Connect Gemini

Используйте Gemini CLI с моделями, инструментами MCP и навыками через Unity Gateway. Unity Gateway CLI (ug) обрабатывает вход и настройку рабочего пространства, или вы можете настроить соединение вручную.

Поддерживается только CLI Gemini через Unity Gateway.

Перед тем как начать

Вам нужен URL вашего рабочего пространства Azure Databricks и доступ к моделям, сервисам MCP и навыкам, которые вы хотите использовать. Для ручной настройки установите версию Gemini CLI, совместимую с текущей интеграцией Unity Gateway, и имейте персональный токен доступа Azure Databricks.

Для ручной настройки замените <workspace-hostname> на имя узла рабочей области Azure Databricks, а <databricks-pat> — на ваш токен. Используйте полные имена моделей, доступные в вашем рабочем пространстве, и объединяйте записи конфигурации с существующими файлами, сохраняя несвязанные настройки.

Если администратор уже настроил устройство, следуйте инструкциям организации по настройке.

Используйте Unity Gateway CLI

Установите ug, затем выполните эту команду из вашей директории проекта:

ug gemini

Выберите рабочее пространство и войдите в систему по запросу. Команда открывает Gemini CLI с настроенной моделью, готовой к обычному рабочему процессу написания кода.

Чтобы начать с другой модели, используйте ug gemini --model "<model-name>". Чтобы использовать сервис Gemini Model Provider, настроенный вашим администратором, используйте ug gemini --provider "<catalog>.<schema>.<provider-name>".

Настройка моделей вручную

Установите версию Gemini CLI, совместимую с текущей интеграцией Unity Gateway:

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

Установите следующие переменные в терминале:

export GEMINI_MODEL="system.ai.gemini-2-5-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>"

Объедините следующие элементы в ~/.gemini/settings.json, чтобы выбрать аутентификацию с помощью ключа API:

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

Затем запускайте gemini с того же терминала. См. документацию по конфигурации Gemini CLI для её настроек и переменных среды.

Добавить инструменты MCP

Используйте Unity Gateway CLI

Запуск:

ug mcp add --agents gemini

Выберите свои услуги, затем начните с ug gemini. Войдите /mcp внутрь агента, чтобы увидеть подключённые серверы.

Настройка MCP-сервисов вручную

Объединим эту запись в ~/.gemini/settings.json:

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

Для другого сервиса измените имя сервера и замените system.ai.dbsql его на трёхчастное название Unity Catalog. Перезапусти gemini после редактирования. См. документацию Gemini CLI по MCP.

ug gemini использует отдельный файл настроек по адресу ~/.ucode/.gemini-home/.gemini/settings.json. Используйте этот файл для ручного ввода записей MCP при запуске через ug.

Добавление навыков

Используйте Unity Gateway CLI

Из вашего каталога проектов скачайте опубликованные навыки в проект:

ug skills add --path "$PWD"

Выберите свои навыки, затем заново запустите Gemini CLI. Считывает каталог проекта .agents/skills/. Введите /skills list, чтобы увидеть доступные навыки.

Настраивайте навыки вручную

Для файлов, которые у вас уже есть, поместите каждую полную папку навыков в папку вашего проекта .gemini/skills/. Project skills работает с обоими gemini и ug gemini; ug использует отдельную домашнюю директорию для пользовательских настроек и навыков. См. документацию по навыкам Gemini CLI.

Чтобы получить доступ к опубликованному реестру навыков через MCP, добавьте второй сервер, используя приведённый выше пример MCP, назовите databricks-skill-registryего и установите httpUrl на https://<workspace-hostname>/ai-gateway/skills/. Оставьте задний слэш и заголовок носителя. Попросите агента использовать навык по его полному названию.

Навыки Unity Gateway — в бета-версии. См. раздел «Управление навыками » для поддержки и разрешений.

Troubleshooting

Сбой запроса к модели: Проверьте URL-адрес шлюза, срок действия токена, имя модели, разрешения и указанное выше ограничение версии Gemini CLI.

Отсутствует MCP-сервер: Перезагрузите агент. Если вы настроили его с помощью ug, запустите его с помощью ug gemini, чтобы использовались те же настройки. Для ручной настройки проверьте ~/.gemini/settings.json и токен Bearer.

Отсутствует скачанный навык: Проверьте , что полная папка находится SKILL.md в поддерживаемой папке. При запуске через ug используйте указанную выше команду project download. Перезапускайте ug skills add с теми же опциями для обновления скачанных навыков.

При проблемах со входом в рабочую область или ug настройкой запустите ug doctor.

Дальнейшие действия

  • Last updated on