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 – 基于 AI 的 Chrome 扩展

项目简介 – Gemini Nexus 是一款 Chrome MV3 扩展，将对话式 AI 助手直接嵌入浏览器。它支持 Google Gemini（包括网页界面和官方 API）以及广泛的 OpenAI 兼容服务（OpenAI、Anthropic、DeepSeek、OpenRouter、Qwen/DashScope、Zhipu 等）。该扩展添加了侧边面板、浮动工具栏和一组浏览器控制工具，使模型能够读取页面、点击按钮、填写表单、截取屏幕截图，甚至运行自定义 JavaScript。

为什么重要 – 助手不是打开单独的聊天窗口，而是驻留在浏览器内部，并能在当前标签页上执行操作。这使得无需离开页面即可使用 LLM 进行即时翻译、摘要、代码生成或完全自动化的浏览任务。

核心功能

功能	描述
多提供商支持	可在 Gemini Web（无需 API 密钥，逆向工程）、Gemini 官方 API、OpenAI 兼容 API、Anthropic、DeepSeek、OpenRouter、Qwen/DashScope、Zhipu 等之间切换——每个提供商都有自己的基础 URL、API 密钥和模型 ID。
原生浏览器控制	通过 Chrome DevTools 协议，模型可以发出 `navigate_page`、`click`、`fill_form`、`take_snapshot`、`evaluate_script` 等命令。受控标签页会被分组以提供视觉反馈。
浮动选择工具栏	当您高亮文本时，会出现一个工具栏，提供翻译、摘要、解释、语法修正或将结果插入表单等选项。
图像和截图输入	支持所选图像区域的 OCR/翻译、全屏或窗口捕获，以及用于页面图像的浮动“分析图像”按钮。
侧边面板 UI	使用 Chrome 的 `sidePanel` API 构建；快速访问、全文历史搜索、在沙盒 iframe 中渲染 Markdown/LaTeX/代码。
上下文管理	通过摘要压缩和回合修剪来保持令牌使用在模型限制内。
外部 MCP 工具集成	通过 SSE、HTTP 流或 WebSocket 连接本地或远程 Multi-Tool-Calling (MCP) 服务器，向 LLM 公开自定义工具。
水印去除	去除 Gemini 生成图像中嵌入的水印（使用风险自负）。
临时 Gemini Web 聊天	允许使用 Gemini Web，同时不污染用户的官方聊天历史。

如何获取

从发布版本安装 – 从 Releases 页面下载 ZIP，解压，然后打开 chrome://extensions/，启用 开发者模式，点击 加载已解压的扩展程序，选择解压后的文件夹。
从源码构建 –
```
npm install
npm run package:extension   # 在 artifacts/chrome-extension 中创建可加载的文件夹
```
按照上述相同方式加载该文件夹。（npm run build 仅生成 UI 捆绑包，而不是完整的扩展。）
发布 – 仓库包含一个脚本（npm run publish:chrome-webstore），使用存储在本地 .env.chrome-webstore 文件中的凭据将打包的 ZIP 上传到 Chrome Web Store。

架构概览

前端 – Vite + TypeScript UI 编译到 dist/ 中，并注入侧边面板和浮动工具栏。
后台 – 处理提供商路由、令牌存储和基于 Chrome DevTools 的控制循环（background/control/）。
内容脚本 – 注入到网页中，用于捕获选择内容、添加浮动图像分析按钮，并通过无障碍树执行 DOM 操作。
MCP 桥接 – 可选的代理（例如 MCP-SuperAssistant）将扩展调用转换为本地基于 stdio 的工具服务器。
提供商驱动 – 位于 services/providers 下；每个驱动程序都知道如何为其目标 API 格式化请求（例如，Gemini Web 的 web.js、Gemini API 的 official.js、Claude 的 anthropic.js 等）。

风险与注意事项

Gemini Web 逆向工程 – 扩展从 gemini.google.com 提取内部 RPC 令牌并模仿 Web 客户端。这可能违反 Google 的服务条款，并且如果 Google 更改内部 API，扩展可能会停止工作。
水印去除 – 从生成的图像中剥离署名可能会违反 Google 的使用政策。
API 密钥 – 所有密钥仅存储在扩展的本地存储中；除了所选提供商外，绝不对第三方发送。
责任 – 作者提供免责声明，用户需自行承担使用逆向工程功能所带来的任何法律或政策后果。

适用人群

高级用户 – 希望在不切换应用的情况下对当前网页执行操作的对话式助手。
开发者 – 想要尝试基于 LLM 的浏览器自动化或工具调用工作流的开发者。
研究人员 – 有兴趣测试多提供商 LLM 集成以及逆向工程访问 Gemini Web 的限制的研究人员。

许可证 – MIT（开源）。

Gemini Nexus 为 Chrome 带来了原生 AI 层，统一了多种大语言模型提供商，并让他们能够直接控制浏览器，从而执行从简单文本辅助到完全自主浏览的各种任务。