam.gserviceaccount.com \
    --no-allow-unauthenticated \
    --region=us-west1 \
    --source=. \
    --labels=dev-tutorial=codelab-mcp
    使用 --no-allow-unauthenticated 標記來要求驗證。這是出於安全考量。如果不需要驗證，任何人都可以呼叫 MCP 伺服器，可能導致系統損壞。
  5. 確認已建立新的 Artifact Registry 存放區。由於您是第一次從原始碼部署至 Cloud Run，因此會看到：
    Deploying from source requires an Artifact Registry Docker repository to store built containers. A repository named
[cloud-run-source-deploy] in region [us-west1] will be created.

Do you want to continue (Y/n)?
    輸入 Y 並按下 Enter，系統會為部署作業建立 Artifact Registry 存放區。這是儲存 Cloud Run 服務的 MCP 伺服器 Docker 容器時的必要步驟。
  6. 幾分鐘後，您會看到類似下列的訊息：
    Service [zoo-mcp-server] revision [zoo-mcp-server-12345-abc] has been deployed and is serving 100 percent of traffic.

您已部署 MCP 伺服器。現在可以使用了。

8. 將遠端 MCP 伺服器新增至 Antigravity CLI

您已成功部署遠端 MCP 伺服器，現在可以使用各種應用程式 (例如 Google Code Assist 或 Antigravity CLI) 連線至該伺服器。在本節中，我們將使用 Antigravity CLI 建立與新遠端 MCP 伺服器的連線。

  1. 授予使用者帳戶呼叫遠端 MCP 伺服器的權限
    gcloud projects add-iam-policy-binding $GOOGLE_CLOUD_PROJECT \
    --member=user:$(gcloud config get-value account) \
    --role='roles/run.invoker'
  2. 將 Google Cloud 憑證和專案編號儲存至環境變數，供 Antigravity 設定檔使用：
    export PROJECT_NUMBER=$(gcloud projects describe $GOOGLE_CLOUD_PROJECT --format="value(projectNumber)")
export ID_TOKEN=$(gcloud auth print-identity-token)
  3. 如果尚未建立 .gemini/antigravity-cli 資料夾，請建立該資料夾
    mkdir -p ~/.gemini/antigravity-cli
  4. 將遠端 MCP 伺服器寫入 Antigravity CLI MCP 設定檔：
    cat > ~/.gemini/antigravity-cli/mcp_config.json << EOF
{
    "mcpServers": {
        "zoo-remote": {
            "serverUrl": "https://zoo-mcp-server-${PROJECT_NUMBER}.us-west1.run.app/mcp",
            "headers": {
                "Authorization": "Bearer ${ID_TOKEN}"
            }
        }
    }
}
EOF
  5. 啟動 Antigravity CLI：
    agy
  1. 使用 Antigravity CLI 進行驗證：首次啟動時，系統會要求驗證。選取 OAuth (按下 Enter)。Antigravity 驗證畫面
  2. 按一下連結 (如果無法點選，請在 Cloud Shell 中反白顯示網址並複製，然後貼到瀏覽器中)
  3. 登入 Google 帳戶
  4. 複製程式碼
  5. 將程式碼貼到 Cloud Shell 編輯器終端機
  6. 按下 Enter 鍵。Antigravity 安全碼提示
  7. 按下 Enter 鍵接受部分預設設定。
  8. 讓 Antigravity CLI 列出在目前環境中可用的 MCP 工具
    /mcp
    按下 ESC 即可返回提示詞輸入框。
  9. 請 Antigravity CLI 找出動物園中的某種動物
    Where can I find penguins?
    Antigravity CLI 應會判斷需使用 zoo-remote MCP 伺服器，並詢問您是否允許執行 MCP。
  10. 使用向下鍵，然後按下 Enter 即可選取
    Yes, always allow all tools from server "zoo-remote"
    Antigravity CLI 允許使用 zoo remote 工具

輸出內容應會顯示正確答案，以及表示已使用 MCP 伺服器的顯示框。

Antigravity CLI 顯示動物園 MCP 伺服器結果

你做到了！您已成功將遠端 MCP 伺服器部署至 Cloud Run，並使用 Antigravity CLI 進行測試。

如要結束工作階段，請輸入 /exit，然後按下 Enter 鍵退出 Antigravity CLI。

偵錯

如果看到類似下方的錯誤訊息：

🔍 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.

ID 權杖可能已逾時，需要再次設定 ID_TOKEN。

  1. 輸入 /exit，然後按下 Enter 鍵，即可退出 Antigravity CLI。
  2. 在終端機中設定專案 
    gcloud config set project [PROJECT_ID]
  3. 重新執行 Google Cloud 憑證指令，取得新的 ID_TOKEN (您的憑證可能已過期)，然後重新編寫設定檔：
    export PROJECT_NUMBER=$(gcloud projects describe $GOOGLE_CLOUD_PROJECT --format="value(projectNumber)")
export ID_TOKEN=$(gcloud auth print-identity-token)

cat > ~/.gemini/antigravity-cli/mcp_config.json << EOF

{ "mcpServers": { "zoo-remote": { "serverUrl": "https://zoo-mcp-server-${PROJECT_NUMBER}.us-west1.run.app/mcp", "headers": { "Authorization": "Bearer ${ID_TOKEN}" } } } } EOF ```

