GemSuite MCP: The Most Comprehensive Gemini API Integration for Model Context Protocol

GemSuite MCP: Model Context Protocol 向け最先端の Gemini API 統合

Model Context Protocol (MCP) を利用した高度な Gemini API 連携のための究極のオープンソースサーバー。最適なパフォーマンス、最小のトークンコスト、シームレスな統合を実現するために、モデルをインテリジェントに選択します。

Claude およびすべての MCP 互換ホスト向けの、インテリジェントなモデル選択と高度なファイル処理を備えたプロフェッショナルな Gemini API 統合

強化された機能を備えて、geminiserchMCP プロジェクトから発展

インストール • 機能 • 使用方法 • 例 • モデル • コントリビューション

🌟 GemSuite MCP とは？

GemSuite (Model Context Protoco) MCP は、MCP ホスト向けの究極の Gemini API 統合インターフェースであり、目の前のタスクに応じてモデルをインテリジェントに選択することで、最適なパフォーマンス、最小のトークンコスト、シームレスな統合を実現します。これにより、MCP 互換のあらゆるホスト (Claude、Cursor、Replit など) が、以下に重点を置いて Gemini の機能をシームレスに活用できます:

1. インテリジェンス: タスクとコンテンツに基づいて最適な Gemini モデルを自動選択します
2. 効率性: さまざまなワークロードにわたってトークン使用量とパフォーマンスを最適化します
3. シンプルさ: 複雑な AI 操作のためのクリーンで一貫した API を提供します
4. 汎用性: 高度なファイル処理。複数のファイルタイプ、操作、ユースケースに対応します

ドキュメントの分析、複雑な問題の解決、大きなテキストファイルの処理、情報の検索など、どのような作業でも、GemSuite MCP はその作業に適したモデルと適切なツールを提供します。

なぜ GemSuite MCP なのか？

限られた機能しか提供しない他の Gemini MCP サーバーとは異なり、GemSuite MCP は以下を提供します:

✅ インテリジェントなモデル選択: タスクに基づいて最適な Gemini モデルを自動選択します ✅ 統一されたファイル処理: 自動フォーマット検出により、さまざまなファイルタイプをシームレスに処理します ✅ 包括的なツールスイート: 検索、推論、処理、分析をカバーする 4 つの専用ツール ✅ 実運用に対応: Smithery.ai、MCP.so、Glama.io でデプロイおよび検証済み

🚀 インストール

オプション 1: Smithery.ai (推奨)

# Install directly via Smithery CLI
npx -y @smithery/cli@latest install @PV-Bhat/gemsuite-mcp --client claude

オプション 2: 手動インストール

# Clone the repository
git clone https://github.com/PV-Bhat/gemsuite-mcp.git
cd gemsuite-mcp

# Install dependencies
npm install

# Set your Gemini API key
echo "GEMINI_API_KEY=your_api_key_here" > .env

# Build the project
npm run build

# Start the server
npm start

🔑 API キーの設定

1. Google AI Studio から Gemini API キーを取得します
2. 環境変数として設定します:

   export GEMINI_API_KEY=your_api_key_here
   

   または、プロジェクトのルートに .env ファイルを作成します:

   GEMINI_API_KEY=your_api_key_here
   

💎 主な機能

統一されたファイル処理

• シームレスなファイル処理: すべてのツールは file_path パラメータを介したファイル入力に対応しています
• 自動フォーマット検出: 適切な MIME タイプにより、さまざまなファイルタイプを正しく処理します
• マルチモーダル対応: 画像、ドキュメント、コードファイルなどを処理します
• バッチ処理: 1 回の操作で複数のファイルを処理できます

インテリジェントなモデル選択

graph TD
    A[Task Request] --> B{Task Type}
    B -->|Search| C[Gemini Flash]
    B -->|Reasoning| D[Gemini Flash Thinking]
    B -->|Processing| E[Gemini Flash-Lite]
    B -->|Analysis| F{File Type}
    F -->|Image| G[Gemini Flash]
    F -->|Code| H[Gemini Flash Thinking]
    F -->|Text| I[Gemini Flash-Lite]
    C & D & E & G & H & I --> J[Execute Request]

特化型ツール

堅牢なエラー処理

• 指数バックオフ: API レート制限の適切な処理
• 包括的なエラー検出: エラー発生元の明確な特定
• 実行可能なメッセージ: トラブルシューティングのための詳細なエラー情報
• 復旧メカニズム: 主要なアプローチが失敗した場合のインテリジェントなフォールバック

🖥️ 使用方法

Claude またはその他の MCP 互換ホストでの使用

GemSuite MCP を Claude またはその他の MCP 互換ホストで使用すると、ツールはアシスタントのツールキットで直接利用できるようになります。ニーズに応じて適切なツールを呼び出すだけです:

ツール選択ガイド

• gem_search: 検索統合を必要とする事実に関する質問に
• gem_reason: ステップバイステップの推論を必要とする複雑な問題に
• gem_process: テキストまたはファイルの効率的な処理に(最もトークン効率が高い)
• gem_analyze: 自動モデル選択によるファイルの詳細な分析に

📚 使用例

GemSuite Gemini Search を使用して Google 検索にアクセスする Claude Desktop

ファイルの処理(最もトークン効率が高い)

// Summarize a large document
const response = await gem_process({
  file_path: "/path/to/your/large_document.pdf",
  operation: "summarize"
});

// Extract specific information
const response = await gem_process({
  file_path: "/path/to/your/report.docx",
  operation: "extract",
  content: "Extract all financial data and metrics from this document."
});

