Skip to content

在 Gemini CLI 中使用 MCP 服务器

本文档提供了在 Gemini CLI 中配置和使用模型上下文协议(MCP)服务器的指南。

什么是 MCP 服务器?

MCP 服务器是一个应用程序,通过模型上下文协议向 Gemini CLI 公开工具和资源,允许它与外部系统和数据源交互。MCP 服务器充当 Gemini 模型与您的本地环境或其他服务(如 API)之间的桥梁。

MCP 服务器使 Gemini CLI 能够:

  • 发现工具: 通过标准化模式定义列出可用工具、它们的描述和参数。
  • 执行工具: 使用定义的参数调用特定工具并接收结构化响应。
  • 访问资源: 从特定资源读取数据(尽管 Gemini CLI 主要专注于工具执行)。

使用 MCP 服务器,您可以扩展 Gemini CLI 的功能,执行超出其内置功能的操作,例如与数据库、API、自定义脚本或专门工作流进行交互。

核心集成架构

Gemini CLI 通过内置在核心包(packages/core/src/tools/)中的复杂发现和执行系统与 MCP 服务器集成:

发现层(mcp-client.ts

发现过程由 discoverMcpTools() 协调,它:

  1. 遍历配置的服务器,从您的 settings.json mcpServers 配置中
  2. 建立连接,使用适当的传输机制(Stdio、SSE 或 Streamable HTTP)
  3. 从每个服务器获取工具定义,使用 MCP 协议
  4. 清理和验证工具模式,确保与 Gemini API 兼容
  5. 在全局工具注册表中注册工具,并进行冲突解决

执行层(mcp-tool.ts

每个发现的 MCP 工具都包装在 DiscoveredMCPTool 实例中,该实例:

  • 处理确认逻辑,基于服务器信任设置和用户偏好
  • 管理工具执行,通过使用适当参数调用 MCP 服务器
  • 处理响应,用于 LLM 上下文和用户显示
  • 维护连接状态并处理超时

传输机制

Gemini CLI 支持三种 MCP 传输类型:

  • Stdio 传输: 生成子进程并通过 stdin/stdout 通信
  • SSE 传输: 连接到服务器发送事件端点
  • Streamable HTTP 传输: 使用 HTTP 流进行通信

如何设置您的 MCP 服务器

Gemini CLI 使用 settings.json 文件中的 mcpServers 配置来定位和连接到 MCP 服务器。此配置支持使用不同传输机制的多个服务器。

在 settings.json 中配置 MCP 服务器

您可以在 ~/.gemini/settings.json 文件的全局级别配置 MCP 服务器,或者在项目的根目录中创建或打开 .gemini/settings.json 文件。在文件中,添加 mcpServers 配置块。

配置结构

mcpServers 对象添加到您的 settings.json 文件中:

json
{ ...file contains other config objects
  "mcpServers": {
    "serverName": {
      "command": "path/to/server",
      "args": ["--arg1", "value1"],
      "env": {
        "API_KEY": "$MY_API_TOKEN"
      },
      "cwd": "./server-directory",
      "timeout": 30000,
      "trust": false
    }
  }
}

配置属性

每个服务器配置支持以下属性:

必需(以下之一)

  • command(字符串):Stdio 传输的可执行文件路径
  • url(字符串):SSE 端点 URL(例如,"http://localhost:8080/sse"
  • httpUrl(字符串):HTTP 流端点 URL

可选

  • args(字符串[]):Stdio 传输的命令行参数
  • headers(对象):使用 urlhttpUrl 时的自定义 HTTP 头
  • env(对象):服务器进程的环境变量。值可以使用 $VAR_NAME${VAR_NAME} 语法引用环境变量
  • cwd(字符串):Stdio 传输的工作目录
  • timeout(数字):请求超时时间,以毫秒为单位(默认:600,000ms = 10 分钟)
  • trust(布尔值):当为 true 时,绕过此服务器的所有工具调用确认(默认:false
  • includeTools(字符串[]):要从此 MCP 服务器包含的工具名称列表。指定时,只有此处列出的工具才可从此服务器获得(白名单行为)。如果未指定,默认启用服务器的所有工具。
  • excludeTools(字符串[]):要从此 MCP 服务器排除的工具名称列表。此处列出的工具将不可用于模型,即使它们由服务器公开。注意: excludeTools 优先于 includeTools - 如果工具在两个列表中,它将被排除。

