Vertex AI MCP 服务器

该项目实现了一个模型上下文协议 (MCP) 服务器，它提供了一套全面的工具用于与 Google Cloud 的 Vertex AI Gemini 模型进行交互，专注于编码辅助和一般查询解答。

特征

• 通过众多 MCP 工具提供对 Vertex AI Gemini 模型的访问。
• 支持网页搜索基础（ answer_query_websearch ）和直接知识问答（ answer_query_direct ）。
• 可通过环境变量配置模型 ID、温度、流行为、最大输出令牌和重试设置。
• 默认使用流式 API，以获得更好的响应能力。
• 包括针对瞬态 API 错误的基本重试逻辑。
• 应用最少的安全过滤器（ BLOCK_NONE ）来减少潜在的阻塞（谨慎使用）。

提供的工具

查询与生成（以人工智能为重点）

• answer_query_websearch ：使用已配置的 Vertex AI 模型（通过 Google 搜索结果增强）回答自然语言查询。
• answer_query_direct ：仅使用配置的 Vertex AI 模型的内部知识来回答自然语言查询。
• explain_topic_with_docs ：通过综合主要来自网络搜索找到的官方文档的信息，为有关特定软件主题的查询提供详细的解释。
• get_doc_snippets ：通过搜索官方文档，提供精确、权威的代码片段或简洁的技术查询答案。
• generate_project_guidelines ：根据指定的技术列表（可选版本）生成结构化的项目指南文档（Markdown），使用网络搜索寻找最佳实践。

文件系统操作

• read_file_content ：读取单个文件的完整内容。
• read_multiple_files_content ：同时读取多个文件的内容。
• write_file_content ：创建一个新文件或用新内容完全覆盖现有文件。
• edit_file_content ：对文本文件进行基于行的编辑，返回差异预览或应用更改。
• create_directory ：创建一个新目录（包括嵌套目录）。
• list_directory_contents ：直接列出指定路径内的文件和目录（非递归）。
• get_directory_tree ：以 JSON 格式获取文件和目录的递归树状视图。
• move_file_or_directory ：移动或重命名文件和目录。
• search_filesystem ：递归搜索与名称模式匹配的文件/目录，并提供可选的排除选项。
• get_filesystem_info ：检索有关文件或目录的详细元数据（大小、日期、类型、权限）。

人工智能与文件系统操作相结合

• save_generate_project_guidelines ：根据技术栈生成项目指南，并将结果保存到指定的文件路径。
• save_doc_snippet ：从文档中查找代码片段并将结果保存到指定的文件路径。
• save_topic_explanation ：根据文档生成主题的详细解释，并将结果保存到指定的文件路径。
• save_answer_query_direct ：仅使用内部知识回答查询并将答案保存到指定的文件路径。
• save_answer_query_websearch ：使用网络搜索结果回答查询并将答案保存到指定的文件路径。

（注意：每个工具的输入/输出模式都在src/tools/中的各自文件中定义，并通过 MCP 服务器公开。）

先决条件

• Node.js（v18+）
• 包子（ npm install -g bun ）
• 已启用计费功能的 Google Cloud 项目。
• GCP 项目中启用了 Vertex AI API。
• 在您的环境中配置 Google Cloud 身份验证（建议通过gcloud auth application-default login使用应用程序默认凭据，或使用服务帐户密钥）。

设置与安装

1. **克隆/放置项目：**确保项目文件位于您想要的位置。
2. 安装依赖项：
   bun install
3. 配置环境：
   • 在项目根目录中创建一个.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。确保已设置GOOGLE_CLOUD_PROJECT 。
4. 构建服务器：
   bun run build
   这会将 TypeScript 代码编译为build/index.js 。

与克莱恩一起奔跑

1. **配置 MCP 设置：**在您的 Cline MCP 设置文件中添加/更新配置（例如， .roo/mcp.json ）。
   { "mcpServers": { "vertex-ai-mcp-server": { "command": "node", "args": [ "/full/path/to/your/vertex-ai-mcp-server/build/index.js" // Use absolute path or ensure it's relative to where Cline runs node ], "env": { // Required: Ensure these match your .env or are set here "GOOGLE_CLOUD_PROJECT": "YOUR_GCP_PROJECT_ID", "GOOGLE_CLOUD_LOCATION": "us-central1", // Required if not using ADC: // "GOOGLE_APPLICATION_CREDENTIALS": "/path/to/your/service-account-key.json", // Optional overrides: "VERTEX_AI_MODEL_ID": "gemini-2.5-pro-exp-03-25", "VERTEX_AI_TEMPERATURE": "0.0", "VERTEX_AI_USE_STREAMING": "true", "VERTEX_AI_MAX_OUTPUT_TOKENS": "65535", "VERTEX_AI_MAX_RETRIES": "3", "VERTEX_AI_RETRY_DELAY_MS": "1000" }, "disabled": false, "alwaysAllow": [ // Add tool names here if you don't want confirmation prompts // e.g., "answer_query_websearch" ], "timeout": 3600 // Optional: Timeout in seconds } // Add other servers here... } }
   • **重要提示：**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。
   • 确保env块中的环境变量设置正确，要么与.env匹配，要么在此处明确定义。请从实际的 JSON 文件中删除注释。
2. 重新启动/重新加载 Cline： Cline 应该检测配置更改并启动服务器。
3. **使用工具：**您现在可以通过 Cline 使用大量工具列表。

发展

• 观看模式： bun run watch
• 绒毛： bun run lint
• 格式： bun run format