ファイルの分析

// Analyze an image
const response = await gem_analyze({
  file_path: "/path/to/your/image.jpg",
  instruction: "Describe what you see in this image in detail."
});

// Analyze code
const response = await gem_analyze({
  file_path: "/path/to/your/code.py",
  instruction: "Identify potential bugs and suggest optimizations."
});

複雑な推論

// Solve a complex problem with step-by-step reasoning
const response = await gem_reason({
  problem: "Analyze this code and suggest improvements:",
  file_path: "/path/to/your/code.js",
  show_steps: true
});

// Mathematical problem solving
const response = await gem_reason({
  problem: "Solve this differential equation: dy/dx = 2xy with y(0) = 1",
  show_steps: true
});

ファイルを使った検索

// Answer questions about a document with search integration
const response = await gem_search({
  query: "What companies are mentioned in this document?",
  file_path: "/path/to/your/document.pdf"
});

// Factual questions with search
const response = await gem_search({
  query: "What are the latest developments in quantum computing?",
  enable_thinking: true
});

🧠 モデルの特徴

GemSuite MCP は 3 つの主要な Gemini モデルを活用し、各タスクに最適なモデルをインテリジェントに選択します:

Gemini 2.0 Flash

• 100 万トークンのコンテキストウィンドウ: 大量のコンテンツを処理
• 検索統合: 応答を最新情報に基づいてグラウンディング
• マルチモーダル機能: テキスト、画像などを処理
• バランスの取れたパフォーマンス: 品質と速度の適切なバランス

Gemini 2.0 Flash-Lite

• 最もコスト効率が高い: トークン使用量を最小化
• 最速の応答時間: 大量の操作に最適
• テキスト重視: テキスト処理に最適化
• 効率に最適: 検索と推論が不要な場合に

Gemini 2.0 Flash Thinking

• 強化された推論: 論理分析と問題解決
• ステップバイステップの分析: 推論プロセスを表示
• 特化した機能: 複雑な計算を得意とする
• 深さに最適: 徹底的な分析が必要な場合に

🔄 ワークフローの例

ドキュメント分析ワークフロー

// 1. Get a high-level summary (most efficient)
const summary = await gem_process({
  file_path: "/path/to/large_document.pdf",
  operation: "summarize"
});

// 2. Extract specific information
const keyPoints = await gem_process({
  file_path: "/path/to/large_document.pdf",
  operation: "extract",
  content: "Extract the key findings and recommendations"
});

// 3. Answer specific questions with search integration
const answers = await gem_search({
  query: "Based on this document, what are the implications for market growth?",
  file_path: "/path/to/large_document.pdf"
});

// 4. Claude synthesizes the processed information
// This approach is dramatically more token-efficient than having
// Claude process the entire document directly

コードレビューワークフロー

// 1. Get code overview
const overview = await gem_analyze({
  file_path: "/path/to/code.js",
  instruction: "Provide an overview of this code's structure and purpose"
});

// 2. Identify potential issues
const issues = await gem_reason({
  problem: "Analyze this code for bugs, security vulnerabilities, and performance issues",
  file_path: "/path/to/code.js",
  show_steps: true
});

// 3. Generate improvements
const improvements = await gem_reason({
  problem: "Suggest specific improvements to make this code more efficient and maintainable",
  file_path: "/path/to/code.js",
  show_steps: true
});

// 4. Claude provides a comprehensive code review synthesis

🧩 その他の MCP ホストとの統合

GemSuite MCP は、あらゆる MCP 互換ホストで動作します:

• Claude Desktop: Claude の強力な推論機能とのシームレスな統合
• Cursor IDE: Gemini の機能によるコーディング支援の強化
• Replit: 開発環境で直接コード生成と分析
• その他の MCP ホスト: MCP 標準を実装するあらゆるプラットフォームと互換

🛠️ 高度な設定

カスタムモデルの選択

model_id パラメータを指定することで、自動的なモデル選択を上書きできます:

// Force the use of Gemini Flash Thinking for a processing task
const response = await gem_process({
  file_path: "/path/to/document.pdf",
  operation: "analyze",
  model_id: "models/gemini-2.0-flash-thinking"
});

gem_process で利用可能な操作

• summarize: 簡潔な要約を作成します
• extract: 特定の情報を抽出します
• restructure: コンテンツをより有用な形式に再構成します
• simplify: 複雑なコンテンツをより理解しやすくします
• expand: コンテンツに詳細や文脈を追加します
• critique: 批判的な分析を提供します
• feedback: 建設的なフィードバックを提供します
• analyze: コンテンツの全般的な分析を行います

🔧 コントリビューション

コントリビューションを歓迎します! 始め方は次のとおりです:

1. リポジトリをフォークします
2. フィーチャーブランチを作成します: git checkout -b feature/my-new-feature
3. 変更を加えます
4. テストを実行します: npm test
5. 変更をコミットします: git commit -m 'Add my new feature'
6. ブランチにプッシュします: git push origin feature/my-new-feature
7. プルリクエストを送信します

大きな変更の場合は、まず issue を作成して、変更したい内容について議論してください。

📜 ライセンス

このプロジェクトは MIT ライセンスの下でライセンスされています - 詳細は LICENSE ファイルをご覧ください。

🙏 謝辞

• Lorhlona/geminiserchMCP - この強化版の着想元となったオリジナルのプロジェクト
• Model Context Protocol - MCP 標準の開発に対して
• Google Gemini - このサーバーを支える強力な AI モデルに対して

🔗 リンク

• GitHub リポジトリ
• Smithery.ai
• Mcp.so
• Glama
• Issue トラッカー
• Model Context Protocol

_{Made with ❤️ by PV-Bhat}