Google menggunakan teknologi AI untuk menerjemahkan konten ke dalam bahasa pilihan Anda. Terjemahan AI mungkin mengandung kesalahan.

Toolbox MCP untuk Database: Menyediakan set data BigQuery untuk klien MCP

1. Pengantar

Dalam codelab ini, Anda akan menggunakan MCP Toolbox for Databases untuk menyediakan set data BigQuery Anda.

Melalui codelab ini, Anda akan menggunakan pendekatan langkah demi langkah sebagai berikut:

Identifikasi set data BigQuery tertentu ("Catatan Rilis Google Cloud") dari program set data BigQuery publik.
Siapkan MCP Toolbox for Databases, yang terhubung ke set data BigQuery.
Mengembangkan Agen menggunakan Agent Development Kit (ADK) yang akan memanfaatkan MCP Toolbox untuk menjawab kueri dari pengguna tentang Catatan rilis Google Cloud

Yang akan Anda lakukan

Siapkan MCP Toolbox for Databases untuk mengekspos Catatan rilis Google Cloud, set data BigQuery publik, sebagai Antarmuka MCP ke Klien MCP lainnya (IDE, Alat, dll.).

Yang akan Anda pelajari

Jelajahi set data publik BigQuery dan pilih set data tertentu.
Siapkan MCP Toolbox for Databases untuk set data publik BigQuery yang ingin kita sediakan untuk klien MCP.
Merancang dan mengembangkan Agen menggunakan Agent Development Kit (ADK) untuk menjawab kueri pengguna.
Uji Agen dan MCP Toolbox for Databases di lingkungan lokal.

Yang Anda butuhkan

Browser web Chrome.
Lingkungan pengembangan Python lokal.

2. Sebelum memulai

Membuat project

Di Konsol Google Cloud, di halaman pemilih project, pilih atau buat project Google Cloud.
Pastikan penagihan diaktifkan untuk project Cloud Anda. Pelajari cara memeriksa apakah penagihan telah diaktifkan pada suatu project .
Anda akan menggunakan Cloud Shell, lingkungan command line yang berjalan di Google Cloud yang telah dilengkapi dengan bq. Klik Activate Cloud Shell di bagian atas Konsol Google Cloud.

Gambar tombol Activate Cloud Shell

Setelah terhubung ke Cloud Shell, Anda dapat memeriksa bahwa Anda sudah diautentikasi dan project sudah ditetapkan ke project ID Anda menggunakan perintah berikut:

gcloud auth list

Jalankan perintah berikut di Cloud Shell untuk mengonfirmasi bahwa perintah gcloud mengetahui project Anda.

gcloud config list project

Jika project Anda belum ditetapkan, gunakan perintah berikut untuk menetapkannya:

gcloud config set project <YOUR_PROJECT_ID>

Aktifkan API yang diperlukan melalui perintah yang ditampilkan di bawah. Proses ini mungkin memerlukan waktu beberapa menit, jadi harap bersabar.

gcloud services enable cloudresourcemanager.googleapis.com \
                       servicenetworking.googleapis.com \
                       run.googleapis.com \
                       cloudbuild.googleapis.com \
                       cloudfunctions.googleapis.com \
                       aiplatform.googleapis.com \
                       sqladmin.googleapis.com \
                       compute.googleapis.com

Jika perintah berhasil dieksekusi, Anda akan melihat pesan yang mirip dengan yang ditampilkan di bawah:

Operation "operations/..." finished successfully.

Alternatif untuk perintah gcloud adalah melalui konsol dengan menelusuri setiap produk atau menggunakan link ini.

Jika ada API yang terlewat, Anda dapat mengaktifkannya kapan saja selama pelaksanaan.

Baca dokumentasi untuk mempelajari perintah gcloud dan penggunaannya.

3. Set Data Catatan Rilis Google dan klien MCP

Pertama-tama, mari kita lihat Catatan rilis Google Cloud yang diperbarui secara rutin di halaman web Catatan Rilis Google Cloud resmi, yang screenshot-nya ditampilkan di bawah:

Anda dapat berlangganan ke URL feed, tetapi bagaimana jika kita dapat bertanya di Chat Agen tentang Catatan rilis ini. Mungkin kueri sederhana seperti "Beri tahu saya tentang Catatan Rilis Google Cloud".

