gemini-skill

name	gemini-skill
description	通过 Gemini 官网（gemini.google.com）执行生图、对话等操作。用户提到"生图/画图/绘图/nano banana/nanobanana/生成图片"等关键词时触发。操作方式分三级优先级：首选 MCP 工具 → 次选 Skill 脚本 → 最次连接 Skill 浏览器手动操作（需用户授权）。禁止自行启动外部浏览器访问 Gemini。

Gemini Skill

⚠️ 操作优先级（必须遵守）

与 Gemini 的一切交互，按以下优先级选择方式：

1. 🥇 首选：调用 MCP 工具 — 直接调用本 Skill 暴露的 MCP 工具完成操作，覆盖绝大多数场景
2. 🥈 次选：运行 Skill 脚本 — 当 MCP 工具无法满足需求时，可运行本 Skill 项目中提供的脚本来完成
3. 🥉 最次：连接 Skill 管理的浏览器 — 仅当前两种方式都无法解决时，可通过 gemini_browser_info 获取 CDP 连接信息，主动连接到本 Skill 管理的浏览器进行操作。此方式必须先征得用户同意

绝对禁止：自行启动新的浏览器实例访问 Gemini 页面（如使用 OpenClaw 浏览器、另起 Puppeteer 等），这会导致会话冲突。

浏览器 Daemon 未运行时 MCP 工具会自动拉起，无需任何手动操作。

📡 进度同步 & 长耗时工具规则

MCP 工具调用（尤其是生图、等待回复等）可能耗时较长（60~180 秒）。必须遵守以下规则：

• 本 Skill 所有 MCP 工具均为同步阻塞调用，会等到最终结果才返回。不存在"中间状态"需要轮询。
• 调用长耗时工具时，timeoutMs 必须设为 ≥180000（3 分钟），避免传输层提前超时截断。
• 禁止在未收到工具最终返回前结束对话或向用户报告"还在运行"/"工具超时"。
• 每隔 15~30 秒向用户发送一条进度消息（如"正在等待 Gemini 生成图片…已等待 30 秒…"），保持反馈。
• 拿到最终结果后立即回传产物（文件路径）或报告错误，不得遗漏。
• 若 fullSize 模式失败，可降级重试 fullSize=false（预览图模式更稳定）。

触发关键词

• 生图任务：生图、画、绘图、海报、nano banana、nanobanana、image generation、生成图片
• 若请求含糊，先确认用户是否需要生图

使用方式

本 Skill 通过 MCP Server 暴露工具，AI 直接调用即可。

浏览器启动、会话管理、图片提取、文件保存等流程已全部封装在工具内部。

⚠️ 强制规则

AI 必须始终通过 MCP 工具完成所有操作。

禁止绕过 MCP 自行编写临时脚本（如 node -e "..." 或创建 .js 临时文件）来 import / require 本项目导出的函数（如 createGeminiSession、createOps 等）。

如果 MCP 工具确实无法满足当前需求，AI 必须先向用户说明原因并获得明确同意， 才能编写临时脚本调用底层 API。未经用户同意，一律禁止。

可用工具

核心生图（封装完整流程）：

工具名	说明	入参
gemini_generate_image	完整生图流程：新建会话→发prompt→等待→提取图片→保存本地（耗时约 60~120 秒）	prompt，newSession（默认false），referenceImages（参考图路径数组），fullSize（默认true，高清原图；false则预览图），timeout（默认120000ms）

会话管理：

工具名	说明	入参
gemini_new_chat	新建一个空白对话	无
gemini_temp_chat	进入临时对话模式（不保留历史记录）	无

模型切换：

工具名	说明	入参
gemini_switch_model	切换 Gemini 模型	model（pro / quick / think）

文本对话：

工具名	说明	入参
gemini_send_message	发送文本消息并等待回答完成，直接返回 Gemini 的回复文本	message，timeout（默认120000ms）

图片操作：

工具名	说明	入参
gemini_upload_images	上传图片到输入框（仅上传不发送，可配合 send_message）	images（路径数组）
gemini_get_images	获取会话中所有已加载图片的元信息	无
gemini_extract_image	提取指定图片的 base64 并保存到本地	imageUrl（从 get_images 获取）
gemini_download_full_size_image	下载完整尺寸的高清图片，默认最新一张，可指定索引	index（可选，从0开始，从旧到新）
gemini_share_latest_image	为图片创建公开分享链接并直接返回链接，默认最新一张	index（可选），timeout，copyToClipboard，closeDialog

文字回复提取：

工具名	说明	入参
gemini_get_all_text_responses	获取会话中所有文字回复（仅文字，不含图片）	无
gemini_get_latest_text_response	获取最新一条文字回复	无

登录状态：

工具名	说明	入参
gemini_check_login	检查是否已登录 Google 账号	无

页面导航：

工具名	说明	入参
gemini_navigate_to	打开指定的 Gemini 页面 URL（如历史会话链接），仅允许 gemini.google.com 域名	url（目标 URL），timeout（默认30000ms）

诊断 & 恢复：

工具名	说明	入参
gemini_probe	探测页面各元素状态（输入框、按钮、模型等）	无
gemini_reload_page	刷新页面（卡住或异常时使用）	timeout（默认30000ms）
gemini_browser_info	获取浏览器连接信息（CDP 端口、wsEndpoint 等）	无

典型用法

快速生图（一步到位）：

1. 调用 gemini_generate_image，传入 prompt → 返回本地图片路径

生图并拿分享链接：

1. 调用 gemini_generate_image 生成图片
2. 调用 gemini_share_latest_image 返回公开链接

灵活组合（细粒度控制）：

1. gemini_new_chat — 新建会话
2. gemini_switch_model → pro — 切换到高质量模型
3. gemini_upload_images — 上传参考图
4. gemini_send_message — 发送描述词
5. gemini_get_images → gemini_extract_image — 获取并保存图片

排障：

1. gemini_probe — 看看页面元素有没有就位
2. gemini_reload_page — 页面卡了就刷新
3. gemini_browser_info — 获取 CDP 信息自行连接调试

MCP 客户端配置

{
  "mcpServers": {
    "gemini": {
      "command": "node",
      "args": ["<项目绝对路径>/src/mcp-server.js"]
    }
  }
}

也可通过 npm run mcp 手动启动。

失败处理

工具内部已包含重试逻辑。若仍然失败，返回值的 isError: true 和错误信息会告知原因：

• 生成超时 — 建议用户简化描述词后重试
• Daemon 未启动 — 工具会自动拉起，若仍失败可手动 npm run daemon
• 页面异常 — 可调用 gemini_browser_info 查看浏览器状态排查

参考

• 详细执行与回退：references/gemini-flow.md
• 关键词与路由：references/intent-routing.md