Google AI Search MCP

Google AI Search MCP

本项目实现了一个模型上下文协议（MCP）服务，提供一套全面的 Google AI 驱动的搜索和文档工具，专为帮助 AI 编码人员克服大模型的知识缺口和信息局限而设计。

实现说明

提供商选择和凭据会在运行时解析，因此，某个工具出现在列表中，并不能证明其上游提供商已配置或可访问。对于模型生成的比较、架构指导和安全分析，应将其视为有待依据引用的主要来源核实的内容，而非确定性结论。

如需查看本项目与其他 6 个公开 MCP 实现之间设计取舍的来源链接比较，请参阅 What building seven MCP servers taught me about production MCP。

功能

• 通过专用 MCP 工具访问 Google AI 模型（Vertex AI 和 Gemini API）。
• 专注于实时信息检索和基于文档的分析。
• 支持通过网络搜索检索大模型缺少的最新信息。
• 可通过环境变量配置模型 ID、温度、流式传输行为、最大输出 Token 数和重试设置。
• 默认使用流式 API，以提升响应速度。
• 为暂时性 API 错误提供基本重试逻辑。
• 应用最低限度的安全过滤器（BLOCK_NONE），以减少潜在拦截（请谨慎使用）。

提供的工具

核心搜索与文档工具

• answer_query_websearch：使用 Google AI 和实时搜索结果，处理面向开发者的自然语言查询，具备自动技术内容检测、增强型搜索方法和全面的代码格式化功能。
• explain_topic_with_docs：通过综合官方文档中的信息，提供精简的技术说明，改进调试场景支持，减少冗余，并增强故障排查指导。
• get_doc_snippets：从官方文档中检索代码片段，提供增强的检索能力、由浅入深的示例、高级搜索模式、针对特定版本的检索，以及技术查询所需的全面上下文。
• generate_project_guidelines：根据指定技术生成全面、结构化的项目指南文档，并通过网络搜索获取最新的最佳实践和行业标准。

高级分析工具

• code_analysis_with_docs：通过将代码与官方文档中的最佳实践进行比较，提供基于证据的代码分析、标准化引用、严重程度分类和可执行建议。
• technical_comparison：根据请求的标准，利用当前可用的搜索上下文对技术进行比较。请依据引用的主要来源核实定量或市场相关主张。
• architecture_pattern_recommendation：针对所描述的用例，提供架构方案、权衡和实现注意事项。采用建议前，请根据系统的实际约束进行验证。

（注意：每种工具的输入／输出模式都定义在 src/tools/ 下各自的文件中，并通过 MCP 服务公开。）

先决条件

• Node.js（v18+）
• Bun（npm install -g bun）
• 已启用结算功能的 Google Cloud 项目（如果使用 Vertex AI）。
• 已在 GCP 项目中启用 Vertex AI API（如果使用 Vertex AI）。
• 已在环境中配置 Google Cloud 身份验证（推荐使用 Application Default Credentials，通过 gcloud auth application-default login 配置，或使用 Service Account Key），或提供 Gemini API 密钥。

设置与安装

1. **克隆/放置项目：**确保项目文件位于所需位置。
2. 安装依赖项：

   bun install
   

3. 配置环境：
   • 在项目根目录中创建 .env 文件（复制 .env.example）。
   • 按照 .env.example 中的说明设置必需和可选的环境变量。
     • 将 AI_PROVIDER 设置为 "vertex" 或 "gemini"。
     • 如果 AI_PROVIDER="vertex"，则必须设置 GOOGLE_CLOUD_PROJECT。
     • 如果 AI_PROVIDER="gemini"，则必须设置 GEMINI_API_KEY。
4. 构建服务：

   bun run build
   

   这会将 TypeScript 代码编译到 build/index.js。

用法（独立运行 / NPX）

此软件包已发布到 npm，可通过 npx 直接运行：

# Ensure required environment variables are set (e.g., GOOGLE_CLOUD_PROJECT or GEMINI_API_KEY)
bunx google-ai-search-mcp

也可以全局安装：

bun install -g google-ai-search-mcp
# Then run:
google-ai-search-mcp

**注意：**独立运行前，需要在执行命令之前于 shell 环境中设置必要的环境变量（例如 GOOGLE_CLOUD_PROJECT、GOOGLE_CLOUD_LOCATION、GEMINI_API_KEY；如果不使用 ADC，还需设置身份验证凭据）。

Docker

构建本地容器镜像：

docker build -t google-ai-search-mcp .

