自然言語から GKE を操作

昨年末に「Google Cloud MCP」として、Google Cloud プロダクトに関する 公式リモート MCP サーバが Public Preview として各種発表されており、Google Cloud リソースの情報を AI ツールへ連携させる事が可能になっています。

現時点ですと、以下プロダクトについて用意されているようです！

• AlloyDB

• BigQuery

• BigTable

• CloudSQL

• Cloud Logging

• Cloud Monitoring

• Compute Engine

• Firestore

• GKE

• Google Security Operations

• Resource Manager

• Spanner

（今月には Google の公式デベロッパー ドキュメントを検索できる Developer Knowledge MCP も提供されており、こちらも非常に便利です！）

今回はそのうち、GKE MCP を Claude Desktop から接続して使ってみました。

導入方法

公式ドキュメントに従い、設定していけば OK です。（今回は Claude.ai での設定手順になります。）

Google Cloud プロジェクトで GKE MCP を有効化

コマンドを実行して、自身の Google Cloud プロジェクトで GKE MCP を有効化します。

gcloud beta services mcp enable container.googleapis.com --project=<Project ID>

プロジェクトで有効化されている MCP は以下で確認可能です。

gcloud beta services mcp list --enabled --project=<Project ID>

として、有効化されていれば ↓ のように返されます。

NAME                               MCP_ENDPOINT
services/container.googleapis.com  container.googleapis.com/mcp

OAuth 2.0 クライアント ID とシークレットを作成

Google Cloud コンソールから [Google Auth Platform] を選択して、以下のように OAuth クライアントを作成します。

作成すると、クライアント ID とクライアントシークレットが表示されます。

Claude.ai のカスタムコネクタの作成

Claude.ai で [カスタムコネクタを追加] を選択して、設定します。

GKE MCP と接続するため、URL には https://container.googleapis.com を入力し、先ほど作成したクライアント ID とクライアントシークレットの値もここで入力します。

これで設定は完了です！

GKE MCP で出来ること

公式ドキュメントによると、現時点で以下の 8 つのツールが提供されているようです。

• kube_api_resources：Kubernetes API リソースの一覧を取得

• kube_get：Kubernetes リソースを取得

• list_clusters：GKE クラスタの一覧を取得

• get_cluster：特定の GKE クラスタの詳細を取得

• list_operations： GKE オペレーションの一覧を取得

• get_operation：特定の GKE 操作の詳細を取得

• list_node_pools：特定の GKE クラスタのノードプールを一覧を取得

• get_node_pool：特定のノードプールの詳細を取得

上記の通り読み取り専用となっており、リソースの作成や設定変更はできませんが、逆に言えば安全に状態を把握する事ができそうです！

Claude Desktop から試してみる

試しに、以下のプロンプトで GKE MCP に対して問い合わせてみると、

↓

分析結果が返ってきます。

リソース情報を取得し、過剰リソースについても指摘してくれます！

さらにコスト削減の推奨設定についても回答してくれます。

（中略）

指摘された設定を見直す事で、クラウドコスト削減にも役立ちそうです！

まとめ

まだ Public Preview という事ですが、Google Cloud のリソース情報を AI ツールに簡単に連携できるのは有り難いですね。現時点ですとリソースの作成・編集は出来ないですが、リソースの最適化であったり、エラーの原因調査など、役立ちそうな場面はありそうです。

リソースの見直しの場合は Developer Knowledge MCP と、エラー原因調査の場合は Cloud Logging MCP と組み合わせて使用してみても面白そうですので、他 MCP もどんどん試してみたいと思います！