关键词

Vertex AI集成文件管理代码辅助AI生成工具Google Cloud

项目简介

这是一个实现了 Model Context Protocol (MCP) 的服务器，专注于与 Google Cloud Vertex AI 的 Gemini 模型交互，并提供文件系统操作能力。它作为LLM客户端（如 Cline）的后端，接收请求并执行各种工具来增强LLM的功能。

主要功能点

该服务器通过 MCP 协议暴露了一系列工具供LLM客户端调用：

  • AI 查询与生成工具： 利用配置的Vertex AI模型，结合或不结合Google搜索，回答自然语言问题、解释技术话题、查找文档代码片段、生成项目指导文件等。
  • 文件系统操作工具： 提供基础的文件读、写、编辑、创建目录、列出目录内容、获取目录树、移动/重命名文件/目录、搜索文件以及获取文件信息等能力。所有文件操作都被限制在服务器启动时的当前工作目录（workspace）内。
  • 组合工具： 结合AI生成和文件系统操作，例如将AI生成的项目指导、文档片段或问题答案直接保存到指定文件。

安装步骤

要运行此MCP服务器，你需要：

  1. 安装 Node.js (v18+) 和 Bun： 按照官方文档安装 Node.js 和 Bun ('npm install -g bun')。
  2. 设置 Google Cloud 项目：
    • 拥有一个启用了结算功能的 Google Cloud 项目。
    • 在该项目中启用 Vertex AI API。
    • 配置 Google Cloud 认证。推荐使用 Application Default Credentials (ADC)，可以通过 'gcloud auth application-default login' 命令登录。或者使用服务账号密钥文件，并设置 'GOOGLE_APPLICATION_CREDENTIALS' 环境变量指向该文件。
  3. 获取项目代码： 将项目文件克隆或下载到你的本地。
  4. 安装依赖： 在项目根目录打开终端，运行 'bun install'。
  5. 配置环境变量： 复制项目根目录下的 '.env.example' 文件为 '.env'，根据你的实际情况设置以下环境变量：
    • 'GOOGLE_CLOUD_PROJECT' (必填): 你的 Google Cloud 项目 ID。
    • 'GOOGLE_CLOUD_LOCATION' (选填): Vertex AI 模型区域，默认为 'us-central1'。
    • 'VERTEX_AI_MODEL_ID' (选填): 使用的 Vertex AI 模型 ID，默认为 'gemini-2.5-pro-exp-03-25'。
    • 其他可选配置如温度、是否流式输出、最大输出tokens、重试次数和延迟等，可以根据 '.env.example' 进行设置。
  6. 构建服务器： 在项目根目录运行 'bun run build'。这会将 TypeScript 代码编译到 'build/index.js' 文件。

服务器配置

MCP服务器通常由 MCP 客户端启动和管理。你需要将此服务器添加到你的MCP客户端的配置文件中（例如 Cline 的 '.roo/mcp.json'）。配置信息包含服务器的名称、启动命令、命令参数以及必需的环境变量。以下是配置时需要提供的关键信息：

  • 服务器名称 (name): 可以自定义，例如 'vertex-ai-mcp-server'。
  • 启动命令 (command):
    • 如果本地克隆了代码并完成了构建，可以使用 'node'。
    • 如果服务器已发布到 npm，可以使用 'npx'。
  • 命令参数 (args):
    • 如果 'command' 是 'node'，参数通常是构建后的服务器脚本的绝对路径，例如 '/full/path/to/your/vertex-ai-mcp-server/build/index.js'。请根据你的实际文件路径进行修改。
    • 如果 'command' 是 'npx'，参数通常是服务器的 npm 包名，例如 '-y vertex-ai-mcp-server' ('-y' 表示自动确认安装)。
  • 环境变量 (env): 必须包含服务器运行所需的 Google Cloud 凭证和 Vertex AI 配置。至少需要设置 'GOOGLE_CLOUD_PROJECT'。如果未配置 ADC，还需要设置 'GOOGLE_APPLICATION_CREDENTIALS' 等。其他可选配置（如模型ID、温度）也可以在此处覆盖 '.env' 文件中的设置。

请参考你的MCP客户端文档，将上述信息填入其MCP服务器配置中。

基本使用方法

完成服务器的安装和在你的MCP客户端中的配置后，启动你的MCP客户端。客户端会自动启动并连接配置的MCP服务器。

一旦连接成功，你就可以通过MCP客户端的界面或交互方式，调用此服务器提供的工具了。例如，你可以通过客户端向LLM发出指令，LLM可能会决定调用 'answer_query_websearch' 工具来回答问题，或者调用 'read_file_content' 工具来获取文件内容，或者调用 'create_directory' 来创建文件夹，甚至调用 'save_generate_project_guidelines' 来生成并保存文档。具体的交互方式取决于你的MCP客户端的设计。

信息

分类

AI与计算

访问项目