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

GemSuite MCP：最全面的 Model Context Protocol Gemini API 集成

面向 Model Context Protocol（MCP）的先进 Gemini API 交互开源服务，以智能方式选择模型，实现最佳性能、最低令牌成本和无缝集成。

为 Claude 和所有兼容 MCP 的宿主提供专业的 Gemini API 集成，支持智能模型选择和高级文件处理

在 geminiserchMCP 项目基础上发展而来，功能更加强大

安装 • 功能 • 用法 • 示例 • 模型 • 贡献

🌟 什么是 GemSuite MCP？

GemSuite（Model Context Protoco）MCP 是面向 MCP 宿主的终极 Gemini API 集成接口，可根据当前任务智能选择模型，提供最佳性能、最低令牌成本和无缝集成。它使任何兼容 MCP 的宿主（Claude、Cursor、Replit 等）都能无缝利用 Gemini 的能力，重点包括：

1. 智能：根据任务和内容自动选择最佳 Gemini 模型
2. 高效：针对不同工作负载优化令牌用量和性能
3. 简单：为复杂 AI 操作提供清晰、一致的 API
4. 多功能：高级文件处理；支持多种文件类型、操作和用例

无论你是要分析文档、解决复杂问题、处理大型文本文件，还是搜索信息，GemSuite MCP 都能提供适合任务的工具和模型。

为什么选择 GemSuite MCP？

与功能有限的其他 Gemini MCP 服务不同，GemSuite MCP 提供：

✅ 智能模型选择：根据任务自动选择最佳 Gemini 模型 ✅ 统一文件处理：无缝处理各种文件类型，并自动检测格式 ✅ 全面的工具套件：四种专用工具，涵盖搜索、推理、处理和分析 ✅ 可用于生产环境：已在 Smithery.ai、MCP.so 和 Glama.io 上部署并验证

🚀 安装

选项 1：Smithery.ai（推荐）

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

选项 2：手动安装

# 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 密钥设置

1. 从 Google AI Studio 获取 Gemini API 密钥
2. 将其设置为环境变量：

   export GEMINI_API_KEY=your_api_key_here
   

   或在项目根目录创建 .env 文件：

   GEMINI_API_KEY=your_api_key_here
   

💎 主要功能

统一文件处理

• 无缝文件处理：所有工具都支持通过 file_path 参数输入文件
• 自动格式检测：根据相应的 MIME 类型正确处理各种文件类型
• 多模态支持：处理图像、文档、代码文件等
• 批量处理：支持在单次操作中处理多个文件

智能模型选择

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]

专用工具

稳健的错误处理

• 指数退避：妥善处理 API 速率限制
• 全面的错误检测：清晰识别错误来源
• 可操作的消息：提供详细错误信息以便排查问题
• 恢复机制：主要方法失败时智能启用备用方案

🖥️ 使用方法

在 Claude 或其他兼容 MCP 的宿主中

在 Claude 或其他兼容 MCP 的宿主中使用 GemSuite MCP 时，这些工具会直接显示在助手的工具集中。只需根据需求调用相应的工具：

工具选择指南

• gem_search：用于需要集成搜索的事实性问题
• gem_reason：用于需要逐步推理的复杂问题
• gem_process：用于高效处理文本或文件（令牌效率最高）
• gem_analyze：用于详细分析文件，并自动选择模型

📚 使用示例

Claude Desktop 使用 GemSuite Gemini Search 访问 Google 搜索

处理文件（令牌效率最高）

// 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."
});

分析文件

// 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."
});

复杂推理

// 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
});

使用文件进行搜索

// 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
});

🧠 模型特性

GemSuite MCP 使用三种主要的 Gemini 模型，并会针对每项任务智能选择最佳模型：

Gemini 2.0 Flash

• 100 万令牌上下文窗口：处理大量内容
• 搜索集成：基于最新信息生成回答
• 多模态能力：处理文本、图像等内容
• 均衡性能：兼顾质量与速度

Gemini 2.0 Flash-Lite

• 成本效益最高：最大限度地减少令牌用量
• 响应速度最快：适合大批量操作
• 专注文本：针对文本处理进行了优化
• 效率最佳：无需搜索和推理时的理想选择

Gemini 2.0 Flash Thinking

• 增强推理能力：进行逻辑分析和问题求解
• 逐步分析：展示推理过程
• 专用能力：擅长复杂计算
• 适合深入分析：需要全面分析时的最佳选择

🔄 工作流示例

文档分析工作流

// 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

代码审查工作流

// 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

🧩 与其他 MCP 宿主集成

GemSuite MCP 可与任何兼容 MCP 的宿主配合使用：

• Claude Desktop：无缝集成 Claude 强大的推理能力
• Cursor IDE：借助 Gemini 的能力增强编码辅助
• Replit：直接在开发环境中生成和分析代码
• 其他 MCP 宿主：兼容任何实现 MCP 标准的平台

🛠️ 高级配置

自定义模型选择

你可以通过指定 model_id 参数来覆盖自动模型选择：

// 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 的可用操作

• summarize：生成简洁的摘要
• extract：提取特定信息
• restructure：将内容重新组织为更实用的格式
• simplify：让复杂内容更易于理解
• expand：补充内容细节或背景信息
• critique：提供批判性分析
• feedback：提供建设性反馈
• analyze：对内容进行一般性分析

🔧 参与贡献

欢迎贡献！以下是入门步骤：

1. Fork 此仓库
2. 创建功能分支：git checkout -b feature/my-new-feature
3. 进行修改
4. 运行测试：npm test
5. 提交修改：git commit -m 'Add my new feature'
6. 推送到你的分支：git push origin feature/my-new-feature
7. 提交拉取请求

对于重大变更，请先创建 issue，讨论你希望进行的修改。

📜 许可证

本项目采用 MIT 许可证授权，详情请参阅 LICENSE 文件。

🙏 致谢

• Lorhlona/geminiserchMCP - 启发了这个增强版本的原始项目
• Model Context Protocol - 致谢其制定 MCP 标准
• Google Gemini - 为此服务提供强大的 AI 模型

🔗 链接

• GitHub 仓库
• Smithery.ai
• Mcp.so
• Glama
• 问题跟踪
• Model Context Protocol

_{由 PV-Bhat 倾心打造 ❤️}