使用说明

多聊天MCP服务器（包含Google Chat）

🔥 UNIQUE FEATURE: Run multiple chat providers simultaneously with a single AI assistant!
Your AI can interact with Google Chat, Slack, Teams, and more—all at once.
Ask once: "Share this update with both Slack and Google Chat teams"
➡️ Learn more about multi-provider capabilities

Multi-Chat MCP Server is an open-source Python framework to build AI-powered chat integrations. Ships with full Google Chat support.

Keywords: Google Chat MCP • MCP Server Implementation • AI Chat Integration • Google Workspace Automation • Team Collaboration AI

🎯 什么是Google Chat MCP服务器？

Google Chat MCP 服务器 是一个开源的、可投入生产的（系统/软件） 模型控制协议（MCP）服务器 设计用于 Google Chat与AI助手的集成. 构建为可扩展的 多供应商架构该项目为人工智能助手与团队聊天平台的集成提供了坚实的基础。

为企业组织安全与隐私而设计

重要安全提示： 这个工具是 仅供本地、组织内部使用我们强烈建议与……一起使用此产品 组织提供的本地大型语言模型（LLM）实例或您本地安装的LLM代理模型 相较于基于云的大型语言模型（LLM），我们能为您提供对团队聊天数据和通信的完全控制权。

为何选择本地/私有部署：

数据隐私在组织内部保持敏感的团队对话私密性
安全合规满足企业安全与合规要求
完全控制全面监控数据流和访问情况
自定义策略实施组织特定的安全措施

虽然任何人都可以根据自己的特定用例调整此工具，但其设计时将企业安全作为首要考虑因素。

当前实施状态

✅ Google Chat 服务提供商 - 生产就绪 提供全面的API覆盖
🔄 旋转（或循环）符号 Slack 提供商/集成商 - 计划中（欢迎贡献）
📝 Microsoft Teams 提供商 - 计划中（欢迎贡献）

关键能力所有提供商均可通过统一界面同时运行，使您的AI助手能够同时在多个聊天平台上无缝协作。了解更多关于这个强大的功能。

🧭 这个项目背后的故事

我们甚至看到了针对Google Chat的开源MCP服务器——但对于Microsoft Teams或Slack，无论是官方版本还是开源版本，都还不确定。然而，即使那些确实存在的服务器，在实际应用中的适用性也有所欠缺。它们提供的功能有限，无法处理像这个项目所展示的那样需要全面上下文的工作流程。

这个 多供应商MCP框架 它诞生于开发团队在尝试将AI助手融入日常工作中所遇到的真实挫败感。

原始问题

想象一下这个场景：你正在调试一个复杂的问题，你的AI助手给出了一个解决方案，但你需要检查你的团队成员是否遇到过类似的情况。于是你切换到Google Chat，浏览数百条消息，复制粘贴错误日志，等待回复，然后再手动将解决方案反馈给你的AI助手。

这种频繁的上下文切换破坏了高效的人工智能辅助开发流程。

《The Breaking Point》（中文译名可能为《崩溃边缘》或根据具体语境调整）

在一次关键的生产事件中，一名开发人员花费了30分钟手动在Claude（通过Cursor）和团队的Google Chat空间之间来回传递信息。AI具备提供技术支持的知识，而团队则拥有相关的上下文经验。但这两个知识来源之间并没有桥梁相连。

那时我们才意识到：

人工智能助手需要成为团队协作的参与者，而非孤立的工具。

我们的解决方案：

无缝集成AI助手成为团队聊天中的积极参与者
情境感知AI可以搜索团队历史，查找类似的问题及解决方案
协作解决问题AI可以与团队分享问题并实施他们的建议
**知识桥梁（或知识衔接）**将AI技术知识与团队实践经验相结合

🎯 为开发者扩展性而构建

🏗️ 模块化提供者架构

每个聊天平台都被实现为一个独立的模块：

src/providers/
├── google_chat/     # ✅ Complete implementation
├── slack/           # 📋 Framework ready for implementation  
└── teams/           # 📋 Framework ready for implementation

👥 这是给谁用的？

这个项目旨在 两个主要受众群体：

🛠️ 1. 组织内部的开发人员

如果你是一名在团队中工作的开发者，该团队使用 **Google Chat（谷歌聊天）**并且您希望整合您的 AI 集成开发环境（如 Cursor、CodeWhisperer 或 Copilot Chat） 通过团队对话——这款MCP客户端将为您节省数小时时间。无需再手动复制日志、查找上下文或等待别人看到你的问题。您的AI代理现在可以直接：

