MCP这个协议在过去一年里做到了一件了不起的事：让所有AI框架都愿意用同一套接口调工具。但有个问题一直没解决——MCP服务器质量参差不齐，企业要自己维护，出了故障自己负责。
Google在去年12月悄悄解决了这个问题：官方托管的MCP服务器，专门对接自己的云服务，部署即用，出问题Google负责。
接了什么，怎么接的
第一批上线的是四个服务：BigQuery、Google Maps、Google Compute Engine（GCE）、Google Kubernetes Engine（GKE）。选这四个不奇怪，它们恰好覆盖了企业AI Agent最常用的四个场景：数据分析、地理空间、云基础设施、容器编排。
具体体验：开发者只需要把AI Agent客户端（比如Gemini CLI）指向Google托管的MCP endpoint，就可以直接调用这些服务，不需要安装、配置、维护任何东西。
以前的方案是什么样的？社区有人做了非官方的BigQuery MCP服务器，你自己部署，自己管，版本跟不上就自己改。这是所有”社区MCP”的通病：好用，但脆，不适合生产环境。
官方版本的区别在于稳定性和安全性：
- 权限管理：走Google Cloud IAM那套熟悉的机制
- 审计日志：操作记录走Cloud Audit Logs，企业合规需要的都有
- 安全防护：Google Cloud Model Armor专门拦截通过MCP传来的间接Prompt注入攻击
- 服务发现：Cloud API Registry管理哪些工具可用，避免AI Agent调到不该调的接口
3月17日之后：自动启用
一个值得注意的细节：从2026年3月17日起，如果你在GCP上启用了某个受支持的服务，对应的MCP服务器会自动开启。
这个决定的意思很明确：MCP不再是一个”需要额外配置”的功能，而是Google Cloud服务的标配接口。就像你用BigQuery，它自然就有REST API，现在也自然就有MCP。
还有一批服务正在陆续接入：
- 计算层：Cloud Run、Cloud Storage、Cloud Resource Manager
- 数据库：AlloyDB、Cloud SQL、Spanner、Memorystore
- 分析：Looker、BigQuery Migration Service、Dataplex
- 消息：Pub/Sub、Kafka
- 安全运维：Google Security Operations、Cloud Logging、Cloud Monitoring
- 开发工具：Developer Knowledge API、Android Management API
基本上是Google Cloud的完整服务地图。
Anthropic的人怎么说
MCP的共同创建者、现在在Anthropic的David Soria Parra，对这件事给出了明确表态：
“Google在如此多样的产品线上支持MCP，结合他们在协议规范上的紧密合作，将帮助更多开发者构建Agentic AI应用。随着各大平台的采用率上升，我们离’AI Agent能在人们日常使用的工具和服务之间无缝工作’的目标越来越近了。”
这句话背后的逻辑：MCP的价值在于网络效应，接入的服务越多，AI Agent能干的事越多，协议本身的地位就越稳固。Google这步棋帮MCP做了一件它自己做不了的事——让开发者相信这个协议是认真的，不会随时消失。
一个例子说清楚
Google举了一个真实用例：零售商开店选址的AI Agent。
- 用BigQuery拉出过去3年各城市的销售数据，做收入预测
- 调用Google Maps服务，找出目标城市里竞争对手的位置、周边配套、外卖半径
两件事以前要分别用两套SDK，现在用同一个MCP客户端调两个endpoint。数据在Google的基础设施内部流转，不用自己搭数据管道，权限管理走同一套IAM。
这个例子说明了Google做这件事的核心逻辑：不是为了赶MCP的热度，而是要让Gemini + GCP的组合对企业更有吸引力。你用Gemini做Agent，工具调用走官方MCP，出问题有支持，账单在同一个地方。这比拼凑一堆开源工具强得多。
AI Agent要有用，工具调用必须可靠。Google用官方MCP解决了”工具这块谁来负责”的问题。
参考来源：Google Launches Managed Remote MCP Servers for Its Cloud Services（The New Stack）；Announcing official MCP support for Google services（Google Cloud Blog）