4. MCP Toolbox for Databases

MCP Toolbox for Databases adalah server MCP open source untuk database. Alat ini dirancang dengan mempertimbangkan kualitas produksi dan tingkat perusahaan. Hal ini memungkinkan Anda mengembangkan alat dengan lebih mudah, cepat, dan aman dengan menangani kompleksitas seperti penggabungan koneksi, autentikasi, dan lainnya.

Toolbox membantu Anda membangun alat AI Generatif yang memungkinkan agen Anda mengakses data di database Anda. Toolbox menyediakan:

Pengembangan yang disederhanakan: Integrasikan alat ke agen Anda dengan kurang dari 10 baris kode, gunakan kembali alat di antara beberapa agen atau framework, dan deploy versi baru alat dengan lebih mudah.
Performa yang lebih baik: Praktik terbaik seperti penggabungan koneksi, autentikasi, dan lainnya.
Keamanan yang ditingkatkan: Autentikasi terintegrasi untuk akses yang lebih aman ke data Anda
Kemampuan observasi menyeluruh: Metrik dan pelacakan siap pakai dengan dukungan bawaan untuk OpenTelemetry.
Toolbox memudahkan Anda menghubungkan database ke asisten AI yang kompatibel dengan MCP, bahkan yang ada di IDE Anda.

Toolbox berada di antara framework orkestrasi aplikasi dan database Anda, yang menyediakan bidang kontrol yang digunakan untuk mengubah, mendistribusikan, atau memanggil alat. Hal ini menyederhanakan pengelolaan alat Anda dengan memberi Anda lokasi terpusat untuk menyimpan dan memperbarui alat, sehingga Anda dapat membagikan alat antar-agen dan aplikasi serta memperbarui alat tersebut tanpa perlu men-deploy ulang aplikasi Anda.

Untuk meringkas dengan kata-kata sederhana:

MCP Toolbox tersedia sebagai biner, image container, atau Anda dapat mem-build-nya dari sumber.
Agen ini mengekspos serangkaian alat yang Anda konfigurasi melalui file tools.yaml. Alat ini dapat dianggap terhubung ke sumber data Anda. Anda dapat melihat berbagai sumber data yang didukungnya : AlloyDB, BigQuery, dll.
Karena toolbox ini kini mendukung MCP, Anda otomatis memiliki endpoint Server MCP yang kemudian dapat digunakan oleh Agen (IDE) atau Anda dapat menggunakannya saat mengembangkan Aplikasi Agen menggunakan berbagai framework seperti Agent Development Kit (ADK).

Fokus kita dalam postingan blog ini adalah pada area yang disorot di bawah:

Singkatnya, kita akan membuat konfigurasi di MCP Toolbox for Databases yang mengetahui cara terhubung ke set data BigQuery kita. Kemudian, kita akan mengembangkan Agen menggunakan Agent Development Kit (ADK) yang akan terintegrasi dengan endpoint MCP Toolbox dan memungkinkan kita mengirim kueri alami untuk menanyakan set data kita. Anggap saja ini sebagai aplikasi agentik yang Anda kembangkan yang tahu cara berinteraksi dengan set data BigQuery Anda dan menjalankan beberapa kueri.

5. Set Data BigQuery untuk Catatan Rilis Google Cloud

Program Set Data Publik Google Cloud adalah program yang menyediakan berbagai set data untuk aplikasi Anda. Salah satu set data tersebut adalah database Catatan Rilis Google Cloud. Set data ini memberikan informasi yang sama dengan halaman web Catatan Rilis Google Cloud resmi dan tersedia sebagai set data yang dapat dikueri secara publik.

Sebagai pengujian, saya cukup memvalidasi set data dengan menjalankan kueri sederhana yang ditunjukkan di bawah:

SELECT
       product_name,description,published_at
     FROM
       `bigquery-public-data`.`google_cloud_release_notes`.`release_notes`
     WHERE
       DATE(published_at) >= DATE_SUB(CURRENT_DATE(), INTERVAL 7 DAY)
     GROUP BY product_name,description,published_at
     ORDER BY published_at DESC

Tindakan ini akan menampilkan daftar data dari set data Catatan Rilis yang telah dipublikasikan dalam 7 hari terakhir.

Ganti ini dengan set data lain pilihan Anda dan kueri serta parameter yang sesuai yang Anda inginkan. Yang perlu kita lakukan sekarang adalah menyiapkannya sebagai Sumber Data dan Alat di MCP Toolbox for Databases. Mari kita lihat cara melakukannya.

