GemSuite MCP: La integración de API de Gemini más completa para el protocolo de contexto de modelo

El servidor de código abierto definitivo para la interacción avanzada de la API de Gemini con el Protocolo de contexto de modelo (MCP), que selecciona modelos de forma inteligente para lograr un rendimiento óptimo, un costo de token mínimo y una integración perfecta.

Integración profesional de API de Gemini para Claude y todos los hosts compatibles con MCP con selección de modelos inteligente y manejo avanzado de archivos

Evolucionado del proyecto geminiserchMCP con capacidades mejoradas

Instalación • Características • Uso • Ejemplos • Modelos • Contribución

🌟¿Qué es GemSuite MCP?

GemSuite (Protocolo de Contexto de Modelo) MCP es la interfaz definitiva de integración de API de Gemini para hosts MCP. Selecciona modelos de forma inteligente para cada tarea, ofreciendo un rendimiento óptimo, un coste mínimo de tokens y una integración fluida. Permite que cualquier host compatible con MCP (Claude, Cursor, Replit, etc.) aproveche al máximo las capacidades de Gemini, centrándose en:

Inteligencia : selecciona automáticamente el modelo Gemini óptimo según la tarea y el contenido
Eficiencia : optimiza el uso y el rendimiento del token en diferentes cargas de trabajo
Simplicidad : proporciona una API limpia y consistente para operaciones de IA complejas
Versatilidad : Manejo avanzado de archivos; maneja múltiples tipos de archivos, operaciones y casos de uso

Ya sea que esté analizando documentos, resolviendo problemas complejos, procesando archivos de texto grandes o buscando información, GemSuite MCP proporciona las herramientas adecuadas con los modelos adecuados para el trabajo.

¿Por qué GemSuite MCP?

A diferencia de otros servidores Gemini MCP que ofrecen una funcionalidad limitada, GemSuite MCP proporciona:

✅ Selección de modelo inteligente : selecciona automáticamente el modelo Gemini óptimo según la tarea ✅ Manejo unificado de archivos : procesa sin problemas varios tipos de archivos con detección automática de formato ✅ Conjunto integral de herramientas : cuatro herramientas especializadas que cubren búsqueda, razonamiento, procesamiento y análisis ✅ Listo para producción : implementado y validado en Smithery.ai, MCP.so y Glama.io

🚀 Instalación

Opción 1: Smithery.ai (recomendado)

# Install directly via Smithery CLI
npx -y @smithery/cli@latest install @PV-Bhat/gemsuite-mcp --client claude

Opción 2: Instalación manual

# Clone the repository
git clone https://github.com/PV-Bhat/gemsuite-mcp.git
cd gemsuite-mcp

# Install dependencies
npm install

# Set your Gemini API key
echo "GEMINI_API_KEY=your_api_key_here" > .env

# Build the project
npm run build

# Start the server
npm start

Configuración de la clave API

Obtenga una clave API de Gemini de Google AI Studio
Establezcalo como una variable de entorno:
export GEMINI_API_KEY=your_api_key_here
o crea un archivo .env en la raíz del proyecto:
GEMINI_API_KEY=your_api_key_here

💎 Características principales

Manejo unificado de archivos

Procesamiento de archivos sin inconvenientes : todas las herramientas admiten entradas de archivos a través del parámetro file_path
Detección automática de formato : manejo correcto de varios tipos de archivos con tipos MIME apropiados
Soporte multimodal : procese imágenes, documentos, archivos de código y más
Procesamiento por lotes : Soporte para procesar múltiples archivos en una sola operación

Selección inteligente de modelos

GemSuite MCP selecciona automáticamente el modelo Gemini más apropiado en función de:

Tipo de tarea : Búsqueda, razonamiento, procesamiento o análisis
Tipo de contenido : Texto, código, imágenes o documentos
Complejidad : consultas simples vs. razonamiento complejo
Preferencias del usuario : anulaciones manuales opcionales

Esta inteligencia garantiza un rendimiento óptimo al tiempo que minimiza el uso de tokens.

Herramientas especializadas

Herramienta	Objetivo	Modelo	Casos de uso
`gem_search`	Recuperación de información con integración de búsqueda	Flash de Géminis	Preguntas factuales, información actual, respuestas fundamentadas
`gem_reason`	Razonamiento complejo con análisis paso a paso	Pensamiento Flash de Géminis	Matemáticas, ciencias, problemas de codificación, análisis lógico.
`gem_process`	Procesamiento de contenido rápido y eficiente	Gemini Flash-Lite	Resumen, extracción, operaciones de gran volumen
`gem_analyze`	Análisis inteligente de archivos con selección automática de modelos	Seleccionado automáticamente	Análisis de documentos, revisión de código, comprensión de imágenes.

Manejo robusto de errores

Retroceso exponencial : manejo elegante de los límites de velocidad de la API
Detección integral de errores : identificación clara de las fuentes de error
Mensajes procesables : información detallada de errores para la solución de problemas
Mecanismos de recuperación : alternativas inteligentes cuando fallan los enfoques principales

🖥️ Uso

En Claude u otros hosts compatibles con MCP

Al usar GemSuite MCP con Claude u otros hosts compatibles con MCP, las herramientas estarán disponibles directamente en el kit de herramientas del asistente. Simplemente llame a la herramienta adecuada para sus necesidades:

Guía de selección de herramientas

gem_search : Para preguntas factuales que requieren integración de búsqueda
gem_reason : Para problemas complejos que requieren razonamiento paso a paso
gem_process : Para un procesamiento eficiente de texto o archivos (máximo rendimiento en tokens)
gem_analyze : para un análisis detallado de archivos con selección automática de modelos

Ejemplos de uso

Claude Desktop: Uso de GemSuite Gemini Search para acceder a la Búsqueda de Google

Procesamiento de archivos (más eficiente en tokens)

// Summarize a large document
const response = await gem_process({
  file_path: "/path/to/your/large_document.pdf",
  operation: "summarize"
});

// Extract specific information
const response = await gem_process({
  file_path: "/path/to/your/report.docx",
  operation: "extract",
  content: "Extract all financial data and metrics from this document."
});

Analizando archivos

// Analyze an image
const response = await gem_analyze({
  file_path: "/path/to/your/image.jpg",
  instruction: "Describe what you see in this image in detail."
});

// Analyze code
const response = await gem_analyze({
  file_path: "/path/to/your/code.py",
  instruction: "Identify potential bugs and suggest optimizations."
});

Razonamiento complejo

// Solve a complex problem with step-by-step reasoning
const response = await gem_reason({
  problem: "Analyze this code and suggest improvements:",
  file_path: "/path/to/your/code.js",
  show_steps: true
});

// Mathematical problem solving
const response = await gem_reason({
  problem: "Solve this differential equation: dy/dx = 2xy with y(0) = 1",
  show_steps: true
});

Buscando con archivos

// Answer questions about a document with search integration
const response = await gem_search({
  query: "What companies are mentioned in this document?",
  file_path: "/path/to/your/document.pdf"
});

// Factual questions with search
const response = await gem_search({
  query: "What are the latest developments in quantum computing?",
  enable_thinking: true
});

🧠 Características del modelo

GemSuite MCP aprovecha tres modelos principales de Gemini y selecciona de forma inteligente el modelo óptimo para cada tarea:

Flash Géminis 2.0

Ventana de contexto de token de 1M : Procesar contenido extenso
Integración de búsquedas : Respuestas terrestres en la información actual
Capacidades multimodales : maneja texto, imágenes y más
Rendimiento equilibrado : buena combinación de calidad y velocidad.

Gemini 2.0 Flash-Lite

Más rentable : Minimizar el uso de tokens
Tiempos de respuesta más rápidos : ideal para operaciones de gran volumen
Centrado en texto : optimizado para el procesamiento de texto
Óptimo para la eficiencia : cuando no se necesitan búsquedas ni razonamientos

Pensamiento Flash de Géminis 2.0

Razonamiento mejorado : análisis lógico y resolución de problemas
Análisis paso a paso : muestra el proceso de razonamiento
Capacidades especializadas : se destaca en cálculos complejos
Ideal para profundidad : cuando es necesario un análisis exhaustivo

Ejemplos de flujo de trabajo

Flujo de trabajo de análisis de documentos

// 1. Get a high-level summary (most efficient)
const summary = await gem_process({
  file_path: "/path/to/large_document.pdf",
  operation: "summarize"
});

// 2. Extract specific information
const keyPoints = await gem_process({
  file_path: "/path/to/large_document.pdf",
  operation: "extract",
  content: "Extract the key findings and recommendations"
});

// 3. Answer specific questions with search integration
const answers = await gem_search({
  query: "Based on this document, what are the implications for market growth?",
  file_path: "/path/to/large_document.pdf"
});

// 4. Claude synthesizes the processed information
// This approach is dramatically more token-efficient than having
// Claude process the entire document directly

Flujo de trabajo de revisión de código

// 1. Get code overview
const overview = await gem_analyze({
  file_path: "/path/to/code.js",
  instruction: "Provide an overview of this code's structure and purpose"
});

// 2. Identify potential issues
const issues = await gem_reason({
  problem: "Analyze this code for bugs, security vulnerabilities, and performance issues",
  file_path: "/path/to/code.js",
  show_steps: true
});

// 3. Generate improvements
const improvements = await gem_reason({
  problem: "Suggest specific improvements to make this code more efficient and maintainable",
  file_path: "/path/to/code.js",
  show_steps: true
});

// 4. Claude provides a comprehensive code review synthesis

🧩 Integración con otros hosts MCP

GemSuite MCP funciona con cualquier host compatible con MCP:

Claude Desktop : Integración perfecta con las potentes capacidades de razonamiento de Claude
Cursor IDE : Asistencia de codificación mejorada con las capacidades de Gemini
Replit : Generación y análisis de código directamente en su entorno de desarrollo
Otros hosts MCP : compatibles con cualquier plataforma que implemente el estándar MCP

🛠️ Configuración avanzada

Selección de modelo personalizado

Puede anular la selección automática del modelo especificando el parámetro model_id :

// Force the use of Gemini Flash Thinking for a processing task
const response = await gem_process({
  file_path: "/path/to/document.pdf",
  operation: "analyze",
  model_id: "models/gemini-2.0-flash-thinking"
});

Operaciones disponibles para `gem_process`

summarize : Crear un resumen conciso
extract : Extraer información específica
restructure : reorganizar el contenido en un formato más útil
simplify : hacer que el contenido complejo sea más fácil de entender
expand : Agregar detalles o contexto al contenido
critique : Proporcionar un análisis crítico
feedback : Ofrecer retroalimentación constructiva
analyze : Análisis general del contenido

🔧 Contribuyendo

¡Agradecemos sus contribuciones! Aquí les explicamos cómo empezar:

Bifurcar el repositorio
Crear una rama de funciones: git checkout -b feature/my-new-feature
Realiza tus cambios
Ejecutar pruebas: npm test
Confirme sus cambios: git commit -m 'Add my new feature'
Envíalo a tu rama: git push origin feature/my-new-feature
Enviar una solicitud de extracción

Para realizar cambios importantes, primero abra un problema para discutir lo que le gustaría cambiar.

📜 Licencia

Este proyecto está licenciado bajo la licencia MIT: consulte el archivo de LICENCIA para obtener más detalles.

🙏 Agradecimientos

Lorhlona/geminiserchMCP : el proyecto original que inspiró esta versión mejorada
Protocolo de contexto modelo : para desarrollar el estándar MCP
Google Gemini : para los potentes modelos de IA que impulsan este servidor

Integrations