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：

1. 获取仓库结构和文件列表
2. 分析关键文件的代码
3. 识别潜在的性能瓶颈、代码质量问题和安全漏洞
4. 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：

1. 获取仓库结构和文件列表
2. 分析关键文件的代码
3. 识别潜在的性能瓶颈、代码质量问题和安全漏洞
4. 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。

---

Reference

1. Gemini CLI 与 MCP 整合
2. gemini-cli/docs/tools/mcp-server.md at main · google-gemini/gemini-cli