วิธีทำให้เซิร์ฟเวอร์ MCP ที่ปลอดภัยใช้งานได้ใน Cloud Run

1. บทนำ

ภาพรวม

ใน Lab นี้ คุณจะได้สร้างและติดตั้งใช้งานเซิร์ฟเวอร์ Model Context Protocol (MCP) เซิร์ฟเวอร์ MCP มีประโยชน์ในการให้สิทธิ์ LLM เข้าถึงเครื่องมือและบริการภายนอก คุณจะกำหนดค่าให้เป็นบริการที่ปลอดภัยและพร้อมใช้งานจริงใน Cloud Run ซึ่งเข้าถึงได้จากไคลเอ็นต์หลายราย จากนั้นคุณจะเชื่อมต่อกับเซิร์ฟเวอร์ MCP ระยะไกลจาก Antigravity CLI

สิ่งที่คุณจะได้ทำ

เราจะใช้ FastMCP เพื่อสร้าง เซิร์ฟเวอร์ MCP ของสวนสัตว์ ซึ่งมีเครื่องมือ 2 รายการ ได้แก่ get_animals_by_species และ get_animal_details FastMCP เป็นวิธีที่รวดเร็วและเป็นแบบ Pythonic ในการสร้างเซิร์ฟเวอร์และไคลเอ็นต์ MCP

กราฟิกเซิร์ฟเวอร์ MCP ของสวนสัตว์

สิ่งที่คุณจะได้เรียนรู้

  • ติดตั้งใช้งานเซิร์ฟเวอร์ MCP ใน Cloud Run
  • รักษาความปลอดภัยของปลายทางเซิร์ฟเวอร์โดยกำหนดให้มีการตรวจสอบสิทธิ์สำหรับคำขอทั้งหมด เพื่อให้เฉพาะไคลเอ็นต์และ Agent ที่ได้รับอนุญาตเท่านั้นที่สื่อสารกับเซิร์ฟเวอร์ได้
  • เชื่อมต่อกับปลายทางเซิร์ฟเวอร์ MCP ที่ปลอดภัยจาก Antigravity CLI

2. การตั้งค่าโปรเจ็กต์

  1. หากยังไม่มีบัญชี Google คุณต้องสร้างบัญชี Google
    • ใช้บัญชีส่วนตัวแทนบัญชีงานหรือบัญชีโรงเรียน บัญชีงานและบัญชีโรงเรียนอาจมีข้อจำกัดที่ป้องกันไม่ให้คุณเปิดใช้ API ที่จำเป็นสำหรับ Lab นี้
  2. ลงชื่อเข้าใช้ คอนโซล Google Cloud
  3. สร้างโปรเจ็กต์ใหม่ หรือเลือกใช้โปรเจ็กต์ที่มีอยู่
    • หากเห็นข้อผิดพลาดเกี่ยวกับโควต้าโปรเจ็กต์ ให้ใช้โปรเจ็กต์ที่มีอยู่ซ้ำหรือลบโปรเจ็กต์ที่มีอยู่ออกเพื่อสร้างโปรเจ็กต์ใหม่

3. เปิด Cloud Shell Editor

  1. คลิกลิงก์นี้เพื่อไปยัง Cloud Shell Editor โดยตรง
  2. หากระบบแจ้งให้ให้สิทธิ์ในวันนี้ ให้คลิก ให้สิทธิ์ เพื่อดำเนินการต่อ คลิกเพื่อให้สิทธิ์ Cloud Shell
  3. หากเทอร์มินัลไม่ปรากฏที่ด้านล่างของหน้าจอ ให้เปิดโดยทำดังนี้
    • คลิกมุมมอง
    • คลิก Terminalเปิดเทอร์มินัลใหม่ใน Cloud Shell Editor
  4. ในเทอร์มินัล ให้ตั้งค่าโปรเจ็กต์ด้วยคำสั่งนี้
    • รูปแบบ:
      gcloud config set project [PROJECT_ID]
    • ตัวอย่าง
      gcloud config set project lab-project-id-example
    • หากจำรหัสโปรเจ็กต์ไม่ได้ ให้ทำดังนี้
      • คุณสามารถแสดงรายการรหัสโปรเจ็กต์ทั้งหมดได้ด้วยคำสั่งต่อไปนี้
        gcloud projects list | awk '/PROJECT_ID/{print $2}'
      ตั้งค่ารหัสโปรเจ็กต์ในเทอร์มินัล Cloud Shell Editor
  5. คุณควรเห็นข้อความต่อไปนี้
    Updated property [core/project].
    หากเห็น WARNING และระบบถามว่า Do you want to continue (Y/n)? แสดงว่าคุณป้อนรหัสโปรเจ็กต์ไม่ถูกต้อง ให้กด n แล้วกด Enter จากนั้นลองเรียกใช้คำสั่ง gcloud config set project อีกครั้ง

