Gemsuite

GemSuite MCP: La integración más completa de la API de Gemini para el Protocolo de Contexto de Modelos

El servidor de código abierto definitivo para la interacción avanzada con la API de Gemini mediante el Protocolo de Contexto de Modelos (MCP), que selecciona modelos de forma inteligente para un rendimiento óptimo, un costo mínimo de tokens y una integración perfecta.

Integración profesional de la API de Gemini para Claude y todos los hosts compatibles con MCP, con selección inteligente de modelos y manejo avanzado de archivos

Evolucionado del proyecto geminiserchMCP con capacidades mejoradas

Instalación • Características • Uso • Ejemplos • Modelos • Contribuciones

🌟 ¿Qué es GemSuite MCP?

GemSuite (Protocolo de Contexto de Modelos) MCP es la interfaz definitiva de integración de la API de Gemini para hosts MCP, que selecciona modelos de forma inteligente según la tarea en cuestión, ofreciendo un rendimiento óptimo, un costo mínimo de tokens y una integración perfecta. Permite que cualquier host compatible con MCP (Claude, Cursor, Replit, etc.) aproveche sin problemas las capacidades de Gemini, con un enfoque en:

1. Inteligencia: Selecciona automáticamente el modelo Gemini óptimo según la tarea y el contenido
2. Eficiencia: Optimiza el uso de tokens y el rendimiento en diferentes cargas de trabajo
3. Simplicidad: Proporciona una API limpia y consistente para operaciones complejas de IA
4. Versatilidad: Manejo avanzado de archivos; admite múltiples tipos de archivos, operaciones y casos de uso

Ya sea que estés analizando documentos, resolviendo problemas complejos, procesando archivos de texto grandes o buscando información, GemSuite MCP proporciona las herramientas adecuadas con los modelos adecuados para cada tarea.

¿Por qué GemSuite MCP?

A diferencia de otros servidores MCP de Gemini que ofrecen funcionalidad limitada, GemSuite MCP proporciona:

✅ Selección inteligente de modelos: Selecciona automáticamente el modelo Gemini óptimo según la tarea ✅ Manejo unificado de archivos: Procesa sin problemas varios tipos de archivos con detección automática de formato ✅ Suite completa de herramientas: Cuatro herramientas especializadas que cubren búsqueda, razonamiento, procesamiento y análisis ✅ Listo para producción: Implementado y validado en Smithery.ai, MCP.so y Glama.io

🚀 Instalación

Opción 1: Smithery.ai (Recomendada)

# Install directly via Smithery CLI
npx -y @smithery/cli@latest install @PV-Bhat/gemsuite-mcp --client claude

Opción 2: Instalación manual

# Clone the repository
git clone https://github.com/PV-Bhat/gemsuite-mcp.git
cd gemsuite-mcp

# Install dependencies
npm install

# Set your Gemini API key
echo "GEMINI_API_KEY=your_api_key_here" > .env

# Build the project
npm run build

# Start the server
npm start

🔑 Configuración de la clave API

1. Obtén una clave API de Gemini en Google AI Studio
2. Configúrala como variable de entorno:

   export GEMINI_API_KEY=your_api_key_here
   

   o crea un archivo .env en la raíz del proyecto:

   GEMINI_API_KEY=your_api_key_here
   

💎 Características principales

Manejo unificado de archivos

• Procesamiento de archivos sin interrupciones: Todas las herramientas admiten entradas de archivos mediante el parámetro file_path
• Detección automática de formato: Manejo correcto de varios tipos de archivos con tipos MIME apropiados
• Soporte multimodal: Procesa imágenes, documentos, archivos de código y más
• Procesamiento por lotes: Soporte para procesar múltiples archivos en una sola operación

