← 返回目录

Gemini Skill

社区

通过 CDP 操控 Gemini 网页版，实现 AI 生图、对话、图片提取等自动化操作。

查看安装方法 ↓ 横向对比 GitHub 源仓库 ↗

分类: 浏览器自动化第 27 / 32
Stars: ★ 833 非常热门
传输方式: stdio（本地进程）
运行环境: Node.js 18+
凭据: 无需凭据
许可证: MIT
最近提交: 33 天前
工具数: 17

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。

最强项 · 文档质量 9/20 最弱项 · 可靠性 7/20

可靠性

7/20

安全与权限

8/20

维护活跃度

9/20

文档质量

9/20

安装易用性

8/20

查看各项评分依据

可靠性 7/20: 源代码未直接执行验证，但项目结构清晰，将MCP协议层、操作层和Daemon层分离，README中声称实现了完整的MCP工具列表，且包含明确的错误处理和超时机制。缺点是没有任何测试文件或CI工作流，无法证明关键路径的稳定性，因此最多给予7分。
安全与权限 8/20: 未发现恶意代码或凭据泄露。工具通过本地端口和WebSocket通信，浏览器用户数据目录可配置，Daemon生命周期管理内置30分钟闲置销毁，但所有MCP工具都未要求确认操作，且远程调试端口暴露给本机所有进程，权限边界未明确。存在对第三方云服务Atlas Cloud的API调用，但API Key通过环境变量管理。
维护活跃度 9/20: 仓库活跃，有持续的版本更新（v1.1.0/v1.1.1），GitHub上有827星和9个未关闭问题，但无明确的安全响应渠道或贡献指南。MIT许可证，但未提供版本发布或更新日志。
文档质量 9/20: README详尽，包含功能、架构图、安装配置、MCP工具列表、Daemon生命周期、注意事项和待办，但缺少故障排查指南和成本说明（如Gemini API使用限制）。配置优先级和示例配置缺失解析。
安装易用性 8/20: 提供了清晰的安装和配置步骤，包括MCP客户端配置示例和多种使用方式。依赖Node.js和浏览器，且需要手动登录Google账号，要求用户具备一定配置能力。无自动化安装脚本，但步骤相对简单。

静态评测 · 未实际运行收录于 2026-08-07

查看 FMRS 评分方法 →

选型与风险

能访问什么写入 / 删除本地文件访问网络控制浏览器

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。

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。

安装接入

准备工作

运行环境：Node.js 18+

ATLAS_API_KEY 可选密钥 Atlas Cloud API Key，在 atlascloud.ai 控制台获取，建议写入 .env.development

其他可选配置项（11 个）

BROWSER_PATH 可选浏览器可执行文件路径，不设则自动检测 Chrome/Edge/Chromium

BROWSER_DEBUG_PORT 可选 CDP 调试端口，默认 40821，改 18800 可复用 OpenClaw 浏览器

BROWSER_HEADLESS 可选是否无头模式，默认 false，首次使用建议关闭以便登录

BROWSER_USER_DATA_DIR 可选浏览器用户数据目录，保存登录态，默认 ~/.wjz_browser_data

BROWSER_PROTOCOL_TIMEOUT 可选 CDP 协议超时毫秒数，默认 60000，生图可调大

DAEMON_PORT 可选 Browser Daemon HTTP 端口，默认 40225

DAEMON_TTL_MS 可选 Daemon 闲置超时毫秒数，默认 1800000（30 分钟）

OUTPUT_DIR 可选生成的图片输出目录，默认 ./gemini-image

ATLAS_BASE_URL 可选 Atlas Cloud OpenAI 兼容接口地址，默认 https://api.atlascloud.ai/v1

ATLAS_MODEL 可选 Atlas Cloud 默认模型，默认 openai/gpt-4o-mini

ATLAS_REQUEST_TIMEOUT_MS 可选 Atlas Cloud 请求超时毫秒数，默认 60000

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"
      ]
    }
  }
}

以 Claude Desktop 为例。其他客户端的配置文件位置或字段可能不同（如 VS Code 使用 servers 字段），可用下方配置生成器转换。

.vscode/mcp.json

{
  "servers": {
    "gemini": {
      "command": "node",
      "args": [
        "<项目绝对路径>/src/mcp-server.js"
      ]
    }
  }
}

写入项目的 .vscode/mcp.json（VS Code 使用 servers 字段）。

Terminal

claude mcp add gemini -- node '<项目绝对路径>/src/mcp-server.js'

在终端运行；先把 <…> 占位符换成你自己的值。

生成并校验客户端配置

验证是否装好

安装后在 MCP 客户端工具列表中应出现 gemini_generate_image、gemini_check_login 等工具；首次运行时浏览器会打开 Gemini 页面，手动登录 Google 账号后调用 gemini_check_login 返回已登录即说明连接成功。

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）。

试试这样问

连接成功后，可以直接对 AI 助手这样说：

画一只戴宇航员头盔的柴犬，并下载高清原图
上传我给的参考图，生成同风格的卡通头像
新建一个临时会话，用 Gemini 画一张猫咪表情包
把最新生成的图片创建一个公开分享链接发给我

工具能力 17

gemini_generate_image 写入

完整生图流程，支持参考图、高清下载，耗时约 60-120 秒。

gemini_new_chat 写入

新建空白对话。

gemini_temp_chat 写入

进入临时对话模式。

gemini_navigate_to 写入

导航到指定 Gemini URL（如历史会话）。

gemini_switch_model 写入

切换模型（pro/flash/flash-lite）。

gemini_send_message 写入

发送文本并等待回复，耗时 10-60 秒。

gemini_upload_images 写入

上传图片到输入框。

gemini_get_images 只读

获取会话中所有图片元信息。

展开其余 9 个工具

gemini_extract_image 写入

提取图片 base64 并保存本地。

gemini_download_full_size_image 写入

下载完整尺寸高清图片。

gemini_share_latest_image 写入

为图片创建公开分享链接。

gemini_get_all_text_responses 只读

获取所有文字回复。

gemini_get_latest_text_response 只读

获取最新一条文字回复。

gemini_check_login 只读

检查 Google 登录状态。

gemini_probe 只读

探测页面元素状态。

gemini_reload_page 写入

刷新页面。

gemini_browser_info 只读

获取浏览器连接信息。

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

CodeBuddy

OpenClaw

依据项目文档列出，未经本站实测。

详细介绍

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。