Gemini搜索工具集成

通过Model Context Protocol (MCP)为Gemini集成Tavily搜索工具,使其能够根据需要执行搜索任务并生成响应。

  • by akhileshvj
  • Python
  • 本地部署
  • 更新于
在 GitHub 查看 akhileshvj/NewsBotMCP

使用说明

这段代码是如何工作的?(工作流程)

您的代码使用 模型上下文协议(MCP) 给双子座一只它可以使用的“手”(Tavily搜索工具) 如果它愿意.

以下是您的应用程序的分步流程:

1.服务器启动(stdio_client)

当函数运行时,Python脚本会在后台秘密启动第二个较小的程序(mcp_server_tavily).这个小程序知道如何与Tavilly Search API对话。

2.工具绑定(bind_tools)

你告诉双子座: 以下是您可以使用的工具列表。具体来说,是由后台运行的小程序提供的搜索工具

3.决定(关键时刻)

当你发送信息时,双子座会做出选择:

  • 场景A(新闻): 你问, “昨晚谁赢了比赛?”

    • 双子座认为: “我不知道未来。我需要工具。”
    • 它暂停并发送 tool_call 请求返回您的代码。
  • 场景B(皮肤/一般): 你问, “什么是皮疹?”

    • 双子座认为: “我知道。不需要工具。”
    • 它会立即生成文本。

4.循环(if ai_msg.tool_calls)

如果Gemini请求了一个工具,你的代码会捕获该请求:

  1. 它通过MCP客户端执行搜索。
  2. 它接收搜索结果并将其反馈给Gemini。
  3. Gemini读取结果并生成最终答案。