远程 MCP 服务器的 OAuth 支持

Gemini CLI 支持使用 SSE 或 HTTP 传输的远程 MCP 服务器的 OAuth 2.0 身份验证。这使得能够安全访问需要身份验证的 MCP 服务器。

自动 OAuth 发现

对于支持 OAuth 发现的服务器,您可以省略 OAuth 配置并让 CLI 自动发现它:

json
{
  "mcpServers": {
    "discoveredServer": {
      "url": "https://api.example.com/sse"
    }
  }
}

CLI 将自动:

  • 检测服务器何时需要 OAuth 身份验证(401 响应)
  • 从服务器元数据发现 OAuth 端点
  • 如果支持,执行动态客户端注册
  • 处理 OAuth 流和令牌管理

身份验证流程

连接到启用 OAuth 的服务器时:

  1. 初始连接尝试失败,返回 401 未授权
  2. OAuth 发现找到授权和令牌端点
  3. 浏览器打开进行用户身份验证(需要本地浏览器访问)
  4. 授权代码被交换为访问令牌
  5. 令牌被安全存储供将来使用
  6. 连接重试使用有效令牌成功

浏览器重定向要求

重要: OAuth 身份验证要求您的本地机器能够:

  • 打开网络浏览器进行身份验证
  • http://localhost:7777/oauth/callback 接收重定向

此功能在以下情况下不起作用:

  • 没有浏览器访问的无头环境
  • 没有 X11 转发的远程 SSH 会话
  • 没有浏览器支持的容器化环境

管理 OAuth 身份验证

使用 /mcp auth 命令管理 OAuth 身份验证:

bash
# 列出需要身份验证的服务器
/mcp auth

# 与特定服务器进行身份验证
/mcp auth serverName

# 如果令牌过期,重新身份验证
/mcp auth serverName

OAuth 配置属性

  • enabled(布尔值):为此服务器启用 OAuth
  • clientId(字符串):OAuth 客户端标识符(使用动态注册时可选)
  • clientSecret(字符串):OAuth 客户端密钥(对于公共客户端可选)
  • authorizationUrl(字符串):OAuth 授权端点(如果省略则自动发现)
  • tokenUrl(字符串):OAuth 令牌端点(如果省略则自动发现)
  • scopes(字符串[]):必需的 OAuth 范围
  • redirectUri(字符串):自定义重定向 URI(默认为 http://localhost:7777/oauth/callback
  • tokenParamName(字符串):SSE URL 中令牌的查询参数名称

令牌管理

OAuth 令牌自动:

  • 安全存储~/.gemini/mcp-oauth-tokens.json
  • 在过期时刷新(如果可用刷新令牌)
  • 在每次连接尝试前验证
  • 在无效或过期时清理

身份验证提供程序类型

您可以使用 authProviderType 属性指定身份验证提供程序类型:

  • authProviderType(字符串):指定身份验证提供程序。可以是以下之一:
    • dynamic_discovery(默认):CLI 将自动从服务器发现 OAuth 配置。
    • google_credentials:CLI 将使用 Google 应用程序默认凭据(ADC)与服务器进行身份验证。使用此提供程序时,您必须指定所需的范围。
json
{
  "mcpServers": {
    "googleCloudServer": {
      "httpUrl": "https://my-gcp-service.run.app/mcp",
      "authProviderType": "google_credentials",
      "oauth": {
        "scopes": ["https://www.googleapis.com/auth/userinfo.email"]
      }
    }
  }
}

示例配置

Python MCP 服务器(Stdio)

json
{
  "mcpServers": {
    "pythonTools": {
      "command": "python",
      "args": ["-m", "my_mcp_server", "--port", "8080"],
      "cwd": "./mcp-servers/python",
      "env": {
        "DATABASE_URL": "$DB_CONNECTION_STRING",
        "API_KEY": "${EXTERNAL_API_KEY}"
      },
      "timeout": 15000
    }
  }
}

