AI导哈

模型上下文协议服务器

一个基于Google Gemini 2.0模型和Brave Search API的模型上下文协议（MCP）服务器，用于构建AI驱动的应用程序。

  • by GuiBibeau
  • TypeScript
  • 本地部署
  • 25 星标
  • 更新于
在 GitHub 查看 guibibeau/mcp-gemini-tutorial

使用说明

MCP与Gemini教程

此存储库包含有关使用Google的Gemini 2.0模型构建模型上下文协议（MCP）服务器的教程的完整代码，如中所述 这篇博客文章.

什么是模型上下文协议（MCP）？

MCP是Anthropic开发的一个开放标准，它使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的方式，而不需要为每个工具或模型进行自定义集成。

主要好处包括：

  • 互操作性：任何MCP兼容型号都可以使用任何MCP兼容工具
  • 模块化：在不更改模型集成的情况下添加或更新工具
  • 标准化：一致的接口降低了集成的复杂性
  • 关注点分离：模型功能和工具功能之间的清晰划分

项目概述

本教程演示了如何：

  • 使用Brave Search集成构建完整的MCP服务器
  • 将其连接到谷歌的Gemini 2.0模型
  • 为AI驱动的应用程序创建灵活的架构

入门指南

先决条件

  • 包子 （用于快速执行TypeScript）
  • 勇敢搜索API密钥
  • Gemini访问的Google API密钥

安装

# Clone the repository
git clone https://github.com/GuiBibeau/mcp-gemini-tutorial.git
cd mcp-tutorial

# Install dependencies
bun install

环境设置

创建一个 .env 使用API密钥文件：

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

已实施的工具

此MCP服务器公开了两个主要工具：

  1. 网页搜索：通过Brave Search进行一般互联网搜索
  2. 本地搜索：通过Brave Search查找企业和地点

扩展项目

您可以通过以下方式添加自己的工具：

  1. 使用模式定义新工具
  2. 实现功能
  3. 在MCP服务器上注册

了解更多

许可证

麻省理工学院

此项目是使用创建的 bun init 在bun v1.1.37中。 包子 是一个快速的一体化JavaScript运行时。

相关 MCP