Google Cloud MCP Server (gcloud-mcp)

Der Google Cloud MCP Server, im offiziellen Repository unter dem Kürzel gcloud-mcp geführt, ist Googles quelloffene Model-Context-Protocol-Anbindung an die Google Cloud Platform (GCP). Betrieben wird das Projekt von der Organisation googleapis auf GitHub, hinter der laut den öffentlich einsehbaren Repository-Metadaten ein dediziertes internes Google-Team für den Cloud SDK steht. Statt Befehlssyntax, Flags und Argumente der gcloud-Kommandozeile auswendig zu lernen, beschreibt man als Nutzer das gewünschte Ergebnis in natürlicher Sprache – der Agent übersetzt die Anfrage in die passenden gcloud-Aufrufe. Für Softwareteams, DevOps-Verantwortliche und alle, die regelmäßig mit Google-Cloud-Ressourcen arbeiten, senkt das die Einstiegshürde und beschleunigt wiederkehrende Abläufe wie Log-Analysen, Speicherverwaltung oder Backup-Kontrollen, ohne dass jede Person die komplette gcloud-Referenz kennen muss.

Anders als viele Einzelprodukt-MCP-Server ist der Google Cloud MCP Server ein Monorepo mit vier eigenständigen Teilservern, die einzeln oder gemeinsam eingerichtet werden können. Der Kernserver gcloud führt beliebige gcloud-Befehle über natürliche Sprache aus und blockiert dabei bewusst Befehle, die für Agenten keinen Sinn ergeben (etwa interaktive Sitzungen oder potenziell beliebige Codeausführung). Der Teilserver observability bindet Google Cloud Observability an und erlaubt Abfragen von Logeinträgen, Metriken, Traces, Alert-Policies und Fehlergruppen – nützlich, um Vorfälle direkt im Chat mit dem KI-Assistenten zu untersuchen. Der Teilserver storage verwaltet Google-Cloud-Storage-Buckets und -Objekte: Auflisten, Lesen, Schreiben, Kopieren, Verschieben und Löschen von Objekten sowie IAM-Prüfungen und Insights-Abfragen auf Bucket-Ebene. Der Teilserver backupdr schließlich steuert Google Cloud Backup and Disaster Recovery – von der Übersicht über Backup-Tresore und -Pläne bis zur Wiederherstellung von Compute-Engine-Instanzen, Disks oder Cloud-SQL-Datenbanken.

Wofür sich der Google Cloud MCP Server konkret eignet

Wer regelmäßig Cloud-Ressourcen prüft, Logs durchsucht oder Deployments überwacht, profitiert am stärksten: Statt zwischen Terminal, Cloud Console und Dokumentation zu wechseln, lässt sich ein Vorfall direkt im KI-Client formulieren ("Zeige mir die letzten Fehler-Logs im Projekt X der letzten Stunde") und der Agent ruft die passenden observability-Werkzeuge auf. Teammitglieder, die selten mit gcloud arbeiten, können komplexe mehrstufige Abläufe (etwa Backup-Wiederherstellung) sicherer ausführen, weil der Agent die richtige Befehlsreihenfolge kennt. Der Mehrwert gegenüber einer reinen gcloud-CLI-Nutzung liegt im Zusammenspiel mit dem KI-Modell: Ergebnisse werden interpretiert, zusammengefasst und in Folgeaktionen umgesetzt, statt nur roh ausgegeben zu werden.

Installation und unterstützte Clients

Voraussetzung ist Node.js ab Version 20 sowie eine installierte und authentifizierte gcloud-CLI. Für Gemini CLI und Gemini Code Assist genügt npx @google-cloud/gcloud-mcp init --agent=gemini-cli, wodurch der Server als Gemini-CLI-Erweiterung registriert wird. Für andere MCP-fähige Clients wie Claude Desktop, Cline, Cursor oder Visual Studio Code trägt man einen Standard-JSON-Block mit npx -y @google-cloud/gcloud-mcp (beziehungsweise @google-cloud/observability-mcp, @google-cloud/storage-mcp, @google-cloud/backupdr-mcp für die anderen Teilserver) in die jeweilige Konfigurationsdatei ein. Alle vier Pakete sind einzeln über npm veröffentlicht und lassen sich unabhängig voneinander aktivieren – wer nur Storage-Werkzeuge braucht, muss nicht den vollständigen gcloud-Kernserver einrichten.

