Google Gen AI SDK が MCP サポートしていたので試してみました。
環境構築
pip install mcp google-genai
実装
Google Gen AI SDK で MCP ツールを呼び出す方法は以下の通りです。
app.py
import asyncio
import argparse
from mcp import ClientSession, StdioServerParameters
from mcp.client.stdio import stdio_client
from google import genai
# Gemini Developer API の場合
# client = genai.Client(api_key="GEMINI_API_KEY")
# Vertex AI の場合
client = genai.Client(
vertexai=True, project='your-project-id', location='us-central1'
)
server_params = StdioServerParameters(
command="python",
args=["server.py"], # MCP Server
)
async def run(prompt: str):
async with stdio_client(server_params) as (read, write):
async with ClientSession(read, write) as session:
await session.initialize()
session_tool_list = await session.list_tools()
print("----- Tool List -----")
print(f"Tool List: {session_tool_list.tools}")
response = await client.aio.models.generate_content(
model="gemini-2.0-flash",
contents=prompt,
config=genai.types.GenerateContentConfig(
temperature=0,
tools=[session],
),
)
print("----- Response -----")
print(response.text)
if __name__ == "__main__":
parser = argparse.ArgumentParser()
parser.add_argument("--prompt", type=str, default="東京の天気は？", help="プロンプト文字列")
args = parser.parse_args()
asyncio.run(run(args.prompt))
ローカル MCP サーバーとして以下のような簡易的なものを使用します。
server.py
import uuid
from datetime import datetime
from zoneinfo import ZoneInfo
from mcp.server.fastmcp import FastMCP
mcp = FastMCP()
@mcp.tool()
def gen_uuidv4():
"""UUIDv4を生成します。"""
return str(uuid.uuid4())
@mcp.tool()
def get_current_time() -> str:
"""現在の日本時間を取得します。"""
return datetime.now(ZoneInfo("Asia/Tokyo")).strftime("%Y-%m-%d %H:%M:%S")
@mcp.tool()
def get_weather(location: str) -> str:
"""指定された場所の天気を取得します。"""
weather_data = {
"東京": "晴れ",
"大阪": "雨",
}
return weather_data.get(location, "天気情報がありません。")
if __name__ == "__main__":
mcp.run()
実行
以下を実行します。
python app.py --prompt 東京の天気は？
出力結果
----- Tool List -----
Tool List: [Tool(name="gen_uuidv4", description='UUIDv4を生成します。', inputSchema={'properties': {}, 'title': 'gen_uuidv4Arguments', 'type': 'object'}, annotations=None), Tool(name="get_current_time", description='現在の日本時間を取得します。', inputSchema={'properties': {}, 'title': 'get_current_timeArguments', 'type': 'object'}, annotations=None), Tool(name="get_weather", description='指定された場所の天気を取得します。', inputSchema={'properties': {'location': {'title': 'Location', 'type': 'string'}}, 'required': ['location'], 'title': 'get_weatherArguments', 'type': 'object'}, annotations=None)]
----- Response -----
東京の天気は晴れです。
定義した MCP ツールのリストも表示されて、期待した結果が返ってきました！
他の実行結果
python app.py --prompt 大阪の天気は？
出力結果
----- Response -----
大阪の天気は雨です。
get_weatherで定義しなかった地名を聞いてみます。
python app.py --prompt 北海道の天気は？
出力結果
----- Response -----
北海道の天気情報は見つかりませんでした。
しっかりと「天気情報がない」と回答してくれました！
python app.py --prompt UUIDを作成して
出力結果
----- Response -----
UUIDを作成しました。結果は aafdc987-ec1d-456e-a764-db1879e03238 です。
MCP ツールを使用して回答を作っていることが確認できました！
Google Gen AI SDK を使用して、Gemini で MCP ツール呼び出しを試してみました。
MCP サポートによりエージェント型アプリケーションの構築が容易になると思います！
Views: 0
