Vertex AI MCP Server

基本能力

产品定位

Vertex AI MCP Server 是一个专注于编码辅助和通用查询回答的 MCP 服务器，利用 Google Cloud Vertex AI Gemini 模型提供强大的 AI 功能。

核心功能

• 提供对 Vertex AI Gemini 模型的访问，支持多种查询和生成工具。
• 支持基于网络搜索的查询回答 (answer_query_websearch) 和直接知识回答 (answer_query_direct)。
• 可配置的模型 ID、温度、流式行为、最大输出令牌数和重试设置。
• 默认使用流式 API 以提高响应速度。
• 包含基本的重试逻辑以处理瞬态 API 错误。
• 最小化的安全过滤器 (BLOCK_NONE) 以减少潜在阻塞（需谨慎使用）。

适用场景

• 编码辅助：生成代码片段、解释技术主题、生成项目指南。
• 通用查询回答：回答自然语言问题，支持基于网络搜索和直接知识回答。
• 文件系统操作：读取、写入、编辑文件，创建目录，搜索文件系统等。
• 结合 AI 的文件系统操作：生成内容并直接保存到文件系统。

工具列表

查询与生成（AI 相关）

• answer_query_websearch: 使用网络搜索结果增强的 Vertex AI 模型回答自然语言查询。
• answer_query_direct: 仅使用 Vertex AI 模型的内部知识回答自然语言查询。
• explain_topic_with_docs: 通过合成官方文档信息提供对特定软件主题的详细解释。
• get_doc_snippets: 搜索官方文档提供精确的代码片段或简洁答案。
• generate_project_guidelines: 基于指定技术列表生成结构化的项目指南文档（Markdown）。

文件系统操作

• read_file_content: 读取单个文件的完整内容。
• read_multiple_files_content: 同时读取多个文件的内容。
• write_file_content: 创建新文件或完全覆盖现有文件。
• edit_file_content: 对文本文件进行基于行的编辑，返回差异预览或应用更改。
• create_directory: 创建新目录（包括嵌套目录）。
• list_directory_contents: 列出指定路径下的文件和目录（非递归）。
• get_directory_tree: 获取文件和目录的递归树形视图（JSON 格式）。
• move_file_or_directory: 移动或重命名文件和目录。
• search_filesystem: 递归搜索匹配名称模式的文件/目录，支持排除项。
• get_filesystem_info: 检索文件或目录的详细元数据（大小、日期、类型、权限）。

结合 AI 的文件系统操作

• save_generate_project_guidelines: 生成项目指南并保存到指定文件路径。
• save_doc_snippet: 从文档中查找代码片段并保存到指定文件路径。
• save_topic_explanation: 生成基于文档的主题详细解释并保存到指定文件路径。
• save_answer_query_direct: 使用内部知识回答查询并保存答案到指定文件路径。
• save_answer_query_websearch: 使用网络搜索结果回答查询并保存答案到指定文件路径。

常见问题解答

• 如何配置环境变量？ 创建 .env 文件并设置必要的环境变量，如 GOOGLE_CLOUD_PROJECT。
• 如何启用流式 API？ 设置 VERTEX_AI_USE_STREAMING 环境变量为 true。
• 如何调整模型温度？ 通过 VERTEX_AI_TEMPERATURE 环境变量调整。

使用教程

使用依赖

• Node.js (v18+)
• Bun (npm install -g bun)
• Google Cloud Project 并启用 Billing。
• 在 GCP 项目中启用 Vertex AI API。
• 配置 Google Cloud 认证（推荐使用 gcloud auth application-default login 或服务账户密钥）。

安装教程

1. 克隆/放置项目：确保项目文件位于所需位置。
2. 安装依赖： bash bun install
3. 配置环境：
4. 创建 .env 文件（复制 .env.example）。
5. 设置必要的环境变量，确保 GOOGLE_CLOUD_PROJECT 已设置。
6. 构建服务器： bash bun run build

调试方式

1. 配置 MCP 设置：在 Cline MCP 设置文件（如 .roo/mcp.json）中添加/更新配置。 json { "mcpServers": { "vertex-ai-mcp-server": { "command": "node", "args": [ "/full/path/to/your/vertex-ai-mcp-server/build/index.js" ], "env": { "GOOGLE_CLOUD_PROJECT": "YOUR_GCP_PROJECT_ID", "GOOGLE_CLOUD_LOCATION": "us-central1" }, "disabled": false, "alwaysAllow": [], "timeout": 3600 } } }
2. 重启/重新加载 Cline：Cline 应检测配置更改并启动服务器。
3. 使用工具：通过 Cline 使用工具。

开发

• Watch 模式：bun run watch
• Linting：bun run lint
• 格式化：bun run format

许可证

该项目遵循 None 开源许可条款。