适合谁
- 需要自动化 Gemini 网页版操作的开发者或 AI 代理。
- 希望在 MCP 生态中调用 Gemini 生图能力的用户。
- 对浏览器自动化有需求且能接受一定配置成本的技术用户。
G
41FMRS · D
该项目通过浏览器自动化实现了 Gemini 网页版的完整操作，功能丰富，但依赖环境配置和登录状态，适合技术用户。
这是一个 MCP 服务器和技能，通过浏览器自动化（CDP）控制 Gemini 网页版，实现 AI 生图、多轮对话、图片上传与提取、会话管理等功能。它设计为独立守护进程（Daemon）管理浏览器生命周期，支持自动去水印、参考图生成、高清原图下载，并内置 Stealth 反爬插件。适用于 OpenClaw 或任何支持 MCP 的客户端，同时提供 Atlas Cloud Provider 作为可选的 OpenAI 兼容 API 接入。
工具能力
gemini_generate_image
完整生图流程，支持参考图、高清下载，耗时约 60-120 秒。
gemini_new_chat
新建空白对话。
gemini_temp_chat
进入临时对话模式。
gemini_navigate_to
导航到指定 Gemini URL（如历史会话）。
gemini_switch_model
切换模型（pro/flash/flash-lite）。
gemini_send_message
发送文本并等待回复，耗时 10-60 秒。
gemini_upload_images
上传图片到输入框。
gemini_get_images
获取会话中所有图片元信息。
gemini_extract_image
提取图片 base64 并保存本地。
gemini_download_full_size_image
下载完整尺寸高清图片。
gemini_share_latest_image
为图片创建公开分享链接。
gemini_get_all_text_responses
获取所有文字回复。
gemini_get_latest_text_response
获取最新一条文字回复。
gemini_check_login
检查 Google 登录状态。
gemini_probe
探测页面元素状态。
gemini_reload_page
刷新页面。
gemini_browser_info
获取浏览器连接信息。
安装接入
前置条件：Node.js ≥ 18，系统安装 Chrome/Edge/Chromium，并已登录 Google 账号。
- 克隆仓库：git clone https://github.com/WJZ-P/gemini-skill.git
- 进入目录：cd gemini-skill
- 安装依赖：npm install
- 配置环境变量（可选，如 BROWSER_PATH、BROWSER_DEBUG_PORT 等）
- 在 MCP 客户端配置中添加服务器，如：{"mcpServers":{"gemini":{"command":"node","args":["<绝对路径>/src/mcp-server.js"]}}}
claude_desktop_config.json
{
"mcpServers": {
"gemini": {
"command": "node",
"args": [
"<项目绝对路径>/src/mcp-server.js"
]
}
}
}
选型与风险
不适合谁
- 非技术用户，需要复杂的环境配置。
- 需要官方 API 支持或大规模生产环境的场景。
- 对稳定性有极高要求且无法容忍浏览器自动化脆弱性的用户。
所需权限
- 需要读取和修改浏览器用户数据目录（含登录态）。
- 需要访问本地文件系统保存生成的图片。
- 需要网络访问以连接 Gemini 网页版和 Atlas Cloud API（如使用）。
风险与副作用
- 依赖浏览器自动化，可能因 Gemini UI 变更而失效。
- 需要登录 Google 账号，存在账号安全风险。
- 浏览器自动化可能违反网站服务条款。
- 生图操作耗时较长，可能超时。
常见排障
- 常见问题：
- - 无法登录：确认浏览器非无头模式，手动登录后保存用户数据目录。
- - 端口冲突：确保 CDP 端口（默认 40821）未被占用，或更改 BROWSER_DEBUG_PORT。
- - 生图超时：适当增加 MCP 客户端的 timeoutMs 至 180000 毫秒以上。
- - 浏览器无法启动：检查 BROWSER_PATH 设置或系统是否安装了支持的浏览器。
- - 模型切换失败：确认使用新版模型名称（pro/flash/flash-lite）。
使用场景
AI 生图：通过自然语言描述生成图片。
文本对话：与 Gemini 进行多轮交互。
图片处理：上传参考图进行图生图，或提取会话中的图片。
自动化工作流：在 OpenClaw 或其他 MCP 客户端中集成 Gemini 能力。
支持客户端
Claude Desktop完整支持
CodeBuddy完整支持
OpenClaw完整支持