关于 Model Context Protocol (MCP)
这是一个将基于 SSE 的 MCP 服务端和客户端与 Google Gemini 集成的演示项目,也提供 FastAPI 后端和 Streamlit 界面用于连接服务端。
主要功能
- 01基于 SSE 的 MCP 服务端
- 02可选的 SSE 客户端
- 03Gemini 集成
- 04FastAPI 后端与 Streamlit 界面
适用场景
- 01体验 Gemini 与 MCP 服务端和客户端的配合
- 02通过浏览器界面连接 MCP 服务端
MCP 相关
项目通过 SSE 运行 MCP 服务端,并提供可用服务端 URL 连接的可选 SSE 客户端。
配置
本地服务的配置在各客户端中通用,复制后粘贴到客户端的 MCP 配置文件即可。
暂未收录安装方式
我们还没有获取到这个服务的安装包或远程地址,请按项目 README 中的说明安装。
工具
还没有获取到工具列表
本地服务需要在你的电脑上运行后才能读取工具,维护者暂未提供工具列表。
详细介绍
Model Context Protocol (MCP)
与 Google 的 Gemini 集成的 MCP 实用演示。
🚀 快速开始
1. 克隆仓库
git clone https://github.com/drkhan107/mcp_gemini.git
cd your-repo-name
2. 设置环境变量
在根目录中创建一个 .env 文件,并添加你的 Google API 密钥:
GOOGLE_API_KEY="your_api_key_here"
3. 📦 安装依赖项
从 requirements.txt 安装所有必需的软件包:
pip install -r requirements.txt
4. 🖥️ 运行 MCP 服务
启动 MCP 服务:
python sse_server.py
✅ 这将在配置的端口启动 MCP 服务(默认为 http://localhost:8080/sse)。
5. 🧠 启动 MCP 客户端(可选)
服务运行后,使用服务 URL 启动 SSE 客户端:
python ssc_client.py http://localhost:8080/sse
6. 🧠 启动 FastAPI 服务(用于使用 GUI)
运行以下命令(如需更改端口等,请编辑 fastapp.py 文件)
python fastapp.py
7. 启动 Streamlit 应用
- 确保 MCP 服务正在运行(http://localhost:8080/sse)
- 确保 FastAPI 正在运行。
运行以下命令
streamlit run app.py
这将在 8501 端口启动 Streamlit 应用
8. 浏览器
打开浏览器(localhost:8501)后,点击 connect to MCP server。

✅ 完成! 现在,你已经拥有一个可运行的、使用 Gemini 的 Model Context Protocol 演示。
评论
支持 Markdown
一个开放协议,规定了 AI 应用如何以统一方式连接外部工具与数据源。客户端负责与模型对话,MCP 服务负责提供工具、资源和提示模板,两者通过标准消息通信,同一个服务可以被不同客户端复用。