پرش به محتوای اصلی
پرش به محتوای مقاله

«اتصال مستقیم به BigQuery»؛ قابلیت جدید Claude Code در Vertex AI

·۹ مرداد ۱۴۰۵۳ دقیقه مطالعه۳ بازدید
پشتیبانی از پروتکل MCP در Vertex AI گوگل کلود
پشتیبانی از پروتکل MCP در Vertex AI گوگل کلود
اشتراک‌گذاری
واقعاً چه چیز جدید است؟

جایگزینی اسکریپت‌های API سفارشی با یک پروتکل استاندارد (MCP) در Vertex AI؛ حالا Claude Code می‌تواند بدون کدنویسی واسط، مستقیماً با BigQuery و Cloud Storage صحبت کند.

تصور کنید به جای ساعت‌ها کلنجار رفتن با کدهای تکراری برای اتصال هوش مصنوعی به دیتابیس، تنها با یک فایل تنظیمات، تمام داده‌های شرکتتان را در محیط ترمینال داشته باشید. اگر توسعه‌دهنده‌ای هستید که از Claude Code استفاده می‌کند، حالا می‌توانید داده‌های سازمانی خود را بدون واسطه در محیط کدنویسی جاری کنید.

طبق اعلام گوگل، این یکپارچه‌سازی که در اواخر ژوئیه ۲۰۲۶ فعال شد، نیاز به کدهای Boilerplate برای پرس‌وجو از پایگاه‌های داده تولیدی را کاملاً از بین می‌برد. در واقع، گوگل اکنون تمرکز خود را از ابزارهای وب به محیط محلی توسعه‌دهنده shifted کرده است. همان‌طور که در تحلیل قبلی ما درباره‌ی ابزارهای هوش مصنوعی و رفع باگ‌های کروم اشاره کردیم، این شرکت به دنبال نفوذ بیشتر در جریان کاری (workflow) مهندسان است.

در دنیای واقعی، وصل کردن یک عامل (Agent) — که شبیه دستیاری است که می‌تواند ابزارها را اجرا کند — به یک پایگاه داده معمولاً به معنای نوشتن رابط‌های API شکننده یا آپلود دستی فایل‌های CSV است. اما پروتکل زمینه مدل (MCP) — که مثل یک دوشاخه جهانی برای اتصال انواع داده‌ها به مدل عمل می‌کند — این فرآیند را تغییر می‌دهد. این رویکرد مدرن در مقابل روش‌های سنتیِ فراخوانی داده‌های تجاری قرار می‌گیرد و سرعت دسترسی به داده‌های زنده را به‌طور چشمگیری افزایش داده است.

به گزارش وب‌سایت dev.to، این به‌روزرسانی دسترسی مستقیم به سه سرویس اصلی را ممکن می‌کند:

  • BigQuery: برای تحلیل داده‌های حجیم
  • Cloud Storage: برای دسترسی به فایل‌ها
  • Vertex AI Search: برای جست‌وجوی هوشمند در مستندات

توسعه‌دهندگان اکنون می‌توانند این اتصالات را تنها با یک فایل claude_mcp.json پیکربندی کنند و دیگر نیازی به نگهداری اسکریپت‌های مجزا ندارند.

پشتیبانی از پروتکل MCP در Vertex AI گوگل کلود

جزئیات فنی این یکپارچه‌سازی شامل موارد زیر است:

  • کنترل سیاست IAM: مدیریت دسترسی گوگل کلود دقیقاً تعیین می‌کند که سرورهای MCP به چه داده‌هایی دسترسی داشته باشند. این دقت در مدیریت دسترسی یادآور تلاش‌های اخیر گوگل در حوزه جایگزینی RAG با تجمیع داده در SQLite برای بهینه‌سازی بازیابی اطلاعات است.
  • کاهش حجم زمینه (Context Bloat): سرورهای MCP به جای ریختن کل دیتاست در پرامپت، تنها تکه‌های مرتبط را بازیابی می‌کنند.
  • نقاط انتهایی مدیریت‌شده: این اتصال از طریق Vertex AI Model Garden فعال می‌شود تا یک Endpoint مدیریت‌شده برای پروتکل ایجاد گردد.