Rechte, Authentifizierung und Sicherheit

Die Berechtigungen des Servers entsprechen direkt denen des aktiv angemeldeten gcloud-Kontos. Für den produktiven Einsatz empfiehlt Google in der Dokumentation die Anmeldung über ein Service-Account mit eingeschränkter Rolle statt mit einem persönlichen Konto mit weitreichenden Rechten (Prinzip der minimalen Berechtigung). Mehrere Werkzeuge des backupdr-Teilservers und des storage-Teilservers führen explizit schreibende oder löschende Operationen aus (etwa delete_backup_vault, delete_bucket, restore_backup) – wer den Server produktiv einsetzt, sollte diese Werkzeuge bewusst freigeben oder gezielt einschränken und nicht ungeprüft jedem Agenten vollen Zugriff geben. Da alle vom Server gelieferten Inhalte (Logauszüge, Objektinhalte, Konfigurationsdaten) an den verbundenen KI-Client und von dort an den jeweiligen Modell-Anbieter weitergereicht werden, sollten sensible oder vertrauliche Daten nicht unkontrolliert in den Werkzeug-Kontext gelangen. Log- und Objektinhalte aus fremden oder wenig vertrauenswürdigen Quellen können zudem präparierte Anweisungen enthalten (Prompt Injection), die ein Sprachmodell fälschlich als Werkzeugaufruf interpretiert.

Offizieller Status, Lizenz und Reife

Das Repository trägt ausdrücklich den Hinweis, dass es sich um eine Lösung und nicht um ein offiziell unterstütztes Google-Produkt handelt; es befindet sich in der Vorschauphase (Preview) und ist nicht durch die Google-Cloud-Nutzungsbedingungen abgedeckt, kann sich also noch ändern. Trotzdem ist die Herkunft eindeutig: Das Projekt liegt in der googleapis-GitHub-Organisation, wird von einer dedizierten internen Google-Gruppe gepflegt und die npm-Pakete werden vom offiziellen Google-Publishing-Konto veröffentlicht. Der Quellcode steht unter der Apache-2.0-Lizenz, ist also frei einsehbar, veränderbar und auch kommerziell nutzbar. Zu unterscheiden ist dieser Server von den ebenfalls von Google betriebenen, produktspezifischen Remote-MCP-Endpunkten für einzelne Google-Cloud-Dienste (etwa BigQuery, Cloud SQL), die als separate, gehostete Server über die offizielle Google-Cloud-MCP-Dokumentation bereitgestellt werden und im Katalog teils bereits als eigene Einträge geführt sind.

Kosten

Der Server selbst sowie sein Quellcode sind kostenlos. Kosten entstehen ausschließlich durch die über die Werkzeuge tatsächlich genutzten Google-Cloud-Ressourcen (Compute, Storage, Observability-Abfragen, Backup-Speicher) zu den regulären, öffentlich einsehbaren Google-Cloud-Preisen. Für die genaue Kostenübersicht gilt die offizielle Google-Cloud-Preisseite.

Für wen lohnt sich der Einsatz

Besonders geeignet ist der Server für Teams, die bereits aktiv mit der Google Cloud Platform arbeiten und KI-Agenten in ihre Entwickler- oder Betriebs-Workflows integrieren möchten – etwa für Vorfallanalysen über Logs und Traces, für die Verwaltung von Storage-Buckets im Rahmen von Daten-Pipelines oder für die Überwachung von Backup-Plänen. Wer nur gelegentlich mit Google Cloud zu tun hat, profitiert vom natürlichsprachlichen Zugang, weil er die gcloud-Befehlsreferenz nicht auswendig lernen muss. Für rein produktionskritische, hochsensible Umgebungen sollte der Preview-Status berücksichtigt und der Funktionsumfang vor dem breiten Rollout mit eingeschränkten Testkonten geprüft werden.

Node.js 20 oder neuer sowie eine installierte und authentifizierte gcloud-CLI. Für Gemini CLI/Code Assist wird der Server als Erweiterung installiert, für andere Clients per Standard-MCP-JSON-Konfiguration.

Nutzt die Anmeldedaten des aktiven gcloud-Kontos. Google empfiehlt für produktive Einsätze ein Service-Account mit eingeschränkter Rolle statt eines persönlichen Kontos mit weitreichenden Rechten.

Berechtigungen entsprechen exakt dem angemeldeten gcloud-Konto. Mehrere Werkzeuge in den Teilservern storage und backupdr führen schreibende oder löschende Operationen aus (z. B. delete_bucket, delete_backup_vault, restore_backup).

Schreibende/löschende Werkzeuge bei Storage und Backup/DR, volle Rechte des verwendeten Kontos, Weitergabe von Log-/Objektinhalten an den Modell-Anbieter, Prompt-Injection-Risiko über fremde Log- oder Objektinhalte, Preview-Status laut Anbieter (kein offiziell unterstütztes Produkt, keine SLA-Abdeckung durch die Google-Cloud-Nutzungsbedingungen).