[ADK] Cloud API Registry APIを使って、ADKでGoogle Remote MCP(BigQuery)を利用する
こんにちは、サントリーこと大橋です。
本記事は ADK Advent Calendar 2025 のシリーズ 2 の 2025/12/15 の記事です。
ADK Advent Calendar 2025 (シリーズ 1) は埋まっていますが、シリーズ 2 はまだまだ募集中なのでぜひ参加してください。
今回は、Google Agent Development Kit (ADK) 1.20.0 で追加された Cloud API Registry 機能について紹介します。
実は 1.20.0 のリリース時点では、Cloud API Registry 自体がまだリリースされておらず、ADK 側の機能も利用できない状態でした。
しかし、先日 Google Cloud MCP Servers と共に Cloud API Registry がリリースされました!
これでようやく ADK の Cloud API Registry 機能が利用可能になりましたので、今回はこれを活用して Google Remote MCP (BigQuery MCP) を使ってみたいと思います。
対象
- ADK を触ったことがある Python ユーザー
- Cloud API Registry について知りたい人
なお本記事中では ADK の Agent をAgent、それ以外の AI エージェントをエージェントと表記します。
Cloud API Registry とは
Cloud API Registry は、AI アプリケーションやエージェントが利用できるツール(MCP ツールなど)を発見し、管理するための中央リポジトリのようなサービスです。
主な特徴として以下が挙げられます:
- 一元的な発見 (Unified Discovery): 利用可能なすべての MCP サーバーとツールを一箇所で見つけることができます。
- 一元管理 (Centralized Governance): 組織全体での MCP サーバーやツールへのアクセスを管理できます。
- 容易な統合: ツールの機能や接続詳細を簡単に確認でき、AI アプリケーションへの統合がスムーズになります。
また、Google Cloud が提供する Google Cloud MCP Servers (Remote MCP) も同時に利用可能になりました。これにより、BigQuery などの Google Cloud サービスと対話するための MCP サーバーを、自分でホストすることなく利用できます。認証も Google Cloud の標準的な認証(IAM)に準拠しているためセキュアです。
Cloud API Registry の利用方法については、以下のドキュメントも参考にしてください。
Google Cloud MCP Servers
今回、Cloud API Registry と合わせて Google Cloud MCP Servers も発表されました。
これは、Google Cloud のサービス(BigQuery, Vertex AI Search など)と対話するための公式 MCP サーバーです。
これまで、Google Cloud のサービスを MCP 経由で利用するには、コミュニティが作成した MCP サーバーを探してくるか、自分で実装してホストする必要がありました。
しかし、Google Cloud MCP Servers を利用することで、自分でサーバーをホストすることなく、Google Cloud の各種サービスに接続できるようになります。
主なメリットは以下です:
- フルマネージド (Remote MCP): 自分でコンテナを建てたりデプロイしたりする必要がありません。API として提供されるエンドポイントに接続するだけです。
- セキュリティ: Google Cloud の標準的な認証・認可 (IAM) に準拠しています。OAuth 2.0 クライアント認証情報やサービスアカウントを使って安全に接続できます。
- 可観測性: Cloud Logging や Cloud Monitoring と統合されており、エージェントの利用状況を簡単に追跡できます。
現在、以下の Google Cloud サービスの MCP サーバーが利用可能です。
- BigQuery: Google Cloud のフルマネージドなデータウェアハウスサービス。MCP を通じて、大規模なデータセットに対するクエリ実行やデータ操作をエージェントから直接行えます。
- Google Maps: 高度な地図データと位置情報サービスを提供。MCP を利用することで、エージェントが地図情報の取得、ルート検索、場所の特定などの地理空間機能を活用できます。
- Compute Engine (GCE): Google Cloud 上で仮想マシン (VM) を実行できるサービス。MCP を通じて、エージェントが VM インスタンスの起動、停止、設定変更といったインフラ管理タスクを実行できるようになります。
- Google Kubernetes Engine (GKE): マネージド Kubernetes サービス。MCP を利用することで、エージェントが Kubernetes クラスターのデプロイ、管理、スケーリングなどの操作を自動化し、コンテナ化されたアプリケーションの運用を支援します。
さらに、今後数ヶ月以内に以下のサービスも追加される予定です。
- Projects, Compute, and Storage: Cloud Run, Cloud Storage, Cloud Resource Manager
- Databases and Analytics: AlloyDB, Cloud SQL, Spanner, Looker, Pub/Sub, Dataplex Universal Catalog
- Security: Google Security Operations (SecOps)
- Cloud operations: Cloud Logging, Cloud Monitoring
- Google services: Developer Knowledge API, Android Management API
ADK の Cloud API Registry サポートについて
ADK では、この Cloud API Registry と連携するための ApiRegistry クラスと Toolset がサポートされています。
これを利用することで、ADK の Agent は Cloud API Registry 経由で MCP サーバーの情報を取得し、その MCP サーバーが提供するツールを自動的に自身の tools として取り込むことができます。
つまり、開発者は個々の MCP サーバーのエンドポイントをハードコードして管理する手間から開放され、Registry を通じて柔軟にツールを構成できるようになります。
※ 小規模なうちはメリットを感じにくいかもしれませんが、サービス規模が大きくなると管理コスト削減に役立つはずです。多分!
