宝石套件-MCP

Name: 宝石套件-MCP
Author: PV-Bhat

作者：PV-Bhat22 星标更新：2025-03-17

安装使用来源：spider==github.com

项目介绍

GemSuite MCP：最全面的Gemini API集成工具，适用于模型上下文协议（MCP）

高级Gemini API与模型上下文协议（MCP）交互的终极开源服务器，智能选择模型以实现最佳性能、最小化令牌成本以及无缝集成。

<br><br/> <br><br/><a href="https://glama.ai/mcp/servers/m2ljvlatlu"> <img width="300" height="170" src="https://gips2.baidu.com/it/u=337983051,3267276136&fm=3081&app=3081&f=PNG?w=760&h=400" /> </a><br><br/> 专业Gemini API集成工具，适用于Claude和其他MCP兼容主机，具有智能模型选择和高级文件处理功能

从geminiserchMCP项目中发展而来，功能增强

安装 • 特性 • 使用 • 示例 • 模型 • 贡献

</div>

🌟 GemSuite MCP是什么？

GemSuite MCP是用于MCP主机的终极Gemini API集成接口，智能选择模型以完成任务——提供最佳性能、最小化令牌成本以及无缝集成。它使任何MCP兼容主机（如Claude、Cursor、Replit等）能够无缝利用Gemini的能力，重点在于：

智能性：根据任务和内容自动选择最优的Gemini模型
效率：优化不同工作负载下的令牌使用和性能
简洁性：提供一个干净、一致的API来处理复杂的AI操作
灵活性：高级文件处理；支持多种文件类型、操作和用例

无论是分析文档、解决复杂问题、处理大量文本文件还是搜索信息，GemSuite MCP都能提供适合任务的正确工具和模型。

为什么选择GemSuite MCP？

与其他仅提供有限功能的Gemini MCP服务器相比，GemSuite MCP提供了：

✅ 智能模型选择：根据任务自动选择最优的Gemini模型 ✅ 统一文件处理：无缝处理各种文件类型，并自动检测格式 ✅ 全面工具套件：四个专用工具涵盖搜索、推理、处理和分析 ✅ 生产就绪：已在Smithery.ai、MCP.so和Glama.io上部署并验证

🚀 安装

选项1：Smithery.ai（推荐）

# 通过Smithery CLI直接安装
npx -y @smithery/cli@latest install @PV-Bhat/gemsuite-mcp --client claude

选项2：手动安装

# 克隆仓库
git clone https://github.com/PV-Bhat/gemsuite-mcp.git
cd gemsuite-mcp

# 安装依赖
npm install

# 设置您的Gemini API密钥
echo "GEMINI_API_KEY=your_api_key_here" > .env

# 构建项目
npm run build

# 启动服务器
npm start

🔑 API密钥设置

从Google AI Studio获取Gemini API密钥
将其设置为环境变量：
```
export GEMINI_API_KEY=your_api_key_here
```
或在项目根目录创建一个.env文件：
```
GEMINI_API_KEY=your_api_key_here
```

💎 主要特性

统一文件处理

无缝文件处理：所有工具都支持通过file_path参数输入文件
自动格式检测：正确处理各种文件类型及其适当的MIME类型
多模态支持：处理图像、文档、代码文件等
批量处理：支持一次操作多个文件

智能模型选择

GemSuite MCP根据以下条件自动选择最合适的Gemini模型：

任务类型：搜索、推理、处理或分析
内容类型：文本、代码、图像或文档
复杂度：简单查询与复杂推理
用户偏好：可选的手动覆盖

这种智能确保了最佳性能的同时最小化了令牌使用。

</td> <td>

graph TD
    A[任务请求] --> B{任务类型}
    B -->|搜索| C[Gemini Flash]
    B -->|推理| D[Gemini Flash Thinking]
    B -->|处理| E[Gemini Flash-Lite]
    B -->|分析| F{文件类型}
    F -->|图像| G[Gemini Flash]
    F -->|代码| H[Gemini Flash Thinking]
    F -->|文本| I[Gemini Flash-Lite]
    C & D & E & G & H & I --> J[执行请求]

</td> </tr> </table>

专用工具

工具	目的	模型	使用场景
`gem_search`	带有搜索集成的信息检索	Gemini Flash	事实性问题、最新信息、基于当前信息的回答
`gem_reason`	复杂推理，带逐步分析	Gemini Flash Thinking	数学、科学、编程问题、逻辑分析
`gem_process`	快速、高效的文本或文件处理	Gemini Flash-Lite	摘要、提取、高容量操作
`gem_analyze`	带自动模型选择的智能文件分析	自动选择	文档分析、代码审查、图像理解

强大的错误处理

指数退避：优雅地处理API速率限制
全面错误检测：清晰识别错误来源
可操作消息：详细的错误信息用于故障排除
恢复机制：当主要方法失败时的智能回退

🖥️ 使用

在Claude或其他MCP兼容主机中

当在Claude或其他MCP兼容主机中使用GemSuite MCP时，这些工具将直接出现在助手的工具箱中。只需调用适合您需求的适当工具：

工具选择指南

gem_search：对于需要搜索集成的事实性问题
gem_reason：对于需要逐步推理的复杂问题
gem_process：对于高效处理文本或文件（最节省令牌）
gem_analyze：对于带有自动模型选择的文件详细分析

