Gemini MCP Server环境变量配置全解析：定制你的AI协作平台
项目地址: https://gitcode.com/GitHub_Trending/ge/gemini-mcp-server Gemini MCP Server作为一款强大的AI协作平台，提供了丰富的环境变量配置选项，让你能够根据实际需求定制平台行为。通过环境变量，你可以轻松切换AI模型、调整响应温度、配置API密钥等，无需修改源代码即可实现个性化定制。本文将详细介绍Gemini MCP Server的环境变量配置方法，帮助你充分发挥平台的潜力。
环境变量基础
Gemini MCP Server的环境变量配置系统采用了灵活的设计，支持通过操作系统环境变量或.env文件进行配置。系统会优先读取操作系统环境变量，当ZEN_MCP_FORCE_ENV_OVERRIDE设置为true时，.env文件中的配置将覆盖系统环境变量。这种设计既保证了配置的灵活性，又便于在不同环境中进行部署和迁移。
环境变量的读取和管理由utils/env.py模块负责，该模块提供了get_env()、get_env_bool()等便捷函数，确保环境变量的读取和解析过程简单可靠。你可以通过修改utils/env.py文件来自定义环境变量的读取行为，例如添加新的环境变量解析规则或修改默认值。
核心环境变量配置
模型配置
Gemini MCP Server支持多种AI模型，你可以通过环境变量轻松切换和配置这些模型。
-
DEFAULT_MODEL：设置默认使用的AI模型，默认为"auto"。当设置为"auto"时，系统会根据任务类型和可用模型自动选择最合适的模型。你可以通过修改config.py文件中的
DEFAULT_MODEL变量来设置默认模型，或通过环境变量DEFAULT_MODEL进行覆盖。DEFAULT_MODEL = get_env("DEFAULT_MODEL", "auto") or "auto" -
MAX_MCP_OUTPUT_TOKENS：控制MCP协议传输的最大令牌数，默认为25000。这个值会影响MCP_PROMPT_SIZE_LIMIT的计算，后者决定了用户输入的最大字符数。你可以通过设置环境变量
MAX_MCP_OUTPUT_TOKENS来调整这个限制。max_tokens_str = get_env("MAX_MCP_OUTPUT_TOKENS")
API密钥配置
为了使用第三方AI服务，你需要配置相应的API密钥。Gemini MCP Server支持多种AI服务提供商，包括Google Gemini、OpenAI、Azure OpenAI等。
-
GEMINI_API_KEY：Google Gemini API密钥。如果未设置此密钥，Gemini相关功能将不可用。
gemini_key = get_env("GEMINI_API_KEY") -
OPENAI_API_KEY：OpenAI API密钥。用于访问OpenAI的GPT系列模型。
openai_key = get_env("OPENAI_API_KEY") -
AZURE_OPENAI_API_KEY和AZURE_OPENAI_ENDPOINT：Azure OpenAI服务的API密钥和端点URL。
azure_key = get_env("AZURE_OPENAI_API_KEY") azure_endpoint = get_env("AZURE_OPENAI_ENDPOINT") -
XAI_API_KEY：X.AI API密钥，用于访问Grok等模型。
xai_key = get_env("XAI_API_KEY") -
DIAL_API_KEY：DeepSeek API密钥，用于访问DeepSeek系列模型。
dial_key = get_env("DIAL_API_KEY") -
OPENROUTER_API_KEY：OpenRouter API密钥，用于访问多种第三方模型。
openrouter_key = get_env("OPENROUTER_API_KEY") -
CUSTOM_API_URL、CUSTOM_API_KEY和CUSTOM_MODEL_NAME：自定义AI服务的URL、API密钥和模型名称。这对于使用本地部署的模型（如Ollama）非常有用。
custom_url = get_env("CUSTOM_API_URL") custom_key = get_env("CUSTOM_API_KEY", "") or "" custom_model = get_env("CUSTOM_MODEL_NAME", "llama3.2") or "llama3.2"
行为配置
Gemini MCP Server提供了多种环境变量来调整平台的行为，包括日志级别、禁用工具、语言设置等。
-
LOG_LEVEL：设置日志级别，默认为"DEBUG"。可用的日志级别包括DEBUG、INFO、WARNING、ERROR和CRITICAL。
log_level = (get_env("LOG_LEVEL", "DEBUG") or "DEBUG").upper() -
