Gemini Context MCP 服务器

一个强大的 MCP（模型上下文协议）服务器实现，充分利用了 Gemini 的上下文管理和缓存功能。该服务器最大限度地发挥了 Gemini 2M 令牌上下文窗口的价值，同时提供了高效缓存大型上下文的工具。

🚀 功能

上下文管理

高达 2M 令牌上下文窗口支持- 利用 Gemini 的广泛上下文功能
基于会话的对话- 在多个交互中保持对话状态
智能上下文跟踪- 使用元数据添加、检索和搜索上下文
语义搜索——利用语义相似性查找相关上下文
自动上下文清理- 会话和上下文自动过期

API缓存

大型提示缓存- 高效重用大型系统提示和指令
成本优化——降低常用上下文的令牌使用成本
TTL 管理- 控制缓存过期时间
自动清理- 自动删除过期的缓存

🏁 快速入门

先决条件

已安装 Node.js 18+
Gemini API 密钥（在此获取）

安装

# Clone the repository
git clone https://github.com/ogoldberg/gemini-context-mcp-server
cd gemini-context-mcp-server

# Install dependencies
npm install

# Copy environment variables example
cp .env.example .env

# Add your Gemini API key to .env file
# GEMINI_API_KEY=your_api_key_here

基本用法

# Build the server
npm run build

# Start the server
node dist/mcp-server.js

MCP 客户端集成

该 MCP 服务器可以与各种兼容 MCP 的客户端集成：

Claude 桌面- 在 Claude 设置中添加为 MCP 服务器
Cursor - 在 Cursor 的 AI/MCP 设置中配置
VS Code - 与 MCP 兼容的扩展一起使用

有关每个客户端的详细集成说明，请参阅 MCP 文档中的MCP 客户端配置指南。

快速客户端设置

使用我们简化的客户端安装命令：

# Install and configure for Claude Desktop
npm run install:claude

# Install and configure for Cursor
npm run install:cursor

# Install and configure for VS Code
npm run install:vscode

每个命令都会设置适当的配置文件并提供完成集成的说明。

💻 使用示例

对于初学者

直接使用服务器：

启动服务器：
node dist/mcp-server.js
使用提供的测试脚本进行交互：
# Test basic context management node test-gemini-context.js # Test caching features node test-gemini-api-cache.js

在您的 Node.js 应用程序中使用：

import { GeminiContextServer } from './src/gemini-context-server.js';

async function main() {
  // Create server instance
  const server = new GeminiContextServer();
  
  // Generate a response in a session
  const sessionId = "user-123";
  const response = await server.processMessage(sessionId, "What is machine learning?");
  console.log("Response:", response);
  
  // Ask a follow-up in the same session (maintains context)
  const followUp = await server.processMessage(sessionId, "What are popular algorithms?");
  console.log("Follow-up:", followUp);
}

main();

对于高级用户

使用自定义配置：

// Custom configuration
const config = {
  gemini: {
    apiKey: process.env.GEMINI_API_KEY,
    model: 'gemini-2.0-pro',
    temperature: 0.2,
    maxOutputTokens: 1024,
  },
  server: {
    sessionTimeoutMinutes: 30,
    maxTokensPerSession: 1000000
  }
};

const server = new GeminiContextServer(config);

使用缓存系统进行成本优化：

// Create a cache for large system instructions
const cacheName = await server.createCache(
  'Technical Support System',
  'You are a technical support assistant for a software company...',
  7200 // 2 hour TTL
);

// Generate content using the cache
const response = await server.generateWithCache(
  cacheName,
  'How do I reset my password?'
);

// Clean up when done
await server.deleteCache(cacheName);

🔌 与 MCP 工具（如 Cursor）一起使用

该服务器实现了模型上下文协议 (MCP)，使其与 Cursor 或其他 AI 增强开发环境等工具兼容。

可用的 MCP 工具

上下文管理工具：
- generate_text - 生成带有上下文的文本
- get_context获取会话的当前上下文
- clear_context - 清除会话上下文
- add_context - 添加特定的上下文条目
- search_context - 从语义上查找相关上下文
缓存工具：
- mcp_gemini_context_create_cache - 为大型上下文创建缓存
- mcp_gemini_context_generate_with_cache - 使用缓存上下文生成
- mcp_gemini_context_list_caches - 列出所有可用的缓存
- mcp_gemini_context_update_cache_ttl - 更新缓存 TTL
- mcp_gemini_context_delete_cache - 删除缓存

使用光标连接

与Cursor一起使用时，您可以通过 MCP 配置进行连接：

{
  "name": "gemini-context",
  "version": "1.0.0",
  "description": "Gemini context management and caching MCP server",
  "entrypoint": "dist/mcp-server.js",
  "capabilities": {
    "tools": true
  },
  "manifestPath": "mcp-manifest.json",
  "documentation": "README-MCP.md"
}

有关 MCP 工具的详细使用说明，请参阅README-MCP.md 。

⚙️ 配置选项

环境变量

使用以下选项创建.env文件：

# Required
GEMINI_API_KEY=your_api_key_here
GEMINI_MODEL=gemini-2.0-flash

# Optional - Model Settings
GEMINI_TEMPERATURE=0.7
GEMINI_TOP_K=40
GEMINI_TOP_P=0.9
GEMINI_MAX_OUTPUT_TOKENS=2097152

# Optional - Server Settings
MAX_SESSIONS=50
SESSION_TIMEOUT_MINUTES=120
MAX_MESSAGE_LENGTH=1000000
MAX_TOKENS_PER_SESSION=2097152
DEBUG=false

🧪 开发

# Build TypeScript files
npm run build

# Run in development mode with auto-reload
npm run dev

# Run tests
npm test

📚 进一步阅读

有关 MCP 的具体用法，请参阅README-MCP.md
探索mcp-manifest.json中的清单以了解可用的工具
检查存储库中的示例脚本以了解使用模式

📋 未来的改进

上下文和缓存的数据库持久性
缓存大小管理和驱逐策略
基于向量的语义搜索
分析和指标跟踪
与向量存储集成
上下文管理的批量操作
混合缓存策略
自动提示优化

📄 许可证

麻省理工学院

Gemini Context MCP Server

Integrations