Multi-Chat MCP Server (Google Chat Included)

多聊天 MCP 服务（包含 Google Chat）

---

🎯 什么是 Google Chat MCP 服务？

Google Chat MCP 服务 是一个开源、可投入生产环境的 模型控制协议（MCP）服务，专为 Google Chat 与 AI 助手集成 而设计。本项目采用可扩展的 多提供商架构 构建，为将 AI 助手与团队聊天平台集成提供了坚实的基础。

🏢 为组织安全与隐私而构建

重要安全提示： 此工具仅供本地、组织内部使用。我们强烈建议将其与组织提供的本地部署大模型实例或你本地安装的大模型 Agent 模型配合使用，而非基于云端的大模型，以保持对团队聊天数据和通信的完全控制。

为何选择本地/本地部署：

• 数据隐私：将敏感的团队对话保留在组织内部
• 安全合规：满足企业安全和合规要求
• 完全控制：保持对数据流和访问的完整监督
• 自定义策略：实施组织特定的安全措施

虽然任何人都可以调整此工具以适应其特定用例，但它的设计以企业安全为优先。

当前实现状态

• ✅ Google Chat 提供商 - 可投入生产环境，具有全面的 API 覆盖
• 🔄 Slack 提供商 - 计划中（欢迎贡献）
• 📝 Microsoft Teams 提供商 - 计划中（欢迎贡献）

核心能力：所有提供商可以通过统一接口同时运行，使你的 AI 助手能够同时在多个聊天平台上无缝工作。了解更多 关于此强大功能的信息。

🧭 本项目背后的故事

我们甚至能看到针对 Google Chat 的开源 MCP 服务——但对于 Microsoft Teams 或 Slack，无论是官方还是开源，都不太确定。然而，即使是那些确实存在的，在实际适用性方面也有所不足。它们提供的功能有限，无法处理像本项目所展示的完整上下文工作流。

这个 多提供商 MCP 框架 源于开发团队在尝试将 AI 助手融入日常工作流时所经历的真实困扰。

---

最初的问题

想象这样一个场景：你正在调试一个复杂问题，你的 AI 助手建议了一个解决方案，但你需要检查队友是否遇到过类似情况。你切换到 Google Chat，翻阅数百条消息，复制粘贴错误日志，等待回复，然后手动将解决方案转达回你的 AI 助手。

这种持续的上下文切换打破了高效的 AI 辅助开发的流畅性。

---

临界点

在一次严重的生产事故中，一位开发者花了 30 分钟在 Claude（通过 Cursor）和团队的 Google Chat 空间之间手动搬运信息。AI 具备提供帮助的技术知识。团队拥有上下文经验。 但没有任何桥梁连接这两个知识来源。

就在那时我们意识到：

AI 助手需要成为团队协作的参与者——而不是孤立的工具。

我们的解决方案：

• 无缝集成：AI 助手成为团队聊天中的积极参与者
• 上下文感知：AI 可以搜索团队历史记录，寻找类似的问题和解决方案
• 协作解决问题：AI 可以将问题分享给团队并落实他们的建议
• 知识桥接：将 AI 的技术知识与团队的经验知识连接起来

🎯 为开发者可扩展性而构建

🏗️ 模块化服务商架构

每个聊天平台都实现为一个独立模块：

src/providers/
├── google_chat/     # ✅ Complete implementation
├── slack/           # 📋 Framework ready for implementation  
└── teams/           # 📋 Framework ready for implementation

👥 这是为谁准备的？

本项目面向 两类主要受众 设计：

🛠️ 1. 组织内部的开发者

如果你是一名开发者，所在团队使用 Google Chat，并且你希望将你的 AI IDE（如 Cursor、CodeWhisperer 或 Copilot Chat） 与团队对话集成——这个 MCP 客户端将为你节省数小时的时间。 无需再手动复制日志、检查上下文，或等待有人看到你的问题。 你的 AI Agent 现在可以直接：

• 搜索你的聊天历史，查找相关的过往讨论
• 自动分享代码片段或错误日志
• 接收回复并将其转化为可执行的修复方案
• 总结正在进行的团队活动
• 从共享空间获取缺失的配置/脚本

