Trail Project

模型上下文协议（MCP）服务器项目

该项目演示了客户端应用程序和MCP（模型上下文协议）服务器之间的集成，允许人工智能与工具执行功能进行交互。

项目概述

此应用程序由两个主要组件组成：

• A. 客户端 它连接到谷歌的Gemini AI模型和MCP服务器
• 一 MCP服务器 注册并为AI模型提供工具

该系统允许用户通过命令行界面与Gemini AI模型进行交互。AI可以响应用户查询，并执行托管在MCP服务器上的专用工具，例如发布推文或执行计算。

建筑

├── client/              # Client application
│   ├── .env             # Environment variables for client
│   ├── index.js         # Client implementation
│   └── package.json     # Client dependencies
└── server/              # MCP server
    ├── .env             # Environment variables for server
    ├── index.js         # Server implementation
    ├── mcp.tool.js      # Tool implementations
    └── package.json     # Server dependencies

特性

• 使用谷歌Gemini模型的AI聊天界面
• 通过MCP协议执行工具
• 可用工具：

- addTwoNumbers：执行两个数字的加法 - createPost：在推特/X上创建帖子

设置和安装

先决条件

• Node.js（v14或更高版本）
• npm或纱线
• Twitter/X API证书

服务器安装程序

1. 导航到服务器目录：

   cd server

1. 安装依赖项：

   npm install

1. 配置 .env 使用您的Twitter API凭据文件：

   TWITTER_API_KEY=your_api_key
   TWITTER_API_KEY_SECRET=your_api_secret
   TWITTER_ACCESS_TOKEN=your_access_token
   TWITTER_ACCESS_TOKEN_SECRET=your_access_token_secret

1. 启动服务器：

   node index.js

客户端设置

1. 导航到客户端目录：

   cd client

1. 安装依赖项：

   npm install

1. 配置 .env 使用Gemini API密钥文件：

   GEMINI_API_KEY=your_gemini_api_key

1. 启动客户端：

   node index.js

用法

1. 先启动服务器，然后启动客户端
2. 当客户端连接时，您将看到输入提示
3. 键入您的问题或请求
4. 人工智能将直接响应，或在需要时使用其中一种工具

交互示例：

• “25加17等于多少？”（使用addTwoNumbers工具）
• “发布一条推文，说‘我的MCP项目你好！’”（使用createPost工具）

运作原理

1. 客户端通过SSE（服务器发送事件）连接到MCP服务器
2. 服务器使用Zod验证在输入模式中注册可用工具
3. 用户查询被发送到谷歌的Gemini AI模型
4. 如果AI确定应该使用一个工具，它会调用一个函数
5. 函数调用通过MCP客户端路由到MCP服务器
6. 服务器执行请求的工具并返回结果
7. 结果将呈现给用户并添加到聊天历史记录中

使用的技术

• @模型上下文协议/sdk -用于MCP实施
• @谷歌/genai -用于Gemini AI集成
• 快速 -Web服务器框架
• 推特-api-v2 -Twitter API客户端
• 动物圈 -架构验证