AI导哈

AI客服机器人

基于Google Gemini AI的客户支持机器人，遵循MCP协议标准，提供高性能、多语言支持且完全免费的AI响应服务。

  • by ChiragPatankar
  • Python
  • 本地部署
  • 1 星标
  • 更新于
在 GitHub 查看 ChiragPatankar/Gemini-MCP-Server

使用说明

🤖 Gemini MCP服务器

强大的AI客户支持机器人 谷歌双子座 并遵循 模型上下文协议（MCP） 标准。

✨ 特性

  • 🤖 谷歌双子座AI -快速、免费、强大的人工智能响应
  • 🔄 MCP协议 -完整模型上下文协议实现
  • ⚡ 高性能 -异步/等待，并发批处理
  • 🛡️ 速率限制 -内置防滥用保护
  • 📊 数据库集成 -存储对话和分析
  • 🌍 多语言 -支持9+种语言
  • 🚀 生产就绪 -Docker、健康检查、监控
  • 💰 100%免费 -无API成本，慷慨的限制

🚀 快速开始

1.免费获取Gemini API密钥

  1. 访问 谷歌人工智能工作室
  2. 使用您的Google帐户登录
  3. 单击“创建API密钥”
  4. 复制API密钥

2.克隆和设置

git clone https://github.com/your-username/gemini-mcp-server.git
cd gemini-mcp-server

# Install dependencies
pip install -r requirements.txt

# Copy environment file
cp env.example .env

# Add your Gemini API key to .env
GEMINI_API_KEY=your_key_here

3.运行服务器

python app.py

服务器将在以下时间启动 http://localhost:8000

📡 API终点

健康检查

GET /mcp/health

处理单个查询

POST /mcp/process
{
  "query": "Hello, I need help with my account",
  "user_id": "123",
  "priority": "normal"
}

批处理

POST /mcp/batch
{
  "queries": ["Question 1", "Question 2"],
  "user_id": "123"
}

获取能力

GET /mcp/capabilities

🔧 配置

所有配置都是通过环境变量完成的 .env:

# Required
GEMINI_API_KEY=your_key_here

# Optional
DATABASE_URL=sqlite:///./mcp_server.db
RATE_LIMIT_REQUESTS=100
RATE_LIMIT_PERIOD=60
DEBUG=false

🚀 部署

铁路（免费）

  1. 推送到GitHub
  2. 连接到 铁路
  3. 添加 GEMINI_API_KEY 环境变量
  4. 自动部署

渲染（免费）

  1. 将GitHub仓库连接到 渲染
  2. 创建新的Web服务
  3. 添加 GEMINI_API_KEY 环境变量
  4. 部署

码头工人

docker build -t gemini-mcp-server .
docker run -p 8000:8000 -e GEMINI_API_KEY="your_key" gemini-mcp-server

📊 演出

  • 响应时间：~0.5-2秒
  • 吞吐量：100+个请求/分钟
  • 并发：无限制的并发批处理
  • 速率限制：可按客户端IP进行配置

🔒 安全

  • 每个IP地址的速率限制
  • 请求验证中间件
  • 环境变量配置
  • SQL注入保护
  • CORS配置

🌍 多语言支持

支持以下客户查询：

  • 英语（en）
  • 西班牙语（es）
  • 法语（fr）
  • 德语（de）
  • 意大利语（it）
  • 葡萄牙语（pt）
  • 日语（ja）
  • 韩语（ko）
  • 中文（zh）

📈 数据库模式

服务器包括以下型号：

  • ChatMessage -存储对话
  • User -用户管理
  • Tenant -多租户支持

🔗 前端集成

// React/TypeScript example
const response = await fetch('https://your-server.com/mcp/process', {
  method: 'POST',
  headers: {
    'Content-Type': 'application/json',
    'x-mcp-auth': 'your-auth-token'
  },
  body: JSON.stringify({
    query: userMessage,
    user_id: currentUser.id,
    priority: 'normal'
  })
});

const data = await response.json();
console.log(data.response); // AI response

💰 成本分析

功能 成本
谷歌双子座 免费
数据库 免费（SQLite）
托管 免费（铁路/渲染）
速率限制 15个请求/分钟，100万令牌/天
总计 0美元/月

🛠️ 发展

设置开发环境

# Clone repository
git clone https://github.com/your-username/gemini-mcp-server.git
cd gemini-mcp-server

# Create virtual environment
python -m venv venv
source venv/bin/activate  # On Windows: venv\Scripts\activate

# Install dependencies
pip install -r requirements.txt

# Copy environment file
cp env.example .env

# Run in development mode
python app.py

运行测试

# Install test dependencies
pip install pytest pytest-asyncio httpx

# Run tests
pytest

📋 全部

  • []添加身份验证系统
  • []实现WebSocket支持
  • []添加对话历史记录
  • []创建管理员仪表板
  • []添加指标和日志记录
  • []实现缓存层

🤝 贡献

  1. 分叉存储库
  2. 创建功能分支(git checkout -b feature/amazing-feature)
  3. 提交您的更改(git commit -m 'Add amazing feature')
  4. 推到分支(git push origin feature/amazing-feature)
  5. 打开拉取请求

📄 许可证

此项目根据MIT许可证获得许可-请参阅 许可证 文件以获取详细信息。

🙏 致谢

  • 谷歌免费提供Gemini AI
  • 优秀web框架的FastAPI
  • MCP协议标准社区

🌟 如果您觉得此存储库有用，请将其标记为星号！

🔗 现场演示 | 文档

相关 MCP