Node.js MCP 服务器(Stdio)

json
{
  "mcpServers": {
    "nodeServer": {
      "command": "node",
      "args": ["dist/server.js", "--verbose"],
      "cwd": "./mcp-servers/node",
      "trust": true
    }
  }
}

基于 Docker 的 MCP 服务器

json
{
  "mcpServers": {
    "dockerizedServer": {
      "command": "docker",
      "args": [
        "run",
        "-i",
        "--rm",
        "-e",
        "API_KEY",
        "-v",
        "${PWD}:/workspace",
        "my-mcp-server:latest"
      ],
      "env": {
        "API_KEY": "$EXTERNAL_SERVICE_TOKEN"
      }
    }
  }
}

基于 HTTP 的 MCP 服务器

json
{
  "mcpServers": {
    "httpServer": {
      "httpUrl": "http://localhost:3000/mcp",
      "timeout": 5000
    }
  }
}

带有自定义头的基于 HTTP 的 MCP 服务器

json
{
  "mcpServers": {
    "httpServerWithAuth": {
      "httpUrl": "http://localhost:3000/mcp",
      "headers": {
        "Authorization": "Bearer your-api-token",
        "X-Custom-Header": "custom-value",
        "Content-Type": "application/json"
      },
      "timeout": 5000
    }
  }
}

带有工具过滤的 MCP 服务器

json
{
  "mcpServers": {
    "filteredServer": {
      "command": "python",
      "args": ["-m", "my_mcp_server"],
      "includeTools": ["safe_tool", "file_reader", "data_processor"],
      // "excludeTools": ["dangerous_tool", "file_deleter"],
      "timeout": 30000
    }
  }
}

发现过程深入分析

当 Gemini CLI 启动时,它通过以下详细过程执行 MCP 服务器发现:

1. 服务器迭代和连接

对于 mcpServers 中的每个配置服务器:

  1. 状态跟踪开始: 服务器状态设置为 CONNECTING
  2. 传输选择: 基于配置属性:
    • httpUrlStreamableHTTPClientTransport
    • urlSSEClientTransport
    • commandStdioClientTransport
  3. 建立连接: MCP 客户端尝试使用配置的超时连接
  4. 错误处理: 连接失败被记录,服务器状态设置为 DISCONNECTED

2. 工具发现

成功连接后:

  1. 工具列表: 客户端调用 MCP 服务器的工具列表端点
  2. 模式验证: 验证每个工具的函数声明
  3. 工具过滤: 基于 includeToolsexcludeTools 配置过滤工具
  4. 名称清理: 清理工具名称以满足 Gemini API 要求:
    • 无效字符(非字母数字、下划线、点、连字符)被替换为下划线
    • 超过 63 个字符的名称被截断并进行中间替换(___

3. 冲突解决

当多个服务器公开具有相同名称的工具时:

  1. 首次注册获胜: 第一个注册工具名称的服务器获得无前缀名称
  2. 自动前缀: 后续服务器获得前缀名称:serverName__toolName
  3. 注册表跟踪: 工具注册表维护服务器名称与其工具之间的映射

4. 模式处理

工具参数模式经过清理以兼容 Gemini API:

  • $schema 属性被移除
  • **additionalProperties**被剥离
  • **带有 defaultanyOf**移除其默认值(Vertex AI 兼容性)
  • 递归处理应用于嵌套模式

5. 连接管理

发现后:

  • 持久连接: 成功注册工具的服务器维持其连接
  • 清理: 不提供可用工具的服务器连接被关闭
  • 状态更新: 最终服务器状态设置为 CONNECTEDDISCONNECTED

工具执行流程

当 Gemini 模型决定使用 MCP 工具时,发生以下执行流程:

1. 工具调用

模型生成带有以下内容的 FunctionCall

  • 工具名称: 注册名称(可能带前缀)
  • 参数: 匹配工具参数模式的 JSON 对象

2. 确认过程

每个 DiscoveredMCPTool 实现复杂的确认逻辑:

