Gemini 画图 MCP Skill

通过 Chrome DevTools Protocol 操控 Gemini 网页版，实现 AI 生图和对话自动化。

功能介绍

Gemini Skill 是一个 MCP Server，通过 CDP 协议与浏览器中的 Gemini 网页版交互，让任何 MCP 客户端都能调用 Gemini 的生图能力。

核心功能：

• 🎨 AI 生图：发送 prompt 自动生成图片，支持高清原图下载
• 💬 文本对话：与 Gemini 进行多轮对话
• 🖼️ 图片上传：上传参考图片，基于参考图生成新图
• 📥 图片提取：提取会话中的图片，支持 base64 和 CDP 完整尺寸下载
• 🔄 会话管理：新建会话、临时会话、切换模型、导航到历史会话
• 🧹 自动去水印：下载的图片自动移除 Gemini 水印

架构设计采用 Daemon 模式——浏览器进程由独立 Daemon 管理，MCP 调用结束后浏览器不关闭，30 分钟无活动才自动释放。使用 puppeteer-extra-plugin-stealth 绕过网站检测。

安装步骤

# 前置条件：Node.js >= 18，Chrome/Edge/Chromium，已登录 Google 账号
git clone https://github.com/WJZ-P/gemini-skill.git
cd gemini-skill
npm install

# 配置 .env 文件
cp .env.example .env
# 编辑 .env 设置浏览器路径、端口等

使用示例

作为 MCP Server（推荐）

在 MCP 客户端配置文件中添加：

{
  "mcpServers": {
    "gemini": {
      "command": "node",
      "args": ["/absolute/path/to/gemini-skill/src/mcp-server.js"]
    }
  }
}

作为库调用

import { createGeminiSession, disconnect } from './src/index.js';

const { ops } = await createGeminiSession();

// 生图
const result = await ops.generateImage('画一只可爱的猫咪', { fullSize: true });
console.log('图片保存至:', result.filePath);

disconnect();

复用 OpenClaw 浏览器

# 在 .env 中设置
BROWSER_DEBUG_PORT=18800

⚠️ 注意：OpenClaw 浏览器未集成 Stealth 反爬插件，推荐使用默认端口 40821。

GitHub: https://github.com/WJZ-P/gemini-skill