Model Context Protocol (MCP) Server Project

Model Context Protocol（MCP）服务项目

本项目演示了客户端应用与 MCP（Model Context Protocol）服务之间的集成，使其能够通过工具执行功能实现 AI 驱动的交互。

项目概览

本应用由两个主要组件组成：

• 一个连接到 Google Gemini AI 模型和 MCP 服务的客户端
• 一个为 AI 模型注册并提供工具的MCP 服务

用户可以通过命令行界面与 Gemini AI 模型交互。AI 可以回答用户的问题，并执行由 MCP 服务托管的专用工具，例如发布推文或进行计算。

架构

├── client/              # Client application
│   ├── .env             # Environment variables for client
│   ├── index.js         # Client implementation
│   └── package.json     # Client dependencies
└── server/              # MCP server
    ├── .env             # Environment variables for server
    ├── index.js         # Server implementation
    ├── mcp.tool.js      # Tool implementations
    └── package.json     # Server dependencies

功能

• 使用 Google Gemini 模型的 AI 聊天界面
• 通过 MCP 协议执行工具
• 可用工具：
  • addTwoNumbers：将两个数字相加
  • createPost：在 Twitter/X 上创建帖子

设置与安装

先决条件

• Node.js（v14 或更高版本）
• npm 或 yarn
• Twitter/X API 凭据

服务设置

1. 进入服务目录：

   cd server
   

2. 安装依赖：

   npm install
   

3. 在 .env 文件中配置你的 Twitter API 凭据：

   TWITTER_API_KEY=your_api_key
   TWITTER_API_KEY_SECRET=your_api_secret
   TWITTER_ACCESS_TOKEN=your_access_token
   TWITTER_ACCESS_TOKEN_SECRET=your_access_token_secret
   

4. 启动服务：

   node index.js
   

客户端设置

1. 进入客户端目录：

   cd client
   

2. 安装依赖：

   npm install
   

3. 在 .env 文件中配置你的 Gemini API 密钥：

   GEMINI_API_KEY=your_gemini_api_key
   

4. 启动客户端：

   node index.js
   

用法

1. 先启动服务，然后启动客户端
2. 客户端连接后，你会看到输入提示
3. 输入你的问题或请求
4. AI 将直接回复，或在需要时使用其中一个工具

交互示例：

• “25 加 17 等于多少？”（使用 addTwoNumbers 工具）
• “发布一条内容为 ‘Hello from my MCP project!’ 的推文。”（使用 createPost 工具）

工作原理

1. 客户端通过 SSE（服务器发送事件）连接到 MCP 服务
2. 服务使用 Zod 验证注册可用工具及其输入模式
3. 用户查询会发送给 Google Gemini AI 模型
4. 如果 AI 判断应使用某个工具，就会发起函数调用
5. 函数调用会通过 MCP 客户端路由到 MCP 服务
6. 服务执行请求的工具并返回结果
7. 结果会呈现给用户，并添加到聊天记录中

使用的技术

• @modelcontextprotocol/sdk - 用于 MCP 实现
• @google/genai - 用于集成 Gemini AI
• Express - Web 服务框架
• twitter-api-v2 - Twitter API 客户端
• zod - 模式验证