在 Gemini 调用中使用 MCP

在 LLM 调用中使用 MCP - 结合 Gemini 模型

利用 MCP 释放 Gemini 模型潜力

Google 的 Gemini 模型代表了多模态 AI 的一项重大进步。虽然它们本身功能强大，但如果能将其与实时、外部或专有信息连接起来，并使其能够与其他系统交互，其提供最相关和可操作响应的能力将得到极大增强。模型上下文协议 (Model Context Protocol, MCP) 的设计目的正是为了弥补这一鸿沟，它为 Gemini 模型提供了一种标准化的方式来访问外部数据和使用工具，使其更具通用性和有效性。

可以将 MCP 视为一个复杂的中间件。当您的应用程序与 Gemini 模型进行交互时，可以使用 MCP 动态获取所需的上下文或触发外部动作。这使得 Gemini 能够基于最新数据生成响应，并将其能力扩展到文本生成或理解之外。

通过 MCP 将 Gemini 模型桥接到外部数据

通过 MCP，MCP 服务器可以暴露“资源”，这些资源本质上是结构化的外部数据片段。它们可以是云存储桶中的文件、NoSQL 数据库中的条目、企业知识库中的信息，甚至是公共交通更新等实时数据流。当使用 Gemini 模型的应用程序需要特定的上下文信息来增强其输出时，它可以经由 MCP 客户端请求这些数据。

这个过程是高效的：您的应用程序在调用 Gemini API 之前，会判断是否需要外部数据。它会使用 MCP 客户端从相应的 MCP 服务器获取这些数据（例如，从用户配置存储中检索用户偏好）。MCP 服务器以可用、结构化的格式提供数据。然后，您的应用程序将这些丰富的数据整合到 Gemini 模型的提示（prompt）或请求结构中，从而生成更明智和相关的结果。

示例数据源：产品库存数据库、学术研究论文、用户特定的应用程序设置、实时金融市场数据。

通过 MCP 赋予 Gemini 模型使用外部工具的能力

LLM 越来越被期望不仅能处理信息，还能发起行动。MCP 通过允许定义“工具”来促进这一点——这些工具是 Gemini 模型可以请求执行的外部功能。这些工具可以从发送通知等简单任务，到与 CI/CD 流水线交互、进行预订或执行自定义数据分析脚本等更复杂的操作。当 Gemini 模型（通常通过其自身的功能调用或工具使用机制）指示需要执行某个操作时，您的应用程序可以使用 MCP 来执行该操作。

例如，如果用户请求由 Gemini 提供支持的助手检查其即将到来的航班状态，如果航班延误，则通知接机人，模型可能首先需要航班详细信息。应用程序可以使用 MCP 资源获取此信息。如果发现延误，Gemini 可以发出信号，表明需要使用“send_sms_tool”。您的应用程序将解释此信号，使用 MCP 客户端在 MCP 服务器上调用指定的工具（提供消息和接收者），然后 MCP 服务器将处理短信发送。此工具使用的成功或失败可以报告回 Gemini，以便其生成最终响应。

