使用说明

顶点AI MCP服务器

该项目实现了一个模型上下文协议（MCP）服务器，该服务器提供了一套全面的工具，用于与Google Cloud的Vertex AI Gemini模型进行交互，重点是编码辅助和一般查询应答。

特性

通过多种MCP工具提供对Vertex AI Gemini模型的访问。
支持网络搜索基础(answer_query_websearch)直接知识回答(answer_query_direct).
通过环境变量配置模型ID、温度、流行为、最大输出令牌和重试设置。
默认情况下使用流式API以获得更好的响应能力。
包括暂时API错误的基本重试逻辑。
应用了最低限度的安全过滤器(BLOCK_NONE)以减少潜在的堵塞（谨慎使用）。

提供的工具

查询与生成（以人工智能为中心）

answer_query_websearch：使用配置的Vertex AI模型回答自然语言查询，并使用谷歌搜索结果进行增强。
answer_query_direct：仅使用配置的Vertex AI模型的内部知识来回答自然语言查询。
explain_topic_with_docs：通过综合主要来自通过网络搜索找到的官方文档的信息，为有关特定软件主题的查询提供详细解释。
get_doc_snippets：通过搜索官方文档，为技术查询提供精确、权威的代码片段或简洁的答案。
generate_project_guidelines：使用网络搜索最佳实践，根据指定的技术列表（可选版本）生成结构化的项目指南文档（Markdown）。

研究和分析工具

code_analysis_with_docs：通过将代码片段与官方文档中的最佳实践进行比较来分析代码片段，识别潜在的错误、性能问题和安全漏洞。
technical_comparison：根据特定标准比较多种技术、框架或库，提供包含优缺点和用例的详细比较表。
architecture_pattern_recommendation：根据行业最佳实践，结合实施示例和考虑因素，为特定用例提出架构模式。
dependency_vulnerability_scan：分析已知安全漏洞的项目依赖关系，提供详细信息和缓解策略。
database_schema_analyzer：审查数据库模式的规范化、索引和性能问题，并根据数据库特定的最佳实践提出改进建议。
security_best_practices_advisor：为特定技术或场景提供安全建议，并提供实现安全实践的代码示例。
testing_strategy_generator：为应用程序或功能创建全面的测试策略，建议具有覆盖目标的适当测试类型。
regulatory_compliance_advisor：为特定行业（GDPR、HIPAA等）的监管要求提供指导，并提供合规实施方法。
microservice_design_assistant：帮助为特定领域设计微服务架构，提供服务边界建议和通信模式。
documentation_generator：按照技术文档的行业最佳实践，为代码、API或系统创建全面的文档。

文件系统操作

read_file_content：读取一个或多个文件的完整内容。提供单个路径字符串或路径字符串数组。
write_file_content：创建新文件或完全覆盖现有文件。“writes”参数接受单个对象({path, content})或一系列这样的对象。
edit_file_content：对文本文件进行基于行的编辑，返回差异预览或应用更改。
list_directory_contents：直接列出指定路径中的文件和目录（非递归）。
get_directory_tree：获取JSON格式的文件和目录的递归树视图。
move_file_or_directory：移动或重命名文件和目录。
search_filesystem：递归搜索与名称模式匹配的文件/目录，可选排除。
get_filesystem_info：检索有关文件或目录的详细元数据（大小、日期、类型、权限）。
execute_terminal_command：执行shell命令，可选地指定 cwd 和 timeout.返回stdout/stderr。

AI+文件系统组合操作

save_generate_project_guidelines：基于技术栈生成项目指南，并将结果保存到指定的文件路径。
save_doc_snippet：从文档中查找代码段并将结果保存到指定的文件路径。
save_topic_explanation：根据文档生成主题的详细说明，并将结果保存到指定的文件路径。
save_answer_query_direct：仅使用内部知识回答查询，并将答案保存到指定的文件路径。
save_answer_query_websearch：使用web搜索结果回答查询，并将答案保存到指定的文件路径。

（注：每个工具的输入/输出模式在其各自的文件中定义 src/tools/ 并通过MCP服务器暴露。)

先决条件

Node.js（v18+）
Bun(npm install -g bun)
启用计费的谷歌云项目。
Vertex AI API在GCP项目中启用。
在您的环境中配置Google Cloud身份验证（应用程序默认凭据通过 gcloud auth application-default login 推荐使用或服务帐户密钥）。

设置和安装

克隆/放置项目： 确保项目文件位于您所需的位置。
安装依赖关系：
```
bun install
```
配置环境：
- 创建一个 .env 项目根目录中的文件（复制 .env.example).
- 按照中所述设置必需和可选的环境变量 .env.example.
  - 集 AI_PROVIDER 要么 "vertex" 或 "gemini".
  - 如果 AI_PROVIDER="vertex", GOOGLE_CLOUD_PROJECT 是必需的。
  - 如果 AI_PROVIDER="gemini", GEMINI_API_KEY 是必需的。
构建服务器：
```
bun run build
```
这将TypeScript代码编译为 build/index.js.

