Gemini 2.5 Pro + MCP：让 AI 替你搜索航班

想象这样一个场景：你正准备出行，不需要打开航空公司 App、也不需要在搜索引擎里反复比价，只需对电脑说一句「帮我查一下5月5日从亚特兰大到拉斯维加斯的航班」，AI 就能自动理解你的意图，调用真实的航班数据接口，返回结构化的结果——这就是 mcp-gemini-search 正在演示的场景。

项目背景：MCP 协议与 Function Calling 的强强联合

2024 年底，Anthropic 正式发布 Model Context Protocol（MCP），一种让 AI 模型与外部工具、数据源建立标准化通信的协议。与此同时，Google 也在 Gemini 系列模型中强化了 Function Calling（函数调用） 能力。两者的结合，让「AI 理解自然语言 → 调用真实工具 → 返回结构化结果」这一流程变得前所未有的简单。

这个项目的作者 arjunprabhulal 正是抓住了这个技术交汇点，用一个航班搜索场景，清晰展示了 Gemini 2.5 Pro + MCP 的协作模式。代码仓库规模极小（仅 4 个文件），却覆盖了完整的技术链路，非常适合作为理解 MCP 的入门教材。

核心原理：三层架构如何协作

第一层：客户端（client.py）

client.py 是整个系统的入口，扮演着「协调者」的角色：

1. 通过 stdio_client 启动本地的 mcp-flight-search 服务进程，建立标准输入/输出通信通道
2. 调用 session.list_tools() 获取 MCP 服务器暴露的所有工具（如航班搜索工具的名称、参数描述）
3. 将工具列表以 Function Declaration 的格式传给 Gemini 2.5 Pro，告诉它「你可以调用这些工具」
4. Gemini 收到用户的自然语言查询后，识别出「出发地=亚特兰大、目的地=拉斯维加斯、日期=2025-05-05」，生成一个结构化的函数调用请求
5. 客户端提取函数名和参数，调用 session.call_tool() 执行真正的航班搜索

核心代码逻辑只有约 60 行，用 asyncio 异步管理通信流程，用 google-genai 库调用 Gemini。

第二层：MCP 服务器（mcp-flight-search）

mcp-flight-search 是一个独立的 MCP Server 实现（来自 mcp-flight-search PyPI 包）。它通过 MCP 协议暴露航班搜索工具，实际调用 SerpAPI（一个聚合 Google Flights 数据的 API 服务）获取真实的航班信息，返回 JSON 格式的结构化数据。

MCP 协议的优势在这里体现得淋漓尽致：客户端无需知道航班搜索的具体实现，只需通过统一协议与 MCP Server 通信。这意味着未来可以轻松替换为 Amadeus API、Skyscanner API 等，而客户端代码完全不用改。

第三层：Gemini 2.5 Pro（云端）

Gemini 负责「理解」环节。它接收用户的自然语言和工具描述，利用 Function Calling 能力提取出结构化参数。模型本身运行在 Google AI Studio 的云端，不需要本地部署。

技术栈一览

上手体验：配置比代码本身更花时间

坦白说，这个项目的代码本身几乎没有门槛——client.py 只有约 80 行。但要让它真正跑起来，你需要搞定：

• Google AI Studio API Key：在 aistudio.google.com 申请，GCP 账号通常有免费额度
• SerpAPI Key：在 serpapi.com 申请，免费 Plan 有次数限制，商业使用需要付费

配置好两个环境变量后，一行命令即可运行：

python client.py

输出是格式化后的 JSON 航班数据，包含航班号、出发/到达时间、价格等信息。

局限与思考

这个项目本质上是一个概念验证（PoC），而非生产级应用：

1. 两个 API Key 的依赖：Gemini API 和 SerpAPI 都需要付费/限流，生产环境中需要考虑成本控制
2. MCP 生态尚在早期：mcp-flight-search 这类 Server 的质量参差不齐，MCP 协议的稳定性也在持续演进中
3. 没有错误处理：client.py 几乎没有异常捕获，网络超时、API 限流等情况会导致程序直接崩溃
4. 单轮对话：不支持多轮追问，无法处理「帮我比较这几个航班」等复杂交互

行业意义：MCP 为什么重要

MCP 的出现解决了一个长期困扰 AI 应用开发的问题：每个 AI 工具集都需要自己实现一套工具调用协议。LangChain 有自己的 Tool 接口，OpenAI 有 Function Calling，AutoGPT 有自己的 Plugin 格式——互不兼容，重复造轮子。

MCP 提供了一种「Universal Serial Bus for AI」的可能性：一次实现 MCP Server，任何 MCP Client 都可以调用。这与当年 USB 统一外设连接的逻辑如出一辙。Google 选择在 Gemini 中深度集成 MCP 支持，加上 Claude、Copilot 等平台的跟进，MCP 有望成为 AI 工具生态的下一个基础设施标准。

这个项目虽小，却是理解这一趋势的绝佳起点。

推荐人群：对 MCP 协议感兴趣的后端开发者、希望了解 Function Calling 实际应用的 AI 工程师、以及想找一个小而美的 AI 项目练手的学习者。