Gemini工作流桥MCP
Gemini作为上下文压缩引擎+Claude作为推理引擎=A级结果
概述
此MCP是 上下文压缩引擎 这最佳地利用了Claude Code和Gemini的优势。
主要特点
- ✅ 质量： A级规格（双子座提供事实，克劳德进行推理）
- ✅ 成本： Claude代币减少47-61%（昂贵的操作转移到免费的Gemini层）
- ✅ 压缩： 174:1令牌压缩比（50K令牌→ 300 令牌摘要）
- ✅ DX： 自动生成的工作流和常用任务的斜线命令
建筑
┌─────────────────────────────────────────┐
│ Claude Code (Reasoning Engine) │
│ - Superior planning & specifications │
│ - Precise code editing │
│ - A-grade output quality │
└──────────────┬──────────────────────────┘
│ MCP Protocol
↓
┌─────────────────────────────────────────┐
│ MCP Server (Compression Layer) │
│ - 50K tokens → 300 token summaries │
│ - Fact extraction only │
│ - Validation & consistency checks │
└──────────────┬──────────────────────────┘
│ Gemini CLI
↓
┌─────────────────────────────────────────┐
│ Gemini (Context Engine) │
│ - 2M token window (free tier) │
│ - Factual extraction only │
│ - No opinions or planning │
└─────────────────────────────────────────┘安装
先决条件
- Gemini CLI -安装并验证：
npm install -g @google/gemini-cli
gemini # Follow authentication prompts- Python 3.11+ 使用pip
安装MCP服务器
# Clone the repository
git clone https://github.com/hitoshura25/gemini-workflow-bridge-mcp
cd gemini-workflow-bridge-mcp
# Install dependencies
pip install -e .配置Claude代码
添加到您的Claude Code MCP设置中（通常 claude_desktop_config.json):
{
"mcpServers": {
"gemini-workflow-bridge": {
"command": "python",
"args": ["-m", "hitoshura25_gemini_workflow_bridge"],
"env": {
"CONTEXT_CACHE_TTL_MINUTES": "30",
"MAX_TOKENS_PER_ANSWER": "300",
"TARGET_COMPRESSION_RATIO": "100"
}
}
}
}快速开始
1.设置工作流（推荐的第一步）
安装MCP服务器后，设置推荐的工作流：
In Claude Code:
"Set up the spec-only workflow for me"
Claude will use setup_workflows_tool to create:
- .claude/workflows/spec-only.md
- .claude/commands/spec-only.md现在，您可以使用 /spec-only 斜线命令：
/spec-only Add user authentication with OAuth2 support要设置所有工作流，请执行以下操作：
"Set up all workflows"
Creates: spec-only, feature, refactor, and review workflows2.直接使用工具
# 1. Extract facts about your codebase
query_codebase_tool(
questions=["How is authentication implemented?"],
scope="src/"
)
# Returns: Compressed facts with file:line references
# 2. Create specification using those facts (Claude does this)
# [Your reasoning creates A-grade spec here]
# 3. Validate specification
validate_against_codebase_tool(
spec_content="...",
validation_checks=["missing_files", "undefined_dependencies"]
)
# Returns: Completeness score, issues, suggestions文档
工具概述
🔍 第1层：事实提取
| 工具 | 目的 | 关键功能 |
|---|---|---|
query_codebase_tool() | 多问题分析 | 174:1压缩比 |
find_code_by_intent_tool() | 语义搜索 | 返回摘要，而不是完整代码 |
trace_feature_tool() | 遵循执行流程 | 逐步处理数据流 |
list_error_patterns_tool() | 提取图案 | 边缘过滤 |
✅ 第2层：验证
| 工具 | 目的 |
|---|---|
validate_against_codebase_tool() | 验证规格的完整性 |
check_consistency_tool() | 验证图案对齐 |
🚀 第3层：工作流自动化
| 工具 | 目的 | 快速示例 |
|---|---|---|
setup_workflows_tool() | 设置推荐的工作流程 | workflows=["all"] |
generate_feature_workflow_tool() | 生成可执行工作流 | 逐步披露 |
generate_slash_command_tool() | 创建自定义斜线命令 | 自动化常见任务 |
🔍 第4层：工具发现
| 工具 | 目的 | 快速示例 |
|---|---|---|
discover_tools() | 按关键字、类别或用例查找工具 | query="validation" 或 category="fact_extraction" |
get_tool_schema() | 获取特定工具的详细架构 | tool_name="query_codebase_tool" |
示例：完整功能实现
User: "Add Redis caching to product API"
# Step 1: Extract facts
→ query_codebase_tool(questions=[...])
