繼Linux基金會成立Agentic AI基金會 (AAIF)，並且將MCP (Model Context Protocol)協定列為核心標準後，Google的腳步也相當迅速，稍早宣布將全面支援MCP協定，進一步擴大推出「全託管遠端MCP伺服器」，意味開發者不再需要自己費心維護連接層，就能讓AI代理 (AI Agents) 直接操作Google Maps、BigQuery，甚至管理Google Compute Engine與GKE等雲端基礎設施。
擁抱「AI界的USB-C」，Google官方跳下來做
MCP是由Anthropic於2024年提出的開放協定，其本質是一套規範「外部工具應如何向AI模型溝通」的標準接口。由於其提供一致的介接格式，讓模型能像插拔USB-C裝置一樣輕鬆地呼叫各類資料庫與API，因此被業界戲稱為「AI界的USB-C」。
Google指出，過去開發者若要使用針對Google服務的MCP伺服器，往往得自行尋找社群開源版本，並且在裝置端維護運作，不僅整合成本較高，穩定性也相對難以掌控。而透過Google官方提供全託管服務，開發者只需將AI Agent指向Google提供的MCP端點，即可直接與Google Cloud服務進行互動。
首波四大服務：從查地圖到管理容器服務
在第一波開放的支援名單中，涵蓋了數據查詢、地理資訊與基礎設施管理三大面向：
• Google Maps (Grounding Lite)：提供地點資訊、天氣預測與路線時間等可信資料。這能協助AI Agent回答旅遊規劃或周邊推薦問題，大幅降低模型「一本正經胡說八道」 (即產生幻覺)的風險。
• BigQuery：讓AI Agent能原生解析Schema，並且執行查詢。重點是不需要將資料搬進脈絡視窗 (Context Window)，即可直接在原地分析數據，同時維持資料治理與安全性。
• Google Compute Engine (GCE)：賦予AI自主管理基礎架構的能力，從初始建置到後續維運 (Day 2 operations)，AI Agent可依據工作負載動態調整資源。
• Google Kubernetes Engine (GKE)：提供結構化介面，讓AI直接與Kubernetes API互動。開發者不再需要讓AI去解析複雜的CLI文字輸出，就能在一致的環境中診斷容器服務問題、處理故障，並且進行成本最佳化。
實例：Gemini 3 Pro自動選址
Google也舉了一個實際應用場景：開發者可利用Agent Development Kit (ADK) 打造以Gemini 3 Pro為核心的代理服務。透過MCP協定，這個AI Agent可以先向BigQuery調閱銷售數據預測營收，再透過Google Maps查詢周邊商業環境與配送路線，最後整合兩方資訊提出零售選址建議，全程自動協調完成。
在安全性方面，Google強調將透過Cloud API Registry與Apigee API Hub集中管理工具，並且結合Cloud IAM進行存取控管，更可利用Model Armor防禦間接提示注入 (Prompt Injection) 攻擊，確保企業資安無虞。
Google表示，未來數月內將陸續把Cloud Run、Cloud Storage、Cloud SQL等更多核心服務也納入MCP協定支援範圍。
分析觀點
Google此舉顯然是想在「Agentic AI」時代搶下基礎建設的話語權。透過支援MCP這個通用標準，Google不僅降低了開發者在自家雲端平台上打造AI Agent的門檻，更讓AI從單純的「內容生成」跨越到「實際執行」的層次。當AI助理能直接幫你開關VM (虛擬機器)、查詢資料庫時，Google Cloud的使用黏著度自然也就更高了。
