Google Data Agent Kit 正式上線,透過 Skills 與 IAM 分層管控 Agent 權限
文章摘要
Google Data Agent Kit 正式進入一般可用階段(GA),為第三方編碼代理工具(如 Cursor、VS Code 等)提供連接逾 15 種 Google 雲端數據服務的 MCP 工具集。此工具包包含 37 種 Apache 2.0 授權的技能模組,協助模型執行 BigQuery SQL 優化或 Bigtable 鍵值設計,並針對資料庫刪除操作提供需經使用者同意的防誤刪機制。
針對權限管控,該套件將控管分為「技能引導」與「IAM 實體限制」兩層。前者透過提示詞要求代理程序遵守操作建議;後者則透過 Google Cloud IAM 拒絕策略,阻斷 `tool.isReadOnly` 為假的 MCP 工具執行權限。目前此機制存在三項限制:被封鎖的工具仍會顯示於清單中、僅適用於 Google Cloud MCP 伺服器,且設定參數僅支援 gcloud 指令行介面,不支援主控台操作。
儘管架構強化了存取層管理,專家指出該工具仍面臨挑戰。由於目前回傳結果缺乏冪等性鍵值、提交狀態與回滾機制,在處理寫入逾時或中途變更架構的情境下,無法明確判斷操作是否成功提交,對於需要高可靠性的生產環境作業仍存在潛在執行風險。
針對權限管控,該套件將控管分為「技能引導」與「IAM 實體限制」兩層。前者透過提示詞要求代理程序遵守操作建議;後者則透過 Google Cloud IAM 拒絕策略,阻斷 `tool.isReadOnly` 為假的 MCP 工具執行權限。目前此機制存在三項限制:被封鎖的工具仍會顯示於清單中、僅適用於 Google Cloud MCP 伺服器,且設定參數僅支援 gcloud 指令行介面,不支援主控台操作。
儘管架構強化了存取層管理,專家指出該工具仍面臨挑戰。由於目前回傳結果缺乏冪等性鍵值、提交狀態與回滾機制,在處理寫入逾時或中途變更架構的情境下,無法明確判斷操作是否成功提交,對於需要高可靠性的生產環境作業仍存在潛在執行風險。
AI 大叔解析
## 核心判斷
這套套件把「嘴上勸阻」與「底層封鎖」正式拆成兩件事,讓外部編輯器能摸到雲端資料庫,但真正上線後的可靠性仍缺了關鍵拼圖。Google 透過開源的 MCP 工具集與技能模組,把 Cursor、VS Code 這類外部工具接進超過 15 種 Google 雲端數據服務。最關鍵的架構轉折在於防護分成兩層:37 個開源技能(如資料防誤刪)只算「建議型防護」,靠提示詞要求代理程序在執行危險指令前停下問人;真正能咬死權限的,是 IAM 的 Deny 策略,能直接封鎖唯讀屬性為假(`tool.isReadOnly` 為 false)的執行呼叫。不過這套機制目前在維運層面留下了三項限制:被封鎖的工具依然會留在清單中、僅限 Google Cloud MCP 伺服器,且特定屬性只能用 gcloud 指令設定。
## 毒舌吐槽
給了神兵利器,卻忘了附上保險絲。套件在 Prompt 裡寫大寫的「STOP AND VERIFY」,要 AI 遇到刪除指令時乖乖找人類確認,但這種口頭勸告在系統出問題時根本不能當作最後防線。更致命的工程漏洞在於執行可靠性:呼叫逾時(Timeout)之後到底寫進去沒有?這套工具目前回傳完全不帶冪等性鍵值(Idempotency Key)、提交狀態或回滾機制。代理程序重試可能造成重複寫入,中途改架構可能直接翻車;門禁管得再森嚴,只要水管裡面會漏水且無法回溯,丟進高可靠性正式環境就是給自己找麻煩。