用法（独立/NPX）

发布到npm后，您可以直接使用以下命令运行此服务器 npx:

# Ensure required environment variables are set (e.g., GOOGLE_CLOUD_PROJECT)
bunx vertex-ai-mcp-server

或者，全局安装：

bun install -g vertex-ai-mcp-server
# Then run:
vertex-ai-mcp-server

注：独立运行需要设置必要的环境变量（如 GOOGLE_CLOUD_PROJECT, GOOGLE_CLOUD_LOCATION，如果不使用ADC，请在执行命令之前在shell环境中提供身份验证凭据。

通过Smithery安装

通过以下方式自动安装克劳德桌面的Vertex AI服务器史密瑟里:

bunx -y @smithery/cli install @shariqriazz/vertex-ai-mcp-server --client claude

与Cline一起跑步

配置MCP设置： 在Cline MCP设置文件中添加/更新配置（例如。， .roo/mcp.json).配置命令有两种主要方法：

选项A：使用节点（直接路径-建议用于开发）

此方法使用 node 直接运行编译后的脚本。在开发过程中，当您在本地克隆代码时，这很有用。

{
  "mcpServers": {
    "vertex-ai-mcp-server": {
      "command": "node",
      "args": [
        "/full/path/to/your/vertex-ai-mcp-server/build/index.js" // Use absolute path or ensure it's relative to where Cline runs node
      ],
      "env": {
        // --- General AI Configuration ---
        "AI_PROVIDER": "vertex", // "vertex" or "gemini"
        // --- Required (Conditional) ---
        "GOOGLE_CLOUD_PROJECT": "YOUR_GCP_PROJECT_ID", // Required if AI_PROVIDER="vertex"
        // "GEMINI_API_KEY": "YOUR_GEMINI_API_KEY", // Required if AI_PROVIDER="gemini"
        // --- Optional Model Selection ---
        "VERTEX_MODEL_ID": "gemini-2.5-pro-exp-03-25", // If AI_PROVIDER="vertex" (Example override)
        "GEMINI_MODEL_ID": "gemini-2.5-pro-exp-03-25", // If AI_PROVIDER="gemini"
        // --- Optional AI Parameters ---
        "GOOGLE_CLOUD_LOCATION": "us-central1", // Specific to Vertex AI
        "AI_TEMPERATURE": "0.0",
        "AI_USE_STREAMING": "true",
        "AI_MAX_OUTPUT_TOKENS": "65536", // Default from .env.example
        "AI_MAX_RETRIES": "3",
        "AI_RETRY_DELAY_MS": "1000",
        // --- Optional Vertex Authentication ---
        // "GOOGLE_APPLICATION_CREDENTIALS": "/path/to/your/service-account-key.json" // If using Service Account Key for Vertex
      },
      "disabled": false,
      "alwaysAllow": [
         // Add tool names here if you don't want confirmation prompts
         // e.g., "answer_query_websearch"
      ],
      "timeout": 3600 // Optional: Timeout in seconds
    }
    // Add other servers here...
  }
}

重要提示： 确保 args 路径正确指向 build/index.js 文件。使用绝对路径可能更可靠。

选项B：使用NPX（需要将包发布到npm）

此方法使用 npx 从npm注册表自动下载并运行服务器包。如果您不想克隆存储库，这很方便。

{
  "mcpServers": {
    "vertex-ai-mcp-server": {
      "command": "bunx", // Use bunx
      "args": [
        "-y", // Auto-confirm installation
        "vertex-ai-mcp-server" // The npm package name
      ],
      "env": {
        // --- General AI Configuration ---
        "AI_PROVIDER": "vertex", // "vertex" or "gemini"
        // --- Required (Conditional) ---
        "GOOGLE_CLOUD_PROJECT": "YOUR_GCP_PROJECT_ID", // Required if AI_PROVIDER="vertex"
        // "GEMINI_API_KEY": "YOUR_GEMINI_API_KEY", // Required if AI_PROVIDER="gemini"
        // --- Optional Model Selection ---
        "VERTEX_MODEL_ID": "gemini-2.5-pro-exp-03-25", // If AI_PROVIDER="vertex" (Example override)
        "GEMINI_MODEL_ID": "gemini-2.5-pro-exp-03-25", // If AI_PROVIDER="gemini"
        // --- Optional AI Parameters ---
        "GOOGLE_CLOUD_LOCATION": "us-central1", // Specific to Vertex AI
        "AI_TEMPERATURE": "0.0",
        "AI_USE_STREAMING": "true",
        "AI_MAX_OUTPUT_TOKENS": "65536", // Default from .env.example
        "AI_MAX_RETRIES": "3",
        "AI_RETRY_DELAY_MS": "1000",
        // --- Optional Vertex Authentication ---
        // "GOOGLE_APPLICATION_CREDENTIALS": "/path/to/your/service-account-key.json" // If using Service Account Key for Vertex
      },
      "disabled": false,
      "alwaysAllow": [
         // Add tool names here if you don't want confirmation prompts
         // e.g., "answer_query_websearch"
      ],
      "timeout": 3600 // Optional: Timeout in seconds
    }
    // Add other servers here...
  }
}

确保环境变量 env 块设置正确，要么匹配 .env 或者在这里明确定义。从实际JSON文件中删除注释。

重新启动/重新加载Cline： Cline应检测到配置更改并启动服务器。
使用工具： 现在，您可以通过Cline使用广泛的工具列表。

发展

观看模式： bun run watch
Linting： bun run lint
格式： bun run format

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。

使用说明

顶点AI MCP服务器

特性

提供的工具

查询与生成（以人工智能为中心）

研究和分析工具

文件系统操作

AI+文件系统组合操作

先决条件

设置和安装

用法（独立/NPX）

通过Smithery安装

与Cline一起跑步

发展

许可证

相关 MCP

MATLAB代码执行与生成服务

AL依赖关系分析服务

LLM代码生成服务

Dart MCP 服务器

图标搜索工具

游戏脚本与存储管理工具集