基于信任的绕过

typescript
if (this.trust) {
  return false; // 不需要确认
}

动态允许列表

系统维护内部允许列表:

  • 服务器级别: serverName → 此服务器的所有工具都被信任
  • 工具级别: serverName.toolName → 此特定工具被信任

用户选择处理

需要确认时,用户可以选择:

  • 仅此次继续: 仅此次执行
  • 始终允许此工具: 添加到工具级别允许列表
  • 始终允许此服务器: 添加到服务器级别允许列表
  • 取消: 中止执行

3. 执行

确认后(或信任绕过):

  1. 参数准备: 根据工具模式验证参数

  2. MCP 调用: 底层 CallableTool 使用以下内容调用服务器:

    typescript
    const functionCalls = [
      {
        name: this.serverToolName, // 原始服务器工具名称
        args: params,
      },
    ];
  3. 响应处理: 结果格式化用于 LLM 上下文和用户显示

4. 响应处理

执行结果包含:

  • llmContent 语言模型上下文的原始响应部分
  • returnDisplay 用户显示的格式化输出(通常是 markdown 代码块中的 JSON)

如何与您的 MCP 服务器交互

使用 /mcp 命令

/mcp 命令提供有关您的 MCP 服务器设置的全面信息:

bash
/mcp

这显示:

  • 服务器列表: 所有配置的 MCP 服务器
  • 连接状态: CONNECTEDCONNECTINGDISCONNECTED
  • 服务器详细信息: 配置摘要(排除敏感数据)
  • 可用工具: 每个服务器的工具列表及描述
  • 发现状态: 整体发现过程状态

示例 /mcp 输出

MCP Servers Status:

📡 pythonTools (CONNECTED)
  Command: python -m my_mcp_server --port 8080
  Working Directory: ./mcp-servers/python
  Timeout: 15000ms
  Tools: calculate_sum, file_analyzer, data_processor

🔌 nodeServer (DISCONNECTED)
  Command: node dist/server.js --verbose
  Error: Connection refused

🐳 dockerizedServer (CONNECTED)
  Command: docker run -i --rm -e API_KEY my-mcp-server:latest
  Tools: docker__deploy, docker__status

Discovery State: COMPLETED

工具使用

一旦发现,MCP 工具就像内置工具一样可供 Gemini 模型使用。模型将自动:

  1. 选择适当的工具,基于您的请求
  2. 显示确认对话框(除非服务器被信任)
  3. 使用适当参数执行工具
  4. 以用户友好格式显示结果

状态监控和故障排除

连接状态

MCP 集成跟踪几种状态:

服务器状态(MCPServerStatus

  • DISCONNECTED 服务器未连接或有错误
  • CONNECTING 连接尝试进行中
  • CONNECTED 服务器已连接且就绪

发现状态(MCPDiscoveryState

  • NOT_STARTED 发现尚未开始
  • IN_PROGRESS 当前正在发现服务器
  • COMPLETED 发现完成(有或没有错误)

常见问题和解决方案

服务器无法连接

症状: 服务器显示 DISCONNECTED 状态

故障排除:

  1. 检查配置: 验证 commandargscwd 是否正确
  2. 手动测试: 直接运行服务器命令以确保它工作
  3. 检查依赖项: 确保安装了所有必需的包
  4. 查看日志: 在 CLI 输出中查找错误消息
  5. 验证权限: 确保 CLI 可以执行服务器命令

未发现工具

症状: 服务器连接但没有可用工具

故障排除:

  1. 验证工具注册: 确保您的服务器实际注册工具
  2. 检查 MCP 协议: 确认您的服务器正确实现 MCP 工具列表
  3. 查看服务器日志: 检查 stderr 输出中的服务器端错误
  4. 测试工具列表: 手动测试您服务器的工具发现端点

工具无法执行

症状: 工具被发现但在执行期间失败

故障排除:

  1. 参数验证: 确保您的工具接受预期参数
  2. 模式兼容性: 验证您的输入模式是有效的 JSON 模式
  3. 错误处理: 检查您的工具是否抛出未处理的异常
  4. 超时问题: 考虑增加 timeout 设置

