使用说明
使用Gemini进行FastMCP文件搜索
此项目演示了一个使用 FastMCP（模型上下文协议） framework。服务器公开了一个工具，该工具在本地文件中搜索给定的关键字，并使用 API双子星 提供人工智能生成的调查结果摘要。
核心思想是展示如何连接 大型语言模型（LLMs） 像Gemini一样定制本地功能和数据。
特性
- 文件搜索工具： 服务器公开了一个工具(
search_files_for_keyword)扫描中的文件./searchable_files目录。 - 双子座总结： 搜索结果（匹配文本的片段）被传递给Gemini模型，该模型生成一个简洁、上下文感知的摘要。
- 客户端-服务器体系结构： A.
client.py使用FastMCP客户端调用所公开的远程工具server.py.
先决条件
- Python 3.8+
- A. Gemini API密钥 （从谷歌人工智能工作室购买一个）。
💻 设置
1.克隆存储库并导航到目录（概念步骤）
（假设您在本地具有此文件结构）
2.安装依赖项
你需要 fastmcp 和那个 google-genai 服务器的SDK，以及 python-dotenv.
pip install fastmcp google-genai python-dotenv
运行应用程序
您需要在两个单独的终端窗口中运行服务器和客户端。
1.启动服务器
在第一个终端中，运行FastMCP服务器：
python server.py
2.运行客户端
在第二个终端中，运行客户端：
python client.py
📁 文件结构
├── .gitignore -> contains .env file
├── client.py
├── searchable_files
├── file1.txt
└── names.txt
└── server.py