6. Menginstal MCP Toolbox for Databases

Buka terminal di komputer lokal Anda dan buat folder bernama mcp-toolbox.

mkdir mcp-toolbox

Buka folder mcp-toolbox melalui perintah yang ditampilkan di bawah:

cd mcp-toolbox

Instal versi biner MCP Toolbox for Databases melalui skrip yang diberikan di bawah. Perintah di bawah ini adalah untuk Linux, tetapi jika Anda menggunakan Mac atau Windows, pastikan Anda mendownload biner yang benar. Lihat halaman rilis untuk Sistem Operasi dan Arsitektur Anda, lalu download program biner yang benar.

export VERSION=1.13.1
curl -L -o toolbox https://storage.googleapis.com/mcp-toolbox-for-databases/v$VERSION/linux/amd64/toolbox
chmod +x toolbox

Sekarang kita memiliki versi biner toolbox yang siap digunakan. Langkah berikutnya adalah mengonfigurasi toolbox dengan sumber data dan konfigurasi lainnya.

7. Mengonfigurasi MCP Toolbox for Databases

Sekarang, kita perlu menentukan set data dan alat BigQuery di file tools.yaml yang diperlukan oleh MCP Toolbox for Database. File tools.yaml adalah cara utama untuk mengonfigurasi Toolbox.

Buat file bernama tools.yaml di folder yang sama, yaitu mcp-toolbox, yang isinya ditampilkan di bawah.

Anda dapat menggunakan editor nano yang tersedia di Cloud Shell. Perintah nano adalah sebagai berikut: "nano tools.yaml".

Jangan lupa untuk mengganti nilai YOUR_PROJECT_ID dengan ID Project Google Cloud Anda.

kind: source
name: my-bq-source
type: bigquery
project: YOUR_PROJECT_ID
---
kind: tool
name: search_release_notes_bq
type: bigquery-sql
source: my-bq-source
description: Use this tool to get information on Google Cloud Release Notes.
statement: |
    SELECT
     product_name,description,published_at
    FROM
      `bigquery-public-data`.`google_cloud_release_notes`.`release_notes`
    WHERE
     DATE(published_at) >= DATE_SUB(CURRENT_DATE(), INTERVAL 7 DAY)
    GROUP BY product_name,description,published_at
    ORDER BY published_at DESC;
---
kind: toolset
name: my_bq_toolset
tools:
  - search_release_notes_bq

Mari kita pahami file ini secara singkat:

Sumber mewakili berbagai sumber data yang dapat berinteraksi dengan alat. Sumber merepresentasikan sumber data yang dapat berinteraksi dengan alat. Anda dapat menentukan Sumber sebagai peta di bagian sumber pada file tools.yaml. Biasanya, konfigurasi sumber akan berisi informasi apa pun yang diperlukan untuk terhubung dan berinteraksi dengan database. Dalam kasus ini, kita telah menentukan sumber BigQuery my-bq-source dan Anda perlu memberikan Project ID Google Cloud Anda. Untuk mengetahui informasi selengkapnya, lihat referensi Sumber.
Alat menentukan tindakan yang dapat dilakukan agen – seperti membaca dan menulis ke sumber. Alat merepresentasikan tindakan yang dapat dilakukan agen Anda, seperti menjalankan pernyataan SQL. Anda dapat menentukan Alat sebagai peta di bagian alat pada file tools.yaml. Biasanya, alat akan memerlukan sumber untuk ditindaklanjuti. Dalam kasus ini, kita menentukan satu alat search_release_notes_bq. Ini mereferensikan sumber BigQuery my-bq-source yang kita tentukan pada langkah pertama. Selain itu, juga terdapat pernyataan dan petunjuk yang akan digunakan oleh klien Agen AI. Untuk mengetahui informasi selengkapnya, lihat referensi Alat.
Terakhir, ada Toolset, yang memungkinkan Anda menentukan grup alat yang ingin dimuat bersama. Hal ini dapat berguna untuk menentukan berbagai grup berdasarkan agen atau aplikasi. Dalam kasus ini, kita memiliki definisi set alat yang saat ini hanya menentukan satu alat search_release_notes_bq yang telah ditentukan. Anda dapat memiliki lebih dari satu set alat, yang memiliki kombinasi alat yang berbeda.

