MCP 服务器

GemSuite-MCP

MCP 主机的终极 Gemini API 接口，能够智能地为手头的任务选择模型——提供最佳性能、最低的 token 成本和无缝集成。

README

GemSuite MCP：最全面的 Gemini API 集成，用于模型上下文协议

终极开源服务器，用于高级 Gemini API 交互，采用模型上下文协议 (MCP)，智能选择模型以实现最佳性能、最低 Token 成本和无缝集成。

<br><br/> <br><br/><a href="https://glama.ai/mcp/servers/m2ljvlatlu"> <img width="300" height="170" src="https://glama.ai/mcp/servers/m2ljvlatlu/badge" /> </a><br><br/> 用于 Claude 和所有 MCP 兼容主机的专业 Gemini API 集成，具有智能模型选择和高级文件处理

从 geminiserchMCP 项目演变而来，具有增强的功能

安装 • 特性 • 用法 • 示例 • 模型 • 贡献

</div>

🌟 什么是 GemSuite MCP？

GemSuite (模型上下文协议) MCP 是用于 MCP 主机的终极 Gemini API 集成接口，可智能地为手头的任务选择模型——提供最佳性能、最低 Token 成本和无缝集成。它使任何 MCP 兼容主机（Claude、Cursor、Replit 等）能够无缝利用 Gemini 的功能，重点关注：

智能性：根据任务和内容自动选择最佳 Gemini 模型
效率：优化不同工作负载的 Token 使用和性能
简单性：为复杂的 AI 操作提供简洁、一致的 API
多功能性：高级文件处理；处理多种文件类型、操作和用例

无论您是分析文档、解决复杂问题、处理大型文本文件还是搜索信息，GemSuite MCP 都能提供合适的工具和合适的模型来完成工作。

为什么选择 GemSuite MCP？

与其他提供有限功能的 Gemini MCP 服务器不同，GemSuite MCP 提供：

✅ 智能模型选择：根据任务自动选择最佳 Gemini 模型 ✅ 统一文件处理：通过自动格式检测无缝处理各种文件类型 ✅ 全面的工具套件：四个专门的工具，涵盖搜索、推理、处理和分析 ✅ 生产就绪：已在 Smithery.ai、MCP.so 和 Glama.io 上部署和验证

🚀 安装

选项 1：Smithery.ai（推荐）

# 通过 Smithery CLI 直接安装
npx -y @smithery/cli@latest install @PV-Bhat/gemsuite-mcp --client claude

选项 2：手动安装

# 克隆存储库
git clone https://github.com/PV-Bhat/gemsuite-mcp.git
cd gemsuite-mcp

# 安装依赖项
npm install

# 设置您的 Gemini API 密钥
echo "GEMINI_API_KEY=your_api_key_here" > .env

# 构建项目
npm run build

# 启动服务器
npm start

🔑 API 密钥设置

从 Google AI Studio 获取 Gemini API 密钥
将其设置为环境变量：
```
export GEMINI_API_KEY=your_api_key_here
```
或者在项目根目录中创建一个 .env 文件：
```
GEMINI_API_KEY=your_api_key_here
```

💎 主要特性

统一文件处理

无缝文件处理：所有工具都支持通过 file_path 参数进行文件输入
自动格式检测：使用适当的 MIME 类型正确处理各种文件类型
多模态支持：处理图像、文档、代码文件等
批量处理：支持在单个操作中处理多个文件

智能模型选择

GemSuite MCP 根据以下因素自动选择最合适的 Gemini 模型：

任务类型：搜索、推理、处理或分析
内容类型：文本、代码、图像或文档
复杂性：简单查询与复杂推理
用户偏好：可选的手动覆盖

这种智能性确保了最佳性能，同时最大限度地减少了 Token 的使用。

</td> <td>

graph TD
    A[任务请求] --> B{任务类型}
    B -->|搜索| C[Gemini Flash]
    B -->|推理| D[Gemini Flash Thinking]
    B -->|处理| E[Gemini Flash-Lite]
    B -->|分析| F{文件类型}
    F -->|图像| G[Gemini Flash]
    F -->|代码| H[Gemini Flash Thinking]
    F -->|文本| I[Gemini Flash-Lite]
    C & D & E & G & H & I --> J[执行请求]

</td> </tr> </table>

专用工具

工具	目的	模型	用例
`gem_search`	通过搜索集成进行信息检索	Gemini Flash	事实性问题、当前信息、有根据的回答
`gem_reason`	通过逐步分析进行复杂推理	Gemini Flash Thinking	数学、科学、编码问题、逻辑分析
`gem_process`	快速、高效的内容处理	Gemini Flash-Lite	摘要、提取、大批量操作
`gem_analyze`	通过自动模型选择进行智能文件分析	自动选择	文档分析、代码审查、图像理解

强大的错误处理

指数退避：优雅地处理 API 速率限制
全面的错误检测：清晰地识别错误来源
可操作的消息：详细的错误信息，用于故障排除
恢复机制：在主要方法失败时进行智能回退

🖥️ 用法

在 Claude 或其他 MCP 兼容主机中

当将 GemSuite MCP 与 Claude 或其他 MCP 兼容主机一起使用时，这些工具将直接在助手的工具包中可用。只需调用适合您需求的工具：

工具选择指南

gem_search：对于需要搜索集成的事实性问题
gem_reason：对于需要逐步推理的复杂问题
gem_process：用于高效处理文本或文件（最节省 Token）
gem_analyze：用于详细分析具有自动模型选择的文件