在你的聊天记录中搜索以往的相关讨论
自动分享代码片段或错误日志
接收反馈并将其转化为可执行的解决方案
总结正在进行的团队活动
从共享空间获取缺失的配置/脚本

💡 2. 开源贡献者与人工智能平台构建者

如果你正在开发基于人工智能的工具、集成开发环境（IDE）插件或内部助手，这是你开始的起点 多供应商MCP（管理控制平面）架构. 你可以将这个项目进行分支以：

扩展对（某事物/某功能）的支持 Slack（可译为“斯拉克”，但通常直接使用原名，因其已成为专有名词）， Microsoft Teams（微软团队），或 自定义消息平台
在MCP之上构建您自己的自定义AI工作流

🧩 Google Chat MCP 服务器——实际应用展示

这些逐步操作演示展示了如何通过MCP服务器驱动，使一个人工智能助手从被动工具进化为主动的合作者——调试问题、协调团队、同步脚本，并主动为开发人员扫清障碍。

🛠️ 工具设置与初始化

Scene 1: Tool Registration with Google Chat

场景设定： 将MCP客户端连接到Google Chat。

正在发生什么： 该AI助手被授予访问所有Google Chat工具的权限（例如，发送、搜索、总结、附加、回复）。

为何重要： 现在助手可以行动在Google Chat内部，不仅仅是观察。

🧯 调试与解决（Docker 示例）

Scene 2: Broadcasting an Error to the Team

正在发生什么： 一名开发者在聊天中请求AI分享Docker错误日志，以便团队实时提供帮助。

Scene 3: Team Responds with a Fix

下一步： 一位队友回复了一个修复后的 Dockerfile（COPY requirements.txt .）。

Scene 4: Agent Applies the Fix

自动化时刻： 人工智能助手根据建议编辑Dockerfile——无需手动操作。

Scene 5: Verifying the Fix

总结： 它验证了这一变化，并确认了 requirements.txt 存在——并且应解决该错误。

📦 依赖项与脚本同步

Scene 6: Sharing `requirements.txt`

场景： 我已经要求我的团队请求分享一份工作（方案/计划/资料等，具体根据上下文确定） requirements.txt.

回答： 我的一位队友分享了他们的工作 requirements.txt。

Scene 7: Syncing Local Copy

开发者视角： 人工智能审查了这条线程，并根据我的指示，更新了我的本地（信息/设置） requirements.txt 与之前分享的那个（相比）

Scene 8: Requesting AWS Setup Script

场景： 你要求你的团队共享 aws-setup.sh 脚本。

Scene 9: Script Consistency Check

开发者视角： 人工智能审查了整个对话线程，并根据我的指示，将团队的脚本与您的本地版本进行了比较——以确保您与团队保持同步。

👀 团队协作与进度跟进

Scene 10: Summarizing Team Activity

背景： 你走了挺久，最近怎么样？

AI回复： 助手总结了您所在空间中的关键活动：问题、拉取请求（PRs）、共享文件、阻碍事项。

Scene 11: Catching Up on Mentions

没收到ping消息吗？ 该人工智能会扫描所有提及内容，并列出你被标记的对话。

🔍 利用AI从团队聊天上下文中解决问题

Scene 12: AI Scanning Team Chat for Problems

场景设定： 一名开发人员明确请求人工智能助手帮助解决团队在聊天空间中提到的悬而未决的问题。

正在发生什么： 人工智能扫描最近的聊天记录，识别出与项目相关的技术问题、缺失的文件以及潜在的阻碍因素，并准备提供协助。

开发者视角： 该代理不仅仅是被动响应——它能够理解团队背景，并在被提示时搜索未解决的问题。

Scene 13: AI Finds the Missing File Path

示例用例： 一位队友提到他们找不到 ReviewForm.js。

AI回复： 代理搜索本地仓库，找到正确的路径，并直接在聊天线程中回复。

为何这很重要： 人工智能助手无需等待他人回复，而是能实时为团队成员提供准确且符合上下文的回答，解除阻塞——从而加快入职流程，使协作更加顺畅。

🚀 快速入门：Google Chat MCP 服务器设置

先决条件

Python 3.9及以上版本
UV 包管理器 （推荐）
Google云项目 已启用Google Chat API
MCP 客户端 （Claude Desktop、Cursor 或其他兼容 MCP 的人工智能助手）