4. เปิดใช้ API

เปิดใช้ API ในเทอร์มินัลโดยใช้คำสั่งต่อไปนี้

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

หากระบบแจ้งให้ให้สิทธิ์ ให้คลิกให้สิทธิ์ เพื่อดำเนินการต่อ คลิกเพื่อให้สิทธิ์ Cloud Shell

คำสั่งนี้อาจใช้เวลา 2-3 นาทีจึงจะเสร็จสมบูรณ์ แต่ในที่สุดควรแสดงข้อความว่าสำเร็จคล้ายกับข้อความต่อไปนี้

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

5. เตรียมโปรเจ็กต์ Python

  1. สร้างโฟลเดอร์ชื่อ mcp-on-cloudrun เพื่อจัดเก็บซอร์สโค้ดสำหรับการติดตั้งใช้งาน
    mkdir mcp-on-cloudrun && cd mcp-on-cloudrun
  2. สร้างโปรเจ็กต์ Python ด้วยเครื่องมือ uv เพื่อสร้างไฟล์ pyproject.toml
    uv init --description "Example of deploying an MCP server on Cloud Run" --bare --python 3.13
    คำสั่ง uv init จะสร้างไฟล์ pyproject.toml สำหรับโปรเจ็กต์ของคุณ หากต้องการดูเนื้อหาของไฟล์ ให้เรียกใช้คำสั่งต่อไปนี้
    cat pyproject.toml
    เอาต์พุตควรมีลักษณะดังนี้
    [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. สร้างเซิร์ฟเวอร์ MCP ของสวนสัตว์

หากต้องการให้บริบทที่มีประโยชน์สำหรับการปรับปรุงการใช้ LLM กับ MCP ให้ตั้งค่าเซิร์ฟเวอร์ MCP ของสวนสัตว์ด้วย FastMCP ซึ่งเป็นเฟรมเวิร์กมาตรฐานสำหรับการทำงานกับ Model Context Protocol FastMCP เป็นวิธีที่รวดเร็วในการสร้างเซิร์ฟเวอร์และไคลเอ็นต์ MCP ด้วย Python เซิร์ฟเวอร์ MCP นี้ให้ข้อมูลเกี่ยวกับสัตว์ในสวนสัตว์สมมติ เราจะจัดเก็บข้อมูลไว้ในหน่วยความจำเพื่อให้ง่าย สำหรับเซิร์ฟเวอร์ MCP ที่พร้อมใช้งานจริง คุณอาจต้องการให้ข้อมูลจากแหล่งที่มาต่างๆ เช่น ฐานข้อมูลหรือ API

  1. เรียกใช้คำสั่งต่อไปนี้เพื่อเพิ่ม FastMCP เป็นการขึ้นต่อกันในไฟล์ pyproject.toml
    uv add fastmcp==2.12.4 --no-sync
    การดำเนินการนี้จะเพิ่มไฟล์ uv.lock ลงในโปรเจ็กต์
  2. สร้างและเปิดไฟล์ server.py ใหม่สำหรับซอร์สโค้ดเซิร์ฟเวอร์ MCP
    cloudshell edit ~/mcp-on-cloudrun/server.py
    คำสั่ง cloudshell edit จะเปิดไฟล์ server.py ในเครื่องมือแก้ไขเหนือเทอร์มินัล
  3. เพิ่มซอร์สโค้ดเซิร์ฟเวอร์ MCP ของสวนสัตว์ต่อไปนี้ในไฟล์ server.py
    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,
        )
    )

โค้ดของคุณเสร็จสมบูรณ์แล้ว ตอนนี้ได้เวลาติดตั้งใช้งานเซิร์ฟเวอร์ MCP ใน Cloud Run แล้ว

