Claude Code Gemini MCP深度测评：开启AI模型协同工作的新纪元

# 下载Python 3.9+版本
# 访问：https://www.python.org/downloads/windows/
# 安装时务必勾选"Add Python to PATH"选项

# 验证安装
python --version
pip --version

# 创建虚拟环境
python -m venv mcp-env

# 激活环境
mcp-env\Scripts\activate.bat

pip install claude-gemini-mcp
pip install uvloop  # 可选：性能增强

# 设置API密钥（当前会话有效）
set CLAUDE_API_KEY=your_actual_claude_key
set GEMINI_API_KEY=your_actual_gemini_key

# 永久设置（需要管理员权限）
setx CLAUDE_API_KEY "your_actual_claude_key"
setx GEMINI_API_KEY "your_actual_gemini_key"

# 安装Homebrew（如果尚未安装）
/bin/bash -c "$(curl -fsSL https://raw.githubusercontent.com/Homebrew/install/HEAD/install.sh)"

# 安装Python
brew install python@3.9

# 创建虚拟环境
python3 -m venv ~/mcp-env

# 激活环境
source ~/mcp-env/bin/activate

# 安装MCP核心
pip install claude-gemini-mcp

# 安装额外工具
pip install aiohttp asyncio

# 添加到shell配置文件
echo 'export CLAUDE_API_KEY="your_actual_claude_key"' >> ~/.zshrc
echo 'export GEMINI_API_KEY="your_actual_gemini_key"' >> ~/.zshrc

# 立即生效
source ~/.zshrc

sudo apt update
sudo apt upgrade -y
sudo apt install python3.9 python3.9-venv python3-pip -y

# 创建虚拟环境
python3.9 -m venv mcp-env
source mcp-env/bin/activate

pip install claude-gemini-mcp
pip install python-dotenv  # 环境管理

# 使用环境文件更安全
echo "CLAUDE_API_KEY=your_actual_claude_key" > .env
echo "GEMINI_API_KEY=your_actual_gemini_key" >> .env

# 保护环境文件
chmod 600 .env

# 解决方案：使用虚拟环境或调整权限
python -m venv --copies mcp-env

# 清理安装
pip uninstall claude-gemini-mcp -y
pip install --no-cache-dir claude-gemini-mcp

# 设置超时参数
mcp-server --timeout 30 --retry 3

# 启动服务后访问
http://localhost:8080/admin

# 或使用特定端口
mcp-server --port 8080 --web-ui

#!/usr/bin/env python3
"""
智能API文档生成器 - Claude和Gemini协同工作示例
"""

import asyncio
import json
from datetime import datetime
from claude_gemini_mcp import MCPServer, ModelRouter

class APIDocumentationGenerator:
    def __init__(self):
        self.server = MCPServer()
        self.router = ModelRouter()
        self.template = {
            "overview": "",
            "endpoints": [],
            "examples": [],
            "diagrams": []
        }
    
    async def generate_documentation(self, api_spec: dict):
        """生成完整的API文档"""
        
        # 并行执行所有文档生成任务
        results = await asyncio.gather(
            self._generate_overview(api_spec),
            self._generate_endpoint_docs(api_spec),
            self._generate_code_examples(api_spec),
            self._generate_architecture_diagrams(api_spec)
        )
        
        # 组装最终文档
        documentation = self._assemble_documentation(results, api_spec)
        return documentation
    
    async def _generate_overview(self, api_spec: dict):
        """生成API概述"""
        prompt = f"""为以下API生成专业概述：
        
        API名称: {api_spec['name']}
        版本: {api_spec['version']}
        主要功能: {api_spec['description']}
        
        要求：
        1. 简洁明了地说明API用途
        2. 突出主要特性和优势
        3. 包含适用场景说明"""
        
        return await self.router.route_to_model(
            "claude", prompt, max_tokens=800
        )
    
    async def _generate_endpoint_docs(self, api_spec: dict):
        """生成端点文档"""
        endpoints_docs = []
        
        for endpoint in api_spec['endpoints']:
            prompt = f"""生成API端点详细文档：
            
            端点: {endpoint['path']}
            方法: {endpoint['method']}
            参数: {json.dumps(endpoint.get('parameters', {}))}
            
