Ta strona została przetłumaczona przez Cloud Translation API.

Praktyczne ćwiczenia z interfejsem wiersza poleceń Gemini

1. Wprowadzenie

Z tego przewodnika dowiesz się więcej o interfejsie wiersza poleceń Gemini, czyli agencie AI open source, który udostępnia możliwości Gemini bezpośrednio w terminalu.

Projekt Gemini CLI jest open source, a publiczny harmonogram możesz zobaczyć tutaj.

W ramach ćwiczeń z programowania będziesz wykonywać kolejne czynności, takie jak:

Instalowanie interfejsu wiersza poleceń Gemini
Podstawowa konfiguracja
Poznaj narzędzia i wbudowane polecenia w interfejsie wiersza poleceń Gemini
Dostosowywanie interfejsu wiersza poleceń Gemini za pomocą pliku GEMINI.md
Poznaj kilka przypadków użycia interfejsu wiersza poleceń Gemini

Czego potrzebujesz

przeglądarki Chrome,
konto Gmail,
Komputer lokalny z zainstalowanym Node.js w wersji 20 lub nowszej.

Te warsztaty są przeznaczone dla użytkowników i deweloperów na wszystkich poziomach zaawansowania (w tym dla początkujących).

2. Instalacja

Zanim uruchomimy konfigurację i interfejs wiersza poleceń Gemini, utwórzmy folder, który będzie służyć jako folder domowy dla wszystkich projektów, które w nim utworzymy. Jest to punkt wyjścia dla interfejsu Gemini CLI, ale w razie potrzeby będzie on też odwoływać się do innych folderów w systemie, o których wspomnimy później.

Utwórz przykładowy folder (gemini-cli-projects) i przejdź do niego za pomocą poleceń pokazanych poniżej. Jeśli wolisz użyć innej nazwy folderu, możesz to zrobić.

mkdir gemini-cli-projects

Przejdźmy do tego folderu:

cd gemini-cli-projects

Aby uruchomić interfejs Gemini CLI, możesz użyć jednej z tych metod:

Uruchom go za pomocą tego polecenia:

npx https://github.com/google-gemini/gemini-cli

Najpierw możesz zainstalować interfejs wiersza poleceń Gemini globalnie w systemie. Upewnij się, że masz uprawnienia administratora.

npm install -g @google/gemini-cli

a następnie uruchom go za pomocą tego polecenia:

gemini

Jeśli interfejs wiersza poleceń Gemini został uruchomiony jedną z powyższych metod, powinien pojawić się ekran z pytaniem o wybór motywu. Wybierz jeden z nich:

Po wybraniu tej opcji pojawi się prośba o podanie metody uwierzytelniania. W tym module zalecamy używanie osobistego konta Google, a nie kont niezwiązanych z Google ani kont Google Workspace. Bezpłatna licencja daje dostęp do Gemini 2.5 Pro i okna kontekstu z milionem tokenów. Bezpłatny poziom umożliwia wysyłanie 60 żądań modelu na minutę i 1000 żądań dziennie bez opłat.

Jeśli wyczerpiesz obecny bezpłatny limit przypisany do kont Google, możesz użyć klucza interfejsu Gemini API lub nawet Google Cloud Vertex AI, gdzie musisz mieć identyfikator projektu i nazwę lokalizacji tego projektu. Jeśli planujesz używać innych metod uwierzytelniania, zapoznaj się z sekcją Uwierzytelnianie w dokumentacji.

Kliknij Enter. Spowoduje to otwarcie w przeglądarce strony uwierzytelniania Google. Przeprowadź uwierzytelnianie za pomocą konta Google, zaakceptuj warunki i gdy uwierzytelnianie się powiedzie, zobaczysz, że interfejs Gemini CLI jest gotowy i czeka na Twoje polecenie. Przykładowy zrzut ekranu znajdziesz poniżej:

Wpisz /help (ukośnik), a zobaczysz różne polecenia i skróty klawiszowe, jak pokazano poniżej:

Pierwsza interakcja z interfejsem wiersza poleceń Gemini

Wpisz pierwszą wiadomość w polu. W tym celu użyjemy zapytania:

Zauważysz, że w wyniku naszego zapytania wywołane zostało narzędzie GoogleSearch (wbudowane w interfejs wiersza poleceń Gemini). To ciekawy sposób na wykorzystanie jednego z zaawansowanych wbudowanych narzędzi interfejsu Gemini CLI, czyli GoogleSearch, które opiera swoje odpowiedzi na informacjach pobranych z internetu. Więcej informacji o narzędziach znajdziesz w następnej sekcji.