7. กำลังทำให้ใช้งานได้กับ Cloud Run

ตอนนี้ให้ติดตั้งใช้งานเซิร์ฟเวอร์ MCP ใน Cloud Run โดยตรงจากซอร์สโค้ด

  1. สร้างและเปิด Dockerfile ใหม่สำหรับการติดตั้งใช้งานใน Cloud Run
    cloudshell edit ~/mcp-on-cloudrun/Dockerfile
  2. ใส่โค้ดต่อไปนี้ใน Dockerfile เพื่อใช้เครื่องมือ uv ในการเรียกใช้ไฟล์ server.py
    # 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. สร้างบัญชีบริการชื่อ mcp-server-sa
    gcloud iam service-accounts create mcp-server-sa --display-name="MCP Server Service Account"
  4. เรียกใช้คำสั่ง gcloud เพื่อติดตั้งใช้งานแอปพลิเคชันใน 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
    ใช้แฟล็ก --no-allow-unauthenticated เพื่อกำหนดให้มีการตรวจสอบสิทธิ์ ซึ่งมีความสำคัญด้วยเหตุผลด้านความปลอดภัย หากไม่กำหนดให้มีการตรวจสอบสิทธิ์ ทุกคนจะเรียกเซิร์ฟเวอร์ MCP ของคุณได้และอาจทำให้ระบบเสียหาย
  5. ยืนยันการสร้างที่เก็บ Artifact Registry ใหม่ เนื่องจากเป็นการติดตั้งใช้งานใน Cloud Run จากซอร์สโค้ดเป็นครั้งแรก คุณจึงจะเห็นข้อความต่อไปนี้
    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)?
    พิมพ์ Y แล้วกด Enter เพื่อสร้างที่เก็บ Artifact Registry สำหรับการติดตั้งใช้งาน ซึ่งจำเป็นสำหรับการจัดเก็บคอนเทนเนอร์ Docker ของเซิร์ฟเวอร์ MCP สำหรับบริการ Cloud Run
  6. หลังจากผ่านไป 2-3 นาที คุณจะเห็นข้อความต่อไปนี้
    Service [zoo-mcp-server] revision [zoo-mcp-server-12345-abc] has been deployed and is serving 100 percent of traffic.

คุณได้ติดตั้งใช้งานเซิร์ฟเวอร์ MCP แล้ว ตอนนี้คุณสามารถใช้เซิร์ฟเวอร์ดังกล่าวได้

8. เพิ่มเซิร์ฟเวอร์ MCP ระยะไกลลงใน Antigravity CLI

เมื่อติดตั้งใช้งานเซิร์ฟเวอร์ MCP ระยะไกลเรียบร้อยแล้ว คุณจะเชื่อมต่อกับเซิร์ฟเวอร์ดังกล่าวได้โดยใช้แอปพลิเคชันต่างๆ เช่น Google Code Assist หรือ Antigravity CLI ในส่วนนี้ เราจะสร้างการเชื่อมต่อกับเซิร์ฟเวอร์ MCP ระยะไกลใหม่โดยใช้ Antigravity CLI

  1. ให้สิทธิ์บัญชีผู้ใช้ในการเรียกเซิร์ฟเวอร์ MCP ระยะไกล
    gcloud projects add-iam-policy-binding $GOOGLE_CLOUD_PROJECT \
    --member=user:$(gcloud config get-value account) \
    --role='roles/run.invoker'
  2. บันทึกข้อมูลเข้าสู่ระบบ Google Cloud และหมายเลขโปรเจ็กต์ในตัวแปรสภาพแวดล้อมเพื่อใช้ในไฟล์การตั้งค่า Antigravity
    export PROJECT_NUMBER=$(gcloud projects describe $GOOGLE_CLOUD_PROJECT --format="value(projectNumber)")
export ID_TOKEN=$(gcloud auth print-identity-token)
  3. สร้างโฟลเดอร์ .gemini/antigravity-cli หากยังไม่ได้สร้าง
    mkdir -p ~/.gemini/antigravity-cli
  4. เขียนเซิร์ฟเวอร์ MCP ระยะไกลลงในไฟล์การกำหนดค่า MCP ของ Antigravity CLI
    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. เริ่ม Antigravity CLI โดยใช้คำสั่งต่อไปนี้
    agy
  1. ตรวจสอบสิทธิ์ด้วย Antigravity CLI: ระบบกำหนดให้มีการตรวจสอบสิทธิ์ในระหว่างการเริ่มต้นครั้งแรก เลือก OAuth (กด Enter)หน้าจอการให้สิทธิ์ Antigravity
  2. คลิกลิงก์ (หากคลิกไม่ได้ ให้ไฮไลต์ URL ใน Cloud Shell เพื่อคัดลอก จากนั้นวางลงในเบราว์เซอร์)
  3. ลงชื่อเข้าใช้บัญชี Google
  4. คัดลอกโค้ด
  5. วางโค้ดลงในเทอร์มินัล Cloud Shell Editor
  6. กด Enter.ข้อความแจ้งรหัสความปลอดภัยของ Antigravity
  7. กด Enter เพื่อยอมรับการตั้งค่าเริ่มต้นบางอย่าง
  8. ให้ Antigravity CLI แสดงรายการเครื่องมือ MCP ที่พร้อมใช้งานภายในบริบทของเครื่องมือ
    /mcp
    กด ESC เพื่อกลับไปยังช่องพรอมต์
  9. ขอให้ Antigravity CLI ค้นหาสิ่งต่างๆ ในสวนสัตว์
    Where can I find penguins?
    Antigravity CLI ควรทราบว่าต้องใช้เซิร์ฟเวอร์ MCP zoo-remote และจะถามว่าคุณต้องการอนุญาตให้ดำเนินการ MCP หรือไม่
  10. ใช้ลูกศรลง แล้วกด Enter เพื่อเลือก
    Yes, always allow all tools from server "zoo-remote"
    Antigravity CLI อนุญาตเครื่องมือระยะไกลของ Zoo

