Google używa technologii AI do tłumaczenia treści na Twój preferowany język. Tłumaczenia wygenerowane przez AI mogą zawierać błędy.

Konfigurowanie zabezpieczeń serwerów MCP Google Workspace

Z tej strony dowiesz się, jak skonfigurować ustawienia zabezpieczeń serwerów MCP Google Workspace.

Musisz sprawdzać prompty i odpowiedzi pod kątem złośliwych treści lub ataków polegających na wstrzykiwaniu promptów. Możesz użyć usługi Model Armor udostępnianej przez Google lub własnego rozwiązania, jeśli udokumentujesz je w taki sposób, aby użytkownicy mogli zaakceptować to ryzyko. Więcej informacji znajdziesz w artykule Dane użytkowników Google Workspace a zasady dla deweloperów.

Opcjonalne konfiguracje zabezpieczeń

MCP wprowadza nowe zagrożenia i kwestie związane z bezpieczeństwem ze względu na szeroki zakres działań, które można wykonywać za pomocą narzędzi MCP. Aby zminimalizować te zagrożenia i nimi zarządzać, Google Cloud oferuje ustawienia domyślne i konfigurowalne zasady kontrolujące korzystanie z narzędzi MCP w Twojej organizacji lub projekcie Google Cloud.

Więcej informacji o bezpieczeństwie i zarządzaniu MCP znajdziesz w artykule Bezpieczeństwo i ochrona AI.

Korzystanie z Model Armor

Model Armor to usługa Google Cloud, która zwiększa bezpieczeństwo aplikacji AI. Działa ona, proaktywnie sprawdzając prompty i odpowiedzi LLM, chroniąc przed różnymi zagrożeniami i wspierając odpowiedzialne działania w zakresie AI. Niezależnie od tego, czy wdrażasz AI w środowisku chmurowym, czy u zewnętrznych dostawców usług w chmurze, Model Armor może pomóc Ci zapobiegać złośliwym danym wejściowym, weryfikować bezpieczeństwo treści, chronić dane wrażliwe, zachowywać zgodność z przepisami oraz egzekwować zasady bezpieczeństwa AI w całym zróżnicowanym środowisku AI.

Gdy Model Armor jest włączona z włączonym logowaniem, rejestruje cały ładunek. Może to spowodować ujawnienie informacji poufnych w logach.

Routing żądań MCP do Model Armor

Model Armor jest dostępna w wybranych regionach. Gdy Model Armor jest włączona i używasz serwera MCP w jurysdykcji, która nie jest obsługiwana przez Model Armor, routing połączenia może się różnić w zależności od serwera MCP i może naruszać zgodność z zasadami dotyczącymi miejsca przechowywania danych w przypadku danych używanych i przesyłanych. Więcej informacji o działaniu poszczególnych serwerów MCP znajdziesz w opisie usług obsługujących Model Armor.

Włączanie Model Armor

Aby korzystać z Model Armor, musisz włączyć interfejsy Model Armor API.

Konsola

Włącz Model Armor API.
Role wymagane do włączenia interfejsów API
Aby włączyć interfejsy API, musisz mieć uprawnienie serviceusage.services.enable. Jeśli projekt został utworzony przez Ciebie, prawdopodobnie masz już to uprawnienie dzięki roli Właściciel (roles/owner). W przeciwnym razie możesz uzyskać to uprawnienie dzięki roli Administrator wykorzystania usług (roles/serviceusage.serviceUsageAdmin). Dowiedz się, jak przyznawać role.
Włączanie API
Wybierz projekt, w którym chcesz aktywować Model Armor.

gcloud

Zanim zaczniesz, wykonaj te czynności za pomocą Google Cloud CLI z Model Armor API:

Zainstaluj Google Cloud CLI, a następnie zaloguj się w gcloud za pomocą tożsamości sfederowanej. Po zalogowaniu zainicjuj Google Cloud CLI, uruchamiając to polecenie:
```
gcloud init
```
Uruchom to polecenie, aby ustawić punkt końcowy interfejsu API dla usługi Model Armor.
```
gcloud config set api_endpoint_overrides/modelarmor "https://modelarmor.LOCATION.rep.googleapis.com/"
```
Zastąp LOCATION regionem, w którym chcesz używać Model Armor.

Konfigurowanie ochrony zdalnych serwerów MCP Google i Google Cloud

Aby chronić wywołania i odpowiedzi narzędzi MCP, możesz użyć ustawień progu Model Armor. Ustawienie progu określa minimalne filtry zabezpieczeń, które obowiązują w całym projekcie. Ta konfiguracja stosuje spójny zestaw filtrów do wszystkich wywołań i odpowiedzi narzędzi MCP w projekcie.

Skonfiguruj ustawienie progu Model Armor z włączonym czyszczeniem MCP. Więcej informacji znajdziesz w artykule Konfigurowanie ustawień progu Model Armor.

Oto przykładowe polecenie:

gcloud model-armor floorsettings update \
--full-uri='projects/PROJECT_ID/locations/global/floorSetting' \
--enable-floor-setting-enforcement=TRUE \
--add-integrated-services=GOOGLE_MCP_SERVER \
--google-mcp-server-enforcement-type=INSPECT_AND_BLOCK \
--enable-google-mcp-server-cloud-logging \
--malicious-uri-filter-settings-enforcement=ENABLED \
--add-rai-settings-filters='[{"confidenceLevel": "MEDIUM_AND_ABOVE", "filterType": "DANGEROUS"}]'

Zastąp PROJECT_ID identyfikatorem projektu Google Cloud.

Zwróć uwagę na te ustawienia:

INSPECT_AND_BLOCK: typ egzekwowania, który sprawdza treści na serwerze MCP Google i blokuje prompty oraz odpowiedzi pasujące do filtrów.
ENABLED: ustawienie, które włącza filtr lub egzekwowanie.
MEDIUM_AND_ABOVE: poziom ufności w przypadku ustawień filtra odpowiedzialnej AI – niebezpieczne. Możesz zmodyfikować to ustawienie, ale niższe wartości mogą powodować więcej fałszywych alarmów. Więcej informacji znajdziesz w artykule Poziomy ufności Model Armor.

Wyłączanie skanowania ruchu MCP za pomocą Model Armor

Aby uniemożliwić Model Armor automatyczne skanowanie ruchu do i z serwerów MCP Google na podstawie ustawień progu projektu, uruchom to polecenie:

gcloud model-armor floorsettings update \
  --full-uri='projects/PROJECT_ID/locations/global/floorSetting' \
  --remove-integrated-services=GOOGLE_MCP_SERVER

Zastąp PROJECT_ID identyfikatorem projektu Google Cloud. Model Armor nie stosuje automatycznie reguł zdefiniowanych w ustawieniach progu tego projektu do ruchu serwera MCP Google.

Ustawienia progu Model Armor i konfiguracja ogólna mogą mieć wpływ nie tylko na MCP. Ponieważ Model Armor integruje się z usługami takimi jak Vertex AI, wszelkie zmiany wprowadzone w ustawieniach progu mogą wpływać na skanowanie ruchu i zachowania związane z bezpieczeństwem we wszystkich zintegrowanych usługach, a nie tylko w MCP.