Sambungkan Gemini

Gunakan Gemini CLI dengan model, alat MCP, dan keterampilan melalui Unity Gateway. Unity Gateway CLI (ug) menangani proses masuk dan konfigurasi ruang kerja, atau Anda dapat mengonfigurasi koneksi secara manual.

Hanya Gemini CLI yang didukung melalui Unity Gateway.

Prerequisites

Anda membutuhkan URL workspace Azure Databricks Anda dan akses ke model, layanan MCP, dan keterampilan yang ingin Anda gunakan. Untuk pengaturan manual, instal versi Gemini CLI yang kompatibel dengan integrasi Unity Gateway saat ini dan miliki token akses pribadi Azure Databricks.

Untuk konfigurasi manual, ganti <workspace-hostname> dengan hostname workspace Azure Databricks Anda dan <databricks-pat> dengan token Anda. Gunakan nama model lengkap yang tersedia di ruang kerja Anda, dan gabungkan entri konfigurasi ke dalam file yang ada, dengan tetap mempertahankan pengaturan yang tidak terkait.

Jika admin Anda sudah mengonfigurasi perangkat, ikuti instruksi pengaturan organisasi Anda.

Gunakan CLI Unity Gateway

Instal, uglalu jalankan perintah ini dari direktori proyek Anda:

ug gemini

Pilih ruang kerja Anda dan masuk saat diminta. Perintah ini membuka Gemini CLI dengan model yang telah dikonfigurasi, siap untuk alur kerja coding Anda seperti biasa.

Untuk memulai dengan model yang berbeda, gunakan ug gemini --model "<model-name>". Untuk menggunakan Gemini Model Provider Service yang dikonfigurasi oleh admin Anda, gunakan ug gemini --provider "<catalog>.<schema>.<provider-name>".

Konfigurasikan model secara manual

Instal versi Gemini CLI yang kompatibel dengan integrasi Unity Gateway saat ini:

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

Atur variabel berikut di terminal Anda:

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>"

Gabungkan yang berikut ke dalam ~/.gemini/settings.json untuk memilih autentikasi kunci API:

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

Lalu jalankan gemini dari terminal yang sama. Lihat dokumentasi konfigurasi Gemini CLI untuk pengaturan dan variabel lingkungannya.

Tambahkan alat MCP

Untuk menggunakan system.ai.dbsql, system.ai.sandbox, atau system.ai.web_search, admin akun harus mengaktifkan beta Unity Gateway dari halaman Pratinjau konsol akun. Lihat Kelola pratinjau akun.

Gunakan CLI Unity Gateway

Run:

ug mcp add --agents gemini

Pilih layanan Anda, lalu restart dengan ug gemini. Masukkan /mcp ke dalam agen untuk melihat server yang terhubung.

Konfigurasikan layanan MCP secara manual

Gabungkan entri ini ke dalam ~/.gemini/settings.json:

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

Untuk layanan lain, ubah nama server dan ganti system.ai.dbsql dengan nama Unity Catalog tiga bagian. Restart gemini setelah mengedit. Lihat dokumentasi MCP Gemini CLI.

ug gemini menggunakan berkas pengaturan terpisah di ~/.ucode/.gemini-home/.gemini/settings.json. Gunakan file tersebut untuk entri MCP manual saat meluncurkan melalui ug.

Menambahkan keterampilan

Gunakan CLI Unity Gateway

Dari direktori proyek Anda, unduh keterampilan yang telah dipublikasikan ke dalam proyek:

ug skills add --path "$PWD"

Pilih keterampilan Anda, lalu restart Gemini CLI. Ini membaca direktori .agents/skills/ proyek. Masukkan /skills list untuk melihat keterampilan yang tersedia.

Konfigurasikan keterampilan secara manual

Untuk berkas yang sudah Anda miliki, tempatkan setiap folder skill yang lengkap di .gemini/skills/ proyek Anda. Keterampilan proyek bekerja dengan baik gemini maupun ug gemini; ug menggunakan direktori home yang terpisah untuk pengaturan pengguna dan keterampilan. Lihat dokumentasi keterampilan Gemini CLI.

Untuk mengakses registry keterampilan yang dipublikasikan melalui MCP, tambahkan server kedua menggunakan contoh MCP di atas, beri nama databricks-skill-registry, dan atur httpUrl ke https://<workspace-hostname>/ai-gateway/skills/. Tetap gunakan garis miring belakang dan header pembawa. Minta agen untuk menggunakan keterampilan dengan menyebutkan nama lengkap keterampilan tersebut.

Keterampilan Unity Gateway masih dalam tahap Beta. Lihat Mengatur keterampilan untuk pemberdayaan dan izin.

Troubleshooting

Permintaan model gagal: Periksa URL gateway, kedaluwarsa token, nama model, izin, dan pembatasan versi Gemini CLI di atas.

Server MCP tidak ditemukan: Mulai ulang agen. Jika Anda mengonfigurasinya dengan ug, jalankan dengan ug gemini agar menggunakan pengaturan yang sama. Untuk pengaturan manual, periksa ~/.gemini/settings.json dan token pembawa.

Skill yang diunduh hilang: Periksa bahwa folder lengkapnya ada SKILL.md di direktori yang didukung. Saat meluncurkan melalui ug, gunakan perintah unduh proyek di atas. Jalankan kembali ug skills add dengan opsi yang sama untuk memperbarui skill yang diunduh.

Untuk masalah saat masuk ke ruang kerja atau penyiapan ug, jalankan ug doctor.

Langkah berikutnya

  • Terakhir diperbarui pada