使用说明
🚀 MCP多业务服务器
全面 模型上下文协议(MCP) 集成的服务器 谷歌Colab, GitHub,以及 谷歌文件 随着 人工智能驱动的分析 实现无缝开发工作流自动化。
🌟 特性
🔗 多平台集成
- 谷歌Colab -笔记本管理和分析
- GitHub -存储库操作和代码见解
- 谷歌文件 -文档管理和简历建设
- AI分析 -由Google Gemini API提供支持
🤖 人工智能驱动能力
- 智能README生成 -从笔记本创建专业文档
- 代码分析 -全面的存储库见解和摘要
- 恢复建筑 -自动生成专业配置文件的项目摘要
- 智能解析 -提取库、依赖关系和项目结构
⚡ 自动化功能
- 一键创建存储库 -将Colab笔记本转换为GitHub存储库
- 交互式测试 -具有用户友好界面的全面测试套件
- 批处理 -高效处理多个文件和存储库
- 回退模式 -API不可用时性能下降
🚀 快速开始
1. 克隆并安装
git clone <https://github.com/sreerajchintham/my-first-mcp-server>
cd my-first-mcp-server
pip install -r requirements.txt
2. 配置API
# Set up Google APIs
python reauthorize_google_apis.py
# Create .env file
cp .env.example .env
# Edit .env with your API keys
3. 运行服务器
python mcp_server.py
4. 测试一切
python test_client.py
📋 先决条件
- Python 3.8+
- Google账户 具有驱动器访问权限
- GitHub账号 带有个人访问令牌
- Gemini API密钥 (可选,用于AI功能)
🛠️ 安装
选项1:开发设置
# Create virtual environment
python -m venv .venv
source .venv/bin/activate # Linux/Mac
# .venv\Scripts\activate # Windows
# Install dependencies
pip install -r requirements.txt
选项2:生产设置
# Use locked versions for reproducibility
pip install -r requirements-lock.txt
⚙️ 配置
1.谷歌API设置
- 在中创建项目 谷歌云控制台
- 启用 驱动API 和 API文档
- 创建 OAuth 2.0凭据 (桌面应用程序)
- 下载
client_secret.json→CREDENTIALS/client_secret.json - 运行授权:
python reauthorize_google_apis.py
2.GitHub API设置
- 首选 GitHub设置>个人访问令牌
- 使用创建令牌
repo和user范围 - 增添
.env文件
3.环境变量
# .env file
GOOGLE_CREDENTIALS_DIR=./CREDENTIALS
GOOGLE_TOKEN_FILE=token.json
GITHUB_TOKEN=your_github_token_here
GEMINI_API_KEY=your_gemini_api_key_here # Optional
📚 用法
交互模式
python test_client.py
- 浏览和分析GitHub存储库
- 生成人工智能驱动的项目摘要
- 创建专业文档
- 管理Google Docs集成
程序化使用
from mcp.client.stdio import stdio_client
from mcp import StdioServerParameters
# Connect to MCP server
server_params = StdioServerParameters(
command="python",
args=["mcp_server.py"]
)
# Use MCP tools
async with stdio_client(server_params) as (read, write):
# ... MCP operations
🔧 可用工具
谷歌Colab工具
list_colab_files()-在Google云端硬盘中列出笔记本电脑read_colab_notebook(file_id)-阅读笔记本内容generate_readme(file_id, file_name)-AI驱动的README生成
GitHub工具
list_github_repos()-列出带有过滤器的存储库read_github_repo_files(repo_name)-分析存储库文件analyze_github_repo_with_ai(repo_name)-人工智能驱动的分析create_github_repo()-从Colab笔记本创建仓库
谷歌文档工具
list_google_docs(search_term)-查找谷歌文档create_google_doc(title, content)-创建新的Google文档add_to_google_doc(doc_id, content)-向文档添加内容
实用工具
ping()-测试服务器连接summarize_repo_analysis_for_resume()-生成简历摘要
🤖 AI分析类型
| 类型 | 描述 | 用例 |
|---|---|---|
| 全面的 | 对代码、文档和结构的全面分析 | 完整的项目概述 |
| 仅限README | 专注于文档和描述 | 文档审查 |
| 仅限代码 | 深入了解代码结构和逻辑 | 技术评估 |
| 结构 | 项目组织和架构 | 架构审查 |
🔗 主要特点
GitHub分析与谷歌文档集成
- 自动保存:将AI驱动的存储库分析直接保存到Google Docs
- 文档选项:创建新文档或添加到现有文档中
- 专业格式化:内容清晰、结构化,标题恰当
- 交互式工作流:每次分析后提示选项
- 搜索和选择:按搜索词查找和选择现有文档
增强的Google文档管理
- 文档创建:使用初始内容创建新的Google文档
- 内容添加:将格式化部分添加到现有文档中
