Antigravity 實戰：解放 Google Maps MCP 的力量，AI 導遊帶你去吃喝

身為一個依賴 AI 協作的開發者，我一直在思考如何讓我的 Agent (Antigravity) 擁有「真實世界的眼睛」。雖然它能寫程式、能搜尋網頁，但遇到「地理空間」的問題時——例如「這條路沿線有什麼好吃的？」——它往往只能給我模糊的網頁摘要，而不是精確的地點資訊。

這篇文章記錄了我如何從零開始，克服 API 權限、工具缺失、通訊協定不相容等困難，最終成功讓 Antigravity 使用 Google Maps Grounding Lite MCP (Model Context Protocol)，變身為超強 AI 導遊的過程。

1. 緣起：尋找 Agent 的「地圖外掛」

一開始，我希望能透過 Command Line Interface (CLI) 工具，讓 Agent 直接操作 Google Maps。但我發現：

  • 沒有官方 CLI: Google 只有 gcloud (管機器的)，沒有 gmaps (查地圖的)。
  • Gemini CLI 的潛力: Google 推出了 gemini CLI，且支援 MCP (Model Context Protocol)，這是一個讓 LLM 能標準化呼叫外部工具的協定。

目標確立：把 Google Maps MCP Server 裝進 Gemini CLI，再讓 Antigravity 呼叫它。

2. 關卡與突破

關卡一：API Key 權限被鎖

我原本已有 GCP 專案與 API Key，但 Agent 測試 Python 腳本時這直接報錯。 診斷: 該 API Key 先前被設定為「僅限 Maps JavaScript API (前端用)」。 解法: 使用 gcloud 指令，將後端服務 (geocoding-backend, places-backend, mapstools) 加入白名單。

# 關鍵指令：解放 API Key 的後端權限
gcloud services api-keys update "$KEY_NAME" \
  --api-target=service=maps-backend.googleapis.com \
  --api-target=service=places.googleapis.com \
  ...

關卡二：找不到 MCP Server 安裝包

我試圖 npm install @google/maps-mcp-server，結果發現這個套件根本不存在。 發現: Google 官方提供的方案是 Maps Grounding Lite，這是一個 Cloud-hosted MCP Server (https://mapstools.googleapis.com/mcp)，不需要自己架設 Server！

關卡三：Gemini CLI 的非互動模式限制

當我們設定好 Server 後，Antigravity 試圖呼叫時被擋了下來： I cannot execute the search_places tool in this non-interactive environment. 因為安全考量，Gemini CLI 預設執行工具前需要人類按 Y 確認，但 Agent 自動化執行時沒人能按。

解法: 啟用 YOLO Mode (You Only Look Once)。

  1. 修改 fabfile.py，在呼叫指令加上 --yolo flag。
  2. 在 .gemini/settings.json 中設定 "autoAccept": true。
# fabfile.py 修改片段
cmd = f'gemini --yolo -m "{model}" "{safe_prompt}"'

3. 實戰驗證：后豐鐵馬道美食搜查

突破所有技術屏障後，我向 Antigravity 下了終極指令：

「搜尋台中『后豐鐵馬道』和『東豐自行車綠廊』沿線有哪些有名氣的在地小吃或美食？」

這一次，它不再是瞎掰，而是直接呼叫了 search_places 工具，回傳了極具參考價值的清單：

🚲 后豐鐵馬道

  • 橫喜堂: 日式職人點心，騎車補充熱量首選。
  • 200days: 純白玻璃屋與草湖芋仔冰，網美必去。
  • 新幹線列車餐廳: 直接在火車車廂裡吃飯，體驗獨特。

🌳 東豐綠廊

  • 簡單就好: 百年芒果樹下的古早味肉捲與剉冰。
  • 石岡擔擔麵: 在地老店，招牌是軟嫩豬腳。
  • 梅子屋: 強調在地食材的窯烤披薩。

4. 結語

這次的與 Antigravity 的協作經驗證明了 MCP (Model Context Protocol) 的強大。 我們不需要為了查地圖去寫複雜的 Python 爬蟲，只需要把「地圖能力 (MCP Server)」掛載給 Agent，它就能像人類一樣，理解地理位置、規劃行程，甚至推薦美食。

這就是 AI Agent 的未來：工具化、標準化、自動化。現在，我的 Agent 已經準備好帶我去下一個旅程了！

🤖 AI 協作宣告

  • 本文內容: 由人類作者提供核心經驗與觀察，Antigravity 協助架構文章、潤飾文字並生成技術細節描述。
  • 技術實作: 文中提及的 Google Maps API 整合方案、Gemini CLI 配置與相關測試指令，均由 Antigravity 根據人類指令編寫與驗證。