免費開源的 Gemini CLI 是什麼？教你打造 AI Agent 的快速入門教學

Gemini CLI (Command Line Interface) 是 Google 開發的開源工具，讓你直接透過終端機與強大的 Gemini AI 模型互動，並以此為基礎開發和管理各種 AI Agent 。它簡化了 AI 操作，讓你在終端機中就能完成複雜的 AI 任務。

1. 聊天問答與內容生成

Gemini CLI 讓你在終端機裡就能與 AI 對話：

• 自然語言互動： 直接提問，快速獲取答案，無論是資料查詢、問題解決還是創意寫作。
• 多樣內容生成： 不僅是文本，它還能生成程式碼、腳本、圖片描述，甚至結合 Imagen 等模型生成圖片和影片。

2. 程式碼輔助與開發流程優化

它是工程師的得力助手，大幅提升效率：

• 程式碼理解與生成： 閱讀、理解、修改、生成程式碼，協助你解釋複雜程式、重構、修復 Bug。
• 除錯與自動化： 直接將錯誤訊息給它，獲取解決方案。將指令嵌入腳本，自動化單元測試、文件生成等重複性編碼任務。

3. 結合外部工具與資訊來源

Gemini CLI 具備強大擴展性，能與多種工具整合：

• 內建 Google Search： 整合搜尋功能，AI 能參考即時網頁資料，確保資訊即時與可靠，對需要最新資訊的 AI Agent 至關重要。
• 執行終端機指令： 透過特定語法，AI Agent 不僅能生成內容，還能執行實際系統操作。
• 擴展功能： 支援 MCP 和內建擴充，能連接外部資料庫、API，讓 AI Agent 讀取檔案、管理資料或與第三方服務互動。

4. 開發 AI Agent

它是開發 AI Agent 的核心工具：

• 核心驅動： 提供程式化、高可控性介面，讓你設計 AI Agent 行為、串聯多步驟任務並部署。
• 多步驟推理： 透過內建工具和 ReAct 循環，幫助 AI Agent 完成複雜的多步驟任務，如分析需求、生成方案、執行指令和驗證結果。

Gemini CLI 是一款多功能工具，將 Google Gemini AI 的強大能力帶入開發者的終端機工作流程，提升生產力，簡化 AI 任務，並為打造自動化、智能化的 AI Agent 提供堅實基礎。

以下是安裝和啟動 Gemini CLI 的步驟：

事前準備

• Node.js 版本需求：請確認您的電腦已安裝 Node.js 18 版或更高版本。

執行 CLI

您可以選擇以下任一方式來執行 Gemini CLI：

• 直接執行：在您的終端機中輸入以下指令：

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

或者

• 全域安裝：輸入以下指令進行安裝，然後再執行 gemini 命令：

" npm install -g @google/gemini-cli"

快速啟動

命令提示字元下 執行 "gemini"

設定與驗證

• 選擇顏色主題：啟動後，您可以選擇喜歡的介面顏色主題。
• 登入驗證：依照提示使用您的 Google 帳戶登入。這將讓您每分鐘最多發送 60 個模型請求，每天最多 1,000 個模型請求。

完成以上步驟，您就可以開始使用 Gemini CLI 了！

接著選擇主題，然後就是選擇 Auth Method（授權方法），有三種登入方式：

• Login with Google：使用你的 Google 帳號登入（不需要 API key）
• Gemini API Key：如果你有申請 Gemini API（透過 Google AI Studio）
• More...：其他較進階的登入方式

這邊會開啟瀏覽器授權，看到以下畫面就授權成功了。

接著你就可以看到以下對話框，可以開始對話了！

先輸入 /help 可以查看所有可用指令與使用說明。

以下是 Gemini CLI 的基本功能、指令和鍵盤快捷鍵：

基本功能 (Basics)

• 新增上下文 (Add context)：使用 @ 符號來指定檔案或資料夾作為上下文。例如：@src/myFile.ts 可以針對特定檔案或資料夾提供上下文資訊給 Gemini。
• Shell 模式 (Shell mode)：透過 ! 符號來執行終端機命令。例如：!npm run start。你也可以使用自然語言，例如：啟動伺服器。

命令 (Commands)

• /help：顯示 Gemini CLI 的所有幫助資訊。
• /docs：在瀏覽器中開啟完整的 Gemini CLI 文件。
• /clear：清除螢幕並清除對話歷史記錄。
• /theme：更改介面主題顏色。
• /auth：更改身份驗證方式。
• /editor：設定外部編輯器偏好設定。
• /privacy：顯示隱私權聲明。
• /stats：查看會話統計數據。
• /mcp：列出已配置的 MCP (Model Context Protocol) 伺服器和工具。
• /memory：管理記憶體。用法：/memory [要新增的文字]。
• /tools：列出所有可用的 Gemini CLI 工具。
• /about：顯示版本資訊。
• /bug：提交錯誤報告。
• /chat：管理對話歷史記錄。用法：/chat [標籤]。
• /compress：透過將上下文替換為摘要來壓縮上下文。
• !：執行 Shell 命令。

