MCP Server Using Gemini

🚀 雙子星MCP服務器 - 使用雙子星Flash 1.5 API的GeminiRouter

本項目將模型上下文協議（MCP）與Google雙子星Flash 1.5 API相結合，展示了模塊化AI服務如何通過集中的路由器進行協作，為構建可擴展且智能的AI系統提供了有效方案。

🚀 快速開始

要運行此項目，您需要準備以下環境：

• 操作系統：Linux/macOS/Windows
• 編程語言：Python 3.8+

📥 安裝依賴項

pip install python-dotenv requests

🔧 啟動服務器

python router.py

📋 環境變量配置

創建一個.env文件，並添加以下內容：

GEMINI_API_KEY=your_api_key_here
OPENWEATHER_API_KEY=your_api_key_here

請將上述密鑰替換為實際的API密鑰。

✨ 主要特性

• 模塊化AI服務，各服務可執行特定功能並通過輕量級請求通信。
• 中央上下文路由器，智能路由用戶查詢到合適的服務器。
• 雙子星Flash 1.5 API集成，藉助強大的AI能力處理各種查詢。
• 易於擴展的架構，方便添加新的服務模塊。
• 高性能處理，能快速響應用戶請求。

📚 詳細文檔

🔍 項目簡介

此項目是模型上下文協議（MCP）與Google雙子星Flash 1.5 API相結合的一個實現，旨在展示模塊化AI服務如何通過一個集中的路由器協作。

🧐 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，旨在使多個專業化的人工智能代理或服務能夠通過輕量級請求進行模塊化和上下文感知的通信。本項目將MCP原則應用於構建一個可擴展且智能的AI系統，該系統具有專用微服務，並通過一箇中央路由器協調。

每個服務（或“上下文”）——無論是用於聊天、網絡搜索、天氣信息、深度推理還是檢索增強生成（RAG）——執行特定功能，並通過輕量級請求進行通信，所有這些請求都由路由器/客戶端智能路由。

↺ 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、上下文或過去互動，它選擇適當的服務器（聊天、搜索、RAG、思考等）來處理查詢。

3. 服務處理：

   • 聊天服務器：如果查詢是對話性質的或非正式的，則將其路由到此處以獲得快速響應。
   • 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雙子星API。
   • RAG服務器：對於需要基於文檔或外部知識綜合回答的複雜問題，RAG模塊使用檢索層 + 雙子星進行答案生成。
   • 思考服務器：對於邏輯推理或多步驟問題解決，查詢會被傳遞到此處以進行深入思考處理。
   • 天氣（通過搜索）：搜索服務器還與OpenWeather API集成，以處理自然語言天氣查詢，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響應發送迴路由器。
   • 路由器可以選擇性地將來自多個模塊的響應組合在一起（如果查詢需要）。

5. 前端輸出：最終響應返回到用戶界面，並以乾淨、對話式的格式呈現。

🔧 技術細節

🏷️ 項目結構

gemini-router/
├── router.py          # 主路由器邏輯
├── services/         # 各個服務模塊
│   ├── chat_service.py
│   ├── search_service.py
│   ├── rag_service.py
│   └── weather_service.py
└── config/           # 配置文件和環境變量處理
    ├── settings.py
    └── .env

🚀 未來計劃

• 實現自動擴縮功能
• 支持更多天氣API
• 添加日誌記錄和監控
• 開發圖形化管理界面

📌 注意事項

⚠️ 重要提示

配置文件.env中的密鑰需要替換為實際的API密鑰。

💡 使用建議

調試時，請使用開發者工具進行調試。