Gemini集成MCP服务器

集成Google Gemini的快速MCP服务器

一个使用FastAPI构建的全面模型上下文协议（MCP）服务器，该服务器与Google Gemini CLI集成，用于实现AI驱动的任务管理和数据处理。

🚀 功能

• 基于FastAPI的MCP服务器高性能异步服务器，运行在5000端口
• Google Gemini 集成与Gemini CLI无缝集成以获取AI响应
• 任务管理工具完成任务管理的全部CRUD操作
• 数据分析任务统计和CSV导出功能
• 全面日志记录基于JSON的操作日志记录，用于追踪和调试
• **命令行界面（CLI）**用于服务器交互的易用命令行工具
• **RESTful API（Representational State Transfer（表述性状态转移）应用程序编程接口）**完整的API文档，配备Swagger UI
• 生产就绪模块化、简洁且文档齐全的代码

📋 前提条件

• Python 3.8或更高版本
• Google Gemini CLI 已安装并配置完毕
• curl（用于命令行界面操作）
• Git（用于克隆仓库）

🛠️ 安装

1. 克隆仓库

git clone <repository-url>
cd FAST_MCP

2. 创建虚拟环境

python3 -m venv venv
source venv/bin/activate  # On Windows: venv\Scripts\activate

3. 安装依赖项

pip install -r requirements.txt

4. 安装Google Gemini命令行界面（CLI）

遵循官方的Gemini CLI安装指南：

• Gemini 命令行界面 (CLI) 文档

确保Gemini CLI已正确配置您的API密钥。

🚀 快速入门

启动服务器

./mcp_cli.sh start

服务器将在 http://localhost:5000

检查服务器状态

./mcp_cli.sh status

列出可用工具

./mcp_cli.sh list

使用MCP工具

# List all tasks
./mcp_cli.sh run list_tasks

# Create a new task
./mcp_cli.sh run create_task "Implement authentication" "Add JWT-based auth" "high"

# Update task status
./mcp_cli.sh run update_task_status 1 "in_progress"

# Search tasks
./mcp_cli.sh run search_tasks "authentication"

# Get task statistics
./mcp_cli.sh run get_task_statistics

# Export tasks to CSV
./mcp_cli.sh run export_tasks_to_csv

与Gemini互动

./mcp_cli.sh gemini "What are the best practices for API security?"

查看日志

./mcp_cli.sh logs

停止服务器

./mcp_cli.sh stop

📚 API 文档

服务器运行后，请访问：

• Swagger UIhttp://localhost:5000/docs 翻译为中文是：“本地主机上的5000端口文档页面”
• **ReDoc（注：ReDoc是一个用于生成API文档的开源工具，但在此上下文中，它可能仅作为一个专有名词或特定项目/系统的名称，因此直接翻译为“ReDoc”保持其原名）**http://localhost:5000/redoc 翻译为中文是：“本地主机：5000 端口上的 Redoc（文档浏览器）”。不过，通常我们不会直接翻译网址，而是说明其用途或指向的内容，比如：“访问本地运行的 Redoc 文档界面，网址为 http://localhost:5000/redoc”

🔧 可用的MCP工具

1. list_tasks

• 描述列出所有任务，并可选择性地应用状态过滤
• 参数：
  • status_filter （可选）：按状态过滤（待处理、进行中、已完成）
• 示例： ./mcp_cli.sh run list_tasks pending

2. create_task

• 描述创建一个新任务
• 参数：
  • title （必填）：任务标题
  • description （必填）：任务描述
  • priority （可选）：优先级（低、中、高）
  • assigned_to （可选）：分配任务的用户ID
• 示例： ./mcp_cli.sh run create_task "New Feature" "Implement user dashboard" "high" "dev1"

3. update_task_status

• 描述更新现有任务的状态
• 参数:
  • task_id （必填）：要更新的任务的ID
  • new_status （必填）：新状态（待处理、进行中、已完成）
• 示例： ./mcp_cli.sh run update_task_status 1 "completed"

4. get_task_statistics

• 描述获取全面的任务统计和分析
• 参数无
• 示例: ./mcp_cli.sh run get_task_statistics

5. search_tasks

• 描述按标题或描述搜索任务
• 参数：
  • query （必填）：搜索查询字符串
• 示例： ./mcp_cli.sh run search_tasks "authentication"

6. export_tasks_to_csv

• 描述将所有任务导出到CSV文件
• 参数无
• 示例: ./mcp_cli.sh run export_tasks_to_csv

🤖 Gemini 集成

该服务器与Google Gemini CLI集成，以提供基于人工智能的响应：

特点/特性

• 多轮对话在交互过程中保持上下文连贯性
• 错误处理优雅地处理CLI故障和超时
• 记录日志所有Gemini的交互都被记录下来以便追踪
• 超时保护30秒超时设置以防止请求挂起