- 文档搜索:按关键字搜索和列出文档
- 文档链接:创建/更新文档的直接链接
📊 集成示例
Claude桌面集成
{
"mcpServers": {
"multi-service-server": {
"command": "python",
"args": ["/path/to/mcp_server.py"],
"cwd": "/path/to/project",
"env": {
"GOOGLE_CREDENTIALS_DIR": "/path/to/CREDENTIALS",
"GITHUB_TOKEN": "your_token_here"
}
}
}
}
简历构建工作流程
# 1. Analyze repository
analysis = await analyze_github_repo_with_ai("user/repo", "comprehensive")
# 2. Generate resume summary
summary = await summarize_repo_analysis_for_resume(
"user/repo",
analysis,
"technical"
)
# 3. Add to Google Doc
await add_to_google_doc("doc_id", summary, "Projects")
GitHub对Google Docs工作流的分析
# 1. Analyze GitHub repository with AI
analysis = await analyze_github_repo_with_ai("user/repo", "comprehensive")
# 2. Option A: Create new document with analysis
doc_result = await create_google_doc(
"GitHub Analysis - user/repo",
analysis,
"Repository Analysis"
)
# 2. Option B: Add analysis to existing document
await add_to_google_doc(
"existing_doc_id",
analysis,
"GitHub Repository Analysis - user/repo"
)
🏗️ 项目结构
my-first-mcp-server/
├── 📄 mcp_server.py # Main MCP server
├── 🧪 test_client.py # Interactive test suite
├── 🧪 test_github_tool.py # GitHub tool testing
├── 🔧 debug_mcp_connection.py # MCP connection debugging
├── 🔑 reauthorize_google_apis.py # Google OAuth setup
├── ✅ validate_setup.py # Dependency validation
├── 📋 requirements.txt # Python dependencies
├── 🔒 requirements-lock.txt # Locked versions
├── 📖 README.md # Project documentation
├── 📖 SETUP.md # Detailed setup guide
├── 🌍 .env # Environment variables
├── 📁 CREDENTIALS/ # OAuth credentials
│ ├── client_secret.json
│ └── token.json
└── 📁 support files/ # Configuration and support files
├── claude_desktop_config.json
├── cursor_mcp_config.json
├── cursor_mcp_config_final.json
├── CURSOR_FIX_GUIDE.md
├── CURSOR_SETUP_GUIDE.md
├── demo_readme.py
├── presentation_outline.md
├── render_deployment_guide.md
└── run_env.py
🔍 故障排除
常见问题
| 问题 | 解决方案 |
|---|---|
| Google身份验证错误 | 快跑 python reauthorize_google_apis.py |
| GitHub API错误 | 检查令牌权限和过期时间 |
| Gemini API错误 | 验证API密钥和配额限制 |
| 导入错误 | 快跑 pip install -r requirements.txt |
调试模式
import logging
logging.basicConfig(level=logging.DEBUG)
有效性检查
python validate_setup.py
🧪 测试
交互式测试
python test_client.py
README生成演示
python demo_readme.py
环境验证
python run_env.py
🤝 贡献
- 分叉 存储库
- 创建 特征分支(
git checkout -b feature/amazing-feature) - 提交 您的更改(
git commit -m 'Add amazing feature') - 推 到分行(
git push origin feature/amazing-feature) - 打开 拉取请求
📄 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。
🙏 致谢
- 模型上下文协议 -对于优秀的MCP框架
- 谷歌API -用于全面的服务集成
- GitHub API -用于存储库管理功能
- 谷歌双子座 -用于AI驱动的分析功能
📞 支持
- 📖 文档:检查 设置.md 详细设置
- 🐛 问题:通过GitHub Issues报告bug
- 💬 讨论:使用GitHub讨论提问
- 🧪 测试:运行
python test_client.py用于交互式调试
⭐ 如果你觉得这个repo有用,请将其标记为星号!
由以下材料制成❤️ MCP社区