Connecter Gemini

Utilisez la ligne de ligne Gemini avec des modèles, des outils MCP et des compétences via Unity Gateway. L’interface en ligne de commande Unity Gateway (ug) gère la connexion à l’espace de travail et sa configuration, ou vous pouvez configurer la connexion manuellement.

Seule la ligne de commande Gemini est prise en charge via Unity Gateway.

Prerequisites

Vous avez besoin de l’URL de votre espace de travail Azure Databricks ainsi que d’accéder aux modèles, services MCP et compétences que vous souhaitez utiliser. Pour une configuration manuelle, installez une version de la CLI Gemini compatible avec l’intégration actuelle de Unity Gateway et ayez un jeton d’accès personnel Azure Databricks.

Pour une configuration manuelle, remplacez-le <workspace-hostname> par votre nom d’hôte de l’espace de travail Azure Databricks et <databricks-pat> par votre jeton. Utilisez les noms complets des modèles disponibles dans votre espace de travail, et fusionnez les entrées de configuration dans des fichiers existants, en conservant des paramètres sans lien.

Si votre administrateur a déjà configuré votre appareil, suivez les instructions de configuration de votre organisation.

Utilisez l’interface de ligne de commande Unity Gateway

Installez ug, puis exécutez cette commande depuis le répertoire de votre projet :

ug gemini

Sélectionnez votre espace de travail et connectez-vous quand on vous le demande. La commande ouvre la CLI Gemini avec un modèle configuré, prêt pour votre flux de travail de codage habituel.

Pour commencer avec un autre modèle, utilisez ug gemini --model "<model-name>". Pour utiliser un service Gemini Model Provider configuré par votre administrateur, utilisez ug gemini --provider "<catalog>.<schema>.<provider-name>".

Configurez les modèles manuellement

Installez une version de la CLI Gemini compatible avec l’intégration actuelle de Unity Gateway :

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

Définissez ces variables dans votre 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>"

Fusionnez les éléments suivants dans ~/.gemini/settings.json pour sélectionner l’authentification par clé d’API :

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

Puis exécutez gemini depuis le même terminal. Consultez la documentation de configuration de Gemini CLI pour ses paramètres et ses variables d’environnement.

Ajouter des outils MCP

Pour utiliser system.ai.dbsql, system.ai.sandbox, ou system.ai.web_search, un administrateur de compte doit activer la bêta de Unity Gateway depuis la page d’aperçu de la console de compte. Voir Gérer les aperçus du compte.

Utilisez l’interface de ligne de commande Unity Gateway

Run:

ug mcp add --agents gemini

Sélectionnez vos services, puis redémarrez avec ug gemini. Entrez /mcp dans l’agent pour voir les serveurs connectés.

Configurez manuellement les services MCP

Fusionner cette entrée dans ~/.gemini/settings.json:

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

Pour un autre service, changez le nom du serveur et remplacez-le system.ai.dbsql par son nom Unity Catalog en trois parties. Redémarrer gemini après l’édition. Voir la documentation MCP de Gemini CLI.

ug gemini utilise un fichier de paramètres séparé à ~/.ucode/.gemini-home/.gemini/settings.json. Utilisez ce fichier pour les saisies manuelles MCP lors du lancement de ug.

Ajouter des compétences

Utilisez l’interface de ligne de commande Unity Gateway

Depuis votre annuaire de projet, téléchargez les compétences publiées dans le projet :

ug skills add --path "$PWD"

Choisissez vos compétences, puis redémarrez Gemini CLI. Il lit le répertoire .agents/skills/ du projet. Appuyez sur /skills list pour voir les compétences disponibles.

Configurez les compétences manuellement

Si vous avez déjà les fichiers, placez chaque dossier de compétence complet dans le .gemini/skills/ de votre projet. Les compétences de Project fonctionnent avec gemini et ug gemini ; ug utilise un répertoire personnel distinct pour les paramètres et les compétences de l’utilisateur. Consultez la documentation des compétences de Gemini CLI.

Pour accéder au registre de compétences publié via MCP, ajoutez un second serveur en utilisant l’exemple MCP ci-dessus, nommez-le databricks-skill-registry, et définissez httpUrl sur https://<workspace-hostname>/ai-gateway/skills/. Gardez la barre de retrait et la tête du porteur. Demandez à l’agent d’utiliser une compétence sous son nom complet.

Les compétences de la passerelle Unity sont en bêta. Voir Compétences de gouvernance pour l’habilitation et les autorisations.

Résolution des problèmes

Une requête de modèle échoue : Vérifiez l’URL de la passerelle, l’expiration du jeton, le nom du modèle, les autorisations et la restriction de version de la CLI Gemini ci-dessus.

Un serveur MCP manque : Redémarrez l’agent. Si vous l’avez configuré avec ug, lancez-le avec ug gemini pour qu’il utilise les mêmes réglages. Pour la configuration manuelle, vérifiez ~/.gemini/settings.json et le jeton porteur.

Une compétence téléchargée est manquante : Vérifiez que son dossier complet contient SKILL.md dans un répertoire pris en charge. Lors du lancement via ug, utilisez la commande de téléchargement du projet ci-dessus. Relancez ug skills add avec les mêmes options pour rafraîchir les compétences téléchargées.

Pour les problèmes de connexion ou ug de configuration d’espace de travail, exécutez ug doctor.

Étapes suivantes

  • Dernière mise à jour :