yeahhe365/Gemini-Nexus

Gemini Nexus 是一款面向浏览器场景的 AI 助手扩展，集成 Gemini Web、Gemini API 与 OpenAI 兼容接口，支持网页上下文、图像处理、工具调用和 MCP 浏览器控制。

Gemini Nexus – AIを活用したChrome拡張機能

概要 – Gemini Nexusは、ブラウザに会話型AIアシスタントを直接組み込むChrome MV3拡張機能です。Google Gemini（ウェブUIと公式APIの両方）に加え、幅広いOpenAI互換サービス（OpenAI、Anthropic、DeepSeek、OpenRouter、Qwen/DashScope、Zhipuなど）と通信できます。拡張機能はサイドパネル、フローティングツールバー、およびブラウザ制御ツールを追加し、モデルがページの読み取り、ボタンのクリック、フォームへの入力、スクリーンショットの取得、カスタムJavaScriptの実行まで行えるようにします。

重要性 – アシスタントは別のチャットウィンドウを開く代わりに、ブラウザ内に常駐し、現在のタブで操作できます。これにより、ページから離れることなく、LLMを使用したその場での翻訳、要約、コード生成、完全自動化されたブラウジングタスクが可能になります。

中核機能

機能	説明
マルチプロバイダー対応	Gemini Web（APIキー不要、リバースエンジニアリング）、Gemini公式API、OpenAI互換API、Anthropic、DeepSeek、OpenRouter、Qwen/DashScope、Zhipuなどに切り替え可能。各プロバイダーに独自のベースURL、APIキー、モデルIDを設定できます。
ネイティブブラウザ制御	Chrome DevTools Protocolを通じて、モデルは`navigate_page`、`click`、`fill_form`、`take_snapshot`、`evaluate_script`などのコマンドを発行できます。制御中のタブは視覚的なフィードバックのためにグループ化されます。
フローティング選択ツールバー	テキストを選択すると、翻訳、要約、説明、文法修正、フォームへの結果挿入を提供するツールバーが表示されます。
画像＆スクリーンショット入力	選択した画像領域のOCR/翻訳、全画面またはウィンドウキャプチャ、ページ画像用のフローティング「画像解析」ボタン。
サイドパネルUI	Chromeの`sidePanel` APIで構築。高速アクセス、全文履歴検索、サンドボックス化されたiframe内でのMarkdown/LaTeX/コードレンダリング。
コンテキスト管理	要約圧縮とターン切り詰めにより、トークン使用量をモデルの制限内に保ちます。
外部MCPツール統合	SSE、HTTPストリーミング、WebSocketを介してローカルまたはリモートのMulti-Tool-Calling（MCP）サーバーに接続し、カスタムツールをLLMに公開します。
透かし除去	Gemini生成画像に埋め込まれた透かしを削除します（自己責任で使用してください）。
一時的なGemini Webチャット	ユーザーの公式チャット履歴を汚染せずにGemini Webを使用できます。

入手方法

リリースビルドから – ReleasesページからZIPをダウンロードし、解凍して、chrome://extensions/を開き、デベロッパーモードを有効にし、パッケージ化されていない拡張機能を読み込むをクリックして抽出したフォルダを選択します。
ソースからビルド –
```
npm install
npm run package:extension   # artifacts/chrome-extensionに読み込み可能なフォルダを作成
```
そのフォルダを上記と同じ方法で読み込みます。（npm run buildはUIバンドルのみを生成し、拡張機能全体は生成しません。）
公開 – リポジトリには、ローカルの.env.chrome-webstoreファイルに保存された資格情報を使用して、パッケージ化されたZIPをChromeウェブストアにアップロードするスクリプト（npm run publish:chrome-webstore）が含まれています。

アーキテクチャの概要

フロントエンド – Vite + TypeScript UIがdist/にコンパイルされ、サイドパネルとフローティングツールバーに注入されます。
バックグラウンド – プロバイダールーティング、トークンストレージ、Chrome DevToolsベースの制御ループ（background/control/）を処理します。
コンテンツスクリプト – ウェブページに注入され、選択のキャプチャ、フローティング画像解析ボタンの追加、Accessibility Treeを介したDOMアクションの実行を行います。
MCPブリッジ – オプションのプロキシ（例：MCP-SuperAssistant）が、拡張機能の呼び出しをローカルのstdioベースのツールサーバーに変換します。
プロバイダードライバー – services/providersの下にあり、各ドライバーはターゲットAPI（例：Gemini Web用のweb.js、Gemini API用のofficial.js、Claude用のanthropic.jsなど）へのリクエストフォーマット方法を知っています。

リスクと注意事項

Gemini Webのリバースエンジニアリング – 拡張機能はgemini.google.comから内部RPCトークンを抽出し、ウェブクライアントを模倣します。これはGoogleの利用規約に違反する可能性が高く、Googleが内部APIを変更した場合に機能しなくなる可能性があります。
透かし除去 – 生成画像から帰属表示を削除すると、Googleの利用ポリシーに違反する可能性があります。
APIキー – すべてのキーは拡張機能のローカルストレージにのみ保存され、選択したプロバイダー以外の第三者に送信されることはありません。
責任 – 著者は、リバースエンジニアリングされた機能の使用により生じる法的またはポリシー上の結果はユーザーが負担するという免責事項を提供します。

対象ユーザー

パワーユーザー – アプリを切り替えずに現在のウェブページで操作できる会話型アシスタントを求める方。
開発者 – LLM駆動のブラウザ自動化やツール呼び出しワークフローを実験したい方。
研究者 – マルチプロバイダーLLM統合とGemini Webへのリバースエンジニアリングアクセスの限界をテストすることに興味がある方。

ライセンス – MIT（オープンソース）。

Gemini NexusはChromeにネイティブAIレイヤーをもたらし、多くの大規模言語モデルプロバイダーを統合し、簡単なテキスト支援から本格的な自律ブラウジングまで、ブラウザを直接制御できるようにします。