Gemini For Coding MCP

Gemini 编码 MCP 服务器

一个模型上下文协议 (MCP) 服务器，用于将代码生成请求转发到 Google Gemini API。该服务器使 AI 模型能够利用 Gemini 的能力，根据详细的项目设计文档生成高质量代码。

功能特性

• 无缝 Gemini 集成：将代码生成请求转发到 Google Gemini API
• 灵活配置：通过 config.json 文件轻松配置
• 多语言支持：支持生成任何编程语言的代码
• 详细设计文档：接受全面的项目规格说明
• 生产就绪代码：生成完整、文档齐全、易于维护的代码
• 错误处理：强大的错误处理和验证机制
• 易于集成：生成的代码可直接应用到现有项目中

安装

前置要求

• Python 3.11 或更高版本
• uv 包管理器
• Google Gemini API 密钥

设置步骤

1. 克隆或导航到项目目录：

   cd gemini-for-coding-mcp

1. 使用 uv 安装依赖：

   uv sync

这将创建虚拟环境并安装所有必需的依赖项。

配置

1. 编辑项目目录中的 config.json：

   {
     "gemini": {
       "base_url": "https://generativelanguage.googleapis.com/v1beta",
       "api_key": "YOUR_GEMINI_API_KEY_HERE",
       "model_name": "gemini-2.0-flash-exp"
     }
   }

1. 配置参数说明：

- base_url：Gemini API 基础 URL（默认：https://generativelanguage.googleapis.com/v1beta） - api_key：你的 Gemini API 密钥（在 Google AI Studio 获取） - model_name：要使用的 Gemini 模型（例如：gemini-2.0-flash-exp、gemini-1.5-pro 等）

运行服务器

独立模式

直接运行 MCP 服务器：

uv run main.py

与 MCP 客户端集成

将服务器添加到 MCP 客户端配置中（例如 Claude Desktop）：

Claude Desktop 配置 (claude_desktop_config.json)：

{
  "mcpServers": {
    "gemini-coding": {
      "command": "uv",
      "args": [
        "--directory",
        "D:\\下载\\gemini-for-coding-mcp",
        "run",
        "main.py"
      ]
    }
  }
}

其他 MCP 客户端，请根据其文档调整配置。

使用说明

可用工具

1. generate_code

基于详细的项目设计文档使用 Gemini 生成代码。

参数：

• project_design（必需）：详细的项目设计文档，描述需求、架构、功能和实现细节
• programming_language（可选，默认："python"）：目标编程语言
• additional_context（可选）：额外的上下文、约束或偏好

示例：

generate_code(
    project_design="""
    创建一个任务管理系统的 REST API，包含以下功能：
    - 用户认证（基于 JWT）
    - 任务的 CRUD 操作
    - 任务分类和标签
    - 截止日期追踪
    - 优先级级别（高、中、低）
    - 使用适当 HTTP 方法的 RESTful 端点
    - 输入验证和错误处理
    - 用户和任务的数据库模型
    """,
    programming_language="python",
    additional_context="使用 FastAPI 框架、SQLAlchemy ORM 和 PostgreSQL 数据库"
)

2. check_configuration

检查当前 Gemini API 配置状态。

返回：配置状态信息（Base URL、Model、脱敏的 API Key）

示例：

check_configuration()

项目结构

gemini-for-coding-mcp/
├── main.py              # MCP 服务器实现
├── config.json          # 配置文件（Gemini API 设置）
├── pyproject.toml       # Python 项目配置
├── uv.lock              # 依赖锁定文件
├── .venv/               # 虚拟环境（由 uv 创建）
└── README.md            # 本文件

工作原理

1. 接收请求：MCP 服务器接收包含详细项目设计文档的代码生成请求
2. 格式化提示词：服务器为 Gemini 格式化全面的提示词，包括：

- 项目需求和规格说明 - 目标编程语言 - 额外的上下文和约束 - 代码质量要求

1. API 调用：格式化的提示词通过 HTTPS 发送到 Gemini API
2. 响应处理：服务器从 Gemini 的响应中提取生成的代码
3. 返回结果：生成的代码返回给请求客户端，可直接应用到现有项目中

集成工作流

将此 MCP 服务器与 Claude 等 AI 助手一起使用时：

1. 设计阶段：提供详细的项目设计文档
2. 代码生成：助手使用设计规格调用 generate_code
3. 代码应用：助手分析生成的代码，并使用适当的工具（Edit、Write 等）将其应用到现有代码库中
4. 验证：审查并测试集成的代码

MCP 服务器充当桥梁，允许 AI 助手利用 Gemini 的代码生成能力，同时完全控制代码如何集成到你的项目中。

开发

添加依赖

uv add 

运行测试

uv run pytest

代码风格

本项目遵循 PEP 8 Python 风格指南，并提供全面的文档。

故障排除

配置未加载

错误：Configuration not loaded. Please check config.json file.

解决方案：确保项目目录中存在 config.json 并包含有效的 Gemini API 设置。

API 认证错误

错误：Error calling Gemini API: 401 Unauthorized

解决方案：检查 config.json 中的 api_key 是否有效且处于活动状态。

模型未找到

错误：Error calling Gemini API: 404 Not Found

解决方案：验证 config.json 中的 model_name 是否正确，且在你的 Gemini API 访问级别中可用。

API 参考

Gemini API 兼容性

此服务器与以下格式的 Google Gemini API 端点兼容：

{base_url}/models/{model_name}:generateContent

支持的 Gemini 模型：

• gemini-2.0-flash-exp（推荐用于快速代码生成）
• gemini-1.5-pro
• gemini-1.5-flash
• 其他即将推出的 Gemini 模型

安全注意事项

• API 密钥保护：保护你的 api_key 安全，切勿将其提交到版本控制系统
• 配置文件：默认情况下 config.json 文件已添加到 .gitignore
• 环境变量：在生产环境中，考虑使用环境变量来存储敏感配置

许可证

MIT License

贡献

欢迎贡献！请随时提交 Pull Request。

支持

如有问题、疑问或建议，请在 GitHub 仓库中提出 issue。

致谢

• 使用 FastMCP 构建
• 由 Google Gemini API 提供支持
• 依赖管理由 uv 完成