一、概述

不久前，谷歌推出了开源的 AI 代理 Gemini CLI，它为个人开发者提供了近乎无上限的免费使用 Gemini 2.5 Pro 的额度，每分钟 60 次，每日最多可达 1,000 次的模型执行额度，且完全免费！

Gemini 2.5 Pro 在编码上的能力，我们可以参考 https://web.lmarena.ai/leaderboard (opens new window) 上查看排名。

而这么牛的模型，只能运行在终端这个小框框里实属可惜，所以本文将介绍如何使其 OpenAI-compatible 化，从而摆脱终端限制。

注：该方案本人主号已稳定使用一个多月，不过如果你有小号的话还是建议使用小号~

二、安装

环境前提，需要已经安装 Node.js，并且版本 ≥ 20

全局安装 gemini-cli

pnpm install -g @google/gemini-cli

注：我自己使用的包管理工具是 pnpm，你可以使用 Node.js 自带的 npm

三、授权认证

启用 API

使用 OAuth 凭据文件认证的方式，先打开如下链接

点击写着 前往 Gemini for Google Cloud 的蓝色大按钮。

在跳转至另一个页面后，点击左上角的 选择项目 进行选择。

接着查看地址栏里的链接，如下

https://console.cloud.google.com/marketplace/product/google/cloudaicompanion.googleapis.com?hl=zh-cn&inv=1&invt=abcdef&project=linxunfeng (opens new window)

找到 project 参数，即 项目 ID，记下它的值，如这里的 linxunfeng。

再点击蓝色按钮 启用

没有项目则自行创建一个

项目名称 和 项目 ID 根据你自己的情况去填写

如果你之前就启用过，则会显示 API已启用，如图所示

配置

打开终端，新增环境变量 GOOGLE_CLOUD_PROJECT，值为 project 的值，如上 linxunfeng

export GOOGLE_CLOUD_PROJECT="linxunfeng"

source 配置文件或重启终端，运行 gemini

# source 你自己的配置文件
source ~/.zshrc

gemini

会让你选择主题，这里随意，看你喜欢～

接下来是认证方式，选择 Login with Google

会自动打开浏览器页面，按要求登录授权即可

授权成功后的页面会显示如下内容

再回到终端，你会发现已经可以正常使用 gemini 了

如果你没有执行过上述的 前置操作，终端内会遇到如下提示

Failed to login. Message: This account requires setting the GOOGLE_CLOUD_PROJECT env var. See https://goo.gle/gemini-cli-auth-docs#workspace-gca

如果遇到了按上述的 前置操作 操作一遍即可～

完成后查看 ~/.gemini/oauth_creds.json

cat ~/.gemini/oauth_creds.json

文件内容如下所示

{
  "access_token": "lxf",
  "refresh_token": "lxf",
  "scope": "lxf",
  "token_type": "Bearer",
  "id_token": "lxf",
  "expiry_date": 1751011026383
}

四、OpenAI-compatible

接下来部署项目 https://github.com/GewoonJaap/gemini-cli-openai (opens new window) 至 Cloudflare

项目拉取

git clone https://github.com/GewoonJaap/gemini-cli-openai.git

cd gemini-cli-openai

安装依赖

安装项目依赖

pnpm i

全局安装 wrangler

pnpm install -g wrangler

创建 KV 存储

wrangler kv namespace create "GEMINI_CLI_KV"

在执行这行命令时，如果你还没有授权过 Cloudflare，会出现如下提示，并会自动打开浏览器，不要慌，按提示登录授权即可。

Attempting to login via OAuth...
Opening a link in your default browser: https://dash.cloudflare.com/oauth2/auth?xxx

Successfully logged in.
Resource location: remote
🌀 Creating namespace with title "GEMINI_CLI_KV"
✨ Success!
Add the following to your configuration file in your kv_namespaces array:
[[kv_namespaces]]
binding = "GEMINI_CLI_KV"
id = "xxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxx"

将上述最后一行的 id 值，替换掉 wrangler.toml 中的 GEMINI_CLI_KV，如

kv_namespaces = [
  { binding = "GEMINI_CLI_KV", id = "xxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxx" }
]

认证信息

wrangler secret put GCP_SERVICE_ACCOUNT

执行后会让你输入，这里就需要用到 ~/.gemini/oauth_creds.json 里的数据，不过这里面的 JSON 数据是多行的，而命令行只接收单行数据，所以需要我们先将其压缩成一行。

你可以谷歌在线压缩 JSON 的工具去处理，也可以像我一样用 jq

# 安装 jq
brew install jq

# 压缩 json
jq -c . < ~/.gemini/oauth_creds.json > output.json
# 或者
cat ~/.gemini/oauth_creds.json | jq -c . > output.json

将 output.json 内已经压缩好的 JSON 复制后粘贴即可～

✔ Enter a secret value: … ***************************** 
*****************************
...
🌀 Creating the secret for the Worker "gemini-cli-worker" 
✔ There doesn't seem to be a Worker called "gemini-cli-worker". Do you want to create a new Worker with that name and add secrets to it? … yes
🌀 Creating new Worker "gemini-cli-worker"...
✨ Success! Uploaded secret GCP_SERVICE_ACCOUNT

密钥

访问该服务时所需的密钥，防止别人随意使用你的 Gemini CLI

wrangler secret put OPENAI_API_KEY

✔ Enter a secret value: … ********************
🌀 Creating the secret for the Worker "gemini-cli-worker" 
✨ Success! Uploaded secret OPENAI_API_KEY

部署

pnpm run deploy

输出如下内容

> gemini-cli-worker@1.0.0 deploy /path/to/gitHub/gemini-cli-openai
> wrangler deploy

Cloudflare collects anonymous telemetry about your usage of Wrangler. Learn more at https://github.com/cloudflare/workers-sdk/tree/main/packages/wrangler/telemetry.md

 ⛅️ wrangler 4.22.0
───────────────────
Total Upload: 102.28 KiB / gzip: 24.22 KiB
Worker Startup Time: 13 ms
Your Worker has access to the following bindings:
Binding                                                   Resource          
env.GEMINI_CLI_KV (xxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxx)      KV Namespace      

Uploaded gemini-cli-worker (4.07 sec)
Deployed gemini-cli-worker triggers (0.81 sec)
  https://gemini-cli-worker.lxf.workers.dev
Current Version ID: xxxxxxxx-xxxx-xxxx-xxxx-xxxxxxxxxxxx

五、使用

如上述部署完成后，会输出类似这种域名链接 https://gemini-cli-worker.lxf.workers.dev，访问后页面显示如下内容说明搭建成功。

{"name":"Gemini CLI OpenAI Worker","description":"OpenAI-compatible API for Google Gemini models via OAuth","version":"1.0.0","authentication":{"required":true,"type":"Bearer token in Authorization header"},"endpoints":{"chat_completions":"/v1/chat/completions","models":"/v1/models","debug":{"cache":"/v1/debug/cache","token_test":"/v1/token-test","full_test":"/v1/test"}},"documentation":"https://github.com/gewoonjaap/gemini-cli-openai"}

我们在链接后面拼上 /v1 就可以使用了

如图，这里以 Roo Code 为例，新增一个配置文件，选择 OpenAI Compatible，填写基础 URL 和密钥，然后点击模型，会自动列出所有支持的模型，选择你需要的模型后保存就可以使用了。