gemini
一个基于MCP协议，集成Google Gemini Pro模型的TypeScript服务器。
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：一个基于MCP协议，集成Google Gemini Pro模型的TypeScript服务器。 详细介绍见：https://321skill.com/skills/gemini-gemini-mcp-server/ 请根据该页面的说明完成安装。
使用示例
“基于MCP服务器调用Gemini Pro，帮我分析一下这段代码的潜在性能瓶颈。”，它会通过配置好的gemini-mcp-server将你的请求转发给Gemini Pro模型，并将模型的分析结果返回给你，实现跨模型的代码审查。或者，你可以说：“用Gemini模型为这个产品功能描述生成几个营销文案创意。”
介绍
这个Skill解决了开发者希望在自己的AI应用或工作流中便捷、标准化地调用Google Gemini Pro模型能力的问题。它提供了一个遵循MCP（Model Context Protocol）协议的服务器实现，使得Claude、Cursor等支持MCP的AI工具或平台能够通过标准化的方式与Gemini Pro模型进行交互。
使用方式是通过Node.js环境安装并运行这个服务器，然后在你的AI工具（如Claude Desktop）中配置MCP服务器地址。配置成功后，你就可以在支持的AI工具内直接调用Gemini Pro模型来完成各种任务，而无需单独对接其API。
它非常适合需要将Gemini Pro模型能力集成到现有AI辅助工作流中的开发者，特别是那些已经在使用支持MCP协议工具（如Claude for Desktop）的工程师和研究人员。通过它，你可以在一个统一的界面里利用不同模型的长处。
建议在使用前确保你已拥有可用的Google AI Studio API密钥，并了解基本的Node.js环境配置。由于它本质上是一个模型桥接服务器，其功能上限取决于Gemini Pro模型本身的能力以及MCP协议的支持范围。
核心特点
核心区别在于它严格遵循MCP协议标准，为Gemini Pro模型提供了标准化的工具调用接口，使其能无缝接入Claude Desktop等MCP生态，而非一个独立的聊天客户端或简单的API封装。
注意事项
不适合需要直接、精细控制Gemini API所有参数或使用非MCP生态工具（如直接通过代码调用）的场景。
常见问题
这个Skill和直接使用Gemini API有什么区别？
它通过MCP协议将Gemini API标准化，让你能在Claude等支持MCP的工具内直接调用，无需自己写集成代码，提升了在特定工作流中的使用便捷性。
需要哪些前置条件才能使用？
需要Node.js环境、一个有效的Google AI Studio API密钥，以及一个支持MCP客户端模式的AI应用（如Claude Desktop）。