DISABLED_TOOLS：禁用指定的工具，多个工具之间用逗号分隔。例如，设置为"debug,secaudit"将禁用调试和安全审计工具。
disabled_tools_env = (get_env("DISABLED_TOOLS", "") or "").strip() -
LOCALE：设置系统语言，默认为空（英语）。支持的语言代码包括"zh-CN"（简体中文）、"ja-JP"（日语）、"es-ES"（西班牙语）等。
LOCALE = get_env("LOCALE", "") or "" -
DEFAULT_THINKING_MODE_THINKDEEP：设置深度思考模式的默认级别，默认为"high"。可用的级别包括"low"、"medium"和"high"，级别越高，分析越深入，但响应时间也会相应增加。
DEFAULT_THINKING_MODE_THINKDEEP = get_env("DEFAULT_THINKING_MODE_THINKDEEP", "high") or "high"
高级配置
温度设置
Gemini MCP Server允许为不同类型的任务设置不同的响应温度，以控制AI模型的创造力和确定性。温度值范围为0到1，值越低，响应越确定；值越高，响应越有创造力。
在config.py文件中，你可以找到以下温度设置：
- TEMPERATURE_ANALYTICAL：用于需要精确性和一致性的任务，如代码审查和调试，默认值为0.2。
- TEMPERATURE_BALANCED：用于一般对话，提供平衡的一致性和多样性，默认值为0.5。
- TEMPERATURE_CREATIVE：用于探索性任务，如架构讨论和头脑风暴，默认值为0.7。
虽然这些温度值目前是硬编码的，但你可以轻松修改config.py文件，将它们改为通过环境变量进行配置，例如：
TEMPERATURE_ANALYTICAL = float(get_env("TEMPERATURE_ANALYTICAL", "0.2"))
.env文件配置
除了直接设置操作系统环境变量外，Gemini MCP Server还支持使用.env文件进行配置。.env文件是一个简单的文本文件，每行包含一个环境变量的键值对。
要使用.env文件，只需在项目根目录创建一个名为.env的文件，并添加所需的环境变量。例如：
DEFAULT_MODEL=gemini-pro
GEMINI_API_KEY=your_gemini_api_key
LOG_LEVEL=INFO
LOCALE=zh-CN
.env文件的加载和解析由utils/env.py模块处理。系统会自动读取项目根目录下的.env文件，并将其中的环境变量加载到系统中。如果需要重新加载.env文件，可以调用reload_env()函数。
配置示例
以下是一个完整的.env文件示例，展示了如何配置Gemini MCP Server的主要环境变量：
# 模型配置
DEFAULT_MODEL=gemini-pro
MAX_MCP_OUTPUT_TOKENS=50000
# API密钥
GEMINI_API_KEY=your_gemini_api_key_here
OPENAI_API_KEY=your_openai_api_key_here
AZURE_OPENAI_API_KEY=your_azure_api_key_here
AZURE_OPENAI_ENDPOINT=https://your-azure-endpoint.openai.azure.com/
# 行为配置
LOG_LEVEL=INFO
LOCALE=zh-CN
DEFAULT_THINKING_MODE_THINKDEEP=medium
DISABLED_TOOLS=secaudit,testgen
# 自定义模型配置
CUSTOM_API_URL=http://localhost:11434/v1
CUSTOM_MODEL_NAME=llama3.2
通过修改这个.env文件，你可以轻松定制Gemini MCP Server的行为，而无需修改源代码。
总结
Gemini MCP Server提供了丰富的环境变量配置选项，让你能够根据实际需求定制AI协作平台。通过本文介绍的环境变量，你可以轻松切换AI模型、配置API密钥、调整响应温度等，充分发挥平台的潜力。无论是个人开发者还是企业团队，都可以通过环境变量配置，让Gemini MCP Server更好地满足自身需求。
如果你想了解更多关于Gemini MCP Server的配置选项，可以查阅项目的官方文档：docs/configuration.md。此外，项目的README.md文件也提供了快速入门指南，帮助你快速搭建和配置Gemini MCP Server。
通过灵活运用环境变量，你可以打造一个真正属于自己的AI协作平台，提升开发效率，激发创新灵感。
创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考
