Verbinde Gemini

Nutze Gemini-CLI mit Modellen, MCP-Tools und Skills über Unity Gateway. Die Unity Gateway CLI (ug) übernimmt die Anmeldung und Konfiguration des Arbeitsbereichs, oder Sie können die Verbindung manuell konfigurieren.

Nur die Gemini-CLI wird über Unity Gateway unterstützt.

Prerequisites

Sie benötigen die URL Ihres Azure Databricks Arbeitsbereichs sowie Zugriff auf die Modelle, MCP-Dienste und Fähigkeiten, die Sie nutzen möchten. Für die manuelle Einrichtung installieren Sie eine Gemini-CLI-Version, die mit der aktuellen Unity Gateway-Integration kompatibel ist, und haben Sie ein Azure Databricks Personal Access Token.

Für die manuelle Konfiguration ersetzen Sie <workspace-hostname> durch den Hostnamen Ihres Azure-Databricks-Arbeitsbereichs und <databricks-pat> durch Ihr Token. Nutze vollständige Modellnamen, die in deinem Arbeitsbereich verfügbar sind, und füge Konfigurationseinträge in bestehende Dateien ein, wobei du nicht zusammenhängende Einstellungen beibehältst.

Wenn dein Administrator dein Gerät bereits konfiguriert hat, folge den Einrichtungsanweisungen deiner Organisation.

Verwenden Sie die Unity Gateway CLI

Installiere und führe ugdann diesen Befehl aus deinem Projektverzeichnis aus:

ug gemini

Wählen Sie Ihren Arbeitsbereich aus und melden Sie sich an, wenn Sie aufgefordert werden. Der Befehl öffnet die Gemini-CLI mit einem konfigurierten Modell, bereit für deinen üblichen Coding-Workflow.

Verwenden Sie ug gemini --model "<model-name>", um mit einem anderen Modell zu beginnen. Um einen von Ihrem Administrator konfigurierten Gemini-Modellanbieter-Dienst zu verwenden, verwenden Sie ug gemini --provider "<catalog>.<schema>.<provider-name>".

Modelle manuell konfigurieren

Installieren Sie eine Gemini-CLI-Version, die mit der aktuellen Unity-Gateway-Integration kompatibel ist:

npm install -g "@google/gemini-cli@<0.45.0"

Setzen Sie diese Variablen in Ihrem Terminal:

export GEMINI_MODEL="system.ai.gemini-3-5-flash"
export GOOGLE_GEMINI_BASE_URL="https://<workspace-hostname>/ai-gateway/gemini"
export GEMINI_API_KEY_AUTH_MECHANISM="bearer"
export GEMINI_API_KEY="<databricks-pat>"

Fügen Sie Folgendes in ~/.gemini/settings.json ein, um die API-Schlüssel-Authentifizierung zu wählen:

{
  "security": {
    "auth": {
      "selectedType": "gemini-api-key"
    }
  }
}

Dann läuft gemini vom selben Terminal aus. Siehe die Konfigurationsdokumentation der Gemini-CLI für deren Einstellungen und Umweltvariablen.

MCP-Werkzeuge hinzufügen

Um system.ai.sandbox, system.ai.web_search oder system.ai.dbsql zu verwenden, muss ein Kontoadministrator die Unity Gateway-Beta über die Kontokonsolen-Vorschauenseite aktivieren. Siehe Kontovorschauen verwalten.

Verwenden Sie die Unity Gateway CLI

Laufen:

ug mcp add --agents gemini

Wählen Sie Ihre Dienste aus und starten Sie sie dann mit ug gemini neu. Geben Sie im Agenten /mcp ein, um verbundene Server anzuzeigen.

MCP-Dienste manuell konfigurieren

Fügen Sie diesen Eintrag zusammen in ~/.gemini/settings.json:

{
  "mcpServers": {
    "dbsql": {
      "httpUrl": "https://<workspace-hostname>/ai-gateway/mcp-services/system.ai.dbsql",
      "headers": {
        "Authorization": "Bearer <databricks-pat>"
      }
    }
  }
}

Für einen anderen Dienst ändern Sie den Servernamen und ersetzen system.ai.dbsql durch dessen dreiteiligen Unity Catalog-Namen. Starten Sie gemini nach der Bearbeitung neu. Siehe die MCP-Dokumentation der Gemini CLI.

ug gemini verwendet eine separate Einstellungsdatei unter ~/.ucode/.gemini-home/.gemini/settings.json. Verwenden Sie diese Datei für manuelle MCP-Einträge beim Start durch ug.

Hinzufügen von Fähigkeiten

Verwenden Sie die Unity Gateway CLI

Laden Sie aus Ihrem Projektverzeichnis veröffentlichte Fähigkeiten in das Projekt herunter:

ug skills add --path "$PWD"

Wähle deine Fähigkeiten aus und starte dann die Gemini-CLI neu. Es liest das .agents/skills/ Projektverzeichnis. Geben Sie ein, /skills list um verfügbare Fähigkeiten zu sehen.

Fähigkeiten manuell konfigurieren

Für Dateien, die du bereits hast, platziere jeden vollständigen Fertigkeitsordner in den Ordner .gemini/skills/deines Projekts. Projekt-Skills funktionieren sowohl mit gemini als auch mit ug gemini; ug verwendet ein separates Home-Verzeichnis für Benutzereinstellungen und Skills. Siehe die Dokumentation der Fähigkeiten von Gemini CLI.

Um über MCP auf das veröffentlichte Fertigkeitsregister zuzugreifen, fügen Sie einen zweiten Server mit dem oben genannten MCP-Beispiel hinzu, benennen Sie ihn databricks-skill-registryund setzen httpUrl Sie auf https://<workspace-hostname>/ai-gateway/skills/. Behalten Sie den Trailing Slash und den Bearer-Header. Bitten Sie den Agenten, eine Fähigkeit mit ihrem vollen Namen zu verwenden.

Die Unity-Gateway-Fähigkeiten befinden sich in der Beta. Siehe Governance-Fähigkeiten für Aktivierung und Berechtigungen.

Problembehandlung

Eine Modellanfrage fehlschlägt: Überprüfen Sie die Gateway-URL, Token-Ablaufdatum, Modellname, Berechtigungen und die oben beschriebene Gemini-CLI-Versionsbeschränkung.

Ein MCP-Server fehlt: Starte den Agenten neu. Wenn du es mit ugkonfiguriert hast, startet es mit ug gemini so, dass die gleichen Einstellungen verwendet werden. Überprüfen Sie für die manuelle Einrichtung ~/.gemini/settings.json und den Bearer-Token.

Ein heruntergeladener Skill fehlt: Überprüfen Sie, ob sein vollständiger Ordner SKILL.md in einem unterstützten Verzeichnis enthält. Beim Starten über ug verwenden Sie den oben angegebenen Befehl zum Herunterladen des Projekts. Führen Sie ug skills add mit denselben Optionen erneut aus, um heruntergeladene Skills zu aktualisieren.

Bei Problemen bei der Anmeldung am Arbeitsbereich oder bei ug Einrichtungsproblemen führe ug doctor aus.

Nächste Schritte

  • Zuletzt aktualisiert um