Conecta Gemini

Usa la CLI de Géminis con modelos, herramientas MCP y habilidades a través de Unity Gateway. La CLI de Unity Gateway (ug) gestiona el inicio de sesión y la configuración del espacio de trabajo, o puedes configurar la conexión manualmente.

Solo la CLI Gemini está soportada a través de Unity Gateway.

Prerequisites

Necesitas la URL de tu espacio de trabajo de Azure Databricks y el acceso a los modelos, servicios MCP y habilidades que quieres usar. Para la configuración manual, instala una versión de la CLI Gemini compatible con la integración actual de Unity Gateway y ten un token de acceso personal de Azure Databricks.

Para la configuración manual, sustituye <workspace-hostname> por el nombre de host de tu espacio de trabajo de Azure Databricks y <databricks-pat> por tu token. Utiliza los nombres completos de los modelos disponibles en tu espacio de trabajo y fusiona las entradas de configuración con archivos existentes, manteniendo configuraciones no relacionadas.

Si tu administrador ya ha configurado tu dispositivo, sigue las instrucciones de configuración de tu organización.

Utiliza la CLI de Unity Gateway

Instala ug, y luego ejecuta este comando desde el directorio de tu proyecto:

ug gemini

Selecciona tu espacio de trabajo y inicia sesión cuando te lo pidan. El comando abre la CLI de Gemini con un modelo configurado, listo para tu flujo de trabajo habitual de codificación.

Para empezar con otro modelo, usa ug gemini --model "<model-name>". Para usar un Servicio de Proveedor de Modelo Gemini configurado por tu administrador, utiliza ug gemini --provider "<catalog>.<schema>.<provider-name>".

Configurar los modelos manualmente

Instala una versión de la CLI Gemini compatible con la integración actual de Unity Gateway:

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

Establece estas variables en tu 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>"

Combina lo siguiente en ~/.gemini/settings.json para seleccionar la autenticación mediante clave de API:

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

Luego corre gemini desde el mismo terminal. Consulta la documentación de configuración de Gemini CLI para sus ajustes y variables de entorno.

Añadir herramientas MCP

Para usar system.ai.dbsql, system.ai.sandbox, o system.ai.web_search, un administrador de cuenta debe habilitar la beta de Unity Gateway desde la página de vistas previas de la consola de cuentas. Consulte Administrar vistas previas de la cuenta.

Utiliza la CLI de Unity Gateway

¡Corre!

ug mcp add --agents gemini

Selecciona tus servicios y luego reinicia con ug gemini. Entra /mcp dentro del agente para ver los servidores conectados.

Configurar los servicios MCP manualmente

Fusiona esta entrada en ~/.gemini/settings.json:

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

Para otro servicio, cambia el nombre del servidor y sustituye system.ai.dbsql por su nombre de tres partes de Unity Catalog. Reinicia gemini después de editar. Consulta la documentación MCP de Gemini CLI.

ug gemini utiliza un archivo de configuración separado en ~/.ucode/.gemini-home/.gemini/settings.json. Usa ese archivo para entradas manuales de MCP al lanzar a través de ug.

Adición de aptitudes

Utiliza la CLI de Unity Gateway

Desde el directorio de tu proyecto, descarga las habilidades publicadas en el proyecto:

ug skills add --path "$PWD"

Elige tus habilidades y luego reinicia la CLI de Géminis. Lee el directorio del .agents/skills/ proyecto. Entra /skills list para ver las habilidades disponibles.

Configurar habilidades manualmente

Para los archivos que ya tienes, coloca cada carpeta de habilidades completa en la .gemini/skills/ de tu proyecto. Las habilidades de Project funcionan tanto con gemini como con ug gemini; ug utiliza un directorio de inicio independiente para la configuración y las habilidades del usuario. Consulta la documentación de habilidades de Gemini CLI.

Para acceder al registro de habilidades publicado a través de MCP, añade un segundo servidor usando el ejemplo MCP anterior, ponle databricks-skill-registryel nombre , y configúralo httpUrl en https://<workspace-hostname>/ai-gateway/skills/. Mantén la barra de atrás y la cabecera del portador. Pide al agente que use una habilidad con su nombre completo.

Las habilidades de Unity Gateway están en Beta. Consulta Habilidades de Gobierno para habilitación y permisos.

Solución de problemas

Falla una solicitud de modelo: Comprueba la URL de la pasarela, la expiración del token, el nombre del modelo, los permisos y la restricción de la versión de la CLI Gemini mencionada arriba.

Falta un servidor MCP: Reinicia el agente. Si lo configuraste con ug, insíguelo ug gemini para que use los mismos ajustes. Para la configuración manual, comproba ~/.gemini/settings.json y la ficha de portador.

Falta una habilidad descargada: Comprueba que su carpeta completa esté SKILL.md en un directorio compatible. Al iniciar desde ug, utiliza el comando de descarga del proyecto que aparece arriba. Vuelva a ejecutar ug skills add con las mismas opciones para actualizar las habilidades descargadas.

Para problemas de inicio de sesión o de configuración del ug espacio de trabajo, ejecuta ug doctor.

Pasos siguientes

  • Última actualización el