このページは Cloud Translation API によって翻訳されました。

Cloud Run にリモート MCP サーバーを構築してデプロイする

このチュートリアルでは、ストリーミング可能な HTTP トランスポートを使用して、Cloud Run にリモート Model Context Protocol（MCP）サーバーを構築してデプロイする方法について説明します。ストリーミング可能な HTTP トランスポートを使用すると、MCP サーバーは複数のクライアント接続を処理できる独立したプロセスとして動作します。

始める前に

Sign in to your Google Cloud account. If you're new to Google Cloud, create an account to evaluate how our products perform in real-world scenarios. New customers also get $300 in free credits to run, test, and deploy workloads.

In the Google Cloud console, on the project selector page, select or create a Google Cloud project.

Go to project selector

Make sure that billing is enabled for your Google Cloud project.

In the Google Cloud console, on the project selector page, select or create a Google Cloud project.

Go to project selector

Make sure that billing is enabled for your Google Cloud project.

Google Cloud プロジェクトで Cloud Run 開発環境を設定します。
適切なサービスデプロイ権限を持ち、ご利用のアカウントに Cloud Run 管理者（roles/run.admin）とサービスアカウントユーザー（roles/iam.serviceAccountUser）のロールが付与されていることを確認します。
アカウントに Cloud Run 起動元（roles/run.invoker）ロールを付与します。このロールにより、リモート MCP サーバーは Cloud Run サービスにアクセスできます。

ロールの付与方法を確認する

コンソール

Google Cloud コンソールで、[IAM] ページに移動します。
IAM に移動
プロジェクトを選択します。
[ アクセスを許可] をクリックします。
[新しいプリンシパル] フィールドに、ユーザー ID を入力します。これは通常、Cloud Run サービスのデプロイに使用される Google アカウントのメールアドレスです。
[ロールを選択] リストでロールを選択します。
追加のロールを付与するには、[ 別のロールを追加] をクリックして各ロールを追加します。
[保存] をクリックします。

gcloud

プロジェクトで自分のアカウントに必要な IAM ロールを付与するには:

   gcloud projects add-iam-policy-binding PROJECT_ID \
       --member=PRINCIPAL \
       --role=ROLE

次のように置き換えます。

PROJECT_NUMBER: Google Cloud プロジェクト番号。
PROJECT_ID: 実際の Google Cloud プロジェクト ID。
PRINCIPAL: ロールを付与するアカウントのメールアドレス。
ROLE: デプロイするアカウントに追加するロール。

ドメイン制限の組織のポリシーでプロジェクトの未認証呼び出しが制限されている場合は、限定公開サービスのテストの説明に従って、デプロイされたサービスにアクセスする必要があります。
Python パッケージとプロジェクトマネージャーである Uv をインストールします。

Python プロジェクトを準備する

次の手順では、uv パッケージマネージャーを使用して Python プロジェクトを設定する方法について説明します。

mcp-on-cloudrun という名前のフォルダを作成して、デプロイ用のソースコードを保存します。
```
  mkdir mcp-on-cloudrun
  cd mcp-on-cloudrun
```

uv ツールを使用して Python プロジェクトを作成し、pyproject.toml ファイルを生成します。

  uv init --name "mcp-on-cloudrun" --description "Example of deploying an MCP server on Cloud Run" --bare --python 3.10

uv init コマンドにより、次の pyproject.toml ファイルが作成されます。

[project]
name = "mcp-server"
version = "0.1.0"
description = "Example of deploying an MCP server on Cloud Run"
readme = "README.md"
requires-python = ">=3.10"
dependencies = []

次の新しいファイルを追加で作成します。
- MCP サーバーのソースコードの server.py
- test_server.py: リモートサーバーをテストします。
- Cloud Run にデプロイするための Dockerfile
```
touch server.py test_server.py Dockerfile
```
プロジェクトディレクトリには次の構造が含まれている必要があります。
```
├── mcp-on-cloudrun
│   ├── pyproject.toml
│   ├── server.py
│   ├── test_server.py
│   └── Dockerfile
```

算術演算用の MCP サーバーを作成する

MCP で LLM の使用を改善するための重要なコンテキストを提供するには、FastMCP を使用して数学 MCP サーバーを設定します。FastMCP は、Python で MCP サーバーとクライアントを迅速に構築するためのツールです。

加算や減算などの数学演算用の MCP サーバーを作成する手順は次のとおりです。

次のコマンドを実行して、pyproject.toml ファイルに FastMCP を依存関係として追加します。
```
uv add fastmcp==2.8.0 --no-sync
```

server.py ファイルに次の数学 MCP サーバーのソースコードを追加します。

import asyncio
import logging
import os

from fastmcp import FastMCP 

logger = logging.getLogger(__name__)
logging.basicConfig(format="[%(levelname)s]: %(message)s", level=logging.INFO)

mcp = FastMCP("MCP Server on Cloud Run")

@mcp.tool()
def add(a: int, b: int) -> int:
    """Use this to add two numbers together.

    Args:
        a: The first number.
        b: The second number.

    Returns:
        The sum of the two numbers.
    """
    logger.info(f">>> 🛠️ Tool: 'add' called with numbers '{a}' and '{b}'")
    return a + b

@mcp.tool()
def subtract(a: int, b: int) -> int:
    """Use this to subtract two numbers.

    Args:
        a: The first number.
        b: The second number.

    Returns:
        The difference of the two numbers.
    """
    logger.info(f">>> 🛠️ Tool: 'subtract' called with numbers '{a}' and '{b}'")
    return a - b

if __name__ == "__main__":
    logger.info(f"🚀 MCP server started on port {os.getenv('PORT', 8080)}")
    # Could also use 'sse' transport, host="0.0.0.0" required for Cloud Run.
    asyncio.run(
        mcp.run_async(
            transport="streamable-http",
            host="0.0.0.0",
            port=os.getenv("PORT", 8080),
        )
    )

uv ツールを使用して server.py ファイルを実行するには、Dockerfile に次のコードを追加します。

# Use the official Python image
FROM python:3.13-slim

# Install uv
COPY --from=ghcr.io/astral-sh/uv:latest /uv /uvx /bin/

# Install the project into /app
COPY . /app
WORKDIR /app

# Allow statements and log messages to immediately appear in the logs
ENV PYTHONUNBUFFERED=1

# Install dependencies
RUN uv sync

EXPOSE $PORT

# Run the FastMCP server
CMD ["uv", "run", "server.py"]

Cloud Run へのデプロイ

MCP サーバーは、コンテナイメージまたはソースコードとしてデプロイできます。

コンテナイメージ

コンテナイメージとしてパッケージ化された MCP サーバーをデプロイするには、次の手順を行います。

コンテナイメージを保存する Artifact Registry リポジトリを作成します。

gcloud artifacts repositories create remote-mcp-servers \
--repository-format=docker \
--location=us-central1 \
--description="Repository for remote MCP servers" \
--project=PROJECT_ID

Cloud Build を使用してコンテナイメージをビルドし、Artifact Registry に push します。

gcloud builds submit --region=us-central1 --tag us-central1-docker.pkg.dev/PROJECT_ID/remote-mcp-servers/mcp-server:latest

MCP サーバーのコンテナイメージを Cloud Run にデプロイします。

gcloud run deploy mcp-server \
--image us-central1-docker.pkg.dev/PROJECT_ID/remote-mcp-servers/mcp-server:latest \
--region=us-central1 \
--no-allow-unauthenticated

ソース

リモート MCP サーバーは、ソースから Cloud Run にデプロイできます。

次のコマンドを実行して、ソースからデプロイします。

gcloud run deploy mcp-server --no-allow-unauthenticated --region=us-central1 --source .

MCP クライアントを認証する

--no-allow-unauthenticated フラグを使用してサービスをデプロイした場合、リモート MCP サーバーに接続する MCP クライアントは認証を受ける必要があります。

サービスアカウントに Cloud Run 起動元（roles/run.invoker）ロールを付与します。この Identity and Access Management ポリシーバインディングにより、ローカル MCP クライアントの認証に強力なセキュリティメカニズムが使用されます。
Cloud Run プロキシを実行して、ローカルマシンでリモート MCP サーバーへの認証済みトンネルを作成します。
```
gcloud run services proxy mcp-server --region=us-central1
```
Cloud Run プロキシがまだインストールされていない場合は、このコマンドを実行すると、プロキシのダウンロードを求めるプロンプトが表示されます。プロンプトに沿ってプロキシをダウンロードしてインストールします。

Cloud Run は http://127.0.0.1:8080 へのすべてのトラフィックを認証し、リクエストをリモート MCP サーバーに転送します。

リモート MCP サーバーをテストする

FastMCP クライアントを使用して http://127.0.0.1:8080/mcp の URL にアクセスし、リモート MCP サーバーをテストして接続します。

加算と減算のメカニズムをテストして呼び出す手順は次のとおりです。

テストサーバーを実行する前に、Cloud Run プロキシを実行します。

test_server.py というテストファイルを作成し、次のコードを追加します。

import asyncio

from fastmcp import Client

async def test_server():
    # Test the MCP server using streamable-http transport.
    # Use "/sse" endpoint if using sse transport.
    async with Client("http://localhost:8080/mcp") as client:
        # List available tools
        tools = await client.list_tools()
        for tool in tools:
            print(f">>> 🛠️  Tool found: {tool.name}")
        # Call add tool
        print(">>> 🪛  Calling add tool for 1 + 2")
        result = await client.call_tool("add", {"a": 1, "b": 2})
        print(f"<<< ✅ Result: {result[0].text}")
        # Call subtract tool
        print(">>> 🪛  Calling subtract tool for 10 - 3")
        result = await client.call_tool("subtract", {"a": 10, "b": 3})
        print(f"<<< ✅ Result: {result[0].text}")

if __name__ == "__main__":
    asyncio.run(test_server())

新しいターミナルで、テストサーバーを実行します。

uv run test_server.py

次の出力が表示されます。

 🛠️ Tool found: add
 🛠️ Tool found: subtract
 🪛 Calling add tool for 1 + 2
 ✅ Result: 3
 🪛 Calling subtract tool for 10 - 3
 ✅ Result: 7

次のステップ

Cloud Run への AI アプリケーションのデプロイについて詳細を確認する。
Cloud Run で MCP サーバーをホストする方法を確認する。
MCP サーバーを使用して Cloud Run にコードをデプロイする方法を学習する。

Cloud Run にリモート MCP サーバーを構築してデプロイする コレクションでコンテンツを整理 必要に応じて、コンテンツの保存と分類を行います。

始める前に

ロールの付与方法を確認する

コンソール

gcloud

Python プロジェクトを準備する

算術演算用の MCP サーバーを作成する

Cloud Run へのデプロイ

コンテナ イメージ

ソース

MCP クライアントを認証する

リモート MCP サーバーをテストする

次のステップ

Cloud Run にリモート MCP サーバーを構築してデプロイする

コンテナイメージ