Gemini CLI

 (blog.google)
1 Punkte von GN⁺ 2025-06-26 | 1 Kommentare | Auf WhatsApp teilen
  • Google hat mit Gemini CLI einen neuen Open-Source-KI-Agenten vorgestellt
  • Das Tool ermöglicht es, die KI-Funktionen der Gemini-Modelle direkt in der Kommandozeilenumgebung zu nutzen
  • Entwickler können Code generieren, Dokumente zusammenfassen und übersetzen sowie viele weitere Aufgaben direkt in der CLI ausführen
  • Gemini CLI zeichnet sich durch Erweiterbarkeit, Anpassbarkeit und Open-Source-Zugänglichkeit aus
  • Gegenüber bestehenden KI-Agenten bietet es Vorteile bei Bedienkomfort und Produktivitätssteigerung

Einführung in Gemini CLI

  • Google hat Gemini CLI vorgestellt, um Entwicklern die einfache Nutzung von KI-Funktionen in der Kommandozeilenumgebung zu ermöglichen
  • Gemini CLI basiert auf Googles Gemini-Modellen und bietet integriert verschiedene KI-Funktionen wie die Automatisierung alltäglicher Entwicklungsaufgaben, Natural Language Processing, Übersetzung, Codegenerierung und Dokumentenzusammenfassung
  • Da es als Open Source bereitgestellt wird, lässt es sich frei anpassen und erweitern; zudem bietet es eine Umgebung, in der verschiedene Plugins und Erweiterungen entsprechend den Anforderungen der Entwickler-Community entwickelt werden können
  • Im Vergleich zu bestehenden LLM-basierten Kommandozeilen-Tools bietet es eine einfache Integration und hohen Bedienkomfort; als Einsatzbeispiele werden die Behebung von Codefehlern, die Automatisierung von Entwicklungsdokumentation und Datenanalyse genannt
  • Gemini CLI trägt durch schnellen KI-Zugang, Echtzeit-Nutzbarkeit und eine Struktur, die sich natürlich in Entwicklerumgebungen integrieren lässt, zur Steigerung der Produktivität bei

Verwandte Beiträge

1 Kommentare

 
GN⁺ 2025-06-26
Hacker-News-Kommentare

  • Die Situation ist verwirrend, weil Googles Gemini-Produkte so stark fragmentiert sind. Selbst ich als Pro-Abonnent habe erst jetzt erfahren, dass man mit "Gemini Code Assist Standard" oder "Enterprise" mehr Nutzungskontingent bekommt. Als normaler Google-Nutzer, der von diesen Tarif- und Funktionsunterschieden nichts wusste, habe ich die absurde Erfahrung gemacht, dass ich zwar ein Gemini-Abo bei Google bezahle, im "Gemini CLI" davon aber praktisch nicht profitiere

    • Google hat wie Microsoft in fast jedem Bereich ein Produkt, aber durch die verwirrende Kommunikation wirken die jeweiligen Stärken verwässert. Ich mag Gemini 2.5 Pro ebenfalls, habe aber eine Zeit lang verschiedene AI-Produkte ausprobiert, weil ich einen AI-Chat-Assistenten für den Alltag gesucht habe. Das Gemini-Pro-Abo ist in Google One enthalten und praktisch für die Nutzung mit Google Drive, aber wegen meines iCloud-Abos und der auf iOS abgestimmten Datenintegration gibt es für mich keinen Grund zu wechseln. Die Gemini-Chat-UI liegt weit hinter dem macOS-Client von OpenAI ChatGPT zurück. NotebookLM ist stark beim Zusammenfassen von Dokumenten, aber nicht in den Gemini-Chat integriert, sodass man weiterhin ständig zwischen Googles Produkten hin- und herwechseln muss. Am Ende bezahle ich für Raycast AI, weil es eine gut in meinen Workflow integrierte Erfahrung bietet und ich verschiedene Modelle ausprobieren kann. Die neuesten Modelle sind nicht immer sofort verfügbar, aber die konsistente Nutzbarkeit überzeugt. Weil Google auf so viele verschiedene Produkte verteilt ist, liegt es bei der Usability hinter OpenAI (allgemeine Arbeit) und Anthropic (Coding) zurück. In den letzten Monaten wurde mit Google Stitch, dem VSCode-Plugin für GH Copilot/Cursor, Claude Code usw. zwar versucht aufzuholen, aber alles wirkt wie Seitenprojekte, die schnell wieder verschwinden könnten