步骤1：安装

# Clone the repository
git clone https://github.com/siva010928/multi-chat-mcp-server.git
cd multi-chat-mcp-server

# Install dependencies
uv venv .venv
source .venv/bin/activate  # Windows: .venv\Scripts\activate
uv pip install -r requirements.txt

步骤2：设置Google Chat身份验证

# Set up Google Chat API credentials
# 1. Create Google Cloud project
# 2. Enable Google Chat API
# 3. In the Google Chat API dashboard, open the **Configuration** tab and complete the application setup (app name, logo, etc.). *The API will refuse requests until this step is finished.*
# 4. Download credentials.json to src/providers/google_chat/

# Run authentication
python -m src.server --provider google_chat -local-auth

步骤3：连接到您的AI助手

对于 Cursor + Claude 集成，参见我们的详细（内容/说明） Google Chat MCP 光标集成指南。

对于其他MCP客户端，请添加以下配置：

{
  "mcpServers": {
    "google_chat_mcp": {
      "command": "uv",
      "args": [
        "--directory", "/path/to/multi-chat-mcp-server",
        "run", "-m", "src.server",
        "--provider", "google_chat"
      ]
    }
  }
}

📖 详细的设置文档

如需包括Google Cloud配置、OAuth设置以及故障排除在内的全面设置指南，请参阅我们的 完整的Google Chat MCP设置指南 - 这份详细的实施指南涵盖了：

谷歌云项目设置和API启用
OAuth 2.0 配置与安全最佳实践
分步验证流程
常见的设置问题及其解决方案

支持的Google聊天工具（将持续扩展）

使用以下工具与 Google Chat 互动。每个工具都包含其源文件和参数。

🧭 空间管理

get_chat_spaces_tool – 列出空间
manage_space_members_tool – 添加/移除成员
get_conversation_participants_tool – 获取太空参与者
summarize_conversation_tool – 总结对话内容

💬 信息传递

send_message_tool – 发送消息
reply_to_message_thread_tool – 在帖子中回复
update_chat_message_tool – 更新消息
delete_chat_message_tool – 删除消息

😀 互动

add_emoji_reaction_tool – 对消息作出反应
get_chat_message_tool – 获取消息详情

🔍 搜索与筛选

search_messages_tool – 搜索消息
get_my_mentions_tool – 查找提及

👤 用户信息

get_my_user_info_tool – 你的个人资料
get_user_info_by_id_tool – 按用户ID搜索用户
get_message_with_sender_info_tool – 含发件人信息的消息
list_messages_with_sender_info_tool – 列出包含发送者信息的消息

📎 文件处理

upload_attachment_tool – 上传附件
send_file_message_tool – 发送文件内容
send_file_content_tool – 发送格式化后的文件内容

📦 批量操作

batch_send_messages_tool – 发送多条消息

📁 文件夹 位于以下路径的源文件 src/providers/google_chat/tools/

同时运行多个聊天服务提供商

Multi Chat MCP服务器的一个关键优势在于其能够运行 同时使用多个聊天服务提供商每个提供商都在其自己的服务器实例中运行，使您的AI助手能够同时与多个平台进行交互。

例如，您可以同时配置Google Chat和Slack MCP服务器以并行运行：

{
  "mcpServers": {
    "google_chat": {
      "command": "uv",
      "args": [
        "--directory", "/path/to/multi-chat-mcp-server",
        "run", "-m", "src.server",
        "--provider", "google_chat"
      ]
    },
    "slack": {
      "command": "uv",
      "args": [
        "--directory", "/path/to/multi-chat-mcp-server",
        "run", "-m", "src.server",
        "--provider", "slack"
      ]
    }
  }
}

采用这种设置，您的AI助手可以：

同时访问所有已配置提供者的工具
使用单个命令执行跨平台操作
通过命名提供者执行特定于平台的操作

现实世界中的多平台场景

场景	给AI的示例指令	发生的情况
事件响应 “将此错误日志同时分享到我们的Slack #on-call频道和Google Chat #tech-huddle团队”	AI同时在两个平台上发布错误信息，并为每个平台采用适当的格式
知识巩固 “查找过去一周内在Slack #LLMSpace频道和Google Chat #LLMTools频道中关于身份验证问题的所有讨论”	AI搜索两个平台，并提供所有相关对话的统一总结
跨团队协作 “让Slack上的前端团队和Google Chat上的后端团队知道我们发布日期将推迟两天”	AI在每个团队偏好的平台上为他们撰写合适的消息
多团队站立会议 “从Slack和Google Chat的每日站会空间收集所有团队的状态更新，并汇总过去3天的情况。”	AI从两个平台检索并整合信息，生成一份综合摘要

