基于 Gemini 的 MCP 教程

本仓库包含使用 Google Gemini 2.0 模型构建模型上下文协议 (MCP) 服务器的完整代码，如这篇博文中所述。

什么是模型上下文协议 (MCP)？

MCP 是 Anthropic 开发的开放标准，使 AI 模型能够无缝访问外部工具和资源。它为 AI 模型与工具交互、访问互联网、运行代码等创建了一种标准化方式，而无需为每个工具或模型进行自定义集成。

主要优势包括：

• 互操作性：任何 MCP 兼容的模型都可以使用任何 MCP 兼容的工具
• 模块化：添加或更新工具，无需更改模型集成
• 标准化：一致的接口降低了集成复杂性
• 关注点分离：模型能力和工具功能之间的清晰划分

项目概览

本教程演示了如何：

• 构建一个完整的、集成了 Brave Search 的 MCP 服务器
• 将其连接到 Google Gemini 2.0 模型
• 为 AI 驱动的应用程序创建一个灵活的架构

快速开始

前提条件

• Bun（用于快速 TypeScript 执行）
• Brave Search API 密钥
• 用于 Gemini 访问的 Google API 密钥

安装

# 克隆仓库
git clone https://github.com/GuiBibeau/mcp-gemini-tutorial.git
cd mcp-tutorial

# 安装依赖
bun install

环境设置

创建一个包含您的 API 密钥的 .env 文件：

BRAVE_API_KEY="your_brave_api_key"
GOOGLE_API_KEY="your_google_api_key"

用法

运行基本客户端

bun examples/basic-client.ts

运行 Gemini 集成

bun examples/gemini-tool-function.ts

项目结构

• src/ - MCP 服务器和工具的核心实现
• examples/ - 演示如何使用 MCP 服务器的示例客户端
• tests/ - 项目的测试文件

已实现的工具

此 MCP 服务器公开了两个主要工具：

1. 网页搜索：通过 Brave Search 进行通用互联网搜索
2. 本地搜索：通过 Brave Search 查找商家和地点

扩展项目

您可以通过以下方式添加自己的工具：

1. 使用 schema 定义一个新工具
2. 实现该功能
3. 将其注册到 MCP 服务器

了解更多

• 官方 MCP 文档
• Google Gemini API 文档
• Brave Search API 文档

许可证

MIT

---

本项目是使用 bun v1.1.37 中的 bun init 创建的。Bun 是一个快速的一体化 JavaScript 运行时。