Google AI Search

Server MCP di shariqriazz

Run web-grounded search, documentation lookups, code analysis and architecture research through Google Vertex AI or the Gemini API.

Gira in locale (Gira sul tuo computer: la sua pagina riporta il comando di installazione)Gira con npxServe una chiave API

Gira sul tuo computer. Il tuo client lo avvia con questo comando:

npx -y google-ai-search-mcp

Richiede Node.js sul tuo computer. I passaggi qui sotto mostrano dove va il comando in ogni client.

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

Condividi questo server

Apre questa pagina, con il comando di installazione e i passaggi di configurazione.

mcp.tc/i/google-ai-search

A community MCP server that exposes Google AI models (Vertex AI or the Gemini API) as developer-focused tools. It answers queries with web search grounding, explains topics from official documentation, retrieves doc snippets, generates project guidelines, analyzes code against documentation, compares technologies and recommends architecture patterns.

It runs locally over stdio from the npm package google-ai-search-mcp, started with npx or bunx. Set AI_PROVIDER to vertex (needs GOOGLE_CLOUD_PROJECT and Google Cloud credentials) or gemini (needs GEMINI_API_KEY). Output is model-generated and should be checked against primary sources.

  • Answer technical queries using Google AI with web search grounding
  • Explain topics using official documentation
  • Retrieve code snippets from official docs
  • Generate structured project guidelines for a technology stack
  • Analyze code against documentation best practices
  • Compare technologies across given criteria
  • Recommend architecture patterns with tradeoffs

Google AI Search mostra i suoi tool solo ai client con una chiave, quindi non possiamo elencarli qui.

  • Search the web for the latest breaking changes in Next.js and summarize them

  • Explain how Kubernetes network policies work, using the official docs

  • Get code snippets for using the Gemini API streaming endpoint

  • Compare Postgres and MongoDB for an event logging workload

Ogni client avvia Google AI Search sul tuo computer con lo stesso comando. Scegli il tuo; la pagina ricorda la tua scelta.

Claude Code

  1. Eseguilo in un terminale, nella cartella del tuo progetto:
claude mcp add --transport stdio google-ai-search --env "GEMINI_API_KEY=<YOUR_GEMINI_API_KEY>" -- npx -y google-ai-search-mcp
  1. Avvia Claude Code e digita /mcp. google-ai-search dovrebbe risultare collegato.

Aggiungi --scope user per renderlo disponibile in tutti i progetti. Sostituisci i segnaposto con i tuoi valori.

Claude Desktop

  1. Apri Settings → Developer → Edit Config. Si apre claude_desktop_config.json. Aggiungi:
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. Salva il file e riavvia Claude Desktop. Sostituisci i segnaposto con i tuoi valori.

Richiede Node.js sul tuo computer. Il file si trova in ~/Library/Application Support/Claude/ su macOS e in %APPDATA%\Claude\ su Windows.

Cursor

Oppure aggiungilo a mano in ~/.cursor/mcp.json (tutti i progetti) o in .cursor/mcp.json (questo progetto):

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

Richiede Node.js sul tuo computer. Sostituisci i segnaposto con i tuoi valori.

VS Code

Aggiungilo a .vscode/mcp.json. VS Code chiede il segreto la prima volta e lo conserva in modo sicuro:

.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
    }
  ]
}

Richiede Node.js sul tuo computer.

Devin Desktop

  1. Aggiungilo a ~/.config/devin/mcp_config.json (macOS e Linux) o a %APPDATA%\devin\mcp_config.json (Windows):
mcp_config.json
{
  "mcpServers": {
    "google-ai-search": {
      "command": "npx",
      "args": [
        "-y",
        "google-ai-search-mcp"
      ],
      "env": {
        "GEMINI_API_KEY": "<YOUR_GEMINI_API_KEY>"
      }
    }
  }
}
  1. Aggiorna l’elenco dei server MCP in Cascade. Sostituisci i segnaposto con i tuoi valori.

Devin Desktop è il nuovo nome di Windsurf.

Codex

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

Oppure modifica direttamente ~/.codex/config.toml:

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

Richiede Node.js sul tuo computer. Sostituisci i segnaposto con i tuoi valori.

Gemini CLI

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

Così lo aggiungi al progetto corrente. Aggiungi -s user per usarlo ovunque.

Qualsiasi client

La maggior parte dei client che avviano server locali accetta questa forma:

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

Zed mette i server sotto context_servers nelle sue impostazioni, con gli stessi campi command, args ed env.

Richiede Node.js sul tuo computer. Sostituisci i segnaposto con i tuoi valori.

Posso incollare mcp.tc/i/google-ai-search nel mio client MCP?

No. Google AI Search gira sul tuo computer, avviato dal tuo client, quindi non ha un indirizzo web a cui collegarsi. Il link rapido è la pagina da condividere; il comando di installazione è npx -y google-ai-search-mcp.

Google AI Search richiede una chiave API?

Sì. Legge GEMINI_API_KEY dal suo ambiente, e GEMINI_API_KEY è un segreto. Metti il valore nella configurazione del tuo client sul tuo computer, mai in un file condiviso.

Google AI Search è un server remoto o locale?

Locale. Il tuo client lo avvia come processo sul tuo computer con npx -y google-ai-search-mcp, che richiede Node.js.

Cosa può fare Google AI Search?

Puoi answer technical queries using Google AI with web search grounding, explain topics using official documentation e retrieve code snippets from official docs.

Quali client possono usarlo?

Qualsiasi client che avvia server locali: Claude Code, Claude Desktop, Cursor, VS Code, Devin Desktop, Codex, Gemini CLI, Zed e altri. claude.ai e ChatGPT si collegano solo a server remoti.

Chi ha scritto questa pagina?

Il robot di mcp.tc ha letto i metadati pubblici di Google AI Search (le pagine del suo pacchetto e del repository), e un modello di AI ne ha ricavato il testo. Una persona esamina tutto ciò che i controlli non riescono a confermare. Il testo può comunque contenere errori, quindi se ne trovi uno usa Segnala questa scheda su questa pagina.

Mostra Google AI Search in un README o sul tuo sito. Ogni embed rimanda a questa pagina, usa il comando di installazione del server e non imposta cookie. Come funzionano gli embed

mcp.tc non è affiliato a shariqriazz. Questa pagina è stata costruita dai metadati pubblici di Google AI Search (ultimo controllo: 4 ott 2026), e la descrizione l’ha scritta un modello di AI, quindi può contenere errori. Nomi e marchi appartengono ai rispettivi titolari. Qualcosa non va? Segnala questa scheda.