MCP Gemini Server

MCP Gemini サーバー

AI アシスタントが Claude などを通じて Google の Gemini API とやり取りできるようにする、Model Context Protocol（MCP）のサーバー実装です。

プロジェクト概要

このプロジェクトは、Model Context Protocol に準拠したサーバーを実装し、AI アシスタントが Google の Gemini モデルと通信できるようにします。この MCP サーバーを使用すると、AI アシスタントは Gemini API を通じてテキスト生成やテキスト分析をリクエストし、チャットの会話を維持できます。

機能

• クライアントとサーバー間の通信：クライアントとサーバー間で安全にメッセージを交換するための MCP プロトコルを実装します。
• メッセージ処理：クライアントからのリクエストを処理し、適切な応答を返します。
• エラー処理とログ記録：サーバーの動作を記録し、エラーからスムーズに復旧できるようにします。
• 環境変数のサポート：機密情報を安全に保存するため、.env ファイルを使用します。
• API のテストとデバッグ：Postman とテストスクリプトを使用した手動および自動テストをサポートします。

インストール

前提条件

• Python 3.7 以降
• Google AI API キー

セットアップ

1. このリポジトリをクローンします：

git clone https://github.com/yourusername/mcp-gemini-server.git
cd mcp-gemini-server

2. 仮想環境を作成します：

python -m venv venv

3. 仮想環境を有効化します：

   • Windows：venv\Scripts\activate
   • macOS/Linux：source venv/bin/activate

4. 依存関係をインストールします：

pip install -r requirements.txt

5. ルートディレクトリに Gemini API キーを記載した .env ファイルを作成します：

GEMINI_API_KEY=your_api_key_here

使用方法

1. サーバーを起動します：

python server.py

2. サーバーはデフォルトで http://localhost:5000/ で実行されます。

3. POST メソッドを使用して、/mcp エンドポイントに MCP リクエストを送信します。

リクエストの例

import requests

url = 'http://localhost:5000/mcp'
payload = {
    'action': 'generate_text',
    'parameters': {
        'prompt': 'Write a short poem about AI',
        'temperature': 0.7
    }
}

response = requests.post(url, json=payload)
print(response.json())

API リファレンス

エンドポイント

• GET /health：サーバーが実行中かどうかを確認します
• GET /list-models：利用可能な Gemini モデルの一覧を取得します
• POST /mcp：MCP リクエスト用のメインエンドポイント

MCP アクション

1. generate_text

Gemini でテキストを生成します。

パラメーター：

• prompt（必須）：生成に使用するテキストプロンプト
• temperature（任意）：ランダム性を制御します（0.0～1.0）
• max_tokens（任意）：生成するトークンの最大数

例：

{
  "action": "generate_text",
  "parameters": {
    "prompt": "Write a short story about a robot",
    "temperature": 0.8,
    "max_tokens": 500
  }
}

2. analyze_text

テキストを分析します。

パラメーター：

• text（必須）：分析するテキスト
• analysis_type（任意）：分析の種類（'sentiment'、'summary'、'keywords'、または 'general'）

例：

{
  "action": "analyze_text",
  "parameters": {
    "text": "The weather today is wonderful! I love how the sun is shining.",
    "analysis_type": "sentiment"
  }
}

3. chat

Gemini と会話します。

パラメーター：

• messages（必須）：'role' と 'content' を含むメッセージオブジェクトの配列
• temperature（任意）：ランダム性を制御します（0.0～1.0）

例：

{
  "action": "chat",
  "parameters": {
    "messages": [
      {"role": "user", "content": "Hello, how are you?"},
      {"role": "assistant", "content": "I'm doing well! How can I help?"},
      {"role": "user", "content": "Tell me about quantum computing"}
    ],
    "temperature": 0.7
  }
}

エラー処理

サーバーは適切な HTTP ステータスコードとエラーメッセージを返します。

• 200：リクエスト成功
• 400：不正なリクエスト（パラメーターの欠落または無効）
• 500：サーバーエラー（API の問題など）

テスト

付属のテストスクリプトを使用して、さまざまな機能をテストします。

# Test all functionalities
python test_client.py

# Test specific functionality
python test_client.py text     # Test text generation
python test_client.py analyze  # Test text analysis
python test_client.py chat     # Test chat functionality

MCP プロトコル仕様

ここで実装されている Model Context Protocol は、次の仕様に準拠しています。

1. リクエスト形式：

   • action：操作を指定する文字列
   • parameters：アクション固有のパラメーターを含むオブジェクト

2. レスポンス形式：

   • result：操作の結果を含むオブジェクト
   • error：エラーが発生した場合にその内容を説明する文字列

ライセンス

MIT ライセンス