เอาต์พุตควรแสดงคำตอบที่ถูกต้องและกล่องแสดงว่ามีการใช้เซิร์ฟเวอร์ MCP

Antigravity CLI show zoo mcp server result

คุณทำสำเร็จแล้ว คุณได้ติดตั้งใช้งานเซิร์ฟเวอร์ MCP ระยะไกลใน Cloud Run และทดสอบโดยใช้ Antigravity CLI เรียบร้อยแล้ว

เมื่อพร้อมที่จะสิ้นสุดเซสชัน ให้พิมพ์ /exit แล้วกด Enter เพื่อออกจาก Antigravity CLI

การแก้ไขข้อบกพร่อง

หากเห็นข้อผิดพลาดต่อไปนี้

🔍 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.

แสดงว่าโทเค็นรหัสหมดเวลาและต้องตั้งค่า ID_TOKEN อีกครั้ง

  1. พิมพ์ /exit แล้วกด Enter เพื่อออกจาก Antigravity CLI
  2. ตั้งค่าโปรเจ็กต์ในเทอร์มินัล 
    gcloud config set project [PROJECT_ID]
  3. เรียกใช้คำสั่งข้อมูลเข้าสู่ระบบ Google Cloud อีกครั้งเพื่อรับ ID_TOKEN ใหม่เนื่องจากโทเค็นเดิมอาจหมดอายุแล้ว และเขียนไฟล์การกำหนดค่าใหม่โดยใช้คำสั่งต่อไปนี้ 
    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. (ไม่บังคับ) ยืนยันการเรียกเครื่องมือในบันทึกของเซิร์ฟเวอร์

หากต้องการยืนยันว่ามีการเรียกเซิร์ฟเวอร์ MCP ของ Cloud Run ให้ตรวจสอบบันทึกของบริการ

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

คุณควรเห็นบันทึกเอาต์พุตที่ยืนยันว่ามีการเรียกเครื่องมือ 🛠️

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. (ไม่บังคับ) เพิ่มข้อความแจ้ง MCP ลงในเซิร์ฟเวอร์

ข้อความแจ้ง MCP สามารถเร่งเวิร์กโฟลว์สำหรับข้อความแจ้งที่คุณเรียกใช้บ่อยๆ ได้โดยการสร้างคำย่อสำหรับข้อความแจ้งที่ยาวขึ้น

Antigravity CLI จะแปลงข้อความแจ้ง MCP เป็น คำสั่ง Slash ที่กำหนดเอง โดยอัตโนมัติเพื่อให้คุณเรียกใช้ข้อความแจ้ง MCP ได้โดยพิมพ์ /prompt_name โดยที่ prompt_name คือชื่อของข้อความแจ้ง MCP

สร้างข้อความแจ้ง MCP เพื่อให้คุณค้นหาสัตว์ในสวนสัตว์ได้อย่างรวดเร็วโดยพิมพ์ /find animal ลงใน Antigravity CLI

  1. เพิ่มโค้ดนี้ลงในไฟล์ server.py เหนือการป้องกันหลัก (if __name__ == "__main__":) 
    @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. ติดตั้งใช้งานแอปพลิเคชันใน Cloud Run อีกครั้ง 
    gcloud run deploy zoo-mcp-server \
    --region=us-west1 \
    --source=. \
    --labels=dev-tutorial=codelab-mcp
  3. รีเฟรช ID_TOKEN และสร้างไฟล์การกำหนดค่าใหม่โดยใช้คำสั่งต่อไปนี้ 
    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. หลังจากติดตั้งใช้งานแอปพลิเคชันเวอร์ชันใหม่แล้ว ให้เริ่ม Antigravity CLI 
    agy
  2. ใช้คำสั่งที่กำหนดเองใหม่ที่คุณสร้างขึ้นในข้อความแจ้งโดยใช้คำสั่งต่อไปนี้ 
    /find lions