多供应商集成的商业价值

减少工具切换开发者无需为了诸如共享错误日志、指令或回复等较小用途而不断在聊天平台之间切换
统一上下文您的AI助手能够跨您组织的所有通信渠道保持信息同步

每个提供者都是单独定义的 provider-config.yaml，使您能够在保持人工智能助手统一界面的同时，扩展对任何聊天平台的支持。

🔥 实现真实工作流程支持

上述演示逐步讲解展示了以下实际的团队协作工作流程：

协作解决问题

错误共享与解决AI与团队共享开发者错误信息，接受专家指导，并实施解决方案
知识转移团队专业知识通过人工智能辅助得以捕捉并应用
主动问题检测AI监控团队聊天记录，及时发现新问题并提供帮助

智能资源管理

脚本交换请求并接收团队脚本，自动与本地版本进行比较
需求同步从团队讨论中拉取并合并需求文件
情境感知共享AI根据团队需求确定最佳的文件共享方式

加强团队沟通

提及追踪全面监控并响应团队提及
活动总结AI生成的团队进度及障碍更新
语义搜索在团队空间中查找概念上相关的讨论

📁 项目架构

multi-chat-mcp-server/
├── src/
│   ├── providers/
│   │   ├── google_chat/           # ✅Production-Ready Google Chat MCP
│   │   │   ├── api/               # Google Chat API implementation
│   │   │   ├── tools/             # MCP tools for Google Chat
│   │   │   ├── utils/             # Utilities and helpers
│   │   │   ├── README.md          # Setup guide
│   │   │   └── CURSOR_INTEGRATION.md  # Cursor integration
│   │   ├── slack/                 # 📋 Ready for implementation
│   │   └── teams/                 # 📋 Ready for implementation
│   ├── mcp_core/                  # Core MCP functionality
│   └── server.py                  # Multi-provider MCP server
├── provider-config.yaml           # Provider configurations
└── google_chat_mcp_client_demo_images/  # Demo screenshots

提供者配置

providers:
  google_chat:
    name: "Google Chat MCP Server"
    description: "Production-ready Google Chat MCP integration"
    token_path: "src/providers/google_chat/token.json"
    credentials_path: "src/providers/google_chat/credentials.json"
    callback_url: "http://localhost:8000/auth/callback"

🔮 路线图与贡献指南

当前实施状态

✅ Google Chat 服务提供商 - 准备就绪，功能全面
📋（清单/列表） Slack 提供者 - 框架已就绪，需进行实施
📋 翻译成中文是：清单/表格 团队提供商 - 框架已准备就绪，需实施

如何贡献

我们欢迎各方贡献，以扩展此框架，纳入更多服务提供商：

选择一个提供商Slack、Teams 或任何其他聊天平台
遵循架构使用 src/providers/google_chat/ 作为参考
实现核心功能消息、搜索、用户管理
添加特定于提供商的工具利用平台的独特能力
提交拉取请求我们将协助审查并整合

开始贡献指南：

📖（书本的图标，无具体文字含义，可理解为“书”或“阅读”等概念） 提供商开发指南 - 技术实施细节
🔗（这个符号在中文中通常没有直接的翻译，它可能代表链接、连接或某种关系，具体含义需根据上下文确定。） GitHub Issues（GitHub问题） - 查找任务或报告错误
💬 GitHub 讨论区 - 功能请求和创意

📚 文档

基本资源

📖 书籍或阅读的象征 完整的Google Chat MCP设置指南 - 详细的实施指南
🔗 Google Chat MCP + 光标集成 - 逐步设置光标
🛠️（扳手，表示修理、工具或进行某项工作） 供应商开发指南 - 延伸功能
⚖️（天平图标，常用于表示法律、公正、平衡等概念） 贡献者许可协议 - 贡献指南