💡 2. 开源贡献者与 AI 平台构建者

如果你正在构建 AI 驱动的工具、IDE 集成或内部助手——这是你构建 多服务商 MCP 架构 的起点。 你可以 fork 本项目来：

• 扩展对 Slack、Microsoft Teams 或 自定义消息平台 的支持
• 在 MCP 之上构建你自己的自定义 AI 工作流

🧩 Google Chat MCP 服务 – 真实使用场景展示

这些演练展示了由该 MCP 服务驱动的 AI 助手如何从被动工具演变为主动协作者——调试问题、协调团队、同步脚本，并主动为开发者扫清障碍。

---

🛠️ 工具设置与初始化

场景： 将 MCP 客户端连接到 Google Chat。

发生了什么： AI 助手被授予访问所有 Google Chat 工具的权限（例如发送、搜索、总结、附加、回复）。

为什么重要： 助手现在可以在 Google Chat 中 行动，而不仅仅是观察。

---

🧯 调试与解决（Docker 示例）

正在发生什么： 开发者让 AI 在聊天中分享 Docker 错误日志，从而获得团队的实时帮助。

下一步： 一位队友回复了 Dockerfile 修复方案（COPY requirements.txt .）。

自动化时刻： AI 助手按照建议修改 Dockerfile——无需手动操作。

收尾： 它会验证所做的更改，确认 requirements.txt 已存在——错误应该已解决。

---

📦 依赖与脚本同步

场景： 我请求团队分享一份可用的 requirements.txt。

回应： 我的一位队友分享了他们可用的 requirements.txt。

开发者视角： AI 查看了该讨论串，并根据我的指示，用分享的那份更新了我本地的 requirements.txt

---

场景： 你向团队索要一份共享的 aws-setup.sh 脚本。

开发者视角： AI 查看了该讨论串，并根据我的指示，将团队的脚本与你的本地版本进行比较——确保你保持同步。

---

👀 团队协作与跟进

背景： 你离开了一段时间。有什么新动态？

AI 回复： 助手会总结你所在空间中的关键活动：问题、PR、共享文件、阻塞项。

错过了提醒？ AI 会扫描所有提及，并找出你被标记的对话。

---

🔍 基于团队聊天上下文的 AI 驱动问题解决

场景： 开发者明确要求 AI 助手帮助解决团队在聊天空间中提到的未决问题。

正在发生什么： AI 会扫描最近的聊天消息，识别与项目相关的技术问题、缺失文件和潜在阻塞项，并准备提供帮助。

开发者视角： Agent 不只是被动响应——它能理解团队上下文，并可在收到提示时搜索未解决的问题。

示例用例： 一位队友提到他们找不到 ReviewForm.js。

AI 回复： Agent 会搜索本地仓库，找到正确路径，并直接在聊天线程中回复。

为什么重要： AI 助手无需等待他人回复，就能以准确、了解仓库的答案实时为队友解除阻塞——让入职和协作更快、更顺畅。

🚀 快速开始：Google Chat MCP 服务设置

前提条件

• Python 3.9+
• UV 包管理器（推荐）
• 启用了 Google Chat API 的 Google Cloud 项目
• MCP 客户端（Claude Desktop、Cursor 或其他兼容 MCP 的 AI 助手）

第 1 步：安装

# Clone the repository
git clone https://github.com/siva010928/multi-chat-mcp-server.git
cd multi-chat-mcp-server

# Install dependencies
uv venv .venv
source .venv/bin/activate  # Windows: .venv\Scripts\activate
uv pip install -r requirements.txt

第 2 步：Google Chat 身份验证设置

# Set up Google Chat API credentials
# 1. Create Google Cloud project
# 2. Enable Google Chat API
# 3. In the Google Chat API dashboard, open the **Configuration** tab and complete the application setup (app name, logo, etc.). *The API will refuse requests until this step is finished.*
# 4. Download credentials.json to src/providers/google_chat/

# Run authentication
python -m src.server --provider google_chat -local-auth

第 3 步：连接到你的 AI 助手

关于 Cursor + Claude 集成，请参阅我们详细的 Google Chat MCP Cursor 集成指南。

对于其他 MCP 客户端，添加以下配置：

{
  "mcpServers": {
    "google_chat_mcp": {
      "command": "uv",
      "args": [
        "--directory", "/path/to/multi-chat-mcp-server",
        "run", "-m", "src.server",
        "--provider", "google_chat"
      ]
    }
  }
}

📖 详细设置文档

有关包括 Google Cloud 配置、OAuth 设置和故障排除在内的全面设置说明，请参阅我们的 完整 Google Chat MCP 设置指南——这份详细的实现指南涵盖：

