Wir und ausgewählte Dritte verwenden Cookies oder ähnliche Technologien für technische Zwecke und, mit deiner Einwilligung, um zu analysieren, wie die Website genutzt wird.

Du kannst deine Einwilligung jederzeit frei erteilen, verweigern oder widerrufen.

Google AI Search

MCP-Server von shariqriazz

Websuche mit Grounding, Dokumentationsrecherche, Codeanalyse und Architekturrecherche über Google Vertex AI oder die Gemini API ausführen.

Läuft lokal (Läuft auf deinem Rechner: Die Seite nennt den Installationsbefehl)Läuft mit npxAPI-Schlüssel nötig

Läuft auf deinem Rechner. Dein Client startet ihn mit diesem Befehl:

npx -y google-ai-search-mcp

Braucht Node.js auf deinem Rechner. Die Schritte unten zeigen, wo der Befehl in jedem Client hingehört.

  • AI_PROVIDER optional Select vertex or gemini. Defaults to vertex.
  • GOOGLE_CLOUD_PROJECT optional Google Cloud project ID. Required when AI_PROVIDER is vertex.
  • GOOGLE_CLOUD_LOCATION optional Vertex AI location. Defaults to us-central1.
  • GEMINI_API_KEY geheim optional Gemini API key. Required when AI_PROVIDER is gemini.

Diesen Server teilen

Öffnet diese Seite mit dem Installationsbefehl und den Einrichtungsschritten.

mcp.tc/i/google-ai-search

Ein Community-MCP-Server, der Google-KI-Modelle (Vertex AI oder die Gemini API) als entwicklerorientierte Tools bereitstellt. Er beantwortet Anfragen mit Websuche-Grounding, erklärt Themen anhand der offiziellen Dokumentation, ruft Doku-Snippets ab, erstellt Projektrichtlinien, analysiert Code anhand der Dokumentation, vergleicht Technologien und empfiehlt Architekturmuster.

Er läuft lokal über stdio aus dem npm-Paket google-ai-search-mcp, gestartet mit npx oder bunx. Setze AI_PROVIDER auf vertex (benötigt GOOGLE_CLOUD_PROJECT und Google-Cloud-Zugangsdaten) oder gemini (benötigt GEMINI_API_KEY). Die Ausgabe wird von einem Modell erzeugt und sollte anhand von Primärquellen geprüft werden.

  • Technische Anfragen mit Google AI und Websuche-Grounding beantworten
  • Themen anhand der offiziellen Dokumentation erklären
  • Code-Snippets aus der offiziellen Dokumentation abrufen
  • Strukturierte Projektrichtlinien für einen Technologie-Stack erstellen
  • Code anhand der Best Practices der Dokumentation analysieren
  • Technologien anhand vorgegebener Kriterien vergleichen
  • Architekturmuster mit Abwägungen empfehlen

Google AI Search zeigt seine Tools nur Clients mit Schlüssel, deshalb können wir sie hier nicht auflisten.

  • Suche im Web nach den neuesten Breaking Changes in Next.js und fasse sie zusammen

  • Erkläre anhand der offiziellen Doku, wie Kubernetes-Netzwerkrichtlinien funktionieren

  • Hole Code-Snippets für die Nutzung des Streaming-Endpunkts der Gemini API

  • Vergleiche Postgres und MongoDB für eine Event-Logging-Last

Jeder Client startet Google AI Search mit demselben Befehl auf deinem Rechner. Wähl deinen; die Seite merkt sich deine Wahl.

Claude Code

  1. Führe das in einem Terminal in deinem Projektordner aus:
claude mcp add --transport stdio google-ai-search --env "GEMINI_API_KEY=<YOUR_GEMINI_API_KEY>" -- npx -y google-ai-search-mcp
  1. Starte Claude Code und tippe /mcp. google-ai-search sollte als verbunden angezeigt werden.