実際に ADK Cloud API Registry Toolset を用いて、Google Remote MCP(BigQuery MCP)を利用してみる
では、実際に ADK を使って Cloud API Registry 経由で BigQuery MCP を利用する Agent を作ってみましょう。
1. 環境構築
まずはプロジェクトディレクトリを作成し、Python 環境をセットアップします。
私は mise と uv を愛用しています。
mkdir adk-cloud-api-registry-sample
cd adk-cloud-api-registry-sample
# Pythonの環境セットアップ
mise use python@3.12
mise use uv@latest
uv python pin 3.12
uv init --app .
uv add google-adk
2. Cloud API Registry のセットアップ
Google Cloud プロジェクト側で Cloud API Registry と BigQuery MCP を有効化する必要があります。
詳細な手順は Use BigQuery MCP にも記載されています。
※ Google Cloud プロジェクトの作成や課金設定の手順については、本記事では割愛します。公式ドキュメントなどを参照して準備をお願いします。
PROJECT_ID=your-project-id
# Cloud API Registry サービスを有効にする
gcloud services enable cloudapiregistry.googleapis.com --project=$PROJECT_ID
# BigQuery MCP サーバーを有効にする
gcloud beta services mcp enable bigquery.googleapis.com --project=$PROJECT_ID
有効化できたら、以下のコマンドで BigQuery MCP サーバーが利用可能になっているか確認します。
※ このとき表示される name プロパティの値を後で使用するのでコピーしておいてください。
gcloud beta api-registry mcp list --project=$PROJECT_ID
期待される出力例:
[
{
"description": "BigQuery MCP server provides tools to interact with BigQuery",
"displayName": "bigquery.googleapis.com",
"name": "projects/your-project-id/locations/global/mcpServers/google-bigquery.googleapis.com-mcp",
"state": "ENABLED",
"urls": ["bigquery.googleapis.com/mcp"]
}
]
出力の name (例: projects/your-project-id/locations/global/mcpServers/google-bigquery.googleapis.com-mcp) をメモしておきます。
nameだけを出力する場合は以下のコマンドを実行しても良いです。
gcloud beta api-registry mcp list --project=$PROJECT_ID --format="value(name)"
3. Agent の作成
ADK の CLI を使ってテンプレートを作成します。今回は Vertex AI バックエンドが無難です。
uv run adk create bigquery_mcp_agent
# プロンプトに従ってモデルなどを選択してください
作成された bigquery_mcp_agent/agent.py を以下のように書き換えます。
from google.adk.agents.llm_agent import Agent
from google.adk.tools.api_registry import ApiRegistry
# あなたのプロジェクトID
PROJECT_ID = "your-project-id"
# 先程取得した MCP サーバーの name を設定する
MCP_SERVER_NAME = "projects/your-project-id/locations/global/mcpServers/google-bigquery.googleapis.com-mcp"
# header_providerを設定する。
# これにより BigQuery MCP server に対して x-goog-user-project ヘッダーを付与することができる。
# BigQuery MCPを利用する際は、課金プロジェクトを明示するためにHTTPヘッダーの設定が必要です。
# これがないと課金プロジェクトの判定ができずにエラーになる場合があります。
header_provider = lambda context: {
"x-goog-user-project": PROJECT_ID,
}
# ApiRegistryを初期化する
bq_api_registry = ApiRegistry(PROJECT_ID, header_provider=header_provider)
# BigQuery MCP serverのtoolsetを取得する
registry_tools = bq_api_registry.get_toolset(
mcp_server_name=MCP_SERVER_NAME,
)
# Agentを設定する
root_agent = Agent(
model='gemini-2.5-flash',
name='root_agent',
description='A helpful assistant for user questions.',
instruction='Help user access their BigQuery data via API Registry tools.',
tools=[registry_tools],
)
4. Agent を起動して使ってみる
準備ができたら Agent を起動します。
uv run adk web .
ブラウザで http://localhost:8000 にアクセスし、作成した Agent と会話してみましょう。
例えば、BigQuery の一般公開データセットについて聞いてみたり、簡単なクエリを実行してもらったりできます。

一般公開データセットの一覧取得

テーブル情報の取得とクエリの実行
このように、ADK 側で BigQuery 用のツールを個別に実装することなく、Cloud API Registry と Remote MCP を通じて簡単に機能拡張ができました。
まとめ
今回は ADK の Cloud API Registry サポートを活用して、Google Remote MCP (BigQuery MCP) を利用してみました。
Cloud API Registry を利用することで、MCP サーバーの管理をクラウド上に一元化できるメリットは非常に大きいです。
また、Cloud API Registry は Apigee API Hub と連携することで、自社独自の MCP サーバーも管理することができ、そのメタデータを Registry 経由で取得できるようになるとのことです。
(ただ私が試した時点では、Apigee API Hub に登録した asia-northeast1 リージョンの MCP サーバー情報が Cloud API Registry 経由でうまく取得できないなど、私の環境では一部不安定な挙動も見られました。)
今後の発展に期待しつつ、ぜひ皆さんも触ってみてください。
お知らせ/宣伝
ADK 開発者が集う日本語の Discord コミュニティがあります。ADK に関する情報交換や議論に興味がある方は、ぜひご参加ください!
また、ADK の最新のコミットログやリリースノートを分かりやすく解説する Podcast を、月・水・金に配信しています。ADK の動向を追いかけたい方は、ぜひ聴いてみてください。クリスマス期間中は毎日配信しています。
Discussion