• Google Cloud 项目设置和 API 启用
• OAuth 2.0 配置和安全最佳实践
• 分步身份验证流程
• 常见设置问题及其解决方案

支持的 Google Chat 工具（将会扩展）

使用以下工具与 Google Chat 交互。每个工具都包含其源文件和参数。

🧭 空间管理

• get_chat_spaces_tool – 列出空间
• manage_space_members_tool – 添加/移除成员
• get_conversation_participants_tool – 获取空间参与者
• summarize_conversation_tool – 总结对话

💬 消息收发

• send_message_tool – 发送消息
• reply_to_message_thread_tool – 在话题中回复
• update_chat_message_tool – 更新消息
• delete_chat_message_tool – 删除消息

😀 互动

• add_emoji_reaction_tool – 对消息做出反应
• get_chat_message_tool – 获取消息详情

🔍 搜索与筛选

• search_messages_tool – 搜索消息
• get_my_mentions_tool – 查找提及

👤 用户信息

• get_my_user_info_tool – 你的个人资料
• get_user_info_by_id_tool – 按 ID 查找用户
• get_message_with_sender_info_tool – 带发送者信息的消息
• list_messages_with_sender_info_tool – 列出带发送者信息的消息

📎 文件处理

• upload_attachment_tool – 上传附件
• send_file_message_tool – 发送文件内容
• send_file_content_tool – 发送格式化文件内容

📦 批量操作

• batch_send_messages_tool – 发送多条消息

📁 源文件位于 src/providers/google_chat/tools/ 下

同时运行多个聊天提供商

Multi Chat MCP Server 的关键优势之一是能够同时运行多个聊天提供商。每个提供商都在自己的服务实例中运行，让你的 AI 助手可以同时与多个平台交互。

例如，你可以同时配置 Google Chat 和 Slack MCP 服务：

{
  "mcpServers": {
    "google_chat": {
      "command": "uv",
      "args": [
        "--directory", "/path/to/multi-chat-mcp-server",
        "run", "-m", "src.server",
        "--provider", "google_chat"
      ]
    },
    "slack": {
      "command": "uv",
      "args": [
        "--directory", "/path/to/multi-chat-mcp-server",
        "run", "-m", "src.server",
        "--provider", "slack"
      ]
    }
  }
}

通过此设置，你的 AI 助手可以：

• 同时访问所有已配置提供商的工具
• 用一条命令执行跨平台操作
• 通过具名提供商执行特定于平台的操作

真实的多平台场景

场景	给 AI 的示例命令	会发生什么
事件响应	“把这份错误日志同时分享到我们的 Slack #on-call 频道和 Google Chat #tech-huddle 团队”	AI 同时向两个平台发布该错误，并为每个平台使用合适的格式
知识整合	“查找过去一周 Slack #LLMSpace 和 Google Chat #LLMTools 中关于身份验证问题的所有讨论”	AI 搜索两个平台，并给出所有相关对话的统一摘要
跨团队协调	“通知 Slack 上的前端团队和 Google Chat 上的后端团队，我们要把发布推迟 2 天”	AI 为每个团队在其偏好的平台上撰写合适的消息
多团队站会	“从站会空间收集 Slack 和 Google Chat 中所有团队的状态更新，并总结过去 3 天的情况。”	AI 从两个平台检索信息并整合为一份摘要

多提供商集成的业务价值

• 减少工具切换：开发者无需为分享错误日志、指令或回复等较小用例而在聊天平台之间频繁切换
• 统一上下文：你的 AI 助手可对各组织的所有沟通渠道保持感知

每个提供商在 provider-config.yaml 中单独定义，让你可以扩展对任意聊天平台的支持，同时为你的 AI 助手维持统一接口。

🔥 已支持的真实工作流

上面的演示演练展示了以下实用的团队协作工作流：

协作式问题解决

• 错误分享与解决：AI 与团队分享开发者错误，接收专家指导并实施解决方案
• 知识传递：团队专业知识通过 AI 协助被捕获并应用
• 主动问题检测：AI 监控团队聊天中的新出现问题并提供协助

智能资源管理

• 脚本交换：请求并接收团队脚本，并自动与本地版本进行比较
• 需求同步：从团队讨论中拉取并合并需求文件
• 上下文感知分享：AI 根据团队需求确定最佳文件分享方式

