Гонка за созданием самого умного ИИ подошла к тому рубежу, где ключевым фактором становится не интеллект модели, а её способность взаимодействовать с миром. И здесь Google делает важный стратегический ход, официально внедряя поддержку Model Context Protocol (MCP) — открытого стандарта, который часто называют «USB-C для искусственного интеллекта» — в свою облачную инфраструктуру. Это превращает разрозненный зоопарк API и сервисов в единую, управляемую платформу для AI-агентов.
Конец самодельным интеграциям
До сих пор разработчикам, желавшим подключить свои AI-агенты к сервисам Google, приходилось создавать или искать локальные MCP-серверы, что было хлопотно, ненадежно и требовало постоянного обслуживания. Теперь Google представляет полностью управляемые, удаленные MCP-серверы, предоставляя единый, глобально доступный и готовый для корпоративного использования эндпоинтов. Достаточно просто направить агента, например, Gemini CLI или любого клиента, совместимого с MCP, на этот адрес, и он получит доступ к целому спектру инструментов.
Более того, через платформу Apigee эта возможность расширяется на всю корпоративную экосистему. Компании могут превратить свои собственные бизнес-API, а также сторонние интеграции, в инструменты, которые AI-агенты смогут обнаруживать и использовать. Это снимает с разработчиков бремя создания хрупких обёрток и позволяет сосредоточиться на бизнес-логике.
Первые сервисы с поддержкой MCP
Поддержка MCP внедряется поэтапно, и первыми в списке оказались ключевые сервисы:
- Google Maps (Grounding Lite): Позволяет агентам получать актуальные геопространственные данные — информацию о местах, прогноз погоды, маршруты, расстояния и время в пути. Это фундаментально важно для борьбы с «галлюцинациями» AI при ответах на вопросы о реальном мире.
- BigQuery: Даёт агентам возможность напрямую работать с корпоративными данными, интерпретируя схемы и выполняя запросы без необходимости перемещения данных в контекстное окно модели. Это решает проблемы безопасности и задержек.
- Google Compute Engine (GCE): Превращает операции по управлению инфраструктурой, такие как выделение и масштабирование ресурсов, в инструменты для автономных агентов. Они могут самостоятельно адаптироваться к нагрузке.
- Google Kubernetes Engine (GKE): Предоставляет структурированный интерфейс для взаимодействия с Kubernetes API, избавляя от необходимости парсить неструктурированный текстовый вывод CLI или собирать сложные команды. Агенты могут диагностировать проблемы, устранять сбои и оптимизировать затраты.
Безопасность и управляемость
Google не просто открывает доступ, но и выстраивает вокруг него систему контроля. Новый Cloud API Registry и Apigee API Hub позволяют разработчикам находить доверенные MCP-инструменты как от Google, так и от своей организации. Доступ управляется через привычный Google Cloud IAM, а для наблюдаемости и защиты от угроз, характерных для агентного AI (вроде косвенной инъекции промптов), задействуются аудит-логи и Google Cloud Model Armor.
Это классический ход экосистемного игрока: вместо того чтобы бороться с открытым стандартом, возглавить его внедрение и сделать своей конкурентной силой. MCP от Anthropic быстро набирает популярность для подключения AI к инструментам. Google, будучи одним из учредителей Agentic AI Foundation, теперь предлагает самый простой и безопасный путь для корпоративных клиентов, которые хотят экспериментировать с агентами, но боятся сложностей и рисков безопасности. По сути, они продают не просто доступ к API, а готовую, управляемую среду исполнения для автономных агентов. Идея «агента, который сам управляет инфраструктурой через GKE» звучит захватывающе, но в некоторых регуляторных средах вызовет вопросы об ответственности и аудите. Однако для многих бизнес-задач, вроде того же примера с подбором локации для ритейла, это может стать мощным ускорителем.
В блоге приводится наглядный пример: агент на основе Agent Development Kit (ADK) и Gemini 3 Pro, который помогает выбрать идеальное место для открытия магазина. Он одновременно запрашивает BigQuery для прогноза выручки на основе исторических данных, а через Google Maps ищет комплементарный бизнес по соседству и проверяет логистические маршруты — и всё это через единые управляемые MCP-серверы.
Что впереди?
Это только начало. В ближайшие месяцы Google планирует добавить поддержку MCP для десятков других сервисов, включая:
- Проекты, вычисления и хранение: Cloud Run, Cloud Storage, Cloud Resource Manager.
- Базы данных и аналитика: AlloyDB, Cloud SQL, Spanner, Looker, Pub/Sub, Dataplex Universal Catalog.
- Безопасность: Google Security Operations (SecOps).
- Операции в облаке: Cloud Logging, Cloud Monitoring.
- Сервисы Google: Developer Knowledge API, Android Management API.
Таким образом, Google делает ставку на то, чтобы стать основным «мировым интерфейсом» для AI-агентов. Компания не просто создаёт мощные модели вроде Gemini, но и строит экосистему, в которой эти модели могут максимально эффективно работать. Как отмечает Дэвид Сория Парра, соавтор MCP и сотрудник Anthropic: «Поддержка MCP со стороны Google для такого разнообразного спектра продуктов, в сочетании с их тесным сотрудничеством по спецификации, поможет большему числу разработчиков создавать агентные AI-приложения».
Для разработчиков, желающих начать работу, Google предоставляет документацию по MCP и выкладывает полный код демо-примера.
По материалам Google Cloud Blog.