Na razie zamknijmy interfejs wiersza poleceń Gemini. Możesz to zrobić za pomocą polecenia /quit lub dwukrotnie wpisać Ctrl-C w interaktywnej sesji terminala interfejsu wiersza poleceń Gemini.

Plik dostosowywania interfejsu wiersza poleceń Gemini : settings.json

Jeśli pamiętasz, gdy po raz pierwszy uruchomiliśmy interfejs wiersza poleceń Gemini, poprosiliśmy Cię o wybranie motywu, a następnie metody uwierzytelniania. Przy kolejnych uruchomieniach interfejsu wiersza poleceń Gemini nie będzie już wyświetlana prośba o wybranie motywu i metody uwierzytelniania. Oznacza to, że jest on gdzieś zapisywany, a plik, którego używa, nazywa się settings.json. Jest to sposób na dostosowanie interfejsu Gemini CLI.

Ustawienia są stosowane w tej kolejności:

Obszar roboczy: .gemini/settings.json (zastępuje ustawienia użytkownika i systemu).
Użytkownik: ~/.gemini/settings.json (zastępuje ustawienia systemowe).
System: /etc/gemini-cli/settings.json (dotyczy wszystkich użytkowników).

Pamiętasz, że podczas wybierania motywu poprosiliśmy o zapisanie ustawień w ustawieniach użytkownika. Otwórz ~/.gemini folder, a zobaczysz plik settings.json.

Mój plik settings.json jest widoczny poniżej. Gdyby był wybrany inny motyw, jego nazwa byłaby widoczna w tym miejscu.

{
  "theme": "Default",
  "selectedAuthType": "oauth-personal"
}

3. Parametry poleceń interfejsu wiersza poleceń Gemini

Podczas uruchamiania interfejsu wiersza poleceń Gemini można podać kilka parametrów wiersza poleceń. Aby uzyskać pełną listę opcji, możesz użyć znaku --help, jak pokazano poniżej.

gemini --help

Powinna się wyświetlić pełna lista dostępnych opcji. Zachęcamy do zapoznania się z dokumentacją tutaj.

Przyjrzyjmy się kilku z nich. Pierwszy sposób to skonfigurowanie interfejsu wiersza poleceń Gemini do korzystania z modelu Pro lub Flash. W momencie pisania tego przewodnika obsługiwane są tylko te 2 modele. Domyślnie używany jest model Gemini 2.5 Pro, ale jeśli chcesz użyć modelu Flash, możesz to zrobić podczas uruchamiania interfejsu wiersza poleceń Gemini za pomocą parametru -m, jak pokazano poniżej:

gemini -m "gemini-2.5-flash"

Jeśli zaczniesz w opisany powyżej sposób, możesz sprawdzić model w prawym dolnym rogu terminala interfejsu wiersza poleceń Gemini, jak pokazano poniżej:

Tryb nieinteraktywny

Ciekawą opcją jest uruchomienie interfejsu wiersza poleceń Gemini w trybie nieinteraktywnym. Oznacza to, że bezpośrednio podajesz prompt, a model odpowiada na niego bez otwierania interaktywnego terminala interfejsu wiersza poleceń Gemini. Jest to bardzo przydatne, jeśli planujesz używać interfejsu wiersza poleceń Gemini w sposób zautomatyzowany w ramach skryptu lub innego procesu automatyzacji. Aby przekazać prompt do interfejsu wiersza poleceń Gemini, użyj parametru -p, jak pokazano poniżej:

gemini -p "What is the gcloud command to deploy to Cloud Run"

Pamiętaj, że nie możesz kontynuować rozmowy, zadając dodatkowe pytania.

4. Interfejs wiersza poleceń Gemini – wbudowane narzędzia

Interfejs Gemini CLI zawiera zestaw wbudowanych narzędzi, a w dokumentacji narzędzi czytamy: „Model Gemini używa tych narzędzi do interakcji z lokalnym środowiskiem, uzyskiwania dostępu do informacji i wykonywania działań. Te narzędzia zwiększają możliwości interfejsu CLI, umożliwiając mu wyjście poza generowanie tekstu i pomagając w wykonywaniu szerokiego zakresu zadań”.

