WJZ-P/gemini-skill

gemini drawing MCP & skill through browser, can be used in openclaw or any agent that supports MCP. Gemini画图 MCP和sill，支持龙虾或任何agent使用٩(๑>◡<๑)۶

解決する課題

Gemini SkillはGeminiウェブインターフェースの自動化を実現し、公式APIに完全に依存することなく、AIによる画像生成、テキスト会話、画像抽出などのタスクをプログラムで実行できるようにします。ブラウザを制御するための標準化された方法を提供することで、AIエージェントとGeminiウェブUIの間のギャップを埋めます。

仕組み

このプロジェクトは、PuppeteerとCDP (Chrome DevTools Protocol)、およびstealthプラグインを使用してブラウザインスタンスを制御します。バックグラウンドプロセスがブラウザのライフサイクルを管理する「デーモン」アーキテクチャを採用しており、リソースを節約するために30分間操作がないとシャットダウンします。MCP (Model Context Protocol) サーバーとして実装されているため、AIクライアント (ClaudeやCodeBuddyなど) にプラグインして、Geminiと対話するための「スキル」を与えることができます。

対象ユーザー

  • AIエージェント開発者: Geminiのウェブ機能 (特に画像生成) をエージェントのワークフローに統合したい方。
  • 自動化愛好家: Geminiウェブプラットフォーム上の反復的なタスクを自動化したいユーザー。
  • 開発者: ウェブインターフェースを制御するMCPサーバーの構築方法の参考を探している方。

主な特徴

  • 完全な画像ワークフロー: プロンプトベースの画像生成、画像間タスクのための参照画像のアップロード、高解像度オリジナルのダウンロードをサポート。
  • 自動透かし削除: ダウンロードした画像からGeminiの透かしを自動的に削除するユーティリティが含まれています。
  • MCP統合: Model Context Protocolに完全準拠しており、MCP対応クライアントであればGeminiのアクションをトリガーできます。
  • スマートなライフサイクル管理: ブラウザデーモンはオンデマンドで起動し、頻繁な再起動を避けるために遅延破棄メカニズムを採用しています。
  • ステルスモード: puppeteer-extra-plugin-stealth を使用してボット検知を回避し、実際のユーザーの行動を模倣します。

関連

  • プロジェクト
    google-gemini/gemini-cli

    ターミナル上で直接 Gemini モデルにアクセスできるオープンソースの AI エージェントで、コード分析、オートメーション、システム統合を提供します。

  • プロジェクト
    yeahhe365/Gemini-Nexus

    Gemini Nexusは、ブラウザにネイティブAIアシスタントを追加するChrome MV3拡張機能です。Google Gemini（リバースエンジニアリングされたトークンを介したウェブUIと公式APIの両方）および多くのOpenAI互換サービスをサポートします。拡張機能はサイドパネル、フローティング選択ツールバー、画像/スクリーンショット入力、Chrome DevToolsベースの制御ループを提供し、LLMがページのナビゲーション、要素のクリック、フォームへの入力、スクリプトの実行、外部ツールサーバー（MCP）の呼び出しを可能にします。コンテキスト管理機能、Gemini画像の透かし除去、完全なビルド/公開ワークフローが含まれます。Gemini-Web統合はGoogleの利用規約に違反する可能性があるため、ユーザーは関連するリスクを受け入れる必要があります。

  • プロジェクト
    jamubc/gemini-mcp-tool

    AIアシスタントをGemini/Antigravity CLIに接続するMCPサーバーで、大規模なコードベース分析とサンドボックス化されたコード実行を可能にします。

  • プロジェクト
    jacob-bd/gemini-notebook-mcp-cli

    Google Gemini Notebook（ノートブック一覧・作成、ソース追加、音声/動画生成など）をプログラムで管理するためのPythonパッケージ。AIエージェント（Claude、Cursor、Gemini-CLIなど）にその機能を公開するためのローカルMCPサーバーも提供。`uv`/`pip`でインストール、Googleクッキーでログイン（オプションで暗号化）、`nlm setup`でAIツールを接続後、シンプルなコマンドまたは自然言語プロンプトで操作可能。

  • プロジェクト
    zhiyu1998/Gemi2Api-Server

    Gemi2Api‑Serverは、FastAPIベースのブリッジで、OpenAI互換のREST APIを介してGoogle Geminiを呼び出すことができます。ブラウザのクッキーを使ってGeminiに認証し、チャットコンプリーションリクエストを転送し、オプションで生成された画像をプロキシし、シンプルな管理UIを提供します。ローカル、Docker、またはRender/HuggingFaceでデプロイ可能で、公式な公開APIがなくてもGeminiにアクセスしたい開発者に有用です。