คุณควรเห็นว่า Antigravity CLI เรียกเครื่องมือ get_animals_by_species และจัดรูปแบบการตอบสนองตามที่ข้อความแจ้ง MCP สั่ง

╭───────────────────────────╮
│  > /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. (ไม่บังคับ) ใช้ Gemini Flash Lite เพื่อให้ได้คำตอบเร็วขึ้น

Antigravity CLI ช่วยให้คุณเลือกโมเดลและความพยายามที่ใช้ได้

เนื่องจากคำขอที่เกี่ยวข้องกับการค้นหาสัตว์ในสวนสัตว์ไม่จำเป็นต้องมีการคิดหรือการให้เหตุผล ให้ลองเร่งความเร็วโดยใช้โมเดลที่เร็วขึ้น

ในส่วนก่อนหน้า คุณได้สร้างข้อความแจ้ง MCP เพื่อให้คุณค้นหาสัตว์ในสวนสัตว์ได้อย่างรวดเร็วโดยพิมพ์ /find animal ลงใน Antigravity CLI

  1. หลังจากติดตั้งใช้งานแอปพลิเคชันเวอร์ชันใหม่แล้ว ให้เริ่ม Antigravity CLI 
    agy --model=gemini-3.6-flash --effort=low
  2. ใช้คำสั่งที่กำหนดเองใหม่ที่คุณสร้างขึ้นในข้อความแจ้งโดยใช้คำสั่งต่อไปนี้ 
    /find lions

คุณควรเห็นว่า Antigravity CLI ยังคงเรียกเครื่องมือ get_animals_by_species และจัดรูปแบบการตอบสนองตามที่ข้อความแจ้ง MCP สั่ง แต่คำตอบควรปรากฏเร็วขึ้นมาก

╭───────────────────────────╮
│  > /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.

การแก้ไขข้อบกพร่อง

หากเห็นข้อผิดพลาดต่อไปนี้

✕ Unknown command: /find lions

ลองเรียกใช้ /mcp และหากแสดง zoo-remote - Disconnected คุณอาจต้องติดตั้งใช้งานอีกครั้งหรือเรียกใช้คำสั่งต่อไปนี้อีกครั้ง

 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. บทสรุป

ยินดีด้วย คุณได้ติดตั้งใช้งานและเชื่อมต่อกับเซิร์ฟเวอร์ MCP ระยะไกลที่ปลอดภัยเรียบร้อยแล้ว

ไปยัง Lab ถัดไป

Lab นี้เป็น Lab แรกในชุด 3 ตอน ใน Lab ที่ 2 คุณจะได้ใช้เซิร์ฟเวอร์ MCP ที่สร้างขึ้นกับ ADK Agent

ใช้เซิร์ฟเวอร์ MCP ใน Cloud Run กับ ADK Agent

(ไม่บังคับ) ล้างข้อมูล

หากไม่ต้องการทำ Lab ถัดไปและต้องการล้างข้อมูลที่สร้างขึ้น คุณสามารถลบโปรเจ็กต์ที่อยู่ในระบบคลาวด์ เพื่อหลีกเลี่ยงค่าใช้จ่ายเพิ่มเติม

แม้ว่า Cloud Run จะไม่คิดค่าบริการเมื่อไม่ได้ใช้บริการ แต่คุณอาจยังคงถูกเรียกเก็บเงินสำหรับการจัดเก็บอิมเมจคอนเทนเนอร์ใน Artifact Registry การลบโปรเจ็กต์ที่อยู่ในระบบคลาวด์จะหยุดการเรียกเก็บเงินสำหรับทรัพยากรทั้งหมดที่ใช้ภายในโปรเจ็กต์นั้น

หากต้องการ ให้ลบโปรเจ็กต์โดยทำดังนี้

gcloud projects delete $GOOGLE_CLOUD_PROJECT

นอกจากนี้ คุณอาจต้องการลบทรัพยากรที่ไม่จำเป็นออกจากดิสก์ Cloud Shell โดยทำดังนี้

  1. ลบไดเรกทอรีโปรเจ็กต์ Codelab โดยใช้คำสั่งต่อไปนี้ 
    rm -rf ~/mcp-on-cloudrun
  2. คำเตือน! การดำเนินการถัดไปนี้ไม่สามารถยกเลิกได้ หากต้องการลบทุกอย่างใน Cloud Shell เพื่อเพิ่มพื้นที่ว่าง คุณสามารถลบไดเรกทอรีหน้าแรกทั้งหมดได้ โปรดตรวจสอบว่าได้บันทึกทุกอย่างที่ต้องการเก็บไว้ที่อื่นแล้ว 
    sudo rm -rf $HOME