增强团队沟通

• 提及跟踪：全面监控并响应团队提及
• 活动摘要：AI 生成的团队进展与阻碍更新
• 语义搜索：跨团队空间查找概念相关的讨论

📁 项目架构

multi-chat-mcp-server/
├── src/
│   ├── providers/
│   │   ├── google_chat/           # ✅Production-Ready Google Chat MCP
│   │   │   ├── api/               # Google Chat API implementation
│   │   │   ├── tools/             # MCP tools for Google Chat
│   │   │   ├── utils/             # Utilities and helpers
│   │   │   ├── README.md          # Setup guide
│   │   │   └── CURSOR_INTEGRATION.md  # Cursor integration
│   │   ├── slack/                 # 📋 Ready for implementation
│   │   └── teams/                 # 📋 Ready for implementation
│   ├── mcp_core/                  # Core MCP functionality
│   └── server.py                  # Multi-provider MCP server
├── provider-config.yaml           # Provider configurations
└── google_chat_mcp_client_demo_images/  # Demo screenshots

提供方配置

providers:
  google_chat:
    name: "Google Chat MCP Server"
    description: "Production-ready Google Chat MCP integration"
    token_path: "src/providers/google_chat/token.json"
    credentials_path: "src/providers/google_chat/credentials.json"
    callback_url: "http://localhost:8000/auth/callback"

🔮 路线图与贡献

当前实现状态

• ✅ Google Chat 提供方 - 生产就绪，功能全面
• 📋 Slack 提供方 - 框架就绪，尚需实现
• 📋 Teams 提供方 - 框架就绪，尚需实现

如何贡献

我们欢迎贡献，以通过更多提供方扩展此框架：

1. 选择提供方：Slack、Teams 或任何其他聊天平台
2. 遵循架构：以 src/providers/google_chat/ 作为参考
3. 实现核心功能：消息、搜索、用户管理
4. 添加提供方专属工具：利用平台独特能力
5. 提交 Pull Request：我们会协助审查并集成

开始贡献：

• 📖 提供方开发指南 - 技术实现细节
• 🔗 GitHub Issues - 查找任务或报告 bug
• 💬 GitHub Discussions - 功能请求与想法

📚 文档

必备资源

• 📖 完整的 Google Chat MCP 设置指南 - 详细实现指南
• 🔗 Google Chat MCP + Cursor 集成 - Cursor 分步设置
• 🛠️ 提供方开发指南 - 扩展功能
• ⚖️ 贡献者许可协议 - 贡献指南

🔍 故障排查

常见 Google Chat 问题

身份验证问题

# Re-authenticate Google Chat
python -m src.server --provider google_chat -local-auth

工具注册问题

• 确认工具出现在你的 AI 助手中
• 检查 provider-config.yaml 中的提供方配置
• 确保已授予所有 Google Chat API 权限范围

连接问题

• 确认在 Google Cloud Console 中启用了 Google Chat API
• 验证 credentials.json 文件位置
• 检查网络连接和防火墙设置

🏆 为什么选择此 MCP 服务？

✅ 久经考验的 Google Chat 集成

• 全面的 API 覆盖，超越基础消息功能
• 真实工作流已在开发环境中测试
• 生产就绪，具备完善的错误处理与身份验证

✅ 对开发者友好的架构

• 由开发者创建，面向实际开发工作流
• 模块化设计，易于理解和扩展
• 文档完善，附有实用示例

✅ 社区可扩展的框架

• 开源，开发过程透明
• 对贡献者友好的架构与文档
• 多提供方就绪，满足多样化业务需求

📞 支持与社区

获取帮助

• 🐛 Bug 报告：GitHub Issues
• 💡 功能请求：GitHub Discussions
• 🛠️ 开发问题：提交 issue 并附上技术细节

贡献

我们欢迎贡献，以扩展此多提供方框架：

1. Fork 仓库
2. 创建 用于你的提供方或增强的功能分支
3. 遵循 现有架构模式
4. 提交 pull request
5. 签署 我们的 贡献者许可协议

📄 许可证与版权

开源许可证

本项目采用 MIT 许可证 授权 - 详情请参阅 LICENSE 文件。

版权声明

Copyright (c) 2025 Sivaprakash Kumar. All rights reserved.

虽然这是一个欢迎贡献的开源项目，但所有版权和所有权仍归 Sivaprakash Kumar 所有。详情请参见 COPYRIGHT。

---