پشتیبانی از پروتکل MCP در Vertex AI گوگل کلود

این چرخش نشان می‌دهد گوگل در حال خداحافظی با اتصال‌دهنده‌های اختصاصی و پذیرش یک استاندارد باز است. با پیوستن به Anthropic و GitHub در اکوسیستم MCP، گوگل پذیرفته که یک پروتکل استاندارد بسیار ارزشمندتر از یک «باغ محصور» از یکپارچه‌سازی‌های بسته است. برای کاربر، این یعنی کاهش شدید سردرگمی‌های مربوط به اتصال سیستم‌ها.

از نظر کاربردی، این قابلیت یک دستیار کدنویسی را به یک تحلیل‌گر داده زنده تبدیل می‌کند. اکنون می‌توانید از Claude Code بخواهید ۱۰ مشتری برتر بر اساس درآمد سه ماهه دوم ۲۰۲۶ را با یک پرس‌وجوی زنده از BigQuery پیدا کند و مدل این درخواست را با مجوزهای فعلی شما اجرا می‌کند.

نقشه راه گوگل نشان می‌دهد این تنها گام نخست است. انتظار می‌رود پشتیبانی از MCP به سرویس‌های Spanner و Pub/Sub گسترش یابد و در نهایت، Gemini API نیز برای رقابت تهاجمی‌تر با اکوسیستم Anthropic، از این پروتکل پشتیبانی کند.

گام بعدی شما

  • بخش Vertex AI Model Garden را بررسی کنید تا ببینید آیا MCP برای پروژه شما فعال شده است یا خیر.
  • یک جدول ساده از BigQuery را متصل کنید تا حجم کدهای تکراری که می‌توانید از گردش‌کار خود حذف کنید، ببینید.
  • ساختار فایل claude_mcp.json را برای مدیریت دسترسی‌های مختلف مطالعه کنید.

اما داستان سخت‌افزاری این تحول حتی شگفت‌انگیزتر است — به تحلیل ما درباره‌ی تراشه‌های Blackwell مراجعه کنید.

چرا این موضوع مهم است؟

این حرکت با تکیه بر اعتبار پروتکل‌های باز، هزینه و زمان استقرار عامل‌های هوش مصنوعی را در سازمان‌ها به شدت کاهش می‌دهد. در واقع، استانداردسازی دسترسی به داده، سد اصلی میان مدل‌های زبانی و دیتابیس‌های واقعی سازمانی را می‌شکند.

تأثیر برای ایران

به‌دلیل محدودیت‌های دسترسی به Vertex AI و APIهای گوگل برای کاربران ایرانی، استفاده از این قابلیت نیازمند زیرساخت‌های ابری خارج از کشور است و اثر مستقیمی بر توسعه‌دهندگان داخلی ندارد.

·نگاه ما
تحریریه دات‌هوش

پذیرش MCP توسط گوگل، پایان استراتژی «دیوارهای بلند» در دسترسی به داده است. وقتی غول‌هایی مثل گوگل و آنتروپیک روی یک پروتکل توافق می‌کنند، تمرکز رقابت از «کی داده‌های بیشتری دارد» به «کی می‌تواند سریع‌تر و دقیق‌تر از داده‌ها استفاده کند» منتقل می‌شود. این یعنی عصر ابزارهای تک‌منظوره تمام شده و عصر عوامل همه‌کاره آغاز شده است.

منابع

این گزارش با خط‌لولهٔ خودکار دات‌هوش از منابع معتبر جهانی تدوین و زیر نظر تحریریه منتشر شده است. روش کار ما

گفتگو

پنج‌شنبه‌های هوش‌محور

بسته‌ی هفتگی دات‌هوش

۵ خبر، ۲ ابزار، ۱ پرامپت در هر شماره. به‌زودی راه‌اندازی می‌شود — هر پنج‌شنبه صبح.

خبر کلیدی
ابزار کاربردی
پرامپت حرفه‌ای
تحلیل پژوهش
به‌زودی
زاویه‌ی ایرانی
به‌زودی
تمرین این هفته
به‌زودی

راهنماهای دات‌هوش

راهنماهای کاربردیِ دات‌هوش برای کار با هوش مصنوعی — از همین‌جا شروع کنید:

دات‌هوش

راهنمای فارسی هوش مصنوعی — با نگاه به ایران

اخبار روزانه، معرفی ابزارها و مدل‌ها، و آموزشِ کار با هوش مصنوعی؛ همیشه با این پرسش که از ایران چه چیزی کار می‌کند و چه چیزی نه.