讓我們將 Gemini CLI 的應用提升到一個更進階的層次：打造一個能夠生成並輔助開發「貪食蛇遊戲」程式碼的 AI Agent。這將展示 Gemini 模型在程式碼生成方面的強大能力，以及您如何利用 Gemini CLI 來驅動這類複雜的任務。

目標：讓 AI Agent 理解我們的需求，生成貪食蛇遊戲的 Python 程式碼，並在必要時提供修改建議。

核心實作概念：

• 多輪對話與上下文管理：AI Agent 需要記住之前的對話內容，以便理解後續的請求。
• 精確的提示詞工程：為了讓 Gemini 生成正確且可運行的程式碼，提示詞必須非常具體。
• 程式碼執行與驗證（可選但推薦）：更進階的 AI Agent 甚至可以在生成程式碼後，嘗試執行並除錯。

要求Gemini CLI 製作一個簡單的貪食蛇遊戲，Gemini CLI會跟你說明他的技術選擇跟和新功能、並且在視覺上如何呈現，最後說明檔案結構。

第一次執行的問題

一開始開啟網頁時，遊戲立即啟動且很快就結束，沒有任何提示或重新開始的按鈕，導致玩家還沒反應就 Game Over。

第一次產生的遊戲，網頁一開啟就結束了，沒有設置任何重新開始的按鈕，所以還來不及反應的話就會結束

提出修正請求

我們請 Gemini CLI 加入 reset 機制，並說明錯誤原因如下：

• 問題原因：初始狀態直接進入遊戲迴圈，未給玩家準備時間或提供重新開始的機制。
• 解決方法：加入「Restart」按鈕、暫停與重新啟動控制流程，並增加分數記錄。

Gemini CLI 隨即回應，並自動修改程式碼，新增以下功能：

• 畫面中央顯示 Restart 按鈕，遊戲結束後可以重新開始。
• 新增分數統計功能，畫面右上角顯示目前得分。
• 修正初始化與結束邏輯，避免遊戲閃現即終止。

最終結果

經過修正後，成功產出一款可正常遊玩的貪食蛇遊戲，具備：

• 操作順暢的方向控制
• 計分系統與即時更新
• Restart 按鈕讓玩家可反覆挑戰
• 介面風格簡潔，遊戲體驗接近 Nokia 經典版本

這次任務展示了 Gemini CLI 協助開發互動式應用的實力，從錯誤識別到功能完善，全自動完成流程。

在 AI 領域，Gemini CLI 和 ChatGPT 都是強大的工具，但它們在設計理念和應用場景上有所不同，這也決定了它們在開發 AI Agent 時的適用性。

ChatGPT（透過其 API 或網頁介面）

ChatGPT 主要專注於對話與使用者體驗，其設計初衷是提供流暢、自然的多輪對話能力，並透過極為直觀易用的網頁介面吸引用戶，API 方面也相當適合開發者快速整合對話功能，對多數一般使用者而言，ChatGPT 更像是一個「即用即聊」的黑箱服務，雖然開發者可以透過 API 傳送提示詞，但對模型行為的細緻控制能力相對有限。因此， ChatGPT 更適合用於直接面向終端使用者的智能對話應用，或用於快速驗證對話式應用的原型設計與概念開發 。

Gemini CLI（與其底層的 Gemini API）

Gemini CLI 是專為開發者設計的工具，提供命令列介面，直接暴露 Gemini API 的功能，從設計之初就著重於程式化、自動化和靈活整合的能力。它具備高度可控性，開發者可透過 CLI 或 Python 函式庫，精準控制模型的各項參數，如 temperature、top_p、top_k，並能處理多模態輸入（例如圖片），甚至利用函數呼叫來進一步擴充模型的行動能力。 此外，Gemini CLI 採模組化設計，宛如開發者手中的樂高積木，可輕鬆嵌入現有工作流程、腳本、自動化系統或大型應用中，不僅支援文字生成，亦能產出程式碼與文字檔，處理複雜的輸入與輸出結構。透過 CLI，開發者也能更直接接觸底層 Gemini 模型，對於需要高度客製化與最佳化 AI Agent 行為的應用場景尤為重要。

