生活分享

Google Cloud 推出 CLI 遠端 MCP 伺服器預覽：讓 AI 代理直接執行 gcloud 與 bq 指令

Google Cloud 宣布 Google Cloud CLI 遠端 MCP 伺服器進入公開預覽，讓相容 MCP 的 AI 代理在雲端隔離沙箱中執行 gcloud 與 bq 指令。本文整理其運作方式、Google 所稱的安全機制、收費說明與對一般讀者的影響。

閱讀時間約 6 分鐘

Google Cloud 推出 CLI 遠端 MCP 伺服器預覽：讓 AI 代理直接執行 gcloud 與 bq 指令
圖片：Mokaair (Original editorial artwork)

發生了什麼事

Google Cloud 在官方部落格宣布，推出 Google Cloud CLI 遠端 MCP 伺服器，目前為公開預覽階段。AI 代理是指能依指示自行呼叫工具、完成任務的 AI 程式；CLI（命令列介面）則是用輸入文字指令來操作系統的工具。MCP（Model Context Protocol）是一種讓 AI 代理連接外部工具的標準協定。Google Cloud 表示，這個伺服器以 gcloud（管理 Google Cloud 的命令列工具）與 bq（BigQuery 的命令列工具）為基礎，把數百個指令整合進單一 MCP 伺服器，讓 AI 代理可以用來管理 Google Cloud 基礎設施與處理 BigQuery 工作流程。

根據 Google Cloud，該伺服器提供兩個工具：run_gcloud_command 與 run_bq_command。前者涵蓋 gcloud 的操作，Google 舉的例子是可觀測性與事件診斷，也就是協助查找系統問題的來源；後者延伸 BigQuery 能力，包括排程查詢、檢視查詢執行細節與預留資源管理，以及檢視與更新資料表權限。Google Cloud 指出，既有的 BigQuery MCP 伺服器則著重資料分析與探索。

Google Cloud 推出 CLI 遠端 MCP 伺服器預覽：讓 AI 代理直接執行 gcloud 與 bq 指令
Mokaair 編輯查核流程 · 圖片：Mokaair (Original editorial artwork)
閱讀完整文字說明

消息會先蒐集來源、獨立查核，再交由 Jev 判斷。

為什麼要把命令列放到遠端

Google Cloud 的說法是，過去要讓 AI 代理管理雲端，得在代理的執行環境裡安裝並維護 Google Cloud CLI，開發、測試與正式環境的版本管理都會增加負擔。遠端 MCP 伺服器改在 Google Cloud 基礎設施上的隔離沙箱（與其他系統隔開的受控執行環境）中執行指令，免除本機安裝。Google Cloud 也表示，像 Gemini Enterprise 這類網頁託管的代理平台，使用者本來就無法安裝本機套件，遠端方式讓這些介面也能使用 CLI 操作。

至於為何選擇命令列，Google Cloud 認為 CLI 指令能把多步驟流程與驗證檢查包成單一指令，且大型語言模型大量預訓練過公開的命令列文件與範例，因此較容易正確呼叫。這是 Google 的論點，實際效果仍有待使用者在預覽期間檢驗。

Google Cloud 對傳統做法與遠端 MCP 伺服器的比較（內容全數來自 Google Cloud 部落格）
項目傳統做法（依 Google Cloud 描述）CLI 遠端 MCP 伺服器（依 Google Cloud 描述）
CLI 安裝位置安裝在代理執行環境內在 Google Cloud 的隔離沙箱執行
版本與相依套件需在各環境自行維護免除本機安裝與執行環境維護
網頁型代理平台無法安裝本機套件可透過遠端 MCP 使用
身分驗證—Agent Identity、OAuth 2.0、IAM
額外費用—伺服器本身不另收費，只付資源與資料傳輸費

Google 所稱的安全與治理機制

  • 無環境憑證：根據 Google Cloud，指令在網路受限的 proxy（中介伺服器）隔離邊界內執行，環境中不預先存放任何登入憑證；驗證與授權透過 Agent Identity、OAuth 2.0 與 IAM（身分與存取權管理）處理。
  • 以呼叫者權限執行：Google Cloud 表示每個指令都以已驗證呼叫者身分的權限執行，並強制套用 IAM 權限與組織政策限制。
  • Model Armor 整合：Google Cloud 稱可篩檢 LLM 提示與回應，以防範提示注入（用惡意文字誘導 AI 做出非預期行為）與惡意輸入。
  • 稽核日誌：Google Cloud 表示可設定記錄每次工具呼叫，顯示呼叫者身分、OAuth 用戶端與 IAM 授權決策，而不暴露敏感指令內容或個人識別資訊。