沙盒兼容性

症状: 启用沙盒时 MCP 服务器失败

解决方案:

  1. 基于 Docker 的服务器: 使用包含所有依赖项的 Docker 容器
  2. 路径可访问性: 确保服务器可执行文件在沙盒中可用
  3. 网络访问: 配置沙盒以允许必要的网络连接
  4. 环境变量: 验证所需的环境变量已传递

调试技巧

  1. 启用调试模式: 使用 --debug 运行 CLI 以获得详细输出
  2. 检查 stderr: 捕获并记录 MCP 服务器 stderr(过滤 INFO 消息)
  3. 测试隔离: 在集成之前独立测试您的 MCP 服务器
  4. 增量设置: 在添加复杂功能之前从简单工具开始
  5. 频繁使用 /mcp 在开发期间监控服务器状态

重要注意事项

安全考虑

  • 信任设置: trust 选项绕过所有确认对话框。谨慎使用,仅用于您完全控制的服务器
  • 访问令牌: 配置包含 API 密钥或令牌的环境变量时要注意安全
  • 沙盒兼容性: 使用沙盒时,确保 MCP 服务器在沙盒环境中可用
  • 私人数据: 使用范围广泛的个人访问令牌可能导致仓库间的信息泄露

性能和资源管理

  • 连接持久性: CLI 维护与成功注册工具的服务器的持久连接
  • 自动清理: 不提供工具的服务器连接被自动关闭
  • 超时管理: 根据服务器的响应特性配置适当的超时
  • 资源监控: MCP 服务器作为单独的进程运行并消耗系统资源

模式兼容性

  • 属性剥离: 系统自动移除某些模式属性($schemaadditionalProperties)以兼容 Gemini API
  • 名称清理: 工具名称自动清理以满足 API 要求
  • 冲突解决: 服务器间的工具名称冲突通过自动前缀解决

这种全面的集成使 MCP 服务器成为扩展 Gemini CLI 功能的强大方式,同时保持安全性、可靠性和易用性。

MCP 提示作为斜杠命令

除了工具之外,MCP 服务器还可以公开预定义的提示,这些提示可以作为 Gemini CLI 中的斜杠命令执行。这允许您为常见或复杂的查询创建快捷方式,可以通过名称轻松调用。

在服务器上定义提示

以下是定义提示的 stdio MCP 服务器的小示例:

ts
import { McpServer } from '@modelcontextprotocol/sdk/server/mcp.js';
import { StdioServerTransport } from '@modelcontextprotocol/sdk/server/stdio.js';
import { z } from 'zod';

const server = new McpServer({
  name: 'prompt-server',
  version: '1.0.0',
});

server.registerPrompt(
  'poem-writer',
  {
    title: 'Poem Writer',
    description: 'Write a nice haiku',
    argsSchema: { title: z.string(), mood: z.string().optional() },
  },
  ({ title, mood }) => ({
    messages: [
      {
        role: 'user',
        content: {
          type: 'text',
          text: `Write a haiku${mood ? ` with the mood ${mood}` : ''} called ${title}. Note that a haiku is 5 syllables followed by 7 syllables followed by 5 syllables `,
        },
      },
    ],
  }),
);

const transport = new StdioServerTransport();
await server.connect(transport);

这可以在 settings.jsonmcpServers 下包含:

json
"nodeServer": {
  "command": "node",
  "args": ["filename.ts"],
}

调用提示

一旦发现提示,您可以使用其名称作为斜杠命令调用它。CLI 将自动处理解析参数。

bash
/poem-writer --title="Gemini CLI" --mood="reverent"

或者,使用位置参数:

bash
/poem-writer "Gemini CLI" reverent

当您运行此命令时,Gemini CLI 使用提供的参数在 MCP 服务器上执行 prompts/get 方法。服务器负责将参数替换到提示模板中并返回最终提示文本。然后 CLI 将此提示发送给模型执行。这提供了一种方便的方式来自动化和共享常见工作流。

基于 MIT 许可证发布