이 프로젝트는 Model Context Protocol (MCP)을 통해 mcp-flight-search 도구와 상호작용하기 위해 함수 호출 (function calling) 기능이 있는 Google의 Gemini 2.5 Pro를 사용하는 방법을 보여줍니다. 이 클라이언트 구현은 다음과 같은 방법을 보여줍니다:

• stdio 통신을 사용하여 로컬 MCP 서버 프로세스 (mcp-flight-search)에 연결

• Gemini 2.5 Pro와 함께 자연어 프롬프트를 사용하여 항공편 검색 (예: "2025-05-05에 애틀랜타에서 라스베이거스로 가는 항공편을 찾아줘")

• Gemini가 자연어 입력으로부터 올바른 함수 매개변수 (function parameters)를 자동으로 결정하도록 허용

• MCP 도구를 사용하여 항공편 검색 실행

• 검색된 결과를 포맷팅된 형태로 표시

• Gemini 2.5 Pro를 사용한 자연어 항공편 검색

• 함수 호출 (function calling)을 통한 자동 매개변수 추출

• stdio를 통한 mcp-flight-search 도구와의 통합

• 항공편 결과의 포맷팅된 JSON 출력

• API 키를 위한 환경 기반 설정

이 클라이언트를 실행하기 전에 다음이 필요합니다:

• Python 3.7 이상
• Gemini를 위한 Google AI Studio API 키
• SerpAPI 키 (항공편 검색 도구에서 사용됨)
• 설치된 mcp-flight-search 패키지

이 프로젝트는 여러 Python 패키지에 의존합니다:

• google-generativeai: Gemini 2.5 Pro 및 기타 Google AI 모델에 액세스하기 위한 Google의 공식 Python 라이브러리.

  • Gemini 2.5 Pro를 위한 클라이언트 인터페이스 제공
  • 함수 호출 (function calling) 기능 처리
  • API 인증 및 요청 관리

• mcp-sdk-python: Python용 Model Context Protocol (MCP) SDK.

  • MCP 통신 관리를 위한 ClientSession 제공
  • 서버 프로세스 구성을 위한 StdioServerParameters 포함
  • 도구 등록 및 호출 처리

• mcp-flight-search: MCP로 구축된 항공편 검색 서비스.

  • SerpAPI를 사용하여 항공편 검색 기능 구현
  • 항공편 검색을 위한 MCP 준수 도구 제공
  • stdio 및 HTTP 통신 모드 모두 처리

asyncio: 비동기 코드를 작성하기 위한 Python 내장 라이브러리
- 비동기 작업 및 코루틴 (coroutines) 관리
- 동시 I/O 작업 처리
- MCP 클라이언트-서버 통신을 위해 필요

json: Python 내장 JSON 인코더 및 디코더
- 항공편 검색 결과 파싱 (parsing)
- 출력을 위한 포맷팅
- 데이터 직렬화/역직렬화 (serialization/deserialization) 처리

저장소 복제 (Clone the Repository):
git clone https://github.com/arjunprabhulal/mcp-gemini-search.git cd mcp-gemini-search

의존성 설치 (Install Dependencies):

필요한 Python 라이브러리 설치

pip install -r requirements.txt

MCP 항공편 검색 도구 설치

pip install mcp-flight-search

환경 변수 설정 (Set Environment Variables):
export GEMINI_API_KEY="YOUR_GEMINI_API_KEY"
export SERP_API_KEY="YOUR_SERPAPI_API_KEY"

플레이스홀더 값을 실제 API 키로 교체하세요:

• Google AI Studio에서 Gemini API 키를 받으세요
• SerpApi에서 SerpAPI 키를 받으세요

이 프로젝트는 자연어 항공편 검색을 가능하게 하기 위해 여러 구성 요소를 통합합니다. 시스템 작동 방식은 다음과 같습니다:

사용자에서 클라이언트로 (User to Client)

• 사용자가 자연어 쿼리 제공 (예: "내일 애틀랜타에서 라스베이거스로 가는 항공편 찾아줘")

• 클라이언트 스크립트 (client.py)가 입력을 처리

클라이언트에서 MCP 서버로 (Client to MCP Server)

• 클라이언트가 MCP 서버 프로세스 (mcp-flight-search)를 시작

• stdio 통신 채널 구축

• 사용 가능한 도구 및 해당 설명(description)을 가져옴

클라이언트에서 Gemini 2.5 Pro로 (Client to Gemini 2.5 Pro)

• 사용자의 쿼리를 전송

• 함수 호출 (function calling)을 위한 도구 설명 제공

• 추출된 파라미터가 포함된 구조화된 함수 호출을 수신

클라이언트에서 MCP 도구로 (Client to MCP Tool)

• Gemini로부터 함수 호출 파라미터를 가져옴

• 파라미터와 함께 적절한 MCP 도구를 호출

• 응답 처리 수행

MCP 서버에서 SerpAPI로 (MCP Server to SerpAPI)

• MCP 서버가 SerpAPI에 요청을 보냄

• Google Flights 데이터 쿼리

• 항공편 정보 처리 및 포맷팅

입력 처리 (Input Processing)
사용자 쿼리 → 자연어 텍스트 → Gemini 2.5 Pro → 구조화된 파라미터

항공권 검색 (Flight Search)
Parameters → MCP Tool → SerpAPI → Flight Data → JSON Response

결과 처리 (Result Handling)
JSON Response → Parse → Format → Display to User

Client ↔ MCP Server

• stdio 통신을 사용함

• 도구 등록 및 호출을 위해 MCP 프로토콜을 따름

• 비동기 작업 (Asynchronous operations)을 처리함

MCP Server ↔ SerpAPI

• HTTPS 요청

• JSON 데이터 교환

• API 키 인증

Client ↔ Gemini 2.5 Pro

• HTTPS 요청
• 함수 호출 (Function calling) 프로토콜
• API 키 인증

이 통합 과정에는 여러 단계의 에러 처리 (Error handling)가 포함됩니다:

• 입력 유효성 검사 (Input validation)
• API 통신 오류
• 도구 실행 실패
• 응답 파싱 (Response parsing) 문제
• 데이터 포맷팅 문제

클라이언트 실행:

python client.py

스크립트는 다음을 수행합니다:

• MCP 항공권 검색 서버 프로세스를 시작함
• 항공권 검색 쿼리를 2.5 Pro로 전송함
• Gemini의 함수 호출 (Function calling)을 사용하여 검색 파라미터를 추출함
• MCP 도구를 통해 검색을 실행함
• 포맷팅된 결과를 표시함

이 클라이언트는 다음에서 사용할 수 있는 mcp-flight-search 도구를 사용합니다:

• GitHub: arjunprabhulal/mcp-flight-search
• PyPI: mcp-flight-search

AI/ML 및 생성형 AI (Generative AI)에 관한 더 많은 글을 보시려면 Medium에서 저를 팔로우하세요: @arjun-prabhulal

이 프로젝트는 MIT 라이선스 (MIT License) 하에 라이선스가 부여됩니다.