Połącz Gemini

Korzystaj z Gemini CLI z modelami, narzędziami MCP i umiejętnościami za pomocą Unity Gateway. Unity Gateway CLI (ug) obsługuje logowanie i konfigurację w przestrzeni roboczej, albo można konfigurować połączenie ręcznie.

Obsługiwany jest tylko Gemini CLI przez Unity Gateway.

Prerequisites

Potrzebujesz adresu URL swojego workspace Azure Databricks oraz dostępu do modeli, usług MCP i umiejętności, które chcesz używać. Do ręcznej konfiguracji zainstaluj wersję Gemini CLI kompatybilną z obecną integracją Unity Gateway i miej osobisty token dostępu Azure Databricks.

W przypadku konfiguracji ręcznej zamień <workspace-hostname> na nazwę hosta obszaru roboczego Azure Databricks, a <databricks-pat> na swój token. Używaj pełnych nazw modeli dostępnych w twojej przestrzeni roboczej i łącz wpisy konfiguracyjne z istniejącymi plikami, zachowując niepowiązane ustawienia.

Jeśli administrator już skonfigurował urządzenie, postępuj zgodnie z instrukcjami konfiguracyjnymi organizacji.

Użyj narzędzia Unity Gateway CLI

Instaluj ug, a następnie uruchom to polecenie z katalogu projektu:

ug gemini

Wybierz swoją przestrzeń roboczą i zaloguj się, gdy pojawi się poproszenie o to. Polecenie otwiera Gemini CLI ze skonfigurowanym modelem, gotowym do pracy w typowym procesie programowania.

Aby zacząć od innego modelu, użyj ug gemini --model "<model-name>". Aby skorzystać z usługi Gemini Model Provider skonfigurowanej przez administratora, użyj ug gemini --provider "<catalog>.<schema>.<provider-name>".

Konfiguruj modele ręcznie

Zainstaluj wersję Gemini CLI kompatybilną z aktualną integracją Unity Gateway:

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

Ustaw te zmienne w terminalu:

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>"

Scal poniższe elementy w ~/.gemini/settings.json, aby wybrać uwierzytelnianie za pomocą klucza API:

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

Następnie uruchom gemini z tego samego terminala. Zobacz dokumentację konfiguracyjną Gemini CLI , aby poznać ustawienia i zmienne środowiskowe.

Dodaj narzędzia MCP

Aby używać system.ai.dbsql, system.ai.sandbox lub system.ai.web_search, administrator konta musi włączyć wersję beta Unity Gateway na stronie Wersje zapoznawcze w konsoli konta. Zobacz Zarządzanie podglądami konta.

Użyj narzędzia Unity Gateway CLI

Run:

ug mcp add --agents gemini

Wybierz swoje usługi, a następnie zrestartuj za pomocą ug gemini. W agencie wybierz /mcp, aby wyświetlić połączone serwery.

Konfiguruj usługi MCP ręcznie

Połącz ten wpis z :~/.gemini/settings.json

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

W przypadku innej usługi zmień nazwę serwera i zamień system.ai.dbsql ją trzyczęściową nazwą Unity Catalog. Zrestartuj gemini po edycji. Zobacz dokumentację MCP Gemini CLI.

ug gemini używa osobnego pliku ustawień pod adresem ~/.ucode/.gemini-home/.gemini/settings.json. Użyj tego pliku do ręcznych wpisów MCP podczas uruchamiania przez ug.

Dodawanie umiejętności

Użyj narzędzia Unity Gateway CLI

Z katalogu projektu pobierz opublikowane umiejętności do projektu:

ug skills add --path "$PWD"

Wybierz swoje umiejętności, a potem zrestartuj Gemini CLI. Odczytuje katalog projektu .agents/skills/ . Naciśnij /skills list, aby wyświetlić dostępne umiejętności.

Konfiguruj umiejętności ręcznie

W przypadku plików, które już masz, umieść każdy kompletny folder umiejętności w katalogu projektu .gemini/skills/. Umiejętności projektu działają zarówno z gemini, jak i z ug gemini; ug korzysta z oddzielnego katalogu domowego dla ustawień użytkownika i umiejętności. Zobacz dokumentację umiejętności Gemini CLI.

Aby uzyskać dostęp do opublikowanego rejestru umiejętności przez MCP, dodaj drugi serwer korzystając z powyższego przykładu MCP, nazwij go databricks-skill-registry, i ustaw httpUrl na https://<workspace-hostname>/ai-gateway/skills/. Zachowaj końcowy ukośnik i nagłówek Bearer. Poproś agenta o użycie umiejętności, podając jej pełną nazwę.

Umiejętności Unity Gateway są w fazie beta. Zobacz Zarządzanie umiejętnościami dla umożliwień i uprawnień.

Troubleshooting

Jeśli żądanie modelu kończy się niepowodzeniem: Sprawdź adres URL bramy, czy token nie wygasł, nazwę modelu, uprawnienia oraz opisane powyżej ograniczenie wersji Gemini CLI.

Brakuje serwera MCP: Zrestartuj agenta. Jeśli skonfigurowałeś go za pomocą ug, uruchom go za pomocą ug gemini, aby używał tych samych ustawień. Przy ręcznej konfiguracji sprawdź ~/.gemini/settings.json i żeton nosiciela.

Brakuje pobranego skilla: Sprawdź, czy jego pełny folder zawiera SKILL.md i znajduje się w obsługiwanym katalogu. W przypadku uruchamiania przez ug, użyj podanego powyżej polecenia pobierania projektu. Uruchom ponownie ug skills add z tymi samymi opcjami, aby odświeżyć pobrane umiejętności.

W przypadku problemów z logowaniem do obszaru roboczego ug lub z konfiguracją uruchom ug doctor.

Następne kroki

  • Ostatnia aktualizacja o