📚 使用示例

使用GemSuite Gemini搜索在Claude桌面访问Google搜索

文件处理（最节省令牌）

// 摘要大型文档
const response = await gem_process({
  file_path: "/path/to/your/large_document.pdf",
  operation: "summarize"
});

// 提取特定信息
const response = await gem_process({
  file_path: "/path/to/your/report.docx",
  operation: "extract",
  content: "从该文档中提取所有财务数据和指标。"
});

文件分析

// 分析图像
const response = await gem_analyze({
  file_path: "/path/to/your/image.jpg",
  instruction: "详细描述你在这张图片中看到的内容。"
});

// 分析代码
const response = await gem_analyze({
  file_path: "/path/to/your/code.py",
  instruction: "识别潜在的bug并提出优化建议。"
});

复杂推理

// 解决复杂问题，带逐步推理
const response = await gem_reason({
  problem: "分析这段代码并提出改进建议：",
  file_path: "/path/to/your/code.js",
  show_steps: true
});

// 数学问题求解
const response = await gem_reason({
  problem: "求解这个微分方程：dy/dx = 2xy，初始条件y(0) = 1",
  show_steps: true
});

文件搜索

// 根据文档回答问题，带搜索集成
const response = await gem_search({
  query: "这份文档提到了哪些公司？",
  file_path: "/path/to/your/document.pdf"
});

// 带搜索的事实性问题
const response = await gem_search({
  query: "量子计算的最新进展是什么？",
  enable_thinking: true
});

🧠 模型特性

GemSuite MCP利用三种主要的Gemini模型，智能选择每个任务的最佳模型：

Gemini 2.0 Flash

1M令牌上下文窗口：处理大量内容
搜索集成：基于当前信息的回答
多模态能力：处理文本、图像等
平衡性能：质量和速度的良好结合

Gemini 2.0 Flash-Lite

最节省成本：最小化令牌使用
最快响应时间：适合高容量操作
文本聚焦：针对文本处理进行了优化
最优化效率：当不需要搜索和推理时

Gemini 2.0 Flash Thinking

增强推理：逻辑分析和问题解决
逐步分析：展示推理过程
专业化能力：擅长复杂计算
最适合深度分析：当需要彻底分析时

🔄 工作流程示例

文档分析工作流程

// 1. 获取高层次摘要（最节省令牌）
const summary = await gem_process({
  file_path: "/path/to/large_document.pdf",
  operation: "summarize"
});

// 2. 提取特定信息
const keyPoints = await gem_process({
  file_path: "/path/to/large_document.pdf",
  operation: "extract",
  content: "提取关键发现和建议"
});

// 3. 使用搜索集成回答具体问题
const answers = await gem_search({
  query: "基于这份文档，市场增长的含义是什么？",
  file_path: "/path/to/large_document.pdf"
});

// 4. Claude综合处理过的信息
// 这种方法比让Claude直接处理整个文档更节省令牌

代码审查工作流程

// 1. 获取代码概述
const overview = await gem_analyze({
  file_path: "/path/to/code.js",
  instruction: "提供这段代码的结构和目的概述"
});

// 2. 识别潜在问题
const issues = await gem_reason({
  problem: "分析这段代码中的bug、安全漏洞和性能问题",
  file_path: "/path/to/code.js",
  show_steps: true
});

// 3. 生成改进意见
const improvements = await gem_reason({
  problem: "提出具体的改进建议，使这段代码更高效且易于维护",
  file_path: "/path/to/code.js",
  show_steps: true
});

// 4. Claude提供全面的代码审查综合报告

🧩 与其他MCP主机的集成

GemSuite MCP与任何MCP兼容主机兼容：

Claude桌面：与Claude的强大推理能力无缝集成
Cursor IDE：利用Gemini的能力增强编码辅助
Replit：在开发环境中直接生成和分析代码
其他MCP主机：与任何实现MCP标准的平台兼容

🛠️ 高级配置

自定义模型选择

您可以通过指定model_id参数来覆盖自动模型选择：

// 强制使用Gemini Flash Thinking进行处理任务
const response = await gem_process({
  file_path: "/path/to/document.pdf",
  operation: "analyze",
  model_id: "models/gemini-2.0-flash-thinking"
});

`gem_process`可用操作

summarize：创建简洁摘要
extract：提取特定信息
restructure：重新组织内容以形成更有用的格式
simplify：简化复杂内容使其更容易理解
expand：添加细节或上下文到内容
critique：提供批判性分析
feedback：提供建设性反馈
analyze：对内容进行一般分析

🔧 贡献

欢迎贡献！以下是开始的方法：

分叉仓库
创建功能分支：git checkout -b feature/my-new-feature
进行更改
运行测试：npm test
提交更改：git commit -m '添加我的新功能'
推送到您的分支：git push origin feature/my-new-feature
提交拉取请求

对于重大更改，请先打开一个问题讨论您想要更改的内容。

📜 许可证

本项目采用MIT许可证——详情见LICENSE文件。

🙏 致谢

Lorhlona/geminiserchMCP - 启发此增强版的原始项目
模型上下文协议 - 开发MCP标准
Google Gemini - 提供强大AI模型以驱动此服务器

🔗 链接