关于 Gemini API with MCP Tool Integration
Gemini API with MCP Tool Integration 是将 Gemini 与 MCP 环境中的工具结合的 Python 示例,面向构建可调用工具并返回结果的自然语言应用的开发者。
主要功能
- 01向 Gemini 发送自然语言提示
- 02从 MCP 会话获取工具
- 03处理模型发起的工具调用
- 04自定义提示词和响应处理
适用场景
- 01为 Gemini 应用添加 MCP 工具操作
- 02将自然语言请求路由到工具
- 03生成包含工具结果的响应
MCP 相关
连接 MCP 客户端会话并获取可用工具,再将工具定义传给 Gemini,使其能根据提示词调用工具。
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
Gemini API 与 MCP 工具集成
本项目演示如何将 Google Gemini API 与由 MCP(Multi-Cloud Platform)框架管理的自定义工具集成。项目使用 Gemini API 处理自然语言查询,并利用 MCP 工具根据查询意图执行特定操作。
前提条件
运行本项目前,请确保具备以下条件:
-
Python 3.7 或更高版本
-
已启用 Gemini API 并拥有 API 密钥的 Google Cloud 项目。
-
已设置好 MCP 环境,并配置了所需的工具。
-
包含以下环境变量的
.env文件:GEMINI_API_KEY=<your_gemini_api_key> GEMINI_MODEL=<your_gemini_model_name> MCP_RUNNER=<path_to_mcp_runner> MCP_SCRIPT=<path_to_mcp_script>
安装
-
克隆代码仓库:
git clone <repository_url> cd <repository_directory> -
创建虚拟环境(推荐):
python3 -m venv venv source venv/bin/activate # 在 macOS/Linux 上 -
使用
uv安装所需依赖:uv pip install dotenv google-generativeai mcp uv add "mcp[cli]" httpx uv pip install python-dotenv google-generativeai mcp -
在项目根目录创建
.env文件,并添加环境变量。
GEMINI_API_KEY=your_api_key_here
GEMINI_MODEL=gemini-pro
MCP_RUNNER=path_to_mcp_runner
MCP_SCRIPT=path_to_mcp_script
使用方法
运行应用程序,请执行以下命令:
python main.py
工作原理
- 应用程序加载环境变量并验证其是否存在
- 与 MCP 客户端建立连接
- 从 MCP 会话中获取可用工具
- 将提示词及工具定义一起发送到 Gemini API
- 处理模型发起的工具调用
- 返回包含工具调用结果的最终响应
自定义
要自定义提示词或行为:
- 修改
prompt变量,填入所需文本 - 调整
get_contents()函数,更改提示词的格式 - 扩展
process_response(),以处理不同的响应类型
许可证
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。