Gemini MCP Tool 專案

MCP工具

Gemini MCP Tool 專案

gemini-mcp-tool 是一個模型內容協定 (Model Context Protocol, MCP) 伺服器，其設計核心是作為一個橋樑，讓一個 AI 助理（例如 Claude）能夠與安裝在您本地的 Google Gemini CLI (命令列工具) 進行互動。

這個專案的精髓在於實現了**「AI 呼叫 AI」**的強大概念。它讓您的主要 AI 助理，能夠將特定任務「外包」或「委派」給 Google Gemini 來處理，特別是那些需要利用 Gemini 超大 Token 視窗（上下文長度）的重量級分析任務。

核心價值：強強聯手，突破上下文限制

許多 AI 助理在處理超大檔案或整個程式碼庫時，會受到自身 Token 視窗大小的限制。gemini-mcp-tool 的核心價值正是為了解決這個痛點：

• 利用 Gemini 的超大上下文: 當您的主要 AI（如 Claude）需要分析一個巨大的檔案或整個專案目錄時，它不必自己硬塞，而是可以透過此工具呼叫 Gemini 來完成分析。這使得分析數十萬甚至上百萬行程式碼成為可能。
• 節省 Token 成本: 對於大型分析任務，將其交給可能更具成本效益的 Gemini 處理，可以有效節省您主要 AI 助理的 Token 消耗。
• 無縫的工作流整合: 使用者可以在自己習慣的 AI 助理介面中，用非常自然的語言（例如：ask gemini to analyze @src/main.js）來觸發 Gemini 的能力，而無需切換視窗或工具。
• 安全執行程式碼: 此工具整合了 Gemini CLI 的沙箱 (Sandbox) 模式，允許 AI 在一個隔離且安全的環境中測試和執行程式碼片段或腳本，極大地提升了安全性。

主要工具與使用方式

此專案為 AI 提供了幾個核心工具，並為使用者提供了方便的指令：

• ask-gemini (給 AI 使用):

  • 這是最主要的工具，用於向 Google Gemini 提出請求。
  • 它可以處理一般性的問題（如網頁搜尋），更重要的是，它支援使用 @ 語法來引用本地的檔案或目錄（例如 analyze @package.json），Gemini CLI 會讀取這些檔案內容並進行分析。

• sandbox-test (給 AI 使用):

  • 一個專門用於安全執行的工具，它會強制在 Gemini 的沙箱環境中運行指令，非常適合測試未知或有潛在風險的程式碼。

• 斜線指令 (Slash Commands，給使用者使用):

  • 在支援的客戶端（如 Claude Code）中，使用者可以直接輸入 /analyze 或 /sandbox 等指令來快速呼叫 Gemini 的功能。

安裝與設定

專案的安裝極為簡便，官方推薦使用 npx 指令進行一鍵式設定，無需本地安裝，大大降低了使用門檻。

總結來說，gemini-mcp-tool 是一個巧妙而強大的工具。它不僅僅是一個簡單的伺服器，更是一個實現「AI 協作」或「AI 鏈」的典範。它讓使用者能夠集各家 AI 之所長，將 Claude 的優秀對話和程式碼編輯能力，與 Gemini 的超大檔案分析能力結合起來，從而突破單一模型的限制，更高效地完成複雜的開發與分析任務。

• MCP平台來源: github
• 連結: https://github.com/jamubc/gemini-mcp-tool

立即試用MCP工具