Which integrations are available for this server?

Integrates with Google's Gemini-2.0-flash model for natural language processing and interpretation of user queries. Enables creation of chains that connect language models with external tools via Multi-Chain Protocol, allowing for tool augmented responses.

How do I use Math Expression MCP Server?

1. Click on "Install Server". 2. Wait a few minutes for the server to deploy. Once ready, it will show a "Started" state. 3. In the chat, type @ followed by the MCP server name and your instructions, e.g., "@Math Expression MCP Server solve 3 \* (4 + 2) / 2" That's it! The server will respond to your query, and you can continue using it as needed. Here is a step-by-step guide with screenshots.

Click on "Install Server".
Wait a few minutes for the server to deploy. Once ready, it will show a "Started" state.
In the chat, type @ followed by the MCP server name and your instructions, e.g., "@Math Expression MCP Server solve 3 * (4 + 2) / 2"

That's it! The server will respond to your query, and you can continue using it as needed.

Here is a step-by-step guide with screenshots.

LangChain + Gemini + MCP (Tool Server)

Este projeto demonstra como criar um chain com LangChain usando o modelo gemini-2.0-flash do Google e integrá-lo com ferramentas customizadas usando o MCP (Multi-Chain Protocol), via conexão stdio.

✨ Funcionalidade

A chain é capaz de:

Interpretar linguagem natural com o Gemini.
Usar ferramentas externas via MCP — neste exemplo, uma calculadora de expressões matemáticas.
Executar localmente um servidor de ferramentas que se conecta à chain automaticamente.

Related MCP server: Calculator MCP

🔧 Requisitos

Python 3.10+
uv (ou pip tradicional)

📦 Instalação

Com uv (recomendado)

uv venv
source .venv/bin/activate
uv pip install -r requirements.txt

Ou com pip tradicional

python -m venv .venv
source .venv/bin/activate
pip install -r requirements.txt

Crie um arquivo .env:

GOOGLE_API_KEY=sua_chave_google_api

🚀 Execução

1. Execute o servidor de ferramentas (MCP)

Primeiro, execute o servidor de ferramentas. Este servidor vai processar as expressões matemáticas.

python server.py

2. Execute o cliente

Em seguida, execute o cliente, que se conecta ao servidor e faz as requisições, passando a pergunta para a chain e recebendo o resultado do cálculo.

python client.py

Como Funciona?

O chain usa o modelo Gemini-Pro do Google para interpretar a linguagem natural.
Uma LLMChain é criada usando o modelo e um PromptTemplate para extrair a expressão matemática de uma pergunta.
A expressão extraída é então passada para uma ferramenta de cálculo via o protocolo MCP.
O servidor MCP calcula a expressão matemática e retorna o resultado.