Aby uzyskać listę bieżących narzędzi wbudowanych, wystarczy wywołać polecenie /tools, jak pokazano poniżej:

Jedną z pierwszych rzeczy, które powinny Cię zainteresować, jest pytanie, czy interfejs wiersza poleceń Gemini może po prostu wywoływać te narzędzia, gdy tego potrzebuje. W przypadku operacji wrażliwych, które mogą obejmować zapisywanie w systemie lokalnym, odczytywanie z systemu zewnętrznego, łączenie się z siecią zewnętrzną itp., domyślna odpowiedź to nie.

Po uruchomieniu interfejsu wiersza poleceń dostępny jest --yolomode, którego nie będziemy używać. Interfejs wiersza poleceń Gemini poprosi Cię o zezwolenie na uruchomienie wybranego narzędzia. Możesz odmówić przyznania uprawnień, zezwolić na jednorazowe uruchomienie lub przyznać uprawnienia do zawsze uruchamiania. Masz pełną kontrolę nad tym, co się dzieje.

Wpiszmy prompta, który sprawi, że interfejs wiersza poleceń Gemini wybierze jedno z wbudowanych narzędzi do wykonania zadania. Dzięki temu lepiej zrozumiemy, jak to wszystko działa.

Chcemy uzyskać informacje o najnowszych wiadomościach finansowych z całego świata i zapisać je w pliku w lokalnym katalogu roboczym, z którego uruchomiliśmy interfejs wiersza poleceń Gemini. Wpisujemy ten prompt:

Search for the latest headlines today in the world of finance and save them in a file named finance-news-today.txt

Wyobraź sobie, co powinno robić. Najlepiej, gdyby wyszukiwało w Google wiadomości z odpowiednich źródeł informacji, które mogą dostarczać wiadomości finansowe. Następnie musi utworzyć plik o nazwie finance-news-today.txt (operacja zapisu w systemie lokalnym, która będzie wymagać Twojej zgody) z jego zawartością.

Zobaczmy, co się stanie (zrób to samo na swoim komputerze).

Najpierw wywołuje narzędzie GoogleSearch, aby wyszukać informacje w internecie.

Po zakończeniu wyszukiwania pobiera dane w sposób pokazany poniżej:

Gdy to zrobi, będzie gotowy do zapisania tych informacji w pliku. Użyje do tego narzędzia WriteFile, ale ponieważ jest to operacja wymagająca szczególnej ostrożności (zapis), poprosi Cię o zgodę. Możesz określić typ uprawnień , np. zezwól raz, zezwalaj zawsze itp. Na razie wybierzemy opcję zezwól raz.

Spowoduje to zapisanie informacji w pliku, a poniżej pojawi się komunikat o powodzeniu:

Jak sprawdzić, czy plik jest zapisany? Możemy użyć @file, aby poprosić o odczytanie treści. Podajemy prompt, jak pokazano poniżej. Gdy wpiszemy @, wyświetli się lista plików w bieżącym folderze, w tym utworzony przed chwilą plik. Wybierz ją i prześlij prompta. Mój prompt wygląda tak:

read the contents of @finance-news-today.txt

W rezultacie zostaną wywołane wymagane narzędzia (ReadManyFiles, ReadFile), a zawartość zostanie wyświetlona w sposób pokazany poniżej:

To też dobry moment, aby dowiedzieć się, jak bezpośrednio korzystać z powłoki w interfejsie wiersza poleceń Gemini. Aby przejść do trybu powłoki, naciśnij ! w polu wiadomości. Spowoduje to przełączenie na tryb Shell. Aby wrócić, naciśnij ponownie ! lub klawisz ESC.

W trybie powłoki na początku promptu zobaczysz znak !, jak pokazano poniżej:

Mogę to sprawdzić bezpośrednio za pomocą standardowych poleceń, takich jak pwd i ls, jak pokazano poniżej:

Zawartość pliku możemy wydrukować za pomocą polecenia cat.

