Gemini MCP Server Chatbot

🚀 使用雙子座（Gemini）的 MCP 服務器 - GeminiRouter

本項目基於模型上下文協議 (MCP) 並結合Google 的 Gemini Flash 1.5 API實現，旨在展示模塊化 AI 服務如何藉助集中式路由器協同工作，為構建智能、可擴展的 AI 系統提供了有效方案。

🚀 快速開始

克隆倉庫

git clone https://github.com/your-repository.git
cd GeminiRouter

啟動後端

npm install
npm start

啟動前端

cd frontend
npm install
npm run dev

✨ 主要特性

• 模塊化 AI 服務：每個功能（聊天、搜索、RAG、思考）都具有專用微服務。
• 中心化上下文路由器：通過一個集中的路由器協調所有服務。
• Gemini Flash 1.5 集成：利用 Google 的 Gemini 技術實現強大 AI 功能。
• OpenWeather 集成：提供天氣信息查詢功能。

📚 詳細文檔

🔍 項目簡介

本項目是基於 模型上下文協議 (MCP) 並結合 Google 的 Gemini Flash 1.5 API 的實現，意在展示模塊化 AI 服務如何通過一個集中的路由器協同工作。

🧐 什麼是 MCP 以及它在這裡的工作原理？

模型上下文協議 (MCP) 是一種架構模式，用於實現多個專門的 AI 代理或服務之間模塊化且情境感知的通信。本項目將 MCP 原理應用於構建一個可擴展、智能的 AI 系統，該系統擁有專用微服務，並通過一箇中心路由器進行協調。

每個服務（或“上下文”），如聊天、網絡搜索、天氣信息、深度推理或檢索增強生成 (RAG)，都執行特定功能，並通過輕量級請求在 路由器/客戶端 之間進行通信。

↺ 工作流程概述

以下是系統從輸入到輸出的工作原理：

1. 用戶輸入：用戶從前端 UI 發送查詢。
2. 路由邏輯：
   • 路由器接收查詢並分析意圖。
   • 根據關鍵詞、上下文或過去交互，路由器選擇合適的服務器（聊天、搜索、RAG、思考等）來處理查詢。
3. 服務處理：
   • 聊天服務器：若查詢是對話式或非正式的，則路由到此服務器以獲得快速響應。
   • 搜索服務器：對於需要即時或事實數據的查詢（例如“瑞典首都是哪裡？”），路由器通過此模塊調用 Gemini API。
   • RAG 服務器：對於複雜問題，需要基於文檔的知識綜合時，RAG 模塊使用檢索層 + Gemini 進行答案生成。
   • 思考服務器：對於邏輯推理或多步驟問題解決，查詢將交於此處進行深度處理。
   • 天氣（通過搜索）：搜索服務器還集成了 OpenWeather API，以處理自然語言的天氣查詢，例如“東京的天氣如何？”
4. 響應聚合：
   • 選定模塊處理請求並將其發送迴路由器。
   • 路由器可以選擇性地將來自多個模塊的響應進行組合（例如，一個包含天氣和建議的響應）。
5. 前端輸出：最終響應返回到用戶界面，並以乾淨、對話式的方式呈現。

📋 項目架構

項目的整體結構清晰，分為以下幾個主要部分：

.
├── src/
│   ├── router/         # 路由器邏輯
│   ├── services/      # 各個服務模塊
│   └── components/    # 前端組件
└── package.json       # 項目依賴和腳本

🌟 未來計劃

• 整合前端到 Docker Compose：實現前後端服務的統一管理。
• 改善用戶界面 (UI)：增加更多交互功能，提升用戶體驗。
• 擴展更多 API 集成：如天氣、新聞等其他數據源。

🔑 注意事項

1. 項目依賴於 Internet 連接以訪問 Gemini 和 OpenWeather 服務。
2. 使用前請配置相關 API 密鑰：

# 在環境變量中設置
export GEMINI_API_KEY=your_key_here
export OPENWEATHER_API_KEY=your_key_here

3. 如需調試，請運行：

npm run debug

通過 GeminiRouter，我們展示了模塊化 AI 服務在實際項目中的強大潛力。無論是聊天、搜索還是天氣查詢，一切都在您的指尖！