Jadi, saat ini, kita hanya menentukan satu alat yang mendapatkan catatan rilis untuk 7 hari terakhir sesuai kueri. Namun, Anda juga dapat memiliki berbagai kombinasi dengan parameter.

Lihat beberapa detail konfigurasi lainnya di Konfigurasi sumber data BigQuery di MCP Toolbox for Databases.

8. Menguji MCP Toolbox for Databases

Kita telah mendownload dan mengonfigurasi Toolbox dengan file tools.yaml di folder mcp-toolbox. Mari kita jalankan secara lokal terlebih dahulu.

Jalankan perintah berikut:

./toolbox --config "tools.yaml"

Jika berhasil dieksekusi, Anda akan melihat server dimulai dengan output contoh yang mirip dengan yang di bawah ini:

2026-09-26T12:58:14.590825+05:30 INFO "Starting MCP Toolbox for Databases version 1.13.1+binary.darwin.arm64.e14cda6" 
2026-09-26T12:58:14.59319+05:30 INFO "Initialized 1 sources: my-bq-source" 
2026-09-26T12:58:14.593198+05:30 INFO "Initialized 0 authServices: " 
2026-09-26T12:58:14.593201+05:30 INFO "Initialized 0 embeddingModels: " 
2026-09-26T12:58:14.59323+05:30 INFO "Initialized 1 tools: search_release_notes_bq" 
2026-09-26T12:58:14.593235+05:30 INFO "Initialized 0 prompts: " 
2026-09-26T12:58:14.593236+05:30 INFO "Initialized 0 resources: " 
2026-09-26T12:58:14.593238+05:30 INFO "Initialized 0 resource templates: " 
2026-09-26T12:58:14.593244+05:30 INFO "Initialized 2 groups: my_bq_toolset, default" 
2026-09-26T12:58:14.593259+05:30 WARN "wildcard (*) allows any website to access the primitives. This creates a security risk regardless of whether you are in a production or local development environment. Recommended to use --allowed-origins with specific local addresses." 
2026-09-26T12:58:14.593266+05:30 WARN "wildcard (*) hosts allow any domain to access this resource, making it vulnerable to DNS rebinding attacks regardless of whether you are in a production or local development environment. For improved security, use the --allowed-hosts flag to specify trusted domains." 
2026-09-26T12:58:14.593365+05:30 INFO "Server ready to serve!"

Server MCP Toolbox berjalan secara default di port 5000. Jika Anda mendapati bahwa port 5000 sudah digunakan, silakan gunakan port lain (misalnya 7000) sesuai perintah yang ditunjukkan di bawah. Sebagai gantinya, gunakan 7000, bukan port 5000 dalam perintah berikutnya.

./toolbox --config "tools.yaml" --port 7000

Mari kita gunakan Cloud Shell untuk mengujinya.

Klik Web Preview di Cloud Shell seperti yang ditunjukkan di bawah:

Klik Change port dan tetapkan port ke 5000 seperti yang ditunjukkan di bawah, lalu klik Change and Preview.

Outputnya akan terlihat seperti berikut:

Menguji Alat melalui UI MCP Toolbox for Databases

Toolbox menyediakan antarmuka visual (UI Toolbox) untuk berinteraksi langsung dengan alat dengan mengubah parameter, mengelola header, dan mengeksekusi panggilan, semuanya dalam UI web sederhana.

Jika ingin mengujinya, Anda dapat menjalankan perintah sebelumnya yang kita gunakan untuk meluncurkan Toolbox Server dengan opsi --ui.

Untuk melakukannya, nonaktifkan instance Server MCP Toolbox for Databases sebelumnya yang mungkin sedang Anda jalankan dan berikan perintah berikut:

./toolbox --tools-file "tools.yaml" --ui

Idealnya, Anda akan melihat output bahwa Server telah dapat terhubung ke sumber data kami dan telah memuat toolset dan alat. Contoh output diberikan di bawah dan Anda akan melihat bahwa output tersebut akan menyebutkan bahwa UI Toolbox sudah aktif dan berjalan.

