Aller au contenu principal
Dernière mise à jour le

Connecter Gemini

Utilisez Gemini CLI avec des modèles, des outils MCP et des compétences via Unity Gateway. La CLI Unity Gateway (ug) gère la connexion et la configuration du workspace, ou vous pouvez configurer la connexion manuellement.

Seule la CLI Gemini est prise en charge via Unity Gateway.

Avant de commencer​

Vous avez besoin de l'URL de votre workspace Databricks et d'un accès aux modèles, aux services MCP et aux compétences que vous souhaitez utiliser. Pour une configuration manuelle, installez une version de Gemini CLI compatible avec l'intégration Unity Gateway actuelle et munissez-vous d'un jeton d'accès personnel Databricks.

Pour une configuration manuelle, remplacez <workspace-hostname> par le hostname de votre workspace Databricks et <databricks-pat> par votre jeton. Utilisez les noms de modèles complets disponibles dans votre workspace et Merge les entrées de configuration dans les fichiers existants, tout en conservant les paramètres sans rapport.

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

Utilisez la CLI Unity Gateway​

Install ug, then run this command from your project directory:

Bash
ug gemini

Sélectionnez votre workspace et connectez-vous lorsque vous y êtes invité. La commande ouvre la CLI Gemini avec un modèle configuré, prêt pour votre flux de travail de codage habituel.

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

Configurer les modèles manuellement​

Install a Gemini CLI version compatible with the current Unity Gateway integration:

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

Définissez ces variables dans votre terminal :

Bash
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>"

Merge ce qui suit dans ~/.gemini/settings.json pour sélectionner l'authentification par clé API :

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

Exécutez ensuite gemini depuis le même terminal. Consultez la documentation sur la configuration de Gemini CLI pour en savoir plus sur ses paramètres et ses variables d'environnement.

Ajouter des outils MCP​

Utilisez la CLI Unity Gateway​

Exécuter :

Bash
ug mcp add --agents gemini

Select your services, then restart with ug gemini. Enter /mcp inside the agent to see connected servers.

Configurez les services MCP manuellement​

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

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

Pour un autre service, modifiez le nom du serveur et remplacez system.ai.dbsql par son nom Unity Catalog en trois parties. Redémarrez gemini après la modification. Consultez la documentation MCP de Gemini CLI.

ug gemini utilise un fichier de paramètres distinct sur ~/.ucode/.gemini-home/.gemini/settings.json. Utilisez ce fichier pour les entrées MCP manuelles lors du lancement via ug.

Ajouter des compétences​

Utilisez la CLI Unity Gateway​

Depuis le répertoire de votre projet, download les compétences publiées dans le projet :

Bash
ug skills add --path "$PWD"

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

Configurer les compétences manuellement​

Pour les fichiers dont vous disposez déjà, placez chaque dossier de compétences complet dans le dossier .gemini/skills/ de votre projet. Project skills work with both gemini and ug gemini; ug uses a separate home directory for user settings and skills. See Gemini CLI's skills documentation.

Pour accéder au registre de compétences publié via MCP, ajoutez un deuxième serveur à l'aide de l'exemple MCP ci-dessus, nommez-le databricks-skill-registry et définissez httpUrl sur https://<workspace-hostname>/ai-gateway/skills/. Conservez la barre oblique de fin et l'en-tête du jeton porteur. Demandez à l'agent d'utiliser une compétence par son nom complet.

Les compétences Unity Gateway sont en version bêta. Consultez Gouverner les compétences pour en savoir plus sur l'activation et les autorisations.

Dépannage​

A model request fails : Check the gateway URL, token expiration, model name, permissions, and the Gemini CLI version restriction above.

Un serveur MCP est manquant : Redémarrez l'agent. Si vous l'avez configuré avec ug, lancez-le avec ug gemini afin qu'il utilise les mêmes paramètres. 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 download du projet ci-dessus. Réexécutez ug skills add avec les mêmes options pour refresh les compétences downloaded.

En cas de problème de connexion au workspace ou de configuration de ug, exécutez ug doctor.

Next steps​

Sur cette page