当前位置：首页 > news >正文

Gemini CLI 与 MCP 服务器：释放本地工具的强大潜力

news 2025/8/26 7:59:52

前言

Gemini CLI 是一款强大的命令行工具，它将 Google 的 Gemini 模型带入了您的终端。然而，其真正的潜力在于通过 模型上下文协议（Model Context Protocol, MCP） 与外部工具集成。本文将结合两篇关键文章，深入探讨什么是 MCP 服务器，以及如何利用它来扩展 Gemini CLI 的功能，实现更高效、更自动化的工作流。

什么是 MCP 服务器？

MCP（Model Context Protocol）服务器 是一种向 Gemini CLI 这类客户端提供外部工具的程序。您可以把它想象成一个桥梁，它将 AI 模型的能力与您本地计算机上的资源和工具安全地连接起来。

每个 MCP 服务器通常专注于特定的功能，例如：

文件系统操作： 读写文件、浏览目录、执行搜索。
代码仓库交互： 分析 GitHub 仓库代码、读取 issue。
Web 自动化： 使用 Playwright 或 Selenium 等工具自动执行浏览器操作。
文档处理： 将 PDF、图片、Word 文档等转换为 Markdown 格式，或进行语义搜索。
专业领域工具： 查询天气、操作数据库等。

MCP 的核心特点在于，服务器能够向 AI 模型 “自我描述” 其提供的工具、功能和所需参数。这使得 Gemini 这样的 AI 模型能够理解何时以及如何调用这些本地工具来满足用户的请求，而无需用户编写复杂的脚本或命令。

如何配置和使用 MCP 服务器？

在 Gemini CLI 中使用 MCP 服务器的流程非常简单。

配置

您需要在 Gemini CLI 的配置文件 ~/.gemini/settings.json 中添加 MCP 服务器的设置。

或者在你的项目根目录下创建.gemini/settings.json。

这通常包括：

服务器的唯一标识符。
启动服务器的命令。
任何所需的环境变量（例如 API 密钥）。

{"mcpServers": [{"name": "my-mcp-server","command": ["node", "/path/to/your/mcp/server.js"],"env": {"API_KEY": "your_secret_key"}}]
}

配置完成后，重启 Gemini CLI。

gemini

使用

你可以使用 /mcp 命令来查看所有已成功加载的 MCP 服务器及其提供的工具列表。

也可以使用 ctrl + t查看配置的 MCP 服务和每个服务的具体功能描述。

之后，您就可以在对话中通过 自然语言 来调用这些工具了。Gemini 会自动分析您的意图，并选择最合适的 MCP 工具来执行任务。

应用实例：让 AI 成为您的开发助手

将 Gemini CLI 与 MCP 结合，可以解决许多实际开发问题：

分析GitHub仓库并提出改进建议

配置 GitHub MCP Server

{"mcpServers": {"github": {"command": "npx","args": ["-y", "@modelcontextprotocol/server-github"],"env": {"GITHUB_TOKEN": "your_github_token_here"}}}
}

输入命令：

> 使用GitHub工具分析仓库"username/project"的代码，找出可能的性能问题和改进点

Gemini CLI 会调用GitHub MCP服务器，获取仓库信息，分析代码结构，然后提供详细的改进建议。这个过程包括：

获取仓库结构和文件列表
分析关键文件的代码
识别潜在的性能瓶颈、代码质量问题和安全漏洞
提供具体的改进建议和代码示例

使用天气数据创建示例应用

配置天气 MCP Server

{"mcpServers": {"weather": {"command": "npx","args": ["-y", "mcp-server-weather"],"env": {"WEATHER_API_KEY": "your_weather_api_key_here"}}}
}

输入

 创建一个简单的React天气应用，使用weather工具获取实时数据，显示5天预报

Gemini会调用GitHub MCP服务器，获取仓库信息，分析代码结构，然后提供详细的改进建议。这个过程包括：

获取仓库结构和文件列表
分析关键文件的代码
识别潜在的性能瓶颈、代码质量问题和安全漏洞
提供具体的改进建议和代码示例

使用Playwright MCP实现网页自动化

官网地址：https://github.com/microsoft/playwright-mcp?tab=readme-ov-file。

{"mcpServers": {"playwright": {"command": "npx","args": ["@playwright/mcp@latest"]}}
}

输入命令：

> 使用Playwright工具访问https://example.com，填写联系表单并提交

Gemini会生成并执行Playwright自动化脚本，完成表单填写和提交过程。

这种自动化能力在测试、数据抓取和重复性网页操作中特别有用。

结论

MCP 服务器极大地扩展了 Gemini CLI 的能力范围，使其不再局限于模型内置的知识，而是能够安全、可控地与您的本地环境进行交互。这种结合模糊了云端 AI 与本地开发工具之间的界限，为开发者提供了一个高度可扩展、智能化的自动化平台。通过引入合适的 MCP 服务器，您可以将 Gemini CLI 打造成一个真正懂您本地工作流的强大助手。