Flag --tools-file has been deprecated, please use --config instead
2026-09-26T12:59:21.662102+05:30 INFO "Starting MCP Toolbox for Databases version 1.13.1+binary.darwin.arm64.e14cda6" 
2026-09-26T12:59:21.663076+05:30 INFO "Initialized 1 sources: my-bq-source" 
2026-09-26T12:59:21.663084+05:30 INFO "Initialized 0 authServices: " 
2026-09-26T12:59:21.663087+05:30 INFO "Initialized 0 embeddingModels: " 
2026-09-26T12:59:21.663101+05:30 INFO "Initialized 1 tools: search_release_notes_bq" 
2026-09-26T12:59:21.663104+05:30 INFO "Initialized 0 prompts: " 
2026-09-26T12:59:21.663107+05:30 INFO "Initialized 0 resources: " 
2026-09-26T12:59:21.663109+05:30 INFO "Initialized 0 resource templates: " 
2026-09-26T12:59:21.663116+05:30 INFO "Initialized 2 groups: default, my_bq_toolset" 
2026-09-26T12:59:21.663124+05:30 WARN "wildcard (*) allows any website to access the primitives. This creates a security risk regardless of whether you are in a production or local development environment. Recommended to use --allowed-origins with specific local addresses." 
2026-09-26T12:59:21.663132+05:30 WARN "wildcard (*) hosts allow any domain to access this resource, making it vulnerable to DNS rebinding attacks regardless of whether you are in a production or local development environment. For improved security, use the --allowed-hosts flag to specify trusted domains." 
2026-09-26T12:59:21.663242+05:30 INFO "Server ready to serve!" 
2026-09-26T12:59:21.663249+05:30 INFO "Toolbox UI is up and running at: http://127.0.0.1:5000/ui"

Klik URL UI dan pastikan Anda memiliki /ui di akhir URL. Tindakan ini akan menampilkan UI seperti yang ditunjukkan di bawah:

Klik opsi Alat di sebelah kiri untuk melihat alat yang telah dikonfigurasi dan dalam kasus ini, hanya ada satu, yaitu search_release_notes_bq, seperti yang ditunjukkan di bawah:

Cukup klik alat (search_release_notes_bq) dan halaman untuk menguji alat akan muncul. Karena tidak ada parameter yang perlu diberikan, Anda cukup mengklik Run Tool untuk melihat hasilnya. Contoh eksekusi ditampilkan di bawah:

9. Menulis Agen dengan Agent Development Kit (ADK)

Menginstal Agent Development Kit (ADK)

Buka tab terminal baru di Cloud Shell dan buat folder bernama my-agents sebagai berikut. Buka juga folder my-agents.

mkdir my-agents
cd my-agents

Sekarang, buat lingkungan Python virtual menggunakan venv sebagai berikut:

python -m venv .venv

Aktifkan lingkungan virtual sebagai berikut:

source .venv/bin/activate

Instal paket ADK dan MCP Toolbox for Databases beserta dependensi langchain sebagai berikut:

pip install google-adk toolbox-core

Sekarang Anda dapat memanggil utilitas adk sebagai berikut.

adk

Daftar perintah akan ditampilkan.

$ adk
Usage: adk [OPTIONS] COMMAND [ARGS]...
  Agent Development Kit CLI tools.
Options:
  --version  Show the version and exit.
  --help     Show this message and exit.
Commands:
  api_server   Starts a FastAPI server for agents.
  conformance  Conformance testing tools for ADK.
  create       Creates a new app in the current folder with prepopulated...
  deploy       Deploys agent to hosted environments.
  eval         Evaluates an agent given the eval sets.
  eval_set     Manage Eval Sets.
  migrate      ADK migration commands.
  optimize     Optimizes the root agent instructions using the GEPA...
  run          Runs an agent.
  telemetry    Manage telemetry settings.
  test         Runs pytest on agent test JSON files under the specified...
  web          Starts a FastAPI server with Web UI for agents.

Membuat Aplikasi Agen pertama kita

Sekarang kita akan menggunakan adk untuk membuat scaffolding bagi Aplikasi Agen Catatan Rilis Google Cloud melalui perintah adk create dengan nama aplikasi **(gcp_releasenotes_agent_app)**seperti yang diberikan di bawah.

adk create gcp_releasenotes_agent_app

Ikuti langkah-langkahnya dan pilih opsi berikut:

Pilih model gemini-3.8-flash untuk memilih model bagi agen root.
Pilih Vertex AI untuk backend.
Project ID Google default Anda akan ditampilkan. Pilih opsi tersebut.
Region Project Google Cloud saat ini akan ditampilkan. Pastikan Anda mengetik global.