Ćwiczenie: oto krótkie ćwiczenie, które możesz wypróbować. Wybierz kanał RSS. Wpisz prompt w interfejsie wiersza poleceń Gemini, aby pobrać zawartość kanału RSS i sformatować wyniki w określony sposób. To dobry sposób na zautomatyzowanie czegoś na początku dnia.

Wskazówka: interfejs wiersza poleceń Gemini powinien korzystać z narzędzia WebFetch.

5. Konfigurowanie serwerów protokołu kontekstu modelu (MCP)

Serwer MCP to aplikacja, która udostępnia narzędzia i zasoby interfejsowi Gemini CLI za pomocą protokołu Model Context Protocol, co umożliwia interakcję z systemami zewnętrznymi i źródłami danych. Serwery MCP działają jako pomost między modelem Gemini a środowiskiem lokalnym lub innymi usługami, takimi jak interfejsy API.

Serwer MCP umożliwia interfejsowi wiersza poleceń Gemini wykrywanie i wykonywanie narzędzi, co rozszerza jego możliwości o działania wykraczające poza wbudowane funkcje, takie jak interakcja z bazami danych, interfejsami API, niestandardowymi skryptami czy specjalistycznymi przepływami pracy.

Interfejs Gemini CLI obsługuje konfigurowanie serwerów MCP na potrzeby wykrywania i używania narzędzi niestandardowych. Jeśli masz uruchomiony interfejs wiersza poleceń Gemini, możesz sprawdzić skonfigurowane serwery MCP za pomocą polecenia /mcp, jak pokazano poniżej:

Jeśli nie masz skonfigurowanych żadnych serwerów MCP, uruchomi się dokumentacja serwera MCP w interfejsie Gemini CLI.

Serwery MCP możesz skonfigurować na poziomie globalnym w pliku ~/.gemini/settings.json lub w katalogu głównym projektu. Utwórz lub otwórz plik .gemini/settings.json. W pliku musisz dodać blok konfiguracji mcpServers, jak pokazano poniżej:

"mcpServers": {
    "server_name_1": {},
    "server_name_2": {},
    "server_name_n": {}
 }

Każda konfiguracja serwera obsługuje te właściwości ( dokumentacja):

Wymagane (jeden z tych elementów)

command (string): ścieżka do pliku wykonywalnego transportu Stdio
url (string): adres URL punktu końcowego SSE (np. "http://localhost:8080/sse")
httpUrl (string): adres URL punktu końcowego transmisji strumieniowej HTTP.

Opcjonalny

args (string[]): argumenty wiersza poleceń dla transportu Stdio.
headers (object): niestandardowe nagłówki HTTP podczas korzystania z parametrów url lub httpUrl.
env (obiekt): zmienne środowiskowe procesu serwera. Wartości mogą odwoływać się do zmiennych środowiskowych za pomocą składni $VAR_NAME lub ${VAR_NAME}.
cwd (string): katalog roboczy dla transportu Stdio
timeout (liczba): limit czasu żądania w milisekundach (domyślnie: 600 000 ms = 10 minut).
trust (boolean): jeśli ma wartość „true”, pomija wszystkie potwierdzenia wywołań narzędzi dla tego serwera (domyślnie: false).
includeTools (string[]): lista nazw narzędzi do uwzględnienia z tego serwera MCP. Jeśli ta opcja jest włączona, na tym serwerze będą dostępne tylko wymienione tu narzędzia (działanie białej listy). Jeśli nie określisz żadnych narzędzi, domyślnie włączone będą wszystkie narzędzia z serwera.
excludeTools (string[]): lista nazw narzędzi, które mają zostać wykluczone z tego serwera MCP. Wymienione tu narzędzia nie będą dostępne dla modelu, nawet jeśli są udostępniane przez serwer. Uwaga: excludeTools ma wyższy priorytet niż includeTools – jeśli narzędzie znajduje się na obu listach, zostanie wykluczone.

Skonfigurujmy jeden z kluczowych serwerów MCP, który może być potrzebny, jeśli korzystasz z GitHub. Pamiętaj jednak, że interfejs wiersza poleceń Gemini wywoła narzędzia Git, które masz w systemie. Możesz też poinstruować interfejs wiersza poleceń Gemini, aby zamiast tego używał tych narzędzi. Pamiętaj, że pomoże Ci on w wydawaniu poleceń i ich wykonywaniu, ale musisz mieć te narzędzia skonfigurowane w systemie.

