‫Google משתמשת בטכנולוגיית AI כדי לתרגם תוכן לשפה המועדפת עליך. בתרגומים כאלו עשויות להיות שגיאות.

הגדרת אבטחה לשרתי MCP של Google Workspace

בדף הזה מוסבר איך לקבוע את הגדרות האבטחה של שרתי MCP של Google Workspace.

אתם צריכים לסנן פרומפטים ותשובות כדי לזהות תוכן זדוני או מתקפות של החדרת פרומפטים. אתם יכולים להשתמש ב-Model Armor ש-Google מספקת, או בפתרון משלכם, בתנאי שתתעדו אותו כדי שהמשתמשים יוכלו לאשר שהם מקבלים את הסיכון. מידע נוסף זמין במאמר מדיניות המפתחים ונתוני המשתמשים של Google Workspace.

דרישות מוקדמות

חברות בתוכנית של Google Workspace לתצוגה מקדימה למפתחים.
פרויקט ב-Google Cloud. איך יוצרים פרויקט?
מזהה לקוח ב-OAuth 2.0 עם האפשרות Use this client for an AI-powered agent שנבחרה ב-Google Auth Platform > Clients. כדי ליצור מזהה לקוח OAuth, קראו את המאמר יצירת פרטי כניסה של מזהה לקוח OAuth.

הגדרות אופציונליות של אבטחה ובטיחות

בגלל המגוון הרחב של הפעולות שאפשר לבצע באמצעות כלי MCP, הוא מביא איתו סיכוני אבטחה ושיקולים חדשים. כדי לצמצם ולנהל את הסיכונים האלה, Google Cloud מציעה הגדרות ברירת מחדל וכללי מדיניות שניתנים להתאמה אישית, שמאפשרים לשלוט בשימוש בכלי MCP בארגון או בפרויקט ב-Google Cloud.

מידע נוסף על אבטחה ופיקוח ב-MCP זמין במאמר אבטחה ובטיחות ב-AI.

שימוש ב-Model Armor

הגנה מוגברת על המודל הוא שירות של Google Cloud שנועד לשפר את האבטחה והבטיחות של אפליקציות ה-AI שלכם. הוא פועל באופן יזום כדי לסנן הנחיות ותשובות של מודלים גדולים של שפה (LLM), להגן מפני סיכונים שונים ולתמוך בשיטות לפיתוח אחראי של AI. לא משנה אם אתם פורסים את ה-AI בסביבת הענן שלכם או אצל ספקי שירותי ענן חיצוניים, אתם יכולים להשתמש ב-Model Armor כדי למנוע קלט זדוני, לוודא שהתוכן בטוח, להגן על מידע אישי רגיש, לשמור על תאימות ולאכוף את מדיניות הבטיחות והאבטחה של ה-AI באופן עקבי בכל סביבת ה-AI שלכם.

כשהתכונה "הגנה מוגברת על המודל" מופעלת והרישום ביומן מופעל, התכונה מתעדת ביומן את כל המטען הייעודי (payload). זה עלול לחשוף מידע רגיש ביומנים.

ניתוב בקשות של MCP ל-Model Armor

התכונה "הגנה מוגברת על המודל" זמינה באזורים מסוימים. אם אתם מפעילים את Model Armor ומשתמשים בשרת MCP בסמכות שיפוט שלא נתמכת על ידי Model Armor, יכול להיות שהניתוב של הקריאה יהיה שונה בשרתי MCP שונים, ושהוא יפר את התאימות של מיקום אחסון הנתונים לנתונים שנמצאים בשימוש ובמעבר. למידע נוסף על ההתנהגות של שרתי MCP ספציפיים, קראו את המאמר מוצרים שנתמכים ב-Model Armor.

הפעלת Model Armor

כדי להשתמש ב-Model Armor, צריך להפעיל את ממשקי ה-API של Model Armor.