Choose a model for the root agent:
1. gemini-3.5-flash
2. gemini-3.8-flash
3. Other models (fill later)
Choose model (1, 2, 3): 2

1. Google AI
2. Vertex AI
3. Login with Google
Choose a backend (1, 2, 3): 2

You need an existing Google Cloud account and project, check out this link for details:
https://google.github.io/adk-docs/get-started/quickstart/#gemini---google-cloud-vertex-ai

Enter Google Cloud project ID [YOUR_PROJECT_ID]: 
Enter Google Cloud region [us-central1]: global
Agent created in /Users/romin/my-agents/gcp_releasenotes_agent_app:
- .env
- .gitignore
- __init__.py
- agent.py

Amati folder tempat template default dan file yang diperlukan untuk Agen telah dibuat.

Pertama-tama adalah file .env. Isinya ditunjukkan di bawah:

GOOGLE_GENAI_USE_ENTERPRISE=1
GOOGLE_CLOUD_PROJECT=YOUR_GOOGLE_PROJECT_ID
GOOGLE_CLOUD_LOCATION=YOUR_GOOGLE_PROJECT_REGION

Nilai tersebut menunjukkan bahwa kita akan menggunakan Gemini melalui Gemini Enterprise beserta nilai masing-masing untuk Project ID dan lokasi Google Cloud.

Kemudian, kita memiliki file __init__.py yang menandai folder sebagai modul dan memiliki satu pernyataan yang mengimpor agen dari file agent.py.

from . import agent

Terakhir, mari kita lihat file agent.py. Isinya ditampilkan di bawah:

from google.adk.agents.llm_agent import Agent
root_agent = Agent(
    model='gemini-3.8-flash',
    name='root_agent',
    description='A helpful assistant for user questions.',
    instruction='Answer user questions to the best of your knowledge',
)

Ini adalah Agen paling sederhana yang dapat Anda tulis dengan ADK. Dari halaman dokumentasi ADK, Agen adalah unit eksekusi mandiri yang dirancang untuk bertindak secara otonom guna mencapai tujuan tertentu. Agen dapat melakukan tugas, berinteraksi dengan pengguna, menggunakan alat eksternal, dan berkoordinasi dengan agen lain.

Secara khusus, LLMAgent, yang biasanya diberi alias sebagai Agent, menggunakan Model Bahasa Besar (LLM) sebagai mesin intinya untuk memahami bahasa alami, melakukan penalaran, membuat rencana, menghasilkan respons, dan secara dinamis memutuskan cara melanjutkan atau alat yang akan digunakan, sehingga ideal untuk tugas yang fleksibel dan berfokus pada bahasa. Pelajari lebih lanjut Agen LLM di sini.

Dengan demikian, kita telah menyelesaikan penyiapan untuk membuat Agen dasar menggunakan Agent Development Kit (ADK). Sekarang kita akan menghubungkan Agen ke MCP Toolbox, sehingga Agen dapat menggunakan alat tersebut untuk menjawab kueri dari pengguna (dalam hal ini, Agen akan menjawab catatan Rilis Google Cloud).

10. Menghubungkan Agen ke Alat

Sekarang kita akan menghubungkan Agen ini ke Alat. Dalam konteks ADK, Alat mewakili kemampuan spesifik yang tersedia bagi sebuah agen AI sehingga agen tersebut dapat bertindak serta berinteraksi dengan dunia—bukan sekadar membuat teks dan bernalar, yang merupakan kemampuan intinya.

Dalam kasus ini, kita akan melengkapi Agen kita dengan Alat yang telah kita konfigurasi di MCP Toolbox for Databases.

Ubah file agent.py dengan kode berikut. Perhatikan bahwa kita menggunakan port default 5000 dalam kode, tetapi jika Anda menggunakan nomor port alternatif, gunakan nomor tersebut.

from google.adk.agents import Agent
from toolbox_core import ToolboxSyncClient
toolbox = ToolboxSyncClient("http://127.0.0.1:5000")
# Load all the tools
tools = toolbox.load_toolset('my_bq_toolset')
root_agent = Agent(
    name="gcp_releasenotes_agent",
    model="gemini-3.8-flash",
    description=(
        "Agent to answer questions about Google Cloud Release notes."
    ),
    instruction=(
        "You are a helpful agent who can answer user questions about the Google Cloud Release notes. Use the tools to answer the question"
    ),
    tools=tools,
)

Sekarang kita dapat menguji Agen yang akan mengambil data sebenarnya dari set data BigQuery yang telah dikonfigurasi dengan MCP Toolbox for Databases.

