🚀 一个用于Expo文档的模型上下文协议(MCP)服务器,集成Gemini AI
该服务器通过Gemini AI的支持,使AI助手能够访问最新的Expo文档,以增强搜索结果并生成高质量的代码示例。
git clone <repository-url>
cd expo-gemini-mcp-server
npm install
cp .env.example .env
编辑.env文件并添加Gemini API密钥:
GEMINI_API_KEY=your_gemini_api_key_here
PORT=3000
NODE_ENV=development
npm run build-index
此命令将:
npm run build
npm start
或者在开发模式下运行:
npm run dev
npm test
search_expo_docs在Expo文档中进行AI增强的搜索
{
"query": "如何在Expo中使用Image组件?",
"maxResults": 5,
"useGemini": true
}
get_expo_examples获取特定组件/API的代码示例
{
"component": "Camera",
"complexity": "中级"
}
explain_expo_concept对Expo概念进行详细解释
{
"concept": "Expo Router",
"audience": "初学者"
}
添加到claude_desktop_config.json:
{
"mcpServers": {
"expo-gemini-docs": {
"command": "node",
"args": ["/path/to/expo-gemini-mcp-server/dist/index.js"],
"env": {
"OPENAI_API_KEY": "your_key",
"GEMINI_API_KEY": "your_key"
}
}
}
}
使用MCP扩展并配置服务器端点。
Gemini AI将:
Gemini可以创建:
Gemini根据以下情况调整解释:
expo-gemini-mcp-server/
├── src/
│ ├── index.ts # 入口点
│ ├── services/
│ │ ├── GeminiService.ts # 集成Gemini AI
│ │ ├── VectorStoreService.ts # 向量数据库
│ │ └── ExpoDocsService.ts # 文档处理逻辑
│ └── utils/
│ └── logger.ts # 日志工具
├── scripts/
│ └── build-index.js # 构建文档索引脚本
├── data/ # 向量存储和搜索索引
├── logs/ # 日志文件
├── docs-source/ # Expo文档(克隆)
├── package.json
├── tsconfig.json
├── mcp-config.json # MCP配置
└── README.md
npm run build: 编译TypeScript为JavaScriptnpm start: 启动服务器(生产模式)npm run dev: 启动监视模式(开发模式)npm run build-index: 构建文档索引npm run update-docs: 更新文档并重建索引npm test: 测试服务器功能# 重新构建索引
npm run build-index
.env中的API密钥node --max-old-space-size=4096 scripts/build-index.js
git checkout -b feature/amazing-feature)git commit -m '添加了惊人的功能')git push origin feature/amazing-feature)根据MIT许可证分发。 详情请参阅LICENSE。
愉快地使用Expo和AI编程! 🚀🤖