Serwer MCP GitHub

Oficjalny serwer MCP na GitHubie zawiera wystarczającą dokumentację dotyczącą udostępnianych narzędzi oraz sposobu ich konfigurowania. Możesz wybrać, czy chcesz uruchamiać go lokalnie, czy zdalnie, ponieważ interfejs Gemini CLI obsługuje też zdalne serwery MCP.

W tym samouczku wybraliśmy opcję zdalnego serwera MCP w GitHubie. W tym celu musisz najpierw mieć osobisty token dostępu (PAT) z GitHuba.

Gdy to zrobisz, musisz dodać obiekt serwera MCP w pliku settings.json. Poniżej znajdziesz pełną wersję pliku settings.json w moim systemie. Możesz mieć dodatkowe ustawienia, ale obiekt mcpServers powinien wyglądać tak jak poniżej:

{
  "theme": "Default",
  "selectedAuthType": "oauth-personal",
  "mcpServers": {
       "github": {
            "httpUrl": "https://api.githubcopilot.com/mcp/",
            "headers": {
                "Authorization": "GITHUB_PAT"
            },
            "timeout": 5000
       }
  }
}

Po zaktualizowaniu pliku settings.json o konfigurację serwera MCP GitHub możesz ponownie uruchomić interfejs Gemini CLI lub wykonać polecenie /mcp refresh. Na zrzucie ekranu poniżej widać serwer MCP GitHub skonfigurowany na moim komputerze oraz różne narzędzia, które są teraz dostępne w interfejsie Gemini CLI do pracy z MCP.

Zacznijmy od prompta, który wywoła jedno z narzędzi z serwera Github MCP. Wpisz ten prompt:

Zauważ, że wybierze ono odpowiednie narzędzie z serwera Github MCP, ale podobnie jak w przypadku innych wbudowanych narzędzi będzie wymagać wyraźnej zgody na jego wywołanie. Sprawdź, jakie dane wyjściowe otrzymasz.

Teraz możesz pracować nad jednym z projektów w GitHubie. Zadawaj zapytania w języku naturalnym, np.:

Opisz mi <repo-name>.
Sklonuj <repo-name> na moim komputerze lokalnym.
Opisz @<nazwa-pliku> lub @<nazwa-katalogu>/
Jakie są poszczególne komponenty tego repozytorium?
Wprowadziłem(-am) niezbędne zmiany. Czy możesz przesłać zmiany do GitHub i użyć narzędzi serwera MCP GitHub?

W dalszej części modułu znajdziesz szczegółowe ćwiczenie dotyczące pracy z serwerem MCP GitHub.

Serwer MCP Context7

Context7 udostępnia aktualną dokumentację modeli LLM i edytorów kodu AI. Jeśli chcesz przekazać LLM kontekst w postaci najnowszej dokumentacji wybranego frameworka, warto skonfigurować serwer Context7 MCP.

Sprawdź, czy biblioteka jest widoczna na stronie głównej Context7.

Oto serwer MCP, który musisz dodać w pliku settings.json.

"context7": {
      "httpUrl": "https://mcp.context7.com/mcp"
    }

Po skonfigurowaniu serwera MCP i załadowaniu na nim interfejsu Gemini CLI powinny być widoczne narzędzia Context7, jak pokazano poniżej:

Możesz teraz precyzyjnie określić prompt i poprosić interfejs wiersza poleceń Gemini o użycie Context7 w celu uzyskania najnowszej dokumentacji podczas generowania aplikacji lub fragmentu kodu przy użyciu konkretnej platformy XYZ.

Oto przykładowy prompt, w którym chcę napisać agenta przy użyciu pakietu Agent Development Kit (ADK) od Google. W prompcie proszę o sprawdzenie dokumentacji na ten temat na serwerze Context7 MCP.

I am working on coding an Agent using the Agent Development Kit (ADK) from Google. I would like to know how to create the LLMAgent in Python. Use Context7 for the latest documentation on ADK and specifically use /google/adk-python, /google/adk-docs and adk.wiki

Oto otrzymane dane wyjściowe:

Serwer MCP Prezentacji Google

Projekt Github na stronie https://github.com/matteoantoci/google-slides-mcp udostępnia serwer MCP do interakcji z interfejsem Google Slides API. Umożliwia tworzenie, odczytywanie i modyfikowanie prezentacji Google w sposób programowy.

