内容
# MCP Gemini 客户端
感谢并从 [medium.com/@fruitful2007/building-an-mcp-client-101-lets-build-one-for-a-gemini-chat-agent](https://medium.com/@fruitful2007/building-an-mcp-client-101-lets-build-one-for-a-gemini-chat-agent-37f9308a802b) 开始。
[pypi.org/project/gemini-tool-agent](https://pypi.org/project/gemini-tool-agent/)
一个(可能,lol)强大的 MCP(模型上下文协议)客户端,使用谷歌的 Gemini AI 模型进行智能工具使用和对话处理。
- 目前已在 Claude Desktop 上作为 MCP 服务器测试通过。
### 基于非编码人员未经测试的 AI 生成代码,请自担风险。
## 功能
- **多 Gemini 模型**:支持各种 Gemini 模型(2.0-flash,2.5-pro,1.5-pro 等)
- **灵活的包支持**:与 gemini-tool-agent、google-generativeai 或 google-genai 包配合使用
- **运行时模型切换**:在对话过程中更改模型
- **服务器配置管理**:存储和管理 MCP 服务器配置
- **智能工具使用**:AI 驱动的工具发现和执行
- **异步/等待支持**:高效的并发操作
- **全面错误处理**:强大的错误恢复和日志记录
- **类型提示**:现代 Python 实践,具有完整类型安全


使用代理目录中的“adk web”- 修改 agent.py 路径为你自己的,以便简单使用 Gemini mcp。
完整的 MCP 代理-README.md


[谷歌代理框架报告文本](https://github.com/angrysky56/deep-research-reports/blob/main/Google%20Agent%20Development%20Documentation%20Full.txt)
## 安装
📋 简单安装说明
以下是正确的设置方法,可能需要安装此项:
- cd /gemini-mcp-client && uv add google-generativeai
不会抛出错误,聊天效果很好,但不确定是否适用于 Gemini MCP 使用。
只需编辑路径并在 Claude Desktop 上使用此配置:
```json
{
"mcpServers": {
"gemini-ai": {
"command": "uv",
"args": [
"--directory",
"/home/ty/Repositories/ai_workspace/gemini-mcp-client",
"run",
"python",
"servers/gemini_mcp_server.py"
],
"env": {
"GEMINI_API_KEY": "your_gemini_api_key_here"
}
},
"echo-server": {
"command": "uv",
"args": [
"--directory",
"/home/ty/Repositories/ai_workspace/gemini-mcp-client",
"run",
"python",
"examples/echo_server.py"
]
}
}
}
```

