MCP Gemini Server

MCP Gemini 服务

Model Context Protocol（MCP）的服务实现，用于让 Claude 等 AI 助手与 Google 的 Gemini API 交互。

项目概览

本项目实现了一个遵循 Model Context Protocol 的服务，使 AI 助手能够与 Google 的 Gemini 模型通信。借助此 MCP 服务，AI 助手可以通过 Gemini API 请求文本生成、文本分析，并维持聊天对话。

功能

• 客户端-服务端通信：实现 MCP 协议，确保客户端与服务端之间安全地交换消息。
• 消息处理：处理客户端请求并发送相应响应。
• 错误处理与日志记录：记录服务活动，并确保错误能够顺利恢复。
• 环境变量支持：使用 .env 文件安全地存储敏感信息。
• API 测试与调试：支持使用 Postman 和测试脚本进行手动及自动化测试。

安装

前提条件

• Python 3.7 或更高版本
• Google AI API 密钥

设置

1. 克隆此仓库：

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

2. 创建虚拟环境：

python -m venv venv

3. 激活虚拟环境：

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

4. 安装依赖项：

pip install -r requirements.txt

5. 在根目录中创建 .env 文件，并填入你的 Gemini API 密钥：

GEMINI_API_KEY=your_api_key_here

用法

1. 启动服务：

python server.py

2. 服务默认运行在 http://localhost:5000/

3. 使用 POST 方法向 /mcp 端点发送 MCP 请求

请求示例

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 参考

端点

• GET /health：检查服务是否正在运行
• GET /list-models：列出可用的 Gemini 模型
• POST /mcp：MCP 请求的主端点

MCP 操作

1. generate_text

使用 Gemini 生成文本内容。

参数：

• prompt（必填）：用于生成的文本提示词
• temperature（可选）：控制随机性（0.0 到 1.0）
• max_tokens（可选）：要生成的最大令牌数

示例：

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

2. analyze_text

分析文本内容。

参数：

• text（必填）：要分析的文本
• analysis_type（可选）：分析类型（'sentiment'、'summary'、'keywords' 或 'general'）

示例：

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

3. chat

与 Gemini 对话。

参数：

• messages（必填）：消息对象数组，每个对象包含 'role' 和 'content'
• temperature（可选）：控制随机性（0.0 到 1.0）

示例：

{
  "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
  }
}

错误处理

服务会返回适当的 HTTP 状态码和错误消息：

• 200：请求成功
• 400：错误请求（缺少或参数无效）
• 500：服务错误（API 问题等）

测试

使用附带的测试脚本测试各种功能：

# 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 协议规范

此处实现的 Model Context Protocol 遵循以下规范：

1. 请求格式：

   • action：指定操作的字符串
   • parameters：包含特定操作参数的对象

2. 响应格式：

   • result：包含操作结果的对象
   • error：说明错误的字符串（如适用）

许可证

MIT 许可证