Instrukcje konfigurowania serwera MCP znajdziesz w projekcie. Musisz mieć środowisko Node.js, w którym zbudujesz serwer, skonfigurujesz projekt Google Cloud i tokeny OAuth 2.0, a następnie skonfigurujesz serwer MCP w pliku settings.json.

Po skonfigurowaniu możesz używać promptów takich jak:

Wyodrębnij najnowsze informacje z „web_url”, podsumuj je w postaci najważniejszych punktów i utwórz prezentację o nazwie „my_presentation”.

Wypróbuj tę funkcję!

Więcej serwerów MCP

Oto dodatkowa lista serwerów MCP, które mogą Cię zainteresować:

Serwer MCP Firebase
Usługi multimedialne Google Gen AI (Imagen, Veo, Lyria)
MCP Toolbox for Databases (praca z bazami danych Firestore, BigQuery i Google Cloud)
Serwer MCP Google Workspace (praca z Dokumentami, Arkuszami, Kalendarzem i Gmailem)

Instrukcje konfiguracji powyższych serwerów MCP znajdziesz w tym poście na blogu.

6. Przykłady zastosowań do wypróbowania

Interfejs wiersza poleceń Gemini można stosować w wielu przypadkach użycia, które dotyczą zarówno deweloperów, jak i osób niebędących deweloperami. Poniżej znajdziesz kilka scenariuszy. W zależności od tego, co Cię interesuje, możesz wypróbować dowolny z nich lub wszystkie.

W każdym z tych przypadków podajemy prompt. Możesz to wypróbować w trybie interaktywnym lub nieinteraktywnym interfejsu wiersza poleceń Gemini za pomocą parametru -p podczas uruchamiania interfejsu wiersza poleceń Gemini.

Porządkowanie plików i folderów

Za pomocą interfejsu Gemini CLI możesz porządkować pliki w różnych folderach w zależności od ich typów. Otwórz na komputerze folder z kilkoma plikami w formatach TXT, PNG, JPG, PDF, MP4 i innych. Najprawdopodobniej będzie to pulpit lub folder Pobrane.

Przejdź do tego folderu i uruchom Gemini CLI. Najpierw poprosimy go o utworzenie kilku folderów: Obrazy, Dokumenty, Filmy, a potem o uporządkowanie plików w tych folderach.

Interfejs wiersza poleceń Gemini często prosi o zezwolenie przed wykonaniem poleceń, zwłaszcza tych, które modyfikują system plików (np. zapisywanie, przenoszenie lub usuwanie plików). Zanim udzielisz pozwolenia, zawsze dokładnie sprawdzaj te prośby. To Twoja siatka bezpieczeństwa.

Create the following folders "Images","Documents","Videos"

Następnie wpisz ten prompt:

Go through all the files in this folder and then organize them by moving all the files ending with .jpg, .jpeg, .gif into the "Images" folder. Move all ".txt" files into the "Documents" folder. Move all the ".mp4" files in the "Videos" folder.

Kilka innych scenariuszy porządkowania (podpowiedzi są podane obok każdego scenariusza):

Podsumowanie: dla każdego dokumentu w folderze „Dokumenty” utwórz w tym samym folderze plik tekstowy o nazwie „summary_ORIGINAL_FILENAME.txt”, który zawiera 3-zdaniowe podsumowanie najważniejszych punktów dokumentu.
Kategoryzacja według typu: skanuj wszystkie pliki PDF i DOCX w tym katalogu. Przenieś wszystkie pliki, które mają w nazwie lub treści słowo „faktura”, do folderu „Finanse/Faktury”. Przenieś pliki z „paragonem” do folderu „Finanse/Paragony”. Wszystkie inne pliki .docx trafią do folderu „Raporty”.
Wyodrębnianie kluczowych informacji (i „tagowanie”): w przypadku każdego pliku PDF w folderze „Financial/Invoices” odczytaj jego zawartość. Jeśli znajdziesz datę, zmień nazwę pliku, aby zawierała tę datę w formacie RRRR-MM-DD, np. ‘invoice_2025-07-26_original_name.pdf'.