示例工具：与 IoT 设备交互、管理云资源、执行高级计算、与第三方服务 API 集成（例如，Google 日历、地图）。

示例场景：MCP 与 Gemini 模型协同工作

让我们设想一个由 Gemini 模型驱动的多模态 AI 应用程序，旨在帮助用户规划旅行行程。以下是 MCP 如何增强其能力的方式：

用户请求：用户提供一张地标图片，并说：“我对参观这个地方很感兴趣。你能帮我查一下下周二的开放时间，并预订一辆出租车，以便我能在上午 10 点从酒店抵达那里吗？”
数据检索 (MCP 资源)：应用程序（在 Gemini 从图片中识别出地标后）需要其详细信息。它使用 MCP 客户端查询链接到旅游数据库的 MCP 服务器：mcp_client.get_resource(server_id='tourism_info_service', resource_path='/landmarks/LouvreMuseum/details')。这可能会返回开放时间、地址等信息。
为 Gemini 提供上下文提示：获取到的数据（例如，{'name': 'Louvre Museum', 'opening_hours': {'Tuesday': '09:00-18:00'}, 'address': '...'}）会提供给 Gemini。如果用户酒店位置未知，应用程序也可能通过另一个 MCP 资源获取。
Gemini 的处理与工具指示：Gemini 处理此信息。它确认地标开放，然后指示需要使用“book_taxi_tool”，并可能为该工具构建请求（例如，如果可用并已配置，则使用 Gemini 的函数调用功能）：{"tool_name": "book_taxi_tool", "parameters": {"pickup_location": "UserHotelAddress", "destination": "LouvreAddress", "time": "next Tuesday 10:00"}}。
工具执行 (MCP 工具)：您的应用程序接收到此信息。然后它使用 MCP 客户端，在与网约车服务集成的 MCP 服务器上调用“book_taxi_tool”。MCP 调用示例（概念性）：mcp_client.execute_tool(server_id='transport_service_aggregator', tool_id='request_ride', params={'from': 'UserHotelAddress', 'to': 'LouvreAddress', 'pickup_time': 'YYYY-MM-DDTHH:MM:SSZ'})。
结果与最终响应：MCP 服务器执行工具（预订出租车），并将结果（例如，{'status': 'success', 'booking_id': 'taxi789', 'eta': '15 mins'}）返回给应用程序。此结果随后反馈给 Gemini，Gemini 会向用户生成多模态响应：“卢浮宫下周二上午 9 点到下午 6 点开放。我已经为您预订了下周二上午 10 点从您的酒店到卢浮宫的出租车。预订 ID 是 taxi789。”

# 应用逻辑的 Python 概念示例

# 假设 mcp_client 和 gemini_client 已初始化

# --- 阶段 1：使用 MCP 为 Gemini 模型获取数据 ---
def get_landmark_info_for_gemini(landmark_name):
    try:
        landmark_data = mcp_client.get_resource(
            server_id='tourism_info_service',
            resource_path=f'/landmarks/{landmark_name}/details'
        )
        return f"Information for {landmark_name}: {landmark_data}"
    except MCPError as e:
        print(f"MCP Error fetching landmark data: {e}")
        return f"Sorry, I couldn't retrieve information for {landmark_name}."

# 假设 Gemini 从图片中识别出地标名称 = “LouvreMuseum”
landmark_name = "LouvreMuseum"
context_from_mcp = get_landmark_info_for_gemini(landmark_name)

# user_request_for_gemini = (
#     f"{context_from_mcp}\n\n"
#     f"User wants to visit this place. Query: Can you find out its opening hours for next Tuesday "
#     f"and book a taxi for me to get there from my hotel at 10 AM? "
#     f"If booking a taxi, please use 'book_taxi_tool' with parameters 'pickup_location', 'destination', and 'time'."
# )

# gemini_response = gemini_client.generate_content(
#    user_request_for_gemini,
#    tools=[tool_config_for_gemini] # Gemini API 的假设工具配置
# )
# extracted_tool_call = parse_gemini_response_for_tool_call(gemini_response) # 假设的解析过程

# --- 阶段 2：Gemini 模型指示工具使用，通过 MCP 执行 ---
# 假设 gemini_response 导致了以下结果（应用逻辑）：
extracted_tool_call = {
    'tool_name': 'book_taxi_tool',
    'parameters': {
        'pickup_location': 'UserHotelAddress', # 假设单独获取
        'destination': 'LouvreAddress',      # 来自 landmark_data
        'time': '2025-06-10T10:00:00Z'       # 从用户查询中解析并格式化
    }
}

if extracted_tool_call and extracted_tool_call['tool_name'] == 'book_taxi_tool':
    try:
        mcp_tool_params = extracted_tool_call['parameters']
        tool_result = mcp_client.execute_tool(
            server_id='transport_service_aggregator',
            tool_id='request_ride', # 此 ID 特定于 MCP 服务器的定义
            params=mcp_tool_params
        )
        print(f"MCP Tool execution result: {tool_result}")

        # 将 tool_result 反馈给 Gemini 以形成最终响应
        # final_response_from_gemini = gemini_client.generate_content(
        #     f"Taxi booking result: {tool_result}. Please inform the user."
        # ).text
        # print(final_response_from_gemini)

    except MCPError as e:
        print(f"MCP Tool Error: {e}")
        # 通知 Gemini 或用户工具执行失败

这个场景强调了 MCP 如何作为一个关键的使能者，允许 Gemini 等复杂模型安全高效地利用外部数据和功能，从而极大地扩展了它们的实际应用，特别是在多模态上下文中。