🔍 故障排除

常见的Google Chat问题

认证问题

# Re-authenticate Google Chat
python -m src.server --provider google_chat -local-auth

工具注册问题

验证工具出现在您的AI助手中
检查提供程序配置在 provider-config.yaml
确保授予所有Google Chat API的范围权限

连接问题

确认在Google Cloud Console中已启用Google Chat API
验证 credentials.json 文件的位置
检查网络连接和防火墙设置

🏆 为什么选择这台MCP服务器？

✅ 经实战检验的Google Chat集成

全面的API覆盖 超越基本信息传递
实际工作流程 在开发环境中进行测试
已准备好投入生产 具备适当的错误处理和身份验证

✅ 开发者友好的架构

由开发者创建 对于实际的开发工作流程
模块化设计 使其易于理解和扩展
记录详尽 配以实际案例

✅ 社区可扩展框架

开源以透明的方式发展
对贡献者友好 架构与文档
已准备好支持多个供应商 以满足多样化的业务需求

📞 支持与社区

获取帮助

🐛 表示“虫子”或“错误（bug）”的符号。 错误报告： GitHub 问题（或“GitHub 问题跟踪”）
💡 灯泡（或表示“想法”、“灵感”的符号，具体根据上下文而定） 功能请求： GitHub 讨论区
🛠️（扳手或工具的符号，常用于表示需要修理或工具的场景） 发展问题提出一个包含技术细节的问题

贡献；做出贡献

我们欢迎各方贡献，以拓展这一多供应商框架：

叉仓库
创建一个用于您的提供商或增强功能的功能分支
跟随现有的架构模式
提交一个拉取请求
标志；迹象 我们的贡献者许可协议

📄 许可证与版权

开源许可证

这个项目采用以下许可协议： 麻省理工学院许可证（MIT License） - 看见许可证文件中详述。

版权通知

这是一个开源项目，欢迎大家贡献代码，但所有版权和所有权仍归Sivaprakash Kumar所有。详见版权详情见下。

🚀 Start Building with Google Chat MCP Server Today!

Production-ready Google Chat integration with extensible multi-provider architecture
Perfect for developers building AI-powered team collaboration tools

⭐ Star this repository if it helps your development workflow!
🤝 Contribute to expand support for Slack, Teams, and other platforms!

使用说明

多聊天MCP服务器（包含Google Chat）

Multi-Chat MCP Server is an open-source Python framework to build AI-powered chat integrations. Ships with full Google Chat support.

🎯 什么是Google Chat MCP服务器？

为企业组织安全与隐私而设计

当前实施状态

🧭 这个项目背后的故事

原始问题

《The Breaking Point》（中文译名可能为《崩溃边缘》或根据具体语境调整）

🎯 为开发者扩展性而构建

🏗️ 模块化提供者架构

👥 这是给谁用的？

🛠️ 1. 组织内部的开发人员

💡 2. 开源贡献者与人工智能平台构建者

🧩 Google Chat MCP 服务器——实际应用展示

🛠️ 工具设置与初始化

🧯 调试与解决（Docker 示例）

📦 依赖项与脚本同步

👀 团队协作与进度跟进

🔍 利用AI从团队聊天上下文中解决问题

🚀 快速入门：Google Chat MCP 服务器设置

先决条件

步骤1：安装

步骤2：设置Google Chat身份验证

步骤3：连接到您的AI助手

📖 详细的设置文档

支持的Google聊天工具（将持续扩展）

🧭 空间管理

💬 信息传递

😀 互动

🔍 搜索与筛选

👤 用户信息

📎 文件处理

📦 批量操作

同时运行多个聊天服务提供商

现实世界中的多平台场景

多供应商集成的商业价值

🔥 实现真实工作流程支持

协作解决问题

智能资源管理

加强团队沟通

📁 项目架构

提供者配置

🔮 路线图与贡献指南

当前实施状态

如何贡献

📚 文档

基本资源

🔍 故障排除

常见的Google Chat问题

🏆 为什么选择这台MCP服务器？

✅ 经实战检验的Google Chat集成

✅ 开发者友好的架构

✅ 社区可扩展框架

📞 支持与社区

获取帮助

贡献；做出贡献

📄 许可证与版权

开源许可证

版权通知

🚀 Start Building with Google Chat MCP Server Today!

相关 MCP

GitHub MCP服务器

AI聊天应用

Outlook会议调度服务

GitLab集成服务器

代码规范服务

Taskade MCP服务器