← 52K tokens → 387 tokens (134:1 compression)
# Step 2: Claude creates A-grade spec using facts
→ [Your superior reasoning]
← High-quality specification
# Step 3: Validate spec
→ validate_against_codebase_tool(spec=...)
← Completeness: 92%, 1 minor issue
# Step 4: Implement
→ [Your precise code editing]
Result: ✅ A-grade spec, 61% token savings, 3.5 minutes运作原理
| 特性 | 描述 |
|---|---|
| 规范创建 | Claude生成A级规格 |
| 令牌使用情况 | 3100个克劳德代币（与传统方法相比减少61%） |
| 双子座角色 | 仅提供事实 |
| 克劳德角色 | 用事实从头开始创造 |
| 质量 | A级 |
| 工作流 | 自动生成 |
配置
关键环境变量（参见 .env.example 所有人）：
# Context & Compression
CONTEXT_CACHE_TTL_MINUTES=30 # Cache duration
MAX_TOKENS_PER_ANSWER=300 # Compression target
TARGET_COMPRESSION_RATIO=100 # Aim for 100:1
GEMINI_MODEL=auto # or specific model
# Retry Mechanism (Exponential Backoff)
GEMINI_RETRY_MAX_ATTEMPTS=3 # Total attempts (1 initial + 2 retries)
GEMINI_RETRY_INITIAL_DELAY=1.0 # Starting delay in seconds
GEMINI_RETRY_MAX_DELAY=60.0 # Maximum delay in seconds
GEMINI_RETRY_BASE=2.0 # Exponential backoff multiplier (delay = initial * base^attempt)
GEMINI_RETRY_ENABLED=true # Enable/disable retry mechanism
# Command/Workflow Prefixes (Namespace Management)
GEMINI_COMMAND_PREFIX=gemini- # Prefix for generated commands
GEMINI_WORKFLOW_PREFIX=gemini- # Prefix for generated workflows
# Set to empty string to disable用法示例
# 1. Get facts
facts = query_codebase_tool(questions=[...])
# 2. Create spec (Claude does this with superior reasoning)
spec = create_your_a_grade_spec(facts)
# 3. Validate
validate_against_codebase_tool(spec=spec)故障排除
“找不到Gemini CLI”
npm install -g @google/gemini-cli“双子座的空洞回应”
gemini --version # Check installation
gemini # Re-authenticate if needed发展
# Install dev dependencies
pip install -e ".[dev]"
# Run tests
pytest
# Run with debug logging
DEBUG_MODE=true python -m hitoshura25_gemini_workflow_bridge项目结构
hitoshura25_gemini_workflow_bridge/
├── tools/ # 8 tools (Tier 1, 2, 3)
├── prompts/ # Strict fact extraction prompts
├── workflows/ # Workflow templates
├── utils/ # Token counting, prompt loading
├── server.py # MCP server
└── generator.py # Legacy implementations成功指标
- ✅ 成本降低61% 克劳德代币
- ✅ 174:1压缩比 (50K → 300 代币）
- ✅ A级质量 规格
- ✅ 渐进式披露 使用工作流
贡献
欢迎投稿！请阅读：
许可证
Apache 2.0许可证-请参阅 许可证
鸣谢
- 建筑灵感来自 双子座的分析
- 基于 Anthropic的MCP最佳实践
- 内置于 FastMCP
______________________________________________________________________
状态： ✅ 生产就绪 最后更新时间： 2025年11月15日
🌟 如果你觉得这很有用，请在GitHub上给我们加星！