gemini

支持多Gemini模型的本地化MCP集成工具

安装使用

复制下面这段提示词发给你的 AI（Claude / Cursor / TRAE / Codex / WorkBuddy 等），它会自动帮你完成安装：

帮我安装这个 AI Skill：gemini。
它的用途是：支持多Gemini模型的本地化MCP集成工具
详细介绍见：https://321skill.com/skills/gemini-gemini-mcp-server-2/
请根据该页面的说明完成安装。

“帮我启动Gemini MCP服务器，并使用Gemini Pro Vision模型分析这张图片。”，它会调用您本地部署的lx0服务器，使用指定的模型处理图片并返回分析结果。或者，在开发中，您可以直接让AI助手通过该MCP服务器调用Gemini模型来生成代码或分析数据。

这个Skill是一个MCP（模型上下文协议）服务器，旨在解决开发者在集成和使用Google Gemini系列AI模型时面临的部署复杂性和模型切换不便的问题。它通过提供一个统一的本地或Docker化服务，简化了Gemini模型的调用流程。

使用方式非常灵活，您可以通过Docker快速部署，或者直接在本地环境中运行。它封装了与Gemini API的交互细节，让您能够通过简单的配置切换不同的Gemini模型（如Gemini Pro, Gemini Pro Vision等），而无需修改核心业务代码。

它非常适合需要频繁调用或对比不同Gemini模型能力的开发者、研究者，以及对数据隐私有要求、希望将AI模型调用部署在本地环境中的团队或个人。无论是开发AI应用、进行模型效果测试，还是构建需要稳定AI后端的服务，它都能提供便利。

建议在使用前仔细配置您的Gemini API密钥，并确保网络环境能够稳定访问Google AI Studio。对于生产环境，建议采用Docker部署以获得更好的环境隔离和可维护性。

核心区别在于它专为Gemini模型设计，支持在同一服务内灵活切换多个Gemini模型（如Pro、Pro Vision），并提供了开箱即用的本地/Docker部署方案，降低了MCP与Gemini集成的门槛。

主要依赖Google Gemini API，不适合需要完全离线或使用其他厂商大模型（如OpenAI、Claude）的场景。

如何配置多个Gemini模型的API密钥？

通常需要在服务器的配置文件（如.env或config.json）中分别设置不同模型对应的API_KEY环境变量或字段。

支持在Docker容器外访问这个MCP服务器吗？

支持，通过正确的网络和端口配置，您可以从宿主机或其他容器访问该服务。