    • Die Qualität ist sehr hoch, aber das Google Cloud Dashboard ist so komplex, dass die meisten Startups oder Solo-Entwickler eher andere Lösungen als Google wählen. Ich hoste Modelle in Vertex, aber es ist unklar, worin genau der Unterschied zu Google Cloud besteht. Je nach Projektebene gibt es sogar zwei APIs. Ein AI-Anbieter sollte unabhängig von der Größe ohne Einstiegshürden nutzbar sein, aber bei Google ist die API-Lösung nicht skalierbar gestaltet: Man beginnt mit der Google AI Studio API und muss bei wachsendem Projekt zwangsweise auf die Vertex API wechseln. Auch die OpenAI-kompatible API funktioniert oft nicht zuverlässig, wodurch verschiedene Tools, die sie nutzen, nicht richtig laufen. In Googles AI-Portfolio gibt es Einstiegshürden durch die Unterscheidung zwischen Jules und Gemini CLI, durch die Differenz zwischen Vertex API und AI Studio API sowie dadurch, dass Vertex an Google Cloud gebunden ist und beim App-Entwickeln zusätzliche Komplexität etwa bei Umgebungsvariablen entsteht offizielle Vertex-Dokumentation zu Umgebungsvariablen

    • Googles Preispolitik ist kaum nachvollziehbar. Gemini 2.5 Pro ist für mich wahrscheinlich das beste Modell, das ich bisher genutzt habe, aber es gibt kein simples Abonnement wie bei Claude oder Cursor, mit dem man alles auf einmal nutzen kann. Im Enterprise-Bereich hat OpenAI den Markt komplett besetzt

    • Es gibt sogar eine AI-ULTRA-Mitgliedschaft für 300 Dollar im Monat. Selbst bei Google One hat man das Gefühl, dass sich laufend ändert, welche "Zusatzfunktionen" man bekommt, sodass man kaum eine klare Auskunft erhält

    • Bei Anthropic ist es ähnlich. Mit einem Abo kann man Claude nutzen, aber Claude Code wird als separate "API-Nutzung" berechnet und ist damit vom Abo getrennt. Es wirkt, als hätte jemand erkannt, dass Leute wie wir CLIs bevorzugen, und gelernt, dafür separat Geld zu verlangen. Man kann zwar über die GUI ausweichen, aber dort ist die Navigation längst nicht so intuitiv wie im Terminal

  • Ich bin direkt an diesem Projekt beteiligt. Die Lernkurve ist derzeit steil, und an Tagen wie heute, an denen die TPUs auf Hochtouren laufen, lese ich das Feedback von allen sehr aufmerksam. Bug-Reports und Feature-Requests sind jederzeit willkommen

    • Gestern Nachmittag habe ich versucht, einen in Ruby geschriebenen Algorithmus in Vanilla JavaScript zu konvertieren. Mit GPT-4.1 habe ich es probiert, aber nur Zeit verloren und keinen Erfolg gehabt. Aus Neugier habe ich dann Gemini CLI installiert, das Ruby-Projekt angegeben und mit nur einer einzigen Anfrage die Konvertierung schnell geschafft. Der ganze Vorgang war in 5 Minuten erledigt, was mich überrascht hat

    • Ich nutze ein bezahltes Organisationskonto für Google Workspace with Gemini, bekomme aber die Meldung GOOGLE_CLOUD_PROJECT environment variable not set. Da ich GCP nicht nutze, ist ohne zusätzliche Hinweise nicht intuitiv ersichtlich, wie man an den Wert für diese Umgebungsvariable kommt. Dass zahlende Nutzer hier schlechteren Zugang haben als normale Google-Nutzer, zeigt, dass die Dokumentation verbessert werden muss

    • Ich habe den von Gemini CLI erzeugten Code erfolgreich mit Apple Container auf M1 integriert. Erklärung zur Anwendung von Gemini-CLI-Optionen in CodeRunner

    • Ich hoffe auf ein verbraucherfreundlicheres Abo-Modell, das z. B. Gemini CLI und die Gemini-App wie bei Claude Max bündelt und dabei IP-Compliance sowie API-Zugang einschließt

    • Google Gemini, Gemini Ultra, AI Studio, Vertex AI, Notebook LLM, Jules usw. sind einfach zu viele Produkte mit ähnlicher Funktion, was zu Verwirrung bei Nutzerführung und Lizenzmodell führt

  • Mit Claude Code (4 Opus) hatte ich in einer großen Rust-Codebasis einigermaßen brauchbare Ergebnisse, aber bei komplexen Aufgaben blieb Luft nach oben. Heute habe ich auch Gemini CLI ausprobiert: Die Installation war einfach, aber die Resultate waren katastrophal. Bei der Erfolgsquote nach Rust-Codeänderungen und anschließendem Kompilieren war es klar schlechter als Claude. Allerdings sorgte Gemini heute für den Lacher des Tages, als es meinte: "Ich habe den Code durcheinandergebracht, daher werde ich alle Änderungen rückgängig machen und neu anfangen"

