Proyecto Cliente MCP con Gemini y Servidor de Herramientas Meteorológicas

要約

1. 依存関係をインストールします：pip install -r requirements.txt
2. .env を作成し、GEMINI_API_KEY=TU_CLAVE_API_AQUI を設定します。
3. 実行します：python mcp_gemini_client.py weather_tool_server.py

---

Gemini クライアントと気象ツールサーバーを使用する MCP プロジェクト

このリポジトリでは、MCP（Model-Client-Protocol）プロトコルを使用して、AI クライアント（Google Gemini を使用）を専門ツール（この場合は気象ツール）を提供するサーバーに接続する方法を紹介します。

仕組み

このシステムは、Gemini AI と専門ツールの間の橋渡し役として機能します。流れを簡単に説明します。

コンポーネントの役割

1. mcp_gemini_client.py - 次の役割を担う「仲介役」です。

   • Gemini AI と通信します。
   • ツールサーバー（weather_tool_server.py）に接続します。
   • ユーザー入力を処理し、応答を表示します。

2. weather_tool_server.py - 次の役割を担う「ツールプロバイダー」です。

   • 気象に関する特定のツール（get_alerts、get_forecast）を提供します。
   • ツールのリクエストを処理し、結果を返します。

3. MCP（Model-Client-Protocol） - 次の役割を担う「通信システム」です。

   • クライアントがツールを検出して呼び出すための標準化された方法を提供します。
   • クライアントとサーバー間のメッセージングを処理します。

天気について質問したときの流れ

1. ユーザー入力：クライアントで「ニューヨークの天気はどうですか？」のような質問を入力します。
2. クライアントでの処理：
   • mcp_gemini_client.py がこの質問を Gemini AI に送信します。
   • また、weather_tool_server.py サーバーに問い合わせて、利用可能なツールを Gemini に伝えます。
3. Gemini AI の判断：
   • Gemini は気象ツール（たとえば get_forecast）を使う必要があると判断します。
   • 使用するツールと引数（たとえばニューヨークの緯度と経度）を示す応答を作成します。
4. ツールの実行：
   • クライアントは、ツールを使用するための Gemini のリクエストを解析します。
   • ツールのリクエストを weather_tool_server.py サーバーに送信します。
   • サーバーは気象情報を取得する処理を実行し、結果を返します。
5. 最終応答：
   • ツールの結果がクライアントに戻り、クライアントはそれを Gemini に送り返します。
   • Gemini は、これらの結果をユーザーにとってわかりやすい応答にまとめます。
   • クライアントはこの最終応答を表示します。

セットアップと実行

1. 依存関係のインストール：

   pip install google-generativeai python-dotenv mcp-protocols # Asegúrate de que mcp-protocols sea el paquete correcto
   

2. API キー：
   • Google AI Studio から API キーを取得します。
   • プロジェクトのルートに .env ファイルを作成します。
   • .env ファイルにキーを追加します。

     GEMINI_API_KEY=TU_CLAVE_API_AQUI
     

3. 実行：
   • mcp_gemini_client.py と weather_tool_server.py が同じディレクトリにあることを確認します。
   • サーバーのスクリプトの場所を指定して、クライアントを実行します。

     python mcp_gemini_client.py weather_tool_server.py
     

   • 入力を求められたら、ターミナルにクエリを入力します。

ログファイル（mcp_log.txt）

• 統合された詳細なログ： このファイルには、クライアント（mcp_gemini_client.py）とサーバー（weather_tool_server.py）の両方のログが統合されて記録されています。
• 処理フローの可視化： データの流れ全体を示すため、ログは意図的に詳細に記録されています。
  • Gemini API に送信・受信されたメッセージ（プロンプトを含む）。
  • クライアントとサーバー間で、MCP プロトコルを介して送信・受信されたツールのリクエストとレスポンス。
• 識別： 各ログエントリーにはモジュール名（mcp_gemini_client または weather_tool_server）が含まれるため、どのコンポーネントがメッセージを生成したかを識別できます。
• デバッグ： 問題のデバッグや、すべてのコンポーネント間のやり取りの把握に役立つ主要な情報源です。

ログのサンプルフロー（mcp_log.txt）

完全なやり取りのログがどのように見えるかを示す、主要な通信を含む簡略化された例を以下に示します。

1. クライアントが初期プロンプトをGeminiに送信する（ツールの説明を含む）：

   2025-04-21 12:31:54,519 - __main__ - INFO - === Prompt Sent to Gemini (Initial) ===
   You are an assistant that helps users with weather information.
   You have access to the following tools:
   ...
   Tool: get_forecast
   Description: Get weather forecast for a location...
   Schema: {...}
   ...
   When you need to use a tool, format your response like this:
   TOOL_NAME: {the tool name}
   TOOL_ARGS: {JSON formatted arguments for the tool}
   ...
   The user message is: cual es el tiempo en nyc ?
   ======================================
   

2. Geminiがツールを要求する応答を返す：

   2025-04-21 12:31:56,049 - __main__ - INFO - === Raw Response Received from Gemini (Initial) ===
   TOOL_NAME: get_forecast
   TOOL_ARGS: {"latitude": 40.7128, "longitude": -74.0060}
   ===============================================
   

3. クライアントが応答を解析し、MCPツールのリクエストをサーバーに送信する：

   2025-04-21 12:31:56,050 - __main__ - INFO - Executing MCP tool: get_forecast with args: {'latitude': 40.7128, 'longitude': -74.006}
   

4. サーバーがMCPツールのリクエストを受信する：

   2025-04-21 12:31:56,052 - INFO - mcp.server.lowlevel.server - Processing request of type CallToolRequest
   2025-04-21 12:31:56,052 - INFO - __main__ - MCP Request Received: get_forecast with latitude: 40.7128, longitude: -74.006
   

5. サーバーがツールを実行し、MCP応答をクライアントに送信する：

   2025-04-21 12:31:57,180 - INFO - __main__ - === MCP Response Sent (get_forecast) ===
   
                       Today:
                       Temperature: 56F
                       ...
                       Forecast: Cloudy. High near 56...
                       
   ---...
   =======================================
   

6. クライアントがMCPツールの応答を受信する：

   2025-04-21 12:31:57,182 - __main__ - INFO - Raw MCP Tool Result Object Received: meta=None content=[TextContent(type='text', text='\n                    Today:\n...)] isError=False
   2025-04-21 12:31:57,182 - __main__ - INFO - MCP tool get_forecast executed. Extracted Result Content: [TextContent(type='text', text='\n       Today:\n...)]...
   

7. クライアントが最終プロンプトをGeminiに送信する（ツールの結果を含む）：

   2025-04-21 12:31:57,182 - __main__ - INFO - === Prompt Sent to Gemini (Final) ===
   I asked for information about the weather in response to: "cual es el tiempo en nyc ?"
                       
   I used the get_forecast tool with these arguments: {"latitude": 40.7128, "longitude": -74.006}
   The tool returned this result: [TextContent(type='text', text='\n     Today:\n...')]
   
   Please provide a helpful, user-friendly response based on this information.
   =======================================
   

8. Geminiがユーザー向けに整形された最終回答を返す：

   2025-04-21 12:31:59,000 - __main__ - INFO - === Raw Response Received from Gemini (Final) ===
   The weather in NYC looks like this:
   
   **Today:** Cloudy with a high of 56F...
   ...
   ===============================================
   

---