Selección inteligente de modelos

graph TD
    A[Task Request] --> B{Task Type}
    B -->|Search| C[Gemini Flash]
    B -->|Reasoning| D[Gemini Flash Thinking]
    B -->|Processing| E[Gemini Flash-Lite]
    B -->|Analysis| F{File Type}
    F -->|Image| G[Gemini Flash]
    F -->|Code| H[Gemini Flash Thinking]
    F -->|Text| I[Gemini Flash-Lite]
    C & D & E & G & H & I --> J[Execute Request]

Herramientas especializadas

Manejo robusto de errores

• Retroceso exponencial: Manejo elegante de los límites de velocidad de la API
• Detección integral de errores: Identificación clara de las fuentes de error
• Mensajes accionables: Información detallada de errores para la resolución de problemas
• Mecanismos de recuperación: Alternativas inteligentes cuando los enfoques principales fallan

🖥️ Uso

En Claude u otros hosts compatibles con MCP

Al usar GemSuite MCP con Claude u otros hosts compatibles con MCP, las herramientas estarán disponibles directamente en el kit de herramientas del asistente. Simplemente llama a la herramienta adecuada según tus necesidades:

Guía de selección de herramientas

• gem_search: Para preguntas factuales que requieren integración de búsqueda
• gem_reason: Para problemas complejos que requieren razonamiento paso a paso
• gem_process: Para el procesamiento eficiente de texto o archivos (la más eficiente en tokens)
• gem_analyze: Para el análisis detallado de archivos con selección automática de modelos

📚 Ejemplos de uso

Claude Desktop usando GemSuite Gemini Search para acceder a la Búsqueda de Google

Procesamiento de archivos (la más eficiente en tokens)

// Summarize a large document
const response = await gem_process({
  file_path: "/path/to/your/large_document.pdf",
  operation: "summarize"
});

// Extract specific information
const response = await gem_process({
  file_path: "/path/to/your/report.docx",
  operation: "extract",
  content: "Extract all financial data and metrics from this document."
});

Análisis de archivos

// Analyze an image
const response = await gem_analyze({
  file_path: "/path/to/your/image.jpg",
  instruction: "Describe what you see in this image in detail."
});

// Analyze code
const response = await gem_analyze({
  file_path: "/path/to/your/code.py",
  instruction: "Identify potential bugs and suggest optimizations."
});

Razonamiento complejo

// Solve a complex problem with step-by-step reasoning
const response = await gem_reason({
  problem: "Analyze this code and suggest improvements:",
  file_path: "/path/to/your/code.js",
  show_steps: true
});

// Mathematical problem solving
const response = await gem_reason({
  problem: "Solve this differential equation: dy/dx = 2xy with y(0) = 1",
  show_steps: true
});

Búsqueda con archivos

// Answer questions about a document with search integration
const response = await gem_search({
  query: "What companies are mentioned in this document?",
  file_path: "/path/to/your/document.pdf"
});

// Factual questions with search
const response = await gem_search({
  query: "What are the latest developments in quantum computing?",
  enable_thinking: true
});

🧠 Características de los modelos

GemSuite MCP aprovecha tres modelos Gemini principales, seleccionando de forma inteligente el modelo óptimo para cada tarea:

Gemini 2.0 Flash

• Ventana de contexto de 1M de tokens: Procesa contenido extenso
• Integración de búsqueda: Fundamenta las respuestas en información actual
• Capacidades multimodales: Maneja texto, imágenes y más
• Rendimiento equilibrado: Buena combinación de calidad y velocidad

Gemini 2.0 Flash-Lite

• La más rentable: Minimiza el uso de tokens
• Tiempos de respuesta más rápidos: Ideal para operaciones de alto volumen
• Enfocada en texto: Optimizada para el procesamiento de texto
• Óptima para eficiencia: Cuando no se necesitan búsqueda ni razonamiento

Gemini 2.0 Flash Thinking

• Razonamiento mejorado: Análisis lógico y resolución de problemas
• Análisis paso a paso: Muestra el proceso de razonamiento
• Capacidades especializadas: Destaca en cálculos complejos
• La mejor para profundidad: Cuando es necesario un análisis exhaustivo