為什麼 Gemini CLI 更適合開發 AI Agent？

Gemini CLI 具備多項特性，使其成為開發 AI Agent 的理想工具。首先，在自動化與腳本化方面，它讓開發者能夠輕鬆地將 AI 模型呼叫嵌入任意腳本中，達成無需人工干預的任務執行流程。其細緻的參數控制功能，則為 AI Agent 的行為調校提供極高的自由度，能依據任務需求靈活調整模型的回應方式。對於需要處理多種資料類型的應用， Gemini CLI 背後的模型亦支援強大的多模態能力，可理解並生成文字、圖片、PDF 與程式碼等內容（目前尚未支援影片與音訊）。進一步來說，它的函數呼叫功能更是關鍵，允許模型依情境決定是否呼叫外部工具或函式，像是查詢資料庫、發送郵件或執行命令，讓 AI Agent 真正具備實際執行任務的能力 。最後，作為 Google AI 生態系統的一環，Gemini CLI 建構於穩定的雲端基礎設施之上，並與多元的開發工具鏈高度整合，使得部署與擴充 AI Agent 更加順暢且具可擴展性。

總之，如果您的目標是建立一個能夠自動執行任務、與外部系統互動、並需要高度客製化行為的 AI Agent，那麼 Gemini CLI 以其程式化、可控性和整合性，無疑是比主要側重於對話的 ChatGPT 更為合適和強大的選擇。

Gemini CLI 不僅是當前一個強大的工具，它更承載著重塑未來 AI 工具開發生態的巨大潛力。隨著 AI 技術的飛速發展，我們正從單純的「使用 AI」轉向「利用 AI 開發 AI Agent 和智能工具」的時代 ，而 Gemini CLI 正是這場轉變中的關鍵催化劑。

以下是 Gemini CLI 可能會如何影響未來 AI 開發生態的幾個關鍵方面：

加速 AI Agent 的普及化與客製化：

• 門檻降低：透過標準化的命令列介面，非 AI 領域的開發者也能更容易地將 AI 能力融入其應用，從而加速各行各業中 AI Agent 的開發和部署。
• 專業化 Agent：我們將看到更多針對特定領域（如法律、醫療、金融）高度客製化的 AI Agent 出現，它們將能執行更精確、更專業的任務。

推動 AI 優先的開發範式（AI-First Development）：

• 傳統的軟體開發通常是先設計應用邏輯，再考慮如何整合 AI。Gemini CLI 將鼓勵開發者在設計之初就思考如何將 AI 作為核心組件，讓 AI Agent 成為應用程式的核心驅動力。
• 這將催生更多「由 AI 定義功能，由人微調和監督」的應用模式。

強化多模態 AI 的應用廣度：

• 隨著 Gemini 模型本身在處理多模態資訊方面的進步，Gemini CLI 將成為開發者建構能理解並生成文本、圖像、音訊甚至影片等多元數據的 AI Agent 的利器。
• 這將打開全新的應用場景，例如視覺內容分析 Agent、智能語音助理的進階版本等。

促進開源協作與工具鏈整合：

• 作為一個命令列工具，Gemini CLI 天然適合與各種現有的開源工具、CI/CD 管道和自動化腳本整合。
• 這將鼓勵開發者圍繞 Gemini CLI 建立更豐富的開源工具和函式庫生態系統，進一步降低開發複雜性。

重新定義開發者與 AI 的互動方式：

• 開發者將不再僅僅是 AI 模型的消費者，而是 AI 模型的「編排者」和「導演」。
• 他們將透過 Gemini CLI 精心設計提示詞、設定模型參數，並將 AI Agent 編織到更複雜的系統中。
• 這將促使開發者社群共享更多關於「提示詞工程」、「Agent 設計模式」的最佳實踐。

邊緣 AI 與嵌入式 Agent 的發展：

• 隨著模型壓縮和推理效率的提升，未來可能會出現輕量級的 Gemini 模型版本，搭配 Gemini CLI 在邊緣設備上運行，從而實現更即時、更低延遲的本地 AI Agent。

總而言之， Gemini CLI 不僅僅是一個工具，它更是一個引領 AI Agent 時代到來的關鍵基礎設施。它將 empower 開發者以更靈活、更高效、更具創造力的方式，去設計、建構和部署下一代智能應用，從而真正重塑我們所知的 AI 工具開發生態 。

開始你的 AI Agent 開發之旅！

試試看下載 Gemini CLI，親手打造屬於你的 AI Agent。如果你想體驗更方便的 UI 介面，不妨預約試用我們正在開發中的 GenApe AI Agent，探索更多自動化與智能整合的可能性！

預約 GenApe AI Agent 試用