Ergänze --scope user, damit er in jedem Projekt verfügbar ist. Ersetze die Platzhalter durch deine eigenen Werte.

Claude Desktop

  1. Öffne Settings → Developer → Edit Config. Das öffnet claude_desktop_config.json. Füge hinzu:
claude_desktop_config.json
{
  "mcpServers": {
    "google-ai-search": {
      "command": "npx",
      "args": [
        "-y",
        "google-ai-search-mcp"
      ],
      "env": {
        "GEMINI_API_KEY": "<YOUR_GEMINI_API_KEY>"
      }
    }
  }
}
  1. Speichere die Datei und starte Claude Desktop neu. Ersetze die Platzhalter durch deine eigenen Werte.

Braucht Node.js auf deinem Rechner. Die Datei liegt unter macOS in ~/Library/Application Support/Claude/ und unter Windows in %APPDATA%\Claude\.

Cursor

Oder trag ihn von Hand in ~/.cursor/mcp.json (alle Projekte) oder .cursor/mcp.json (dieses Projekt) ein:

mcp.json
{
  "mcpServers": {
    "google-ai-search": {
      "command": "npx",
      "args": [
        "-y",
        "google-ai-search-mcp"
      ],
      "env": {
        "GEMINI_API_KEY": "<YOUR_GEMINI_API_KEY>"
      }
    }
  }
}

Braucht Node.js auf deinem Rechner. Ersetze die Platzhalter durch deine eigenen Werte.

VS Code

Füge ihn zu .vscode/mcp.json hinzu. VS Code fragt beim ersten Mal nach dem Secret und speichert es sicher:

.vscode/mcp.json
{
  "servers": {
    "google-ai-search": {
      "type": "stdio",
      "command": "npx",
      "args": [
        "-y",
        "google-ai-search-mcp"
      ],
      "env": {
        "GEMINI_API_KEY": "${input:gemini-api-key}"
      }
    }
  },
  "inputs": [
    {
      "type": "promptString",
      "id": "gemini-api-key",
      "description": "GEMINI_API_KEY",
      "password": true
    }
  ]
}

Braucht Node.js auf deinem Rechner.

Devin Desktop

  1. Füge ihn zu ~/.config/devin/mcp_config.json (macOS und Linux) oder %APPDATA%\devin\mcp_config.json (Windows) hinzu:
mcp_config.json
{
  "mcpServers": {
    "google-ai-search": {
      "command": "npx",
      "args": [
        "-y",
        "google-ai-search-mcp"
      ],
      "env": {
        "GEMINI_API_KEY": "<YOUR_GEMINI_API_KEY>"
      }
    }
  }
}
  1. Aktualisiere die Liste der MCP-Server in Cascade. Ersetze die Platzhalter durch deine eigenen Werte.

Devin Desktop ist der neue Name von Windsurf.

Codex

codex mcp add google-ai-search --env "GEMINI_API_KEY=<YOUR_GEMINI_API_KEY>" -- npx -y google-ai-search-mcp

Oder bearbeite ~/.codex/config.toml direkt:

config.toml
[mcp_servers.google-ai-search]
command = "npx"
args = ["-y", "google-ai-search-mcp"]
env = { GEMINI_API_KEY = "<YOUR_GEMINI_API_KEY>" }

Braucht Node.js auf deinem Rechner. Ersetze die Platzhalter durch deine eigenen Werte.

Gemini CLI

gemini mcp add -e "GEMINI_API_KEY=<YOUR_GEMINI_API_KEY>" google-ai-search npx -- -y google-ai-search-mcp

Damit fügst du ihn dem aktuellen Projekt hinzu. Ergänze -s user, um ihn überall zu nutzen.