🔄 Ejemplos de flujos de trabajo

Flujo de trabajo de análisis de documentos

// 1. Get a high-level summary (most efficient)
const summary = await gem_process({
  file_path: "/path/to/large_document.pdf",
  operation: "summarize"
});

// 2. Extract specific information
const keyPoints = await gem_process({
  file_path: "/path/to/large_document.pdf",
  operation: "extract",
  content: "Extract the key findings and recommendations"
});

// 3. Answer specific questions with search integration
const answers = await gem_search({
  query: "Based on this document, what are the implications for market growth?",
  file_path: "/path/to/large_document.pdf"
});

// 4. Claude synthesizes the processed information
// This approach is dramatically more token-efficient than having
// Claude process the entire document directly

Flujo de trabajo de revisión de código

// 1. Get code overview
const overview = await gem_analyze({
  file_path: "/path/to/code.js",
  instruction: "Provide an overview of this code's structure and purpose"
});

// 2. Identify potential issues
const issues = await gem_reason({
  problem: "Analyze this code for bugs, security vulnerabilities, and performance issues",
  file_path: "/path/to/code.js",
  show_steps: true
});

// 3. Generate improvements
const improvements = await gem_reason({
  problem: "Suggest specific improvements to make this code more efficient and maintainable",
  file_path: "/path/to/code.js",
  show_steps: true
});

// 4. Claude provides a comprehensive code review synthesis

🧩 Integración con otros hosts MCP

GemSuite MCP funciona con cualquier host compatible con MCP:

• Claude Desktop: Integración perfecta con las potentes capacidades de razonamiento de Claude
• Cursor IDE: Asistencia mejorada de codificación con las capacidades de Gemini
• Replit: Generación y análisis de código directamente en tu entorno de desarrollo
• Otros hosts MCP: Compatible con cualquier plataforma que implemente el estándar MCP

🛠️ Configuración avanzada

Selección personalizada de modelos

Puedes anular la selección automática de modelos especificando el parámetro model_id:

// Force the use of Gemini Flash Thinking for a processing task
const response = await gem_process({
  file_path: "/path/to/document.pdf",
  operation: "analyze",
  model_id: "models/gemini-2.0-flash-thinking"
});

Operaciones disponibles para gem_process

• summarize: Crear un resumen conciso
• extract: Extraer información específica
• restructure: Reorganizar el contenido en un formato más útil
• simplify: Hacer que el contenido complejo sea más fácil de entender
• expand: Agregar detalles o contexto al contenido
• critique: Proporcionar análisis crítico
• feedback: Ofrecer comentarios constructivos
• analyze: Análisis general del contenido

🔧 Contribuciones

¡Las contribuciones son bienvenidas! Así es como puedes comenzar:

1. Haz un fork del repositorio
2. Crea una rama de características: git checkout -b feature/my-new-feature
3. Realiza tus cambios
4. Ejecuta las pruebas: npm test
5. Confirma tus cambios: git commit -m 'Add my new feature'
6. Sube tu rama: git push origin feature/my-new-feature
7. Envía una solicitud de extracción

Para cambios importantes, abre primero un issue para discutir lo que te gustaría cambiar.

📜 Licencia

Este proyecto está licenciado bajo la Licencia MIT; consulta el archivo LICENSE para más detalles.

🙏 Agradecimientos

• Lorhlona/geminiserchMCP - El proyecto original que inspiró esta versión mejorada
• Protocolo de Contexto de Modelos - Por desarrollar el estándar MCP
• Google Gemini - Por los potentes modelos de IA que impulsan este servidor

🔗 Enlaces

• Repositorio de GitHub
• Smithery.ai
• Mcp.so
• Glama
• Rastreador de issues
• Protocolo de Contexto de Modelos

_{Hecho con ❤️ por PV-Bhat}