MCP ジェミニ サーバー

Claude のような AI アシスタントが Google の Gemini API と対話できるようにする Model Context Protocol (MCP) のサーバー実装。

プロジェクト概要

このプロジェクトは、モデルコンテキストプロトコル（MCP）に準拠したサーバーを実装し、AIアシスタントがGoogleのGeminiモデルと通信できるようにします。このMCPサーバーにより、AIアシスタントはGemini APIを介してテキスト生成やテキスト分析をリクエストしたり、チャット会話を維持したりできるようになります。

Related MCP server: Gemini MCP Server

特徴

• クライアント/サーバー通信: クライアントとサーバー間の安全なメッセージ交換のための MCP プロトコルを実装します。

• メッセージ処理: クライアント要求を処理し、適切な応答を送信します。

• エラー処理とログ記録: サーバーのアクティビティをログに記録し、スムーズなエラー回復を保証します。

• 環境変数のサポート: 機密情報を安全に保存するために.envファイルを使用します。

• API テストとデバッグ: Postman とテスト スクリプトを使用した手動テストと自動テストをサポートします。

インストール

前提条件

• Python 3.7以上

• Google AI APIキー

設定

1. このリポジトリをクローンします:

git clone https://github.com/yourusername/mcp-gemini-server.git
cd mcp-gemini-server

2. 仮想環境を作成します。

python -m venv venv

3. 仮想環境をアクティブ化します。

   • Windows: venv\Scripts\activate

   • macOS/Linux: source venv/bin/activate

4. 依存関係をインストールします:

pip install -r requirements.txt

5. Gemini API キーを使用してルート ディレクトリに.envファイルを作成します。

GEMINI_API_KEY=your_api_key_here

使用法

1. サーバーを起動します。

python server.py

2. サーバーはデフォルトでhttp://localhost:5000/で実行されます。

3. POSTメソッドを使用してMCPリクエストを/mcpエンドポイントに送信する

リクエスト例

import requests

url = 'http://localhost:5000/mcp'
payload = {
    'action': 'generate_text',
    'parameters': {
        'prompt': 'Write a short poem about AI',
        'temperature': 0.7
    }
}

response = requests.post(url, json=payload)
print(response.json())

APIリファレンス

エンドポイント

• GET /health : サーバーが稼働しているかどうかを確認する

• GET /list-models : 利用可能なGeminiモデルの一覧

• POST /mcp : MCPリクエストのメインエンドポイント

MCPアクション

1. テキストを生成する

Gemini を使用してテキスト コンテンツを生成します。

パラメータ:

• prompt （必須）: 生成のためのテキストプロンプト

• temperature （オプション）：ランダム性（0.0～1.0）を制御

• max_tokens (オプション): 生成するトークンの最大数

例：

{
  "action": "generate_text",
  "parameters": {
    "prompt": "Write a short story about a robot",
    "temperature": 0.8,
    "max_tokens": 500
  }
}

2. テキスト分析

テキストコンテンツを分析します。

パラメータ:

• text （必須）: 分析するテキスト

• analysis_type (オプション): 分析の種類 ('sentiment'、'summary'、'keywords'、または 'general')

例：

{
  "action": "analyze_text",
  "parameters": {
    "text": "The weather today is wonderful! I love how the sun is shining.",
    "analysis_type": "sentiment"
  }
}

3. チャット

ジェミニと会話しましょう。

パラメータ:

• messages （必須）: 'role' と 'content' を持つメッセージオブジェクトの配列

• temperature （オプション）：ランダム性（0.0～1.0）を制御

例：

{
  "action": "chat",
  "parameters": {
    "messages": [
      {"role": "user", "content": "Hello, how are you?"},
      {"role": "assistant", "content": "I'm doing well! How can I help?"},
      {"role": "user", "content": "Tell me about quantum computing"}
    ],
    "temperature": 0.7
  }
}

エラー処理

サーバーは適切な HTTP ステータス コードとエラー メッセージを返します。

• 200 : リクエスト成功

• 400 : 不正なリクエスト (パラメータが欠落しているか無効です)

• 500 : サーバーエラー (API の問題など)

テスト

付属のテスト スクリプトを使用して、さまざまな機能をテストします。

# Test all functionalities
python test_client.py

# Test specific functionality
python test_client.py text     # Test text generation
python test_client.py analyze  # Test text analysis
python test_client.py chat     # Test chat functionality

MCPプロトコル仕様

ここで実装されているモデルコンテキストプロトコルは、次の仕様に従います。

1. リクエスト形式:

   • action : 操作を指定する文字列

   • parameters : アクション固有のパラメータを含むオブジェクト

2. 応答形式:

   • result : 操作結果を含むオブジェクト

   • error : エラーを説明する文字列（該当する場合）

ライセンス

MITライセンス