Jeder Client

Die meisten Clients, die lokale Server starten, akzeptieren diese Form:

{
  "mcpServers": {
    "google-ai-search": {
      "command": "npx",
      "args": [
        "-y",
        "google-ai-search-mcp"
      ],
      "env": {
        "GEMINI_API_KEY": "<YOUR_GEMINI_API_KEY>"
      }
    }
  }
}

Zed legt Server in seinen Einstellungen unter context_servers ab, mit denselben Feldern command, args und env.

Braucht Node.js auf deinem Rechner. Ersetze die Platzhalter durch deine eigenen Werte.

Zeig Google AI Search in einem README oder auf deiner Website. Jede Einbindung verlinkt auf diese Seite, nutzt den Installationsbefehl des Servers und setzt keine Cookies. So funktionieren Einbindungen

Karte, iframe und JSON sind auf Englisch. Häng ?lang=it, fr, de oder es an ihre Adresse an, um eine andere Sprache zu bekommen.

Dieser Server läuft auf deinem Computer, deshalb verfolgen wir sein npm-Paket: Jede neue Version erscheint hier, dazu Änderungen seines Betreibers.

Folge Google AI Search, und wir schicken dir eine E-Mail, wenn sich etwas ändert.

  1. , Automatische Prüfung

    Beginn der Beobachtung: Version 1.1.1.

Kann ich mcp.tc/i/google-ai-search in meinen MCP-Client einfügen?

Nein. Google AI Search läuft auf deinem eigenen Rechner und wird von deinem Client gestartet, hat also keine Webadresse, mit der man sich verbinden könnte. Der Quick-Link ist die Seite zum Teilen; der Installationsbefehl lautet npx -y google-ai-search-mcp.

Braucht Google AI Search einen API-Schlüssel?

Ja. Er liest GEMINI_API_KEY aus seiner Umgebung, und GEMINI_API_KEY ist geheim. Trag den Wert in die Konfiguration deines Clients auf deinem eigenen Rechner ein, nie in eine geteilte Datei.

Ist Google AI Search ein Remote- oder ein lokaler Server?

Lokal. Dein Client startet ihn mit npx -y google-ai-search-mcp als Prozess auf deinem Rechner; dafür brauchst du Node.js.

Was kann Google AI Search?

Du kannst damit technische Anfragen mit Google AI und Websuche-Grounding beantworten, Themen anhand der offiziellen Dokumentation erklären und Code-Snippets aus der offiziellen Dokumentation abrufen.

Welche Clients können ihn nutzen?

Jeder Client, der lokale Server startet: Claude Code, Claude Desktop, Cursor, VS Code, Devin Desktop, Codex, Gemini CLI, Zed und andere. claude.ai und ChatGPT verbinden sich nur mit Remote-Servern.

Verfolgt mcp.tc Änderungen an Google AI Search?

Teilweise. Er läuft auf deinem Computer, deshalb verfolgen wir sein npm-Paket: Sein Tab Verlauf zeigt jede neue Version und Änderungen seines Betreibers. Folge dem Eintrag, um eine E-Mail zu bekommen, wenn er sich ändert.

Wer hat diese Seite geschrieben?

Der Roboter von mcp.tc hat die öffentlichen Metadaten von Google AI Search (seine Paket- und Repository-Seiten) gelesen, und ein KI-Modell hat daraus den Text entworfen. Ein Mensch prüft alles, was die Prüfungen nicht bestätigen können. Der Text kann trotzdem falsch sein; wenn dir ein Fehler auffällt, nutze Eintrag melden auf dieser Seite. Diese Übersetzung hat ein KI-Modell aus dem englischen Text erstellt.

mcp.tc steht in keiner Verbindung zu shariqriazz. Diese Seite entstand aus den öffentlichen Metadaten von Google AI Search, zuletzt geprüft am 4. Okt. 2026, und ein KI-Modell hat die Beschreibung geschrieben, sie kann also Fehler enthalten. Namen und Marken gehören ihren Inhabern. Stimmt etwas nicht? Eintrag melden. Die Übersetzung hat ein KI-Modell aus dem englischen Text erstellt.