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

用于高级 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、最小化令牌成本和无缝集成。

专业的 Gemini API 集成，适用于 Claude 和所有 MCP 兼容主机，具有智能模型选择和高级文件处理功能

从 geminiserchMCP 项目演变而来，具备增强功能

安装 • 特性 • 使用方法 • 示例 • 模型 • 贡献

🌟 GemSuite MCP 是什么？

GemSuite（模型上下文协议）MCP 是针对 MCP 主机的终极 Gemini API 集成接口，能够智能地为手头的任务选择模型——提供最佳性能、最小化令牌成本和无缝集成。它使任何 MCP 兼容主机（如 Claude、Cursor、Replit 等）都能无缝利用 Gemini 的能力，重点在于：

1. 智能性：根据任务和内容自动选择最优的 Gemini 模型
2. 高效性：在不同工作负载下优化令牌使用和性能
3. 简洁性：为复杂的 AI 操作提供干净一致的 API
4. 多功能性：高级文件处理；处理多种文件类型、操作和用例

无论您是在分析文档、解决复杂问题、处理大型文本文件还是搜索信息，GemSuite MCP 都能为您提供适合工作的正确工具和模型。

为什么选择 GemSuite MCP？

与其他功能有限的 Gemini MCP 服务器不同，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：涵盖搜索、推理、处理和分析的四个专业工具
✅ 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）

# Install directly via Smithery CLI
npx -y @smithery/cli@latest install @PV-Bhat/gemsuite-mcp --client claude

选项2：手动安装

# Clone the repository
git clone https://github.com/PV-Bhat/gemsuite-mcp.git
cd gemsuite-mcp

# Install dependencies
npm install

# Set your Gemini API key
echo "GEMINI_API_KEY=your_api_key_here" > .env

# Build the project
npm run build

# Start the server
npm start

🔑 API密钥设置

1. 从Google AI Studio获取Gemini API密钥
2. 将其设置为环境变量：

   export GEMINI_API_KEY=your_api_key_here
   

   或者在项目根目录下创建一个.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参数进行文件输入
• 自动格式检测：正确处理各种文件类型及其相应的MIME类型
• 多模态支持：处理图像、文档、代码文件等
• 批量处理：支持单次操作中处理多个文件

智能模型选择

GemSuite MCP基于以下因素自动选择最合适的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
• 复杂性：简单查询与复杂推理
• 用户偏好：可选的手动覆盖

这种智能化确保了最佳性能同时最小化令牌使用。

graph TD
    A[Task Request] --> B{Task Type}
    B -->|Search| C[Gemini Flash]
    B -->|Reasoning| D[Gemini Flash Thinking]
    B -->|Processing| E[Gemini Flash-Lite]
    B -->|Analysis| F{File Type}
    F -->|Image| G[Gemini Flash]
    F -->|Code| H[Gemini Flash Thinking]
    F -->|Text| I[Gemini Flash-Lite]
    C & D & E & G & H & I --> J[Execute Request]

专业化工具

工具	目的	模型	使用场景
gem_search	结合搜索的信息检索	Gemini Flash	事实性问题、当前信息、有根据的回答
gem_reason	带有逐步分析的复杂推理	Gemini Flash Thinking	数学、科学、编码问题、逻辑分析
gem_process	快速高效的内容处理	Gemini Flash-Lite	摘要、提取、大批量操作
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
• 全面的错误检测：清晰识别错误来源
• 可操作的消息：用于故障排除的详细错误信息
• 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兼容主机上

当使用GemSuite MCP与Claude或其他MCP兼容主机时，这些工具将直接出现在助手的工具包中。只需根据需要调用适当的工具即可：

工具选择指南

• gem_search: 用于需要搜索整合的事实性问题
• gem_reason: 用于需要逐步推理的复杂问题
• gem_process: 用于文本或文件的高效处理（最节省 token）
• gem_analyze: 用于文件的详细分析，并自动选择模型

📚 使用示例

Claude 桌面版使用 GemSuite Gemini 搜索访问 Google 搜索

处理文件（最节省 token）

// Summarize a large document
const response = await gem_process({
  file_path: "/path/to/your/large_document.pdf",
  operation: "summarize"
});

// Extract specific information
const response = await gem_process({
  file_path: "/path/to/your/report.docx",
  operation: "extract",
  content: "Extract all financial data and metrics from this document."
});

分析文件

// Analyze an image
const response = await gem_analyze({
  file_path: "/path/to/your/image.jpg",
  instruction: "Describe what you see in this image in detail."
});

// Analyze code
const response = await gem_analyze({
  file_path: "/path/to/your/code.py",
  instruction: "Identify potential bugs and suggest optimizations."
});

复杂推理

// Solve a complex problem with step-by-step reasoning
const response = await gem_reason({
  problem: "Analyze this code and suggest improvements:",
  file_path: "/path/to/your/code.js",
  show_steps: true
});

// Mathematical problem solving
const response = await gem_reason({
  problem: "Solve this differential equation: dy/dx = 2xy with y(0) = 1",
  show_steps: true
});

带文件的搜索

// Answer questions about a document with search integration
const response = await gem_search({
  query: "What companies are mentioned in this document?",
  file_path: "/path/to/your/document.pdf"
});

// Factual questions with search
const response = await gem_search({
  query: "What are the latest developments in quantum computing?",
  enable_thinking: true
});

🧠 模型特性

GemSuite MCP 利用三个主要的 Gemini 模型，智能地为每个任务选择最佳模型：

Gemini 2.0 Flash

• 1M token 上下文窗口：处理大量内容
• 搜索整合：基于当前信息生成响应
• 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

• 最具成本效益：最小化 token 使用
• 最快的响应时间：适用于高容量操作
• 专注于文本：优化文本处理
• 最优效率：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

🔄 工作流示例

文档分析工作流

// 1. Get a high-level summary (most efficient)
const summary = await gem_process({
  file_path: "/path/to/large_document.pdf",
  operation: "summarize"
});

// 2. Extract specific information
const keyPoints = await gem_process({
  file_path: "/path/to/large_document.pdf",
  operation: "extract",
  content: "Extract the key findings and recommendations"
});

// 3. Answer specific questions with search integration
const answers = await gem_search({
  query: "Based on this document, what are the implications for market growth?",
  file_path: "/path/to/large_document.pdf"
});

// 4. Claude synthesizes the processed information
// This approach is dramatically more token-efficient than having
// Claude process the entire document directly

代码审查工作流

// 1. Get code overview
const overview = await gem_analyze({
  file_path: "/path/to/code.js",
  instruction: "Provide an overview of this code's structure and purpose"
});

// 2. Identify potential issues
const issues = await gem_reason({
  problem: "Analyze this code for bugs, security vulnerabilities, and performance issues",
  file_path: "/path/to/code.js",
  show_steps: true
});

// 3. Generate improvements
const improvements = await gem_reason({
  problem: "Suggest specific improvements to make this code more efficient and maintainable",
  file_path: "/path/to/code.js",
  show_steps: true
});

// 4. Claude provides a comprehensive code review synthesis

🧩 与其他 MCP 主机集成

GemSuite MCP 可与任何兼容 MCP 的主机配合使用：

• Claude 桌面版：无缝集成 Claude 强大的推理能力
• Cursor IDE：利用 Gemini 的能力增强编码辅助
• Replit：直接在开发环境中进行代码生成和分析
• 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

你可以通过指定 model_id 参数来覆盖自动模型选择：

// Force the use of Gemini Flash Thinking for a processing task
const response = await gem_process({
  file_path: "/path/to/document.pdf",
  operation: "analyze",
  model_id: "models/gemini-2.0-flash-thinking"
});

gem_process 可用的操作

• summarize：创建简洁摘要
• extract：提取特定信息
• restructure：将内容重新组织成更有用的格式
• simplify：使复杂内容更易于理解
• expand：添加内容的细节或上下文
• 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！开始的方法如下：

1. Fork 仓库
2. 创建特性分支: git checkout -b feature/my-new-feature
3. 进行你的修改
4. 运行测试: npm test
5. 提交你的更改: git commit -m 'Add my new feature'
6. 推送到你的分支: git push origin feature/my-new-feature
7. 提交一个拉取请求

对于重大更改，请先打开一个问题来讨论你想要进行的变更。

📜 许可证

本项目根据 MIT 许可证授权 - 查看 LICENSE 文件获取详情。

🙏 致谢

• Lorhlona/geminiserchMCP - 激发此增强版本灵感的原始项目
• Model Context Protocol - 开发 MCP 标准
• Google Gemini - 为支持此服务器的强大 AI 模型

🔗 链接

• GitHub 仓库
• Smithery.ai
• Mcp.so
• Glama
• 问题追踪器
• Model Context Protocol

---