9. (選用) 驗證伺服器記錄中的工具呼叫

如要確認 Cloud Run MCP 伺服器是否已呼叫，請查看服務記錄。

gcloud run services logs read zoo-mcp-server --region us-west1 --limit=5

系統應會傳回確認已呼叫工具的輸出記錄。🛠️

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. (選用) 將 MCP 提示新增至伺服器

對於經常執行的提示，您可以建立較短的提示，加快工作流程。

Antigravity CLI 會自動將 MCP 提示轉換為自訂斜線指令，因此只要輸入 /prompt_name，即可叫用 MCP 提示，其中 prompt_name 是 MCP 提示的名稱。

建立 MCP 提示，在 Antigravity CLI 中輸入 /find animal，即可快速找到動物園中的動物。

  1. 在主要防護措施 (if __name__ == "__main__":) 上方的 server.py 檔案中新增這段程式碼。
    @mcp.prompt()
def find(animal: str) -> str:
    """
    Find which exhibit and trail a specific animal might be located.
    """

    return (
        f"Please find the exhibit and trail information for {animal} in the zoo. "
        f"Respond with '[animal] can be found in the [exhibit] on the [trail].'"
        f"Example: Penguins can be found in The Arctic Exhibit on the Polar Path."
    )
  2. 將應用程式重新部署至 Cloud Run 
    gcloud run deploy zoo-mcp-server \
    --region=us-west1 \
    --source=. \
    --labels=dev-tutorial=codelab-mcp
  3. 更新 ID_TOKEN 並重新建立設定檔：
    export ID_TOKEN=$(gcloud auth print-identity-token)
export PROJECT_NUMBER=$(gcloud projects describe $GOOGLE_CLOUD_PROJECT --format="value(projectNumber)")

cat > ~/.gemini/antigravity-cli/mcp_config.json << EOF

{ "mcpServers": { "zoo-remote": { "serverUrl": "https://zoo-mcp-server-${PROJECT_NUMBER}.us-west1.run.app/mcp", "headers": { "Authorization": "Bearer ${ID_TOKEN}" } } } } EOF ```

  1. 部署新版應用程式後，請啟動 Antigravity CLI。
    agy
  2. 在提示中使用您建立的新自訂指令：
    /find lions

您應該會看到 Antigravity CLI 呼叫 get_animals_by_species 工具，並按照 MCP 提示詞的指示設定回覆格式！

╭───────────────────────────╮
│  > /find lions            │
╰───────────────────────────╯

 ╭───────────────────────────────────────────────────────────────────────────────────────────────────╮
 │ ✔  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. (選用) 使用 Gemini Flash Lite 快速取得回覆

Antigravity CLI 可讓您選擇使用的模型和工作量。

由於尋找動物園動物的要求不需要思考或推理，因此請嘗試使用速度較快的模型，加快處理速度。

在上一節中，您建立了 MCP 提示，因此只要在 Antigravity CLI 中輸入 /find animal，就能快速找到動物園中的動物。

  1. 部署新版應用程式後，請啟動 Antigravity CLI。
    agy --model=gemini-3.6-flash --effort=low
  2. 在提示中使用您建立的新自訂指令：
    /find lions

您應該還是會看到 Antigravity CLI 呼叫 get_animals_by_species 工具，並按照 MCP 提示詞的指示設定回覆格式，但答案應該會快很多！

╭───────────────────────────╮
│  > /find lions            │
╰───────────────────────────╯

 ╭───────────────────────────────────────────────────────────────────────────────────────────────────╮
 │ ✔  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.

偵錯

如果看到類似下方的錯誤訊息：

✕ Unknown command: /find lions

請嘗試執行 /mcp，如果輸出 zoo-remote - Disconnected，您可能需要重新部署，或再次執行下列指令：

 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)

cat > ~/.gemini/antigravity-cli/mcp_config.json << EOF
{
   "mcpServers": {
       "zoo-remote": {
           "serverUrl": "https://zoo-mcp-server-${PROJECT_NUMBER}.us-west1.run.app/mcp",
           "headers": {
               "Authorization": "Bearer ${ID_TOKEN}"
           }
       }
   }
}
EOF

12. 結語

恭喜！您已成功部署並連線至安全的遠端 MCP 伺服器。

繼續下一個實驗室

本實驗室是三部曲的第一部。在第二個實驗室中，您將使用透過 ADK 代理建立的 MCP 伺服器。

搭配 ADK 代理使用 Cloud Run 上的 MCP 伺服器

(選用) 清理

如果您不會繼續進行下一個實驗室，且想清理已建立的項目，可以刪除雲端專案，以免產生額外費用。

不使用服務時，Cloud Run 不會收費，但您可能仍須支付容器映像檔在 Artifact Registry 的儲存費用。刪除雲端專案後，系統就會停止對專案使用的所有資源收取費用。

如要刪除專案，請按照下列步驟操作：

gcloud projects delete $GOOGLE_CLOUD_PROJECT

您也可以從 Cloud Shell 磁碟刪除不必要的資源。您可以：

  1. 刪除 Codelab 專案目錄：
    rm -rf ~/mcp-on-cloudrun
  2. 警告！這項操作無法復原，如要刪除 Cloud Shell 中的所有內容來釋出空間，可以刪除整個主目錄。請務必將要保留的內容另存他處。
    sudo rm -rf $HOME