Untuk melakukannya, ikuti urutan berikut:

Di salah satu terminal Cloud Shell, luncurkan MCP Toolbox for Databases. Anda mungkin sudah menjalankannya secara lokal di port 5000 seperti yang kita uji sebelumnya. Jika tidak, jalankan perintah berikut (dari folder mcp-toolbox) untuk memulai server:

./toolbox --config "tools.yaml"

Idealnya, Anda akan melihat output bahwa Server telah dapat terhubung ke sumber data kami dan telah memuat toolset dan alat.

Setelah server MCP berhasil dimulai, di terminal lain, luncurkan Agen melalui perintah adk run (dari folder my-agents) yang ditunjukkan di bawah. Anda juga dapat menggunakan perintah adk web jika mau.

$ adk run gcp_releasenotes_agent_app/
Running agent gcp_releasenotes_agent, type exit to exit.
[user]: Hello
[gcp_releasenotes_agent]: Hello! I am your Google Cloud Release Notes assistant. How can I help you today? Feel free to ask about recent updates, feature releases, deprecations, or announcements across Google Cloud products.
[user]: get me the google cloud release notes
[gcp_releasenotes_agent]: Here are the latest highlights from the Google Cloud Release Notes:
---

### **AI & Machine Learning**
* **Gemini Enterprise**: 
  * **Gemini 3.8 Flash** is now Generally Available (GA) and enabled by default in `global`, `us`, and `eu` regions.
* **Gemini Enterprise Agent Platform**: 
  * **Gemini 3.8 Live** is now GA, bringing improved voice quality, model reliability, and agent orchestration.
  * **Meta's Muse Spark 1.3** is in Preview (reasoning model with tool calling, MCP support, and 1M context window).
* **CX Agent Studio**: 
  * **Agent as a tool** is now GA.
  * Added **Composite models** for enterprise voice agents.
  * Introduced **Supervisor agents** to monitor active agent performance.
  * Added **Agent-to-agent (A2A) protocol tools** and integrations for WhatsApp, Instagram, and SecureCo.
* **Model Armor**: Prompt injection, jailbreak detection, and Responsible AI filters are now supported in Melbourne (`australia-southeast2`).
---

### **Compute & Infrastructure**
* **Compute Engine**: Standard snapshots deleted accidentally or maliciously are now retained in the **Recycle Bin for 3 days** before permanent erasure (Preview).
* **Confidential VM**: Support for **Intel TDX on `c4-standard-*`** machine types is now GA.
* **SAP on Google Cloud**: Certified the **X5 series** of memory-optimized bare metal machine types (Intel Granite Rapids CPU platform) for SAP HANA and SAP NetWeaver.
* **Cloud Workstations**: Cloud Workstations is now a covered product under the Google Cloud HIPAA BAA.
---

### **Containers & Networking**
* **Google Kubernetes Engine (GKE)**: **GKE ambient networking** is now in Preview (allowlist), providing a sidecarless, Layer 4 service mesh using Gateway API on GKE Dataplane V2.
* **Cloud Service Mesh**: Maintenance and security patch releases available for in-cluster versions `1.30.4-asm.14`, `1.29.7-asm.18`, and `1.28.10-asm.40`.
---

### **Data Analytics & Databases**
* **BigQuery**: In BigQuery Studio, the query editor results table now freezes row numbers on the left during horizontal scrolling (GA).
* **Memorystore for Valkey**: Valkey version 9.1 is now GA.
* **Looker**: Deployment of version 26.16; includes a long-polling concurrency guard, tile-level filter controls (Preview), and an OAuth authorization warning dialog.
* **Data Studio / Looker Studio**: 
  * Added private IP connectivity for Cloud SQL PostgreSQL databases.
..
..
..

Perhatikan bahwa Agen menggunakan alat yang telah kita konfigurasi di MCP Toolbox for Databases (search_release_notes_bq) dan mengambil data dari set data BigQuery serta memformat responsnya dengan tepat.

11. Selamat

Selamat, Anda telah berhasil mengonfigurasi MCP Toolbox for Databases dan mengonfigurasi set data BigQuery untuk akses dalam klien MCP.