對一般讀者與企業的實際影響

對一般消費者來說，這項更新不會直接改變日常使用的服務，但它反映出一個趨勢：AI 代理正從「回答問題」走向「直接操作系統」。對使用 Google Cloud 的企業與開發團隊而言，若 Google 的描述成立，團隊可以用自然語言讓代理協助查問題、排程查詢或檢查權限，而不必自行打包 CLI。

根據 Google Cloud，開始使用需要在專案中啟用 Cloud CLI Execution API（cloudcli.googleapis.com）、為代理或使用者授予 MCP Tool User（roles/mcp.toolUser）IAM 角色，再讓 MCP 用戶端連線到 cloudcli.googleapis.com/mcp。Google Cloud 表示 Google Cloud 託管平台可使用免金鑰的 Agent Identity，外部執行環境則使用 OAuth 2.0。由於仍是預覽版，功能與條款日後可能調整。

常見問題

MCP 是什麼？

MCP 即 Model Context Protocol，是讓 AI 代理連接外部工具的標準協定。Google Cloud 表示，這個伺服器實作標準 MCP，因此任何相容 MCP 的代理平台都可透過標準設定連線。

這項服務要付費嗎？

Google Cloud 表示，使用 MCP 伺服器本身不另收費，使用者只需支付所建立的 GCP 資源與適用的資料傳輸費用。

它和既有的 BigQuery MCP 伺服器有什麼不同？

根據 Google Cloud，既有的 BigQuery MCP 伺服器著重資料分析與探索；新的 run_bq_command 工具則延伸到排程查詢、查詢執行細節、預留資源管理與資料表權限等進階工作。

AI 代理會不會越權操作？

Google Cloud 表示每個指令都以已驗證呼叫者身分的權限執行，並強制套用 IAM 與組織政策限制，還可搭配 Model Armor 與稽核日誌。不過這些都是 Google 的說法，實際風險仍取決於企業如何設定權限。

現在可以正式用在生產環境嗎？

Google Cloud 表示該伺服器目前為公開預覽。預覽階段的功能可能變動，建議企業先評估並在測試環境試用。

查看同分類最新消息

同主題延伸閱讀

  • 生活分享

    Cloudflare 開源 Streamline：示範如何用其雲端服務為直播加圖、為影片燒入字幕

    Cloudflare 於 2026 年 10 月 2 日推出並開源開發者實驗平台 Streamline，示範開發者如何結合 Stream、Workers、Containers 與 Durable Objects，自行打造影片處理流程，例如為直播即時加上圖示、為影片加上字幕。本文說明它是什麼、如何運作、有哪些限制，以及對觀眾與開發者的意義。

  • 生活分享

    Google 發布 Gemini 4 Argon：先交網路防禦者試用，一般用戶仍要等

    Google 於 2026 年 9 月 30 日宣布新一代 AI 模型 Gemini 4 Argon，目前只透過 Fairwind Program 開放給受信任的網路安全防禦單位，一般用戶與開發者仍須等待。以下整理 Google 公布的能力、價格、安全措施，以及對一般讀者的影響；所有數據均為 Google 自述。

  • 生活分享

    NVIDIA：CoreWeave 開始提供 Vera Rubin NVL72，Cognition 成首個生產客戶

    NVIDIA 部落格指出，雲端業者 CoreWeave 宣布提供 NVIDIA 新一代 AI 運算系統 Vera Rubin NVL72，開發 AI 軟體工程師 Devin 的 Cognition 率先用於正式服務。CoreWeave 也將推出 Vera CPU，並發表 AI 模型與代理改進平台 CoreWeave Forge。這關係到 AI 服務背後的運算能力，本文整理重點，並說明對一般讀者的意義。

  • 生活分享

    Google Cloud 推出 Spanner Omni 正式版：企業可在自家機房與其他雲端執行 Spanner 資料庫

    Google Cloud 宣布 Spanner Omni 正式推出（GA）。這個版本讓企業與開發者不必使用 Google Cloud，也能在自家資料中心、其他雲端或筆電上執行 Spanner 分散式資料庫。代價是維運責任落在客戶身上，Google 也不提供可用性保證。本文整理 Google Cloud 公布的功能、授權方式，以及它和全託管版的差異。

最新旅遊情報攻略

資料來源

生活分享