Model Context Protocol （MCP）により、大規模言語モデル（LLM）と AI アプリケーション（エージェント）が外部のデータソースに接続する方法が標準化されます。MCP サーバーを使用すると、そのツール、リソース、プロンプトを使用してアクションを実行し、バックエンド サービスから更新されたデータを取得できます。
ローカル MCP サーバーは通常、ローカルマシンで実行され、同じデバイス上のサービス間の通信に標準の入力ストリームと出力ストリーム（stdio）を使用します。ローカル MCP サーバーはローカル サービスと通信することが多いですが、ローカルマシンで実行されていないサービスやデータソースを呼び出すためにも使用できます。たとえば、エージェントのマシンまたは仮想マシンで実行されているローカル MCP サーバーは、Cloud Storage API を呼び出すことができます。
Cloud Storage のローカル MCP サーバーを使用するのは次のような理由である可能性があります。
- カスタムツールを構築する必要がある。
- プロジェクトで MCP サーバーを有効化または使用する権限がない。
ローカル MCP サーバーの使用方法については、MCP を使用して LLM を Cloud Storage に接続するをご覧ください。
リモート MCP サーバーはサービスのインフラストラクチャで実行され、AI アプリケーションに HTTP エンドポイントを提供して、AI MCP クライアントと MCP サーバー間の通信を行います。Cloud Storage MCP サーバーは、HTTP エンドポイントを持つリモート MCP サーバーです。MCP アーキテクチャの詳細については、 MCP アーキテクチャをご覧ください。
このドキュメントでは、Cloud Storage MCP サーバーを使用して、Gemini CLI、Gemini Code Assist のエージェント モード、Claude Code などの AI アプリケーション、または開発中の AI アプリケーションから Cloud Storage に接続する方法について説明します。
Cloud Storage MCP サーバーを使用すると、AI アプリケーションとエージェントを使用して次のタスクを実行できます。
- バケットの作成、削除。
- オブジェクト メタデータを取得する。
- オブジェクト データの読み取りと削除、テキスト コンテンツの書き込み。
- バケットやオブジェクトの一覧表示。
Google と Google Cloud リモート MCP サーバー
Google と Google Cloud リモート MCP サーバーには、次の 機能と特典があります。- 簡素化された一元的な検出
- マネージド グローバルまたはリージョン HTTP エンドポイント
- きめ細かい認可