使用 Gemini API 提供方运行：

docker run --rm -i \
  -e AI_PROVIDER=gemini \
  -e GEMINI_API_KEY \
  google-ai-search-mcp

对于 Vertex AI，请传入 AI_PROVIDER=vertex、GOOGLE_CLOUD_PROJECT，以及可选的 GOOGLE_CLOUD_LOCATION。容器内还必须提供 Application Default Credentials， 通常通过只读凭据挂载实现。请勿将 API 密钥或服务账号文件打包进镜像。

与 Cline 一起运行

1. **配置 MCP 设置：**在 Cline 的 MCP 设置文件（例如 .roo/mcp.json）中添加/更新配置。配置命令主要有两种方式：

   选项 A：使用 Node（直接路径——推荐用于开发）

   此方法使用 node 直接运行编译后的脚本。在本地克隆了代码并进行开发时，此方法很实用。

   {
     "mcpServers": {
       "google-ai-search-mcp": {
         "command": "node",
         "args": [
           "/full/path/to/your/google-ai-search-mcp/build/index.js" // 使用绝对路径，或确保该路径相对于 Cline 运行 node 的位置
         ],
         "env": {
           // --- 常规 AI 配置 ---
           "AI_PROVIDER": "vertex", // "vertex" 或 "gemini"
           // --- 有条件的必需项 ---
           "GOOGLE_CLOUD_PROJECT": "YOUR_GCP_PROJECT_ID", // AI_PROVIDER="vertex" 时必需
           // "GEMINI_API_KEY": "YOUR_GEMINI_API_KEY", // AI_PROVIDER="gemini" 时必需
           // --- 可选模型选择 ---
           "VERTEX_MODEL_ID": "gemini-2.5-pro", // AI_PROVIDER="vertex" 时使用（覆盖示例）
           "GEMINI_MODEL_ID": "gemini-2.5-pro", // AI_PROVIDER="gemini" 时使用
           // --- 可选 AI 参数 ---
           "GOOGLE_CLOUD_LOCATION": "us-central1", // 仅适用于 Vertex AI
           "AI_TEMPERATURE": "0.0",
           "AI_USE_STREAMING": "true",
           "AI_MAX_OUTPUT_TOKENS": "65536", // .env.example 中的默认值
           "AI_MAX_RETRIES": "3",
           "AI_RETRY_DELAY_MS": "1000",
           // --- 可选 Vertex 身份验证 ---
           // "GOOGLE_APPLICATION_CREDENTIALS": "/path/to/your/service-account-key.json" // 使用 Vertex 服务账号密钥时设置
         },
         "disabled": false,
         "alwaysAllow": [
            // 如果不希望出现确认提示，请在此处添加工具名称
            // 例如："answer_query_websearch"
         ],
         "timeout": 3600 // 可选：超时时间（秒）
       }
       // 在此处添加其他服务……
     }
   }
   

   • **重要：**确保 args 路径正确指向 build/index.js 文件。使用绝对路径可能更可靠。

   选项 B：使用 NPX（需要软件包已发布到 npm） 此方法使用 npx 从 npm registry 自动下载并运行服务包。如果你不想克隆代码仓库，这种方式很方便。

   {
     "mcpServers": {
       "google-ai-search-mcp": {
         "command": "bunx", // 使用 bunx
         "args": [
           "-y", // 自动确认安装
           "google-ai-search-mcp" // npm 包名称
         ],
         "env": {
           // --- 通用 AI 配置 ---
           "AI_PROVIDER": "vertex", // "vertex" 或 "gemini"
           // --- 必填（视情况而定）---
           "GOOGLE_CLOUD_PROJECT": "YOUR_GCP_PROJECT_ID", // AI_PROVIDER="vertex" 时必填
           // "GEMINI_API_KEY": "YOUR_GEMINI_API_KEY", // AI_PROVIDER="gemini" 时必填
           // --- 可选模型选择 ---
           "VERTEX_MODEL_ID": "gemini-2.5-pro", // AI_PROVIDER="vertex" 时使用（覆盖示例）
           "GEMINI_MODEL_ID": "gemini-2.5-pro", // AI_PROVIDER="gemini" 时使用
           // --- 可选 AI 参数 ---
           "GOOGLE_CLOUD_LOCATION": "us-central1", // 仅适用于 Vertex AI
           "AI_TEMPERATURE": "0.0",
           "AI_USE_STREAMING": "true",
           "AI_MAX_OUTPUT_TOKENS": "65536", // .env.example 中的默认值
           "AI_MAX_RETRIES": "3",
           "AI_RETRY_DELAY_MS": "1000",
           // --- 可选 Vertex 身份验证 ---
           // "GOOGLE_APPLICATION_CREDENTIALS": "/path/to/your/service-account-key.json" // 使用 Vertex 服务账号密钥时设置
         },
         "disabled": false,
         "alwaysAllow": [
            // 如果不想收到确认提示，请在此处添加工具名称
            // 例如："answer_query_websearch"
         ],
         "timeout": 3600 // 可选：超时时间，单位为秒
       }
       // 在此处添加其他服务……
     }
   }
   

   • 确保正确设置 env 块中的环境变量，与 .env 中的设置一致，或在此处显式定义。请从实际的 JSON 文件中删除注释。

2. 重启/重新加载 Cline： Cline 应会检测到配置更改并启动服务。

3. 使用工具： 现在，你可以通过 Cline 使用全面的 Google AI 搜索和文档工具列表。

开发

• 监视模式： bun run watch
• 构建： bun run build
• 检查器： bun run inspector

许可证

本项目采用 MIT 许可证授权，详情请参阅 LICENSE 文件。