使用示例

# Technical questions
./mcp_cli.sh gemini "How do I implement JWT authentication in FastAPI?"

# Code review
./mcp_cli.sh gemini "Review this Python function for best practices"

# Documentation help
./mcp_cli.sh gemini "Generate API documentation for a task management system"

📁 项目结构

FAST_MCP/
├── server.py              # Main FastAPI server
├── requirements.txt       # Python dependencies
├── mcp_cli.sh            # CLI interface script
├── sample_data.json      # Sample task data
├── README.md             # This file
├── venv/                 # Virtual environment (created during setup)
├── server.log            # Server logs (created when running)
├── mcp_logs.json         # MCP operation logs (created when running)
└── tasks_export_*.csv    # Exported CSV files (created when exporting)

🔍 日志记录和监控

操作日志

所有MCP工具调用和Gemini交互都被记录到 mcp_logs.json：

{
  "timestamp": "2024-01-17T10:30:00Z",
  "operation": "mcp_tool_call",
  "tool_name": "create_task",
  "success": true,
  "result": {...},
  "error": null
}

服务器日志

服务器日志被写入 server.log 并包括：

• 服务器启动/关闭事件
• 请求/响应详情
• 错误消息和堆栈跟踪
• 性能指标

健康监测

随时检查服务器健康状况：

./mcp_cli.sh health

🛡️ 错误处理

服务器包含全面的错误处理机制：

• 工具验证验证工具名称和参数
• 数据持久化优雅地处理文件I/O错误
• Gemini CLI 集成管理CLI故障和超时
• HTTP 错误适当的HTTP状态码和错误信息
• 记录日志所有错误都被记录下来以供调试

🔧 配置

服务器配置

• 端口5000（可配置于 server.py)
• 主持人0.0.0.0（所有接口）
• 数据文件: sample_data.json
• 日志文件: mcp_logs.json

Gemini CLI 配置

确保Gemini CLI已正确配置：

gemini config set api_key YOUR_API_KEY

🚀 部署

发展

./mcp_cli.sh start

生产

对于生产部署，请考虑：

• 使用像PM2或systemd这样的进程管理器
• 使用Nginx设置反向代理
• 实施适当的认证措施
• 添加速率限制
• 建立监控和警报系统

🧪 测试

手动测试

1. 启动服务器： ./mcp_cli.sh start
2. 测试每种工具： ./mcp_cli.sh run <tool_name>
3. 测试Gemini集成： ./mcp_cli.sh gemini "test prompt"
4. 检查日志： ./mcp_cli.sh logs
5. 验证健康状况： ./mcp_cli.sh health

API测试

请使用位于 http://localhost:5000/docs 的 Swagger UI 直接测试 API 端点。

📊 样本数据

该项目包括 sample_data.json 与；带着；用

• 5个示例任务 具有不同的状态和优先级
• 4个用户配置文件 包含角色和部门
• 2个项目定义 带有团队分配

🤝 贡献

1. 为仓库创建分支（或：克隆仓库）
2. 创建一个特性分支： git checkout -b feature-name
3. 进行你的更改
4. 彻底测试
5. 提交您的更改： git commit -m "Add feature"
6. 推送至分支： git push origin feature-name
7. 提交一个拉取请求

📝 许可证

此项目采用MIT许可证授权——详情请参见LICENSE文件。

🆘 故障排除

常见问题

1. 服务器无法启动

   • 检查端口5000是否可用
   • 验证虚拟环境是否已激活
   • 检查 server.log 以获取错误详情

2. 未找到Gemini CLI

   • 安装Gemini CLI： pip install google-generativeai
   • 配置API密钥： gemini config set api_key YOUR_KEY

3. 对 mcp_cli.sh 的访问被拒绝

   • 生成可执行文件： chmod +x mcp_cli.sh

4. 数据文件错误

   • 检查文件权限
   • 验证JSON格式 sample_data.json

寻求帮助

• 检查日志： ./mcp_cli.sh logs
• 查看服务器日志： tail -f server.log
• 测试服务器健康状况： ./mcp_cli.sh health
• 查看API文档：http://localhost:5000/docs

🎯 路线图

• [ ] 添加用户认证和授权
• [ ] 实现实时通知
• [ ] 添加更多MCP工具（文件处理、电子邮件等）
• [ ] 创建网页仪表板
• [ ] 添加单元测试和集成测试
• [ ] 实施缓存以提高性能
• [ ] 添加Docker支持
• [ ] 创建CI/CD流水线

📞 支持

如需支持或有疑问：

• 在仓库中创建一个问题
• 查看故障排除部分
• 查看API文档

使用 FastAPI 和 Google Gemini 构建，倾注爱意