模型上下文协议 (MCP) 服务器项目

此项目演示了客户端应用程序和 MCP (模型上下文协议) 服务器之间的集成，从而允许与具有工具执行能力的人工智能进行交互。

项目概述

此应用程序由两个主要组件组成：

• 一个客户端，它连接到 Google 的 Gemini AI 模型和一个 MCP 服务器
• 一个 MCP 服务器，它注册并为 AI 模型提供工具以供使用

该系统允许用户通过命令行界面与 Gemini AI 模型进行交互。 AI 可以响应用户查询并执行 MCP 服务器上托管的专用工具，例如发布推文或执行计算。

架构

client/                      # 客户端应用程序
├── .env                     # 客户端的环境变量
├── index.js                 # 客户端实现
└── package.json             # 客户端依赖项
server/                      # MCP 服务器
├── .env                     # 服务器的环境变量
├── index.js                 # 服务器实现
├── mcp.tool.js              # 工具实现
└── package.json             # 服务器依赖项

特性

• 使用 Google 的 Gemini 模型的人工智能聊天界面
• 通过 MCP 协议执行工具
• 可用工具：
  • addTwoNumbers: 执行两个数字的加法
  • createPost: 在 Twitter/X 上创建帖子

设置和安装

前提条件

• Node.js (v14 或更高版本)
• npm 或 yarn
• Twitter/X API 凭据

服务器设置

1. 导航到服务器目录：

   cd server
   

2. 安装依赖项：

   npm install
   

3. 使用您的 Twitter API 凭据配置 .env 文件：

   TWITTER_API_KEY=your_api_key
   TWITTER_API_KEY_SECRET=your_api_secret
   TWITTER_ACCESS_TOKEN=your_access_token
   TWITTER_ACCESS_TOKEN_SECRET=your_access_token_secret
   

4. 启动服务器：

   node index.js
   

客户端设置

1. 导航到客户端目录：

   cd client
   

2. 安装依赖项：

   npm install
   

3. 使用您的 Gemini API 密钥配置 .env 文件：

   GEMINI_API_KEY=your_gemini_api_key
   

4. 启动客户端：

   node index.js
   

用法

1. 首先启动服务器，然后启动客户端
2. 当客户端连接时，您会看到一个输入提示
3. 键入您的问题或请求
4. AI 将直接响应或在需要时使用其中一个工具

示例互动：

• "25 加 17 是多少？" (使用 addTwoNumbers 工具)
• "发布一条推文，内容为“Hello from my MCP project!”" (使用 createPost 工具)

工作原理

1. 客户端通过 SSE (服务器发送事件) 连接到 MCP 服务器
2. 服务器使用 Zod 验证注册具有输入模式的可用工具
3. 用户查询被发送到 Google 的 Gemini AI 模型
4. 如果 AI 确定应该使用工具，它会进行函数调用
5. 函数调用通过 MCP 客户端路由到 MCP 服务器
6. 服务器执行请求的工具并返回结果
7. 结果呈现给用户并添加到聊天历史记录中

使用的技术

• @modelcontextprotocol/sdk - 用于 MCP 实现
• @google/genai - 用于 Gemini AI 集成
• Express - Web 服务器框架
• twitter-api-v2 - Twitter API 客户端
• zod - 模式验证