使用 Gemini CLI 的 MCP 服务器

本文档提供了配置和使用模型上下文协议（MCP）服务器与 Gemini CLI 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，使其能够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、其描述和参数。
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）。

通过 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程交互。

核心集成架构

Gemini CLI 通过构建在核心包（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：

遍历配置的服务器 从您的 settings.json mcpServers 配置
建立连接 使用适当的传输机制（Stdio、SSE 或 Streamable HTTP）
获取工具定义 使用 MCP 协议从每个服务器
清理和验证 工具模式以与 Gemini API 兼容
注册工具 在全局工具注册表中通过冲突解决

执行层（`mcp-tool.ts`）

每个发现的 MCP 工具都包装在一个 DiscoveredMCPTool 实例中，它：

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。此配置支持具有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

将 mcpServers 对象添加到您的 settings.json 文件中：

json

{ ...文件包含其他配置对象
  "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（字符串数组）：Stdio 传输的命令行参数
env（对象）：服务器进程的环境变量。值可以使用 $VAR_NAME 或 ${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（毫秒）（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）

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
    }
  }
}

发现过程深入解析

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：

状态跟踪开始： 服务器状态设置为 CONNECTING
传输选择： 基于配置属性：
- httpUrl → StreamableHTTPClientTransport
- url → SSEClientTransport
- command → StdioClientTransport
建立连接： MCP 客户端尝试使用配置的超时连接
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：

工具列表： 客户端调用 MCP 服务器的工具列表端点
模式验证： 验证每个工具的函数声明
名称清理： 工具名称被清理以满足 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：

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
自动前缀： 后续服务器获得前缀名称：serverName__toolName
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与 Gemini API 兼容：

$schema 属性 被移除
additionalProperties 被剥离
带有 default 的 anyOf 删除其默认值（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护其连接
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 CONNECTED 或 DISCONNECTED

工具执行流程

当 Gemini 模型决定使用 MCP 工具时，会发生以下执行流程：

1. 工具调用

模型生成一个 FunctionCall，包含：

工具名称： 注册的名称（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 → 来自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

当需要确认时，用户可以选择：

仅此次执行： 仅这次执行
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）：

参数准备： 根据工具模式验证参数

MCP 调用： 底层 CallableTool 使用以下方式调用服务器：

typescript

const functionCalls = [
  {
    name: this.serverToolName, // 原始服务器工具名称
    args: params,
  },
];

响应处理： 结果被格式化用于 LLM 上下文和用户显示

4. 响应处理

执行结果包含：

llmContent： 用于语言模型上下文的原始响应部分
returnDisplay： 用于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 命令提供关于您的 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： CONNECTED、CONNECTING 或 DISCONNECTED
服务器详细信息： 配置摘要（排除敏感数据）
可用工具： 来自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 服务器状态：

📡 pythonTools (已连接)
  命令：python -m my_mcp_server --port 8080
  工作目录：./mcp-servers/python
  超时：15000ms
  工具：calculate_sum, file_analyzer, data_processor

🔌 nodeServer (已断开)
  命令：node dist/server.js --verbose
  错误：连接被拒绝

🐳 dockerizedServer (已连接)
  命令：docker run -i --rm -e API_KEY my-mcp-server:latest
  工具：docker__deploy, docker__status

发现状态：已完成

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：

选择适当的工具 基于您的请求
呈现确认对话框（除非服务器被信任）
执行工具 使用适当的参数
显示结果 以用户友好的格式

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： 服务器已连接并准备就绪

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：

检查配置： 验证 command、args 和 cwd 是否正确
手动测试： 直接运行服务器命令以确保其工作
检查依赖项： 确保安装了所有必需的包
查看日志： 在 CLI 输出中查找错误消息
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：

验证工具注册： 确保您的服务器实际注册工具
检查 MCP 协议： 确认您的服务器正确实现 MCP 工具列表
查看服务器日志： 检查 stderr 输出以查找服务器端错误
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：

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

沙箱兼容性

症状： 启用沙箱时 MCP 服务器失败

解决方案：

基于 Docker 的服务器： 使用包含所有依赖项的 Docker 容器
路径可访问性： 确保服务器可执行文件在沙箱中可用
网络访问： 配置沙箱以允许必要的网络连接
环境变量： 验证所需的环境变量被传递

调试技巧

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

重要说明

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： 在配置包含 API 密钥或令牌的环境变量时要注意安全
沙箱兼容性： 使用沙箱时，确保 MCP 服务器在沙箱环境中可用
私人数据： 使用范围广泛的个人访问令牌可能导致存储库之间的信息泄露

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： 与不提供工具的服务器的连接被自动关闭
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： 系统自动删除某些模式属性（$schema、additionalProperties）以与 Gemini API 兼容
名称清理： 工具名称被自动清理以满足 API 要求
冲突解决： 服务器之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。

使用 Gemini CLI 的 MCP 服务器 ​

什么是 MCP 服务器？ ​

核心集成架构 ​

发现层（mcp-client.ts） ​

执行层（mcp-tool.ts） ​

传输机制 ​

如何设置您的 MCP 服务器 ​

在 settings.json 中配置 MCP 服务器 ​

配置结构 ​

配置属性 ​

必需（以下之一） ​

可选 ​

示例配置 ​

Python MCP 服务器（Stdio） ​

Node.js MCP 服务器（Stdio） ​

基于 Docker 的 MCP 服务器 ​

基于 HTTP 的 MCP 服务器 ​

发现过程深入解析 ​

1. 服务器迭代和连接 ​

2. 工具发现 ​

3. 冲突解决 ​

4. 模式处理 ​

5. 连接管理 ​

工具执行流程 ​

1. 工具调用 ​

2. 确认过程 ​

基于信任的绕过 ​

动态允许列表 ​

用户选择处理 ​

3. 执行 ​

4. 响应处理 ​

如何与您的 MCP 服务器交互 ​

使用 /mcp 命令 ​

示例 /mcp 输出 ​

工具使用 ​

状态监控和故障排除 ​

连接状态 ​

服务器状态（MCPServerStatus） ​

发现状态（MCPDiscoveryState） ​

常见问题和解决方案 ​

服务器无法连接 ​

未发现工具 ​

工具无法执行 ​

沙箱兼容性 ​

调试技巧 ​

重要说明 ​

安全考虑 ​

性能和资源管理 ​

模式兼容性 ​

使用 Gemini CLI 的 MCP 服务器

什么是 MCP 服务器？

核心集成架构

发现层（`mcp-client.ts`）

执行层（`mcp-tool.ts`）

传输机制

如何设置您的 MCP 服务器

在 settings.json 中配置 MCP 服务器

配置结构

配置属性

必需（以下之一）

可选

示例配置

Python MCP 服务器（Stdio）

Node.js MCP 服务器（Stdio）

基于 Docker 的 MCP 服务器

基于 HTTP 的 MCP 服务器

发现过程深入解析

1. 服务器迭代和连接

2. 工具发现

3. 冲突解决

4. 模式处理

5. 连接管理

工具执行流程

1. 工具调用

2. 确认过程

基于信任的绕过

动态允许列表

用户选择处理

3. 执行

4. 响应处理

如何与您的 MCP 服务器交互

使用 `/mcp` 命令

示例 `/mcp` 输出

工具使用

状态监控和故障排除

连接状态

服务器状态（`MCPServerStatus`）

发现状态（`MCPDiscoveryState`）

常见问题和解决方案

服务器无法连接

未发现工具

工具无法执行

沙箱兼容性

调试技巧

重要说明

安全考虑

性能和资源管理

模式兼容性