## 在 Claude 外部安装
如果有人想尝试并可能为 Gemini 开发独立的 UI 与 MCP 工具!:
- 可能产生幻觉
该项目使用 `uv` 进行依赖管理。确保已安装 `uv`。
### 设置环境
```bash
# 创建并激活虚拟环境
uv venv --python 3.12 --seed
source .venv/bin/activate
```bash
# 安装基本依赖项- 这似乎是错误的。
# uv add .
# 可能
/gemini-mcp-client
uv sync
uv add mcp
# 安装 Gemini 包(选择一个或多个):
uv add gemini-tool-agent
# 或
uv add google-generativeai
# 或
uv add google-genai
# 或安装所有选项
uv add all-gemini
```
### 开发设置
```bash
# 使用开发依赖项安装
uv add --dev ".[dev]"
# 安装 pre-commit 钩子
uv run pre-commit install
```
## 配置
在项目根目录下创建 `.env` 文件:
```env
GEMINI_API_KEY=your_gemini_api_key_here
LOG_LEVEL=INFO
```
## 使用
### 模型选择
客户端支持多个 Gemini 模型- 不确定是否可以添加更多:
- `gemini-2.0-flash` - 快速、有效的模型(默认)
- `gemini-2.5-pro-preview-03-25` - 用于复杂任务的高级模型
- `gemini-2.5-flash-preview-04-17` - 平衡速度和能力
- `gemini-1.5-pro` - 稳定、可靠的模型
- `gemini-1.5-flash` - 快速、轻量级模型
- `gemini-1.5-flash-8b` - 超轻量级模型
### 命令行使用
```bash
# 使用默认模型启动聊天
mcp-gemini-client chat path/to/server.py
# 使用特定模型启动聊天
mcp-gemini-client chat server.py --model gemini-2.5-pro-preview-03-25
# 获取服务器信息
mcp-gemini-client info server.py
# 列出可用模型
mcp-gemini-client models
# 设置日志级别
mcp-gemini-client chat server.py --log-level DEBUG
```
### 服务器管理
```bash
# 列出已配置的服务器
mcp-gemini-client servers list
# 交互式添加新服务器
mcp-gemini-client servers add
# 按名称连接已配置的服务器
mcp-gemini-client chat echo-server
# 启用/禁用服务器
mcp-gemini-client servers enable my-server
mcp-gemini-client servers disable my-server
# 导出到 Claude Desktop
mcp-gemini-client servers export claude_config.json
# 从 Claude Desktop 配置文件导入
mcp-gemini-client servers import existing_config.json
```
### 配置管理
```bash
# 显示当前配置
mcp-gemini-client config show
# 设置默认模型
mcp-gemini-client config set default_model gemini-2.5-pro-preview-03-25
# 设置其他设置
mcp-gemini-client config set log_level DEBUG
mcp-gemini-client config set connection_timeout 60.0
```
### 程序化使用
```python
import asyncio
from mcp_gemini_client import MCPClient
async def main():
# 初始化特定模型
client = MCPClient(model="gemini-2.5-pro-preview-03-25")
try:
# 连接到服务器
await client.connect_to_server("examples/echo_server.py")
# 获取服务器信息
info = await client.get_server_info()
print(f"当前模型:{info['model']}")
print(f"可用工具:{[tool['name'] for tool in info['tools']]}")
# 在运行时更改模型
client.set_model("gemini-2.0-flash")
# 交互式对话
response = await client.get_response("有哪些工具可用?")
print(response)
# 直接工具使用
result = await client.call_tool_directly("echo", {"message": "Hello!"})
print(result)
# 启动聊天循环
await client.chat_loop()
finally:
await client.close()
asyncio.run(main())
```
### 运行时模型切换
在交互式聊天会话期间,可以更改模型:
```
💬 你:模型 gemini-2.5-pro-preview-03-25
✅ 模型更改为:gemini-2.5-pro-preview-03-25
💬 你:当前模型是什么?
🤖 助手:我当前使用的是 gemini-2.5-pro-preview-03-25...
```
## 服务器配置
### 配置文件
- `config/servers.json` - MCP 服务器配置
- `config/client.json` - 客户端设置(模型、超时等)
### 服务器配置示例
```json
{
"my-database": {
"name": "my-database",
"description": "项目 SQLite 数据库",
"server_type": "python",
"command": "uv",
"args": ["run", "mcp-server-sqlite", "--db-path", "data/project.db"],
"env": {
"DB_READONLY": "false"
},
"enabled": true,
"tags": ["database", "sqlite"]
}
}
```
### Claude Desktop 集成
直接导出配置以适用于 Claude Desktop:
```bash
mcp-gemini-client servers export
```
这会创建一个 `claude_desktop_config.json` 文件:
```json
{
"mcpServers": {
"my-database": {
"command": "uv",
"args": ["run", "mcp-server-sqlite", "--db-path", "data/project.db"],
"env": {
"DB_READONLY": "false"
}
}
}
}
```
## 快速入门
```bash
# 安装和设置
uv add . --optional-dependencies google-generativeai
cp .env.example .env
# 编辑 .env 并添加你的 GEMINI_API_KEY
# 列出可用模型
mcp-gemini-client models
# 使用 echo 服务器测试
mcp-gemini-client chat examples/echo_server.py
# 添加服务器配置
mcp-gemini-client servers add
# 使用已配置的服务器
mcp-gemini-client chat my-server
# 导出到 Claude Desktop
mcp-gemini-client servers export
```
## 示例
### 与 Echo 服务器聊天
```bash
mcp-gemini-client chat examples/echo_server.py
```
### 模型选择示例
```bash
# 列出可用模型
mcp-gemini-client models
# 使用特定模型
mcp-gemini-client chat server.py --model gemini-2.5-pro-preview-03-25
```
### 服务器配置示例
```python
from mcp_gemini_client.config import get_config_manager, ServerConfig, ServerType
config_manager = get_config_manager()
# 添加数据库服务器
db_server = ServerConfig(
name="project-db",
description="项目数据库服务器",
server_type=ServerType.PYTHON,
command="uv",
args=["run", "mcp-server-sqlite", "--db-path", "data/project.db"],
env={"DB_READONLY": "false"},
tags=["database", "project"]
)
config_manager.add_server(db_server)
# 导出到 Claude Desktop
config_manager.export_claude_desktop_config("claude_config.json")
```
## 架构
客户端由以下关键组件构建:
- **MCPClient**:处理服务器连接和对话的主要客户端类
- **GeminiAgent**:不同 Gemini 包实现的包装器
- **ConfigManager**:服务器和客户端配置管理
- **Async Context Management**:适当的资源清理和连接处理
- **Model Management**:运行时模型选择和切换
- **Error Handling**:全面的错误恢复和日志记录
- **Type Safety**:具有更好开发体验的完整类型提示
## 开发
### 代码质量
```bash
# 格式化代码
uv run ruff format .
# 检查代码
uv run ruff check .
# 类型检查
uv run pyright
# 运行测试
uv run pytest
```
### 测试
```bash
# 运行所有测试
uv run pytest
# 运行覆盖测试
uv run pytest --cov=mcp_gemini_client
# 运行特定测试
uv run pytest tests/test_client.py::test_model_selection
```
## 文档
- **使用指南**:`prompts/usage_guide.md`
- **服务器配置**:`prompts/server_configuration_guide.md`
- **故障排除**:`prompts/troubleshooting.md`
- **最佳实践**:`prompts/best_practices.md`
## 贡献
1. 遵循代码库中的开发指南
2. 确保所有测试通过
3. 为所有新代码添加类型提示
4. 为公共 API 编写文档字符串
5. 保持函数专注和小型
6. 使用多个 Gemini 包进行测试
## 许可证
MIT 许可证 - 有关详细信息,请参见 LICENSE 文件。
连接信息
猜你喜欢
暂无推荐服务器