📚 用法示例

Claude Desktop 使用 GemSuite Gemini Search 访问 Google Search

处理文件（最节省 Token）

// 总结大型文档
const response = await gem_process({
  file_path: "/path/to/your/large_document.pdf",
  operation: "summarize"
});

// 提取特定信息
const response = await gem_process({
  file_path: "/path/to/your/report.docx",
  operation: "extract",
  content: "Extract all financial data and metrics from this document."
});

分析文件

// 分析图像
const response = await gem_analyze({
  file_path: "/path/to/your/image.jpg",
  instruction: "Describe what you see in this image in detail."
});

// 分析代码
const response = await gem_analyze({
  file_path: "/path/to/your/code.py",
  instruction: "Identify potential bugs and suggest optimizations."
});

复杂推理

// 通过逐步推理解决复杂问题
const response = await gem_reason({
  problem: "Analyze this code and suggest improvements:",
  file_path: "/path/to/your/code.js",
  show_steps: true
});

// 数学问题解决
const response = await gem_reason({
  problem: "Solve this differential equation: dy/dx = 2xy with y(0) = 1",
  show_steps: true
});

通过文件搜索

// 回答有关文档的问题，并进行搜索集成
const response = await gem_search({
  query: "What companies are mentioned in this document?",
  file_path: "/path/to/your/document.pdf"
});

// 具有搜索功能的事实性问题
const response = await gem_search({
  query: "What are the latest developments in quantum computing?",
  enable_thinking: true
});

🧠 模型特性

GemSuite MCP 利用三个主要的 Gemini 模型，智能地为每个任务选择最佳模型：

Gemini 2.0 Flash

1M Token 上下文窗口：处理大量内容
搜索集成：根据当前信息进行有根据的回答
多模态功能：处理文本、图像等
平衡的性能：质量和速度的良好结合

Gemini 2.0 Flash-Lite

最具成本效益：最大限度地减少 Token 的使用
最快的响应时间：非常适合大批量操作
专注于文本：针对文本处理进行了优化
最佳效率：当不需要搜索和推理时

Gemini 2.0 Flash Thinking

增强的推理：逻辑分析和问题解决
逐步分析：显示推理过程
专业功能：擅长复杂的计算
最适合深度：当需要彻底分析时

🔄 工作流示例

文档分析工作流

// 1. 获取高级摘要（最有效）
const summary = await gem_process({
  file_path: "/path/to/large_document.pdf",
  operation: "summarize"
});

// 2. 提取特定信息
const keyPoints = await gem_process({
  file_path: "/path/to/large_document.pdf",
  operation: "extract",
  content: "Extract the key findings and recommendations"
});

// 3. 回答特定问题，并进行搜索集成
const answers = await gem_search({
  query: "Based on this document, what are the implications for market growth?",
  file_path: "/path/to/large_document.pdf"
});

// 4. Claude 综合处理后的信息
// 这种方法比让 Claude 直接处理整个文档
// 效率更高，节省了大量 Token

代码审查工作流

// 1. 获取代码概述
const overview = await gem_analyze({
  file_path: "/path/to/code.js",
  instruction: "Provide an overview of this code's structure and purpose"
});

// 2. 识别潜在问题
const issues = await gem_reason({
  problem: "Analyze this code for bugs, security vulnerabilities, and performance issues",
  file_path: "/path/to/code.js",
  show_steps: true
});

// 3. 生成改进
const improvements = await gem_reason({
  problem: "Suggest specific improvements to make this code more efficient and maintainable",
  file_path: "/path/to/code.js",
  show_steps: true
});

// 4. Claude 提供全面的代码审查综合

🧩 与其他 MCP 主机集成

GemSuite MCP 适用于任何 MCP 兼容主机：

Claude Desktop：与 Claude 强大的推理功能无缝集成
Cursor IDE：通过 Gemini 的功能增强编码辅助
Replit：直接在您的开发环境中生成和分析代码
其他 MCP 主机：与任何实施 MCP 标准的平台兼容

🛠️ 高级配置

自定义模型选择

您可以通过指定 model_id 参数来覆盖自动模型选择：

// 强制使用 Gemini Flash Thinking 来执行处理任务
const response = await gem_process({
  file_path: "/path/to/document.pdf",
  operation: "analyze",
  model_id: "models/gemini-2.0-flash-thinking"
});

`gem_process` 的可用操作

summarize：创建简洁的摘要
extract：提取特定信息
restructure：将内容重组为更有用的格式
simplify：使复杂的内容更容易理解
expand：向内容添加细节或上下文
critique：提供批判性分析
feedback：提供建设性反馈
analyze：对内容进行一般分析

🔧 贡献

欢迎贡献！以下是如何开始：

Fork 存储库
创建一个功能分支：git checkout -b feature/my-new-feature
进行更改
运行测试：npm test
提交更改：git commit -m 'Add my new feature'
推送到您的分支：git push origin feature/my-new-feature
提交拉取请求

对于重大更改，请先打开一个 issue，讨论您想要更改的内容。

📜 许可证

该项目已获得 MIT 许可证的许可 - 有关详细信息，请参阅 LICENSE 文件。

🙏 鸣谢

Lorhlona/geminiserchMCP - 启发此增强版本的原始项目
模型上下文协议 - 用于开发 MCP 标准
Google Gemini - 用于为该服务器提供支持的强大 AI 模型

🔗 链接