            要求包含：
            1. 功能描述
            2. 参数详细说明
            3. 请求示例
            4. 响应示例
            5. 错误代码说明"""
            
            doc = await self.router.route_to_model(
                "claude", prompt, max_tokens=1200
            )
            endpoints_docs.append(doc)
        
        return endpoints_docs
    
    async def _generate_code_examples(self, api_spec: dict):
        """生成代码示例"""
        prompt = f"""为以下API生成多语言代码示例：
        
        API: {api_spec['name']}
        端点: {[ep['path'] for ep in api_spec['endpoints']]}
        
        要求：
        1. Python示例（使用requests库）
        2. JavaScript示例（使用fetch）
        3. cURL命令示例
        4. 每个示例包含完整错误处理"""
        
        return await self.router.route_to_model(
            "gemini", prompt, max_tokens=1500
        )
    
    async def _generate_architecture_diagrams(self, api_spec: dict):
        """生成架构图说明"""
        prompt = f"""为API生成架构图和流程图说明：
        
        API: {api_spec['name']}
        功能: {api_spec['description']}
        
        需要：
        1. 系统架构图描述（Mermaid格式）
        2. 请求流程图描述
        3. 数据流图说明"""
        
        return await self.router.route_to_model(
            "gemini", prompt, max_tokens=1000
        )
    
    def _assemble_documentation(self, results: list, api_spec: dict):
        """组装最终文档"""
        overview, endpoints, examples, diagrams = results
        
        return {
            "api_name": api_spec['name'],
            "version": api_spec['version'],
            "generated_at": datetime.now().isoformat(),
            "overview": overview,
            "endpoints": endpoints,
            "code_examples": examples,
            "architecture_diagrams": diagrams,
            "metadata": {
                "model_used": "Claude + Gemini",
                "generation_time": f"{datetime.now()}"
            }
        }

async def main():
    """示例使用"""
    generator = APIDocumentationGenerator()
    
    # 示例API规范
    api_specification = {
        "name": "用户管理系统API",
        "version": "1.0.0",
        "description": "提供用户注册、登录、管理功能的RESTful API",
        "endpoints": [
            {
                "path": "/api/v1/users/register",
                "method": "POST",
                "parameters": {
                    "username": "string",
                    "email": "string",
                    "password": "string"
                }
            },
            {
                "path": "/api/v1/users/login",
                "method": "POST",
                "parameters": {
                    "username": "string",
                    "password": "string"
                }
            }
        ]
    }
    
    # 生成文档
    documentation = await generator.generate_documentation(api_specification)
    
    # 保存结果
    with open("api_documentation.json", "w", encoding="utf-8") as f:
        json.dump(documentation, f, ensure_ascii=False, indent=2)
    
    print("API文档已生成并保存为 api_documentation.json")
    print(f"文档包含：{len(documentation['endpoints'])}个端点文档")
    print(f"代码示例：{len(documentation['code_examples'])}种语言示例")

if __name__ == "__main__":
    asyncio.run(main())

# 单次文档生成成本估算
claude_tokens = 4000  # 概述和端点文档
gemini_tokens = 2500  # 代码示例和图表

claude_cost = 4000 / 1000 * 0.03  # $0.12
gemini_cost = 2500 / 1000 * 0.02  # $0.05
总成本 = $0.17 / 次

# 年度ROI计算
假设：
- 每月生成50份文档
- 人工成本：$400/文档
- AI成本：$25.17/文档

月节省 = 50 × ($400 - $25.17) = $18,741.50
年节省 = $18,741.50 × 12 = $224,898

初始投资（开发时间）≈ $5,000
第一年ROI = 4,398%