    • Die Art, wie Gemini scheitert, ist fast schon unterhaltsam. Wenn ein Code-Fix nicht greift, kommen sehr menschliche Kommentare wie "Das ist unerwartet", gefolgt von selbstbewussten Aussagen wie "Ich denke, die Tests werden bestehen!". Auch sein übermäßiges Selbstvertrauen und die häufigen Ausrufezeichen fallen auf. Vermutlich hat es im Training gelernt, dass ein bestimmter Tonfall zu besseren Ergebnissen führt

    • Die Hypothese ist, dass Gemini von Trainingsdaten aus Googles großen internen Codebasen profitiert, aber bei Rust relativ schwach ist, weil Rust intern bei Google nur begrenzt genutzt wird, unter anderem wegen des guten C++-Toolings

    • Ähnliche Erfahrung. Ich habe eine neue App-Funktion getestet, und alles ist komplett entgleist. Es wurden undefinierte Funktionen verwendet, nach mehreren Fehlerschleifen wurde aufgegeben. Claude hat die Aufgabe ordentlich abgeschlossen, aber die Codequalität war mäßig; Gemini hatte originelle Einzelideen, scheiterte am Ende aber an mangelnder Konsistenz

    • Ich habe es auch ausprobiert und nach 15 Minuten exakt dieselbe Reaktion bekommen: "alles rückgängig machen"

    • Auch Claude versucht, zu einem früheren Zustand zurückzugehen, wenn die Situation völlig entgleist. Das sieht man gelegentlich, wenn die internen Edits durcheinandergeraten

  • Wenn man Gemini Code Assist verwendet, werden alle meine Codedaten an Google gesendet (Hinweis Link). Gesammelt werden Prompts, relevanter Code, Ergebnisse, Nutzungsfeedback, Informationen zur Funktionsnutzung usw., und all diese Daten werden zur Verbesserung von Google-Diensten und Machine Learning verwendet. Zur Qualitätsverbesserung können Menschen die Daten direkt einsehen, annotieren und aufbereiten. Zum Schutz der Privatsphäre werden sie von den Kontoinformationen getrennt und bis zu 18 Monate aufbewahrt. Es wird empfohlen, keine sensiblen oder nicht für Dritte bestimmten Daten einzugeben

    • Das ist etwas komplizierter. Bei der kostenlosen Version von Code Assist werden die gesammelten Daten standardmäßig genutzt, aber man kann über das in diesem Hinweis beschriebene Verfahren opt-outen. Bei der kostenpflichtigen Version von Code Assist werden die Daten nicht zur Modellverbesserung verwendet. Dasselbe gilt, wenn man ihn mit einem Gemini-API-Key eines Pay-as-you-go-Kontos nutzt. Der tatsächliche Umfang, in dem sensible Daten verwendet werden, ist also etwas eingeschränkter als im Originalbeitrag dargestellt

    • Ich stimme der Anmerkung zu, dass die Datenschutzrichtlinien des Teams rund um die Anmeldung bei Gemini CLI je nach Login-Methode verwirrend wirken. Um die Diskussion zu entschärfen, wurde eine neue Übersicht mit Dokumentation und FAQ erstellt, die Servicebedingungen und Datenrichtlinien pro Kontotyp klar zusammenfasst ( Dokumentlink)

    • Das Frustrierendste im Gemini-Ökosystem ist die mangelnde Transparenz der Datenschutzrichtlinien. 2.5 Pro scheint das beste Modell zu sein, und ich würde es gern für die Arbeit nutzen, aber die Datenschutzbedingungen sind so verwirrend, dass ich in der Praxis davon ausgehe, überhaupt keinen Schutz zu haben. Das gilt sogar als teurer Top-Tier-Abonnent

    • Mozilla und Google haben mit Gemmafile eine Alternative veröffentlicht. Gemma ist eine vollständig offline laufende (open-airgapped) Gemini-Variante in einer einzelnen Datei, die lokal läuft und als eigenständige ausführbare Datei ohne Abhängigkeiten genutzt werden kann. Download 32 % der Organisationen setzen so etwas Stand 2025 tatsächlich produktiv ein ( Bericht )

    • In der configuration.md-Dokumentation von Gemini CLI steht im Abschnitt "Informationen, die nicht erfasst werden", dass personenbezogene Identifikationsdaten, Inhalte von Prompts und Antworten sowie Dateiinhalte nicht als Logs gespeichert werden

  • Der System-Prompt von Gemini CLI ist unter Gist-Link öffentlich einsehbar. Zugehörige persönliche Notizen gibt es hier

    • Gemini CLI ist Open Source, daher kann man sogