MCP Gemini 服务器
模型上下文协议 (MCP) 的服务器实现，使 Claude 等 AI 助手能够与 Google 的 Gemini API 进行交互。
项目概述
该项目实现了一个遵循模型上下文协议 (MCP) 的服务器，允许 AI 助手与 Google 的 Gemini 模型进行通信。借助此 MCP 服务器，AI 助手可以通过 Gemini API 请求文本生成、文本分析以及维护聊天对话。
Related MCP server: Gemini MCP Server
特征
客户端-服务器通信：实现 MCP 协议，以便在客户端和服务器之间进行安全的消息交换。
消息处理：处理和处理客户端请求，发送适当的响应。
错误处理和日志记录：记录服务器活动并确保顺利恢复错误。
环境变量支持：使用
.env文件安全地存储敏感信息。API 测试和调试：支持使用 Postman 和测试脚本进行手动和自动测试。
安装
先决条件
Python 3.7 或更高版本
Google AI API 密钥
设置
克隆此存储库：
创建虚拟环境：
激活虚拟环境：
Windows：
venv\Scripts\activatemacOS/Linux：
source venv/bin/activate
安装依赖项：
使用您的 Gemini API 密钥在根目录中创建一个
.env文件：
用法
启动服务器：
默认情况下，服务器将在
http://localhost:5000/上运行使用 POST 方法向
/mcp端点发送 MCP 请求
示例请求
API 参考
端点
GET /health：检查服务器是否正在运行GET /list-models：列出可用的 Gemini 模型POST /mcp：MCP 请求的主要端点
MCP 操作
1. 生成文本
使用 Gemini 生成文本内容。
参数：
prompt（必需）：生成的文本提示temperature（可选）：控制随机性（0.0 到 1.0）max_tokens（可选）：要生成的最大令牌数
例子：
2. 分析文本
分析文本内容。
参数：
text（必需）：要分析的文本analysis_type（可选）：分析类型（“情绪”、“摘要”、“关键词”或“一般”）
例子：
3. 聊天
与双子座进行对话。
参数：
messages（必需）：具有“角色”和“内容”的消息对象数组temperature（可选）：控制随机性（0.0 到 1.0）
例子：
错误处理
服务器返回适当的 HTTP 状态代码和错误消息：
200：请求成功400：错误请求（缺少或无效参数）500：服务器错误（API 问题等）
测试
使用附带的测试脚本来测试各种功能：
MCP 协议规范
这里实现的模型上下文协议遵循以下规范：
请求格式：
action：指定操作的字符串parameters：包含特定于操作的参数的对象
响应格式：
result：包含操作结果的对象error：解释任何错误的字符串（适用时）
执照
MIT 许可证