המסוף

מפעילים את Model Armor API, אם הוא עדיין לא מופעל.
התפקידים שנדרשים כדי להפעיל ממשקי API
כדי להפעיל ממשקי API, צריך את ההרשאה serviceusage.services.enable. אם אתם יצרתם את הפרויקט, סביר להניח שכבר יש לכם את ההרשאה הזו דרך התפקיד "בעלים" (roles/owner). אחרת, אתם יכולים לקבל את ההרשאה הזו דרך התפקיד "אדמין בממשק 'שימוש בשירות'" (roles/serviceusage.serviceUsageAdmin). איך מקצים תפקידים
להפעלת ה-API
בוחרים את הפרויקט שבו רוצים להפעיל את Model Armor.

gcloud

לפני שמתחילים, מבצעים את השלבים הבאים באמצעות Google Cloud CLI עם Model Armor API:

התקינו את ה-CLI של Google Cloud ואז היכנסו ל-gcloud באמצעות הזהות המאוחדת שלכם. אחרי שנכנסתם לחשבון, אתחלו את ה-CLI של Google Cloud באמצעות הפקודה הבאה:
```
gcloud init
```
מריצים את הפקודה הבאה כדי להגדיר את נקודת הקצה ל-API של שירות Model Armor.
```
gcloud config set api_endpoint_overrides/modelarmor "https://modelarmor.LOCATION.rep.googleapis.com/"
```
מחליפים את LOCATION באזור שבו רוצים להשתמש ב-Model Armor.

הגדרת הגנה על שרתי MCP מרוחקים של Google ו-Google Cloud

כדי להגן על קריאות ה-API לכלי והתשובות של כלי ה-MCP, אתם יכולים להשתמש בהגדרות אבטחה מינימליות של הגנה מוגברת על המודל. הגדרת רצפה קובעת את מסנני האבטחה המינימליים שחלים על הפרויקט. ההגדרה הזו מחילה קבוצה עקבית של מסננים על כל קריאות ה-API לכלי של MCP והתשובות שלהם בפרויקט.

מגדירים את הסף של Model Armor כשהסרת תוכן זדוני או רגיש ב-MCP מופעלת. מידע נוסף זמין במאמר הגדרת רמות הסינון של Model Armor.

דוגמה לפקודה:

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"}]'

מחליפים את PROJECT_ID במזהה של הפרויקט ב-Google Cloud.

שימו לב להגדרות הבאות:

‫INSPECT_AND_BLOCK: סוג האכיפה שבודק את התוכן בשרת MCP של Google וחוסם הנחיות ותשובות שתואמות למסננים.
‫ENABLED: ההגדרה שמפעילה מסנן או אכיפה.
‫MEDIUM_AND_ABOVE: רמת הסמך של הגדרות הסינון של Responsible AI - Dangerous. אפשר לשנות את ההגדרה הזו, אבל ערכים נמוכים יותר עלולים לגרום ליותר תוצאות חיוביות כוזבות. מידע נוסף מופיע במאמר רמות הסמך של Model Armor.

השבתת הסריקה של תנועת MCP באמצעות Model Armor

כדי להפסיק את הסריקה האוטומטית של Model Armor לתנועה אל שרתי Google MCP וממנה על סמך הגדרות הסף של הפרויקט, מריצים את הפקודה הבאה:

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

מחליפים את PROJECT_ID במזהה הפרויקט ב-Google Cloud. התכונה "הגנה מוגברת על המודל" לא מחילה באופן אוטומטי את הכללים שמוגדרים בהגדרות המינימום של הפרויקט הזה על תנועה בשרת MCP של Google.

הגדרות הסף וההגדרות הכלליות של Model Armor יכולות להשפיע לא רק על MCP. מכיוון שההגנה המוגברת על המודל משולבת עם שירותים כמו Vertex AI, כל שינוי שתבצעו בהגדרות של רמות הסינון יכול להשפיע על סריקת התנועה ועל התנהגויות הבטיחות בכל השירותים המשולבים, ולא רק ב-MCP.