## 為什麼重要?
從系統架構來看,這項工具改變了過往 AI 代理程序對雲端資料結構一無所知的盲人摸象狀態。透過引入活體結構與 37 個 Apache 2.0 授權技能(已推出 1.0.0 與 1.1.0 版本),代理程序能獲取 BigQuery、Bigtable 等服務的上下文。相比微軟使用閘道層級(Gateway-scoped)的金鑰管理,Google 選擇直接走既有的 Cloud IAM 體系,能傳遞使用者身分並繼承行列級安全性,在組織、資料夾或專案層級用 `mcp.googleapis.com/tools.call` 進行權限阻擋。
但維運團隊必須面對明確的系統代價與介面落差。由於 `resource.service` 與 `tool.name` 參數目前完全不支援 GCP 網頁主控台,維運團隊得全部回歸 gcloud 命令列處理;加上被 IAM 封鎖的工具依然會列在清單內,代理程序往往要等到實際發起呼叫被打槍後才知道碰壁,徒增額外的呼叫失敗率與重試成本。
## 影響對象與建議
- **雲端資料架構師**:勿依賴技能的防誤刪提示詞;應強制在 IAM 層級配置 Deny 策略阻斷寫入工具,並僅透過 gcloud CLI 部署細部屬性。
- **資料工程師(Data Engineer)**:鑑於目前回傳缺乏冪等性鍵值與回滾機制,在批次排程或關鍵寫入情境下,僅能開放唯讀分析,禁止讓代理程序自行重試寫入操作。
- **資安與維運主管(SecOps)**:審查外部編碼工具連線時,應要求代理程序透過服務帳戶模擬(Impersonation)以唯讀身分執行,確保稽核軌跡完整留存。
這套套件把「嘴上勸阻」與「底層封鎖」正式拆成兩件事,讓外部編輯器能摸到雲端資料庫,但真正上線後的可靠性仍缺了關鍵拼圖。Google 透過開源的 MCP 工具集與技能模組,把 Cursor、VS Code 這類外部工具接進超過 15 種 Google 雲端數據服務。最關鍵的架構轉折在於防護分成兩層:37 個開源技能(如資料防誤刪)只算「建議型防護」,靠提示詞要求代理程序在執行危險指令前停下問人;真正能咬死權限的,是 IAM 的 Deny 策略,能直接封鎖唯讀屬性為假(`tool.isReadOnly` 為 false)的執行呼叫。不過這套機制目前在維運層面留下了三項限制:被封鎖的工具依然會留在清單中、僅限 Google Cloud MCP 伺服器,且特定屬性只能用 gcloud 指令設定。
## 毒舌吐槽
給了神兵利器,卻忘了附上保險絲。套件在 Prompt 裡寫大寫的「STOP AND VERIFY」,要 AI 遇到刪除指令時乖乖找人類確認,但這種口頭勸告在系統出問題時根本不能當作最後防線。更致命的工程漏洞在於執行可靠性:呼叫逾時(Timeout)之後到底寫進去沒有?這套工具目前回傳完全不帶冪等性鍵值(Idempotency Key)、提交狀態或回滾機制。代理程序重試可能造成重複寫入,中途改架構可能直接翻車;門禁管得再森嚴,只要水管裡面會漏水且無法回溯,丟進高可靠性正式環境就是給自己找麻煩。
## 為什麼重要?
從系統架構來看,這項工具改變了過往 AI 代理程序對雲端資料結構一無所知的盲人摸象狀態。透過引入活體結構與 37 個 Apache 2.0 授權技能(已推出 1.0.0 與 1.1.0 版本),代理程序能獲取 BigQuery、Bigtable 等服務的上下文。相比微軟使用閘道層級(Gateway-scoped)的金鑰管理,Google 選擇直接走既有的 Cloud IAM 體系,能傳遞使用者身分並繼承行列級安全性,在組織、資料夾或專案層級用 `mcp.googleapis.com/tools.call` 進行權限阻擋。
但維運團隊必須面對明確的系統代價與介面落差。由於 `resource.service` 與 `tool.name` 參數目前完全不支援 GCP 網頁主控台,維運團隊得全部回歸 gcloud 命令列處理;加上被 IAM 封鎖的工具依然會列在清單內,代理程序往往要等到實際發起呼叫被打槍後才知道碰壁,徒增額外的呼叫失敗率與重試成本。
## 影響對象與建議
- **雲端資料架構師**:勿依賴技能的防誤刪提示詞;應強制在 IAM 層級配置 Deny 策略阻斷寫入工具,並僅透過 gcloud CLI 部署細部屬性。
- **資料工程師(Data Engineer)**:鑑於目前回傳缺乏冪等性鍵值與回滾機制,在批次排程或關鍵寫入情境下,僅能開放唯讀分析,禁止讓代理程序自行重試寫入操作。
- **資安與維運主管(SecOps)**:審查外部編碼工具連線時,應要求代理程序透過服務帳戶模擬(Impersonation)以唯讀身分執行,確保稽核軌跡完整留存。