Proyecto Cliente MCP con Gemini y Servidor de Herramientas Meteorológicas
2025.04.22
0
Python天气服务AI集成MCP协议位置服务
该项目是一个基于MCP（Model-Client-Protocol）协议的客户端与服务器演示，使用Google Gemini AI作为客户端，连接到一个提供天气工具的服务端。系统充当Gemini AI与专用工具之间的桥梁，通过标准化的MCP协议实现工具发现、调用和消息传递。核心功能包括天气查询工具（如获取天气预报和警报），适用于需要集成AI与专用工具的场景。
View on GitHub
Overview
基本能力
产品定位
该项目是一个基于MCP协议的客户端与服务器演示，旨在展示如何将AI（Google Gemini）与专用工具（天气服务）通过标准化协议连接起来。
核心功能
- MCP协议支持：提供标准化的工具发现、调用和消息传递机制。
- 天气工具集成：支持
get_forecast和get_alerts等天气相关工具。 - Gemini AI集成：通过Gemini AI处理用户输入并生成工具调用请求。
- 日志记录：详细的日志记录功能，便于调试和跟踪数据流。
适用场景
- 天气查询服务：用户可以通过自然语言查询天气信息。
- AI与工具集成：展示如何将AI与专用工具无缝集成。
- MCP协议学习：作为MCP协议的实际应用示例。
工具列表
get_forecast：获取指定地点的天气预报。get_alerts：获取指定地点的天气警报。
常见问题解答
- 依赖安装问题：确保使用正确的Python环境和依赖版本。
- API密钥配置：必须正确配置Gemini API密钥。
- 日志文件：日志文件
mcp_log.txt记录了完整的交互流程，可用于调试。
使用教程
使用依赖
- 安装Python依赖：
bash pip install google-generativeai python-dotenv mcp-protocols
安装教程
- 获取Gemini API密钥并配置：
bash echo "GEMINI_API_KEY=YOUR_API_KEY_HERE" > .env - 运行客户端和服务端：
bash python mcp_gemini_client.py weather_tool_server.py
调试方式
- 查看日志文件
mcp_log.txt以跟踪交互流程。 - 确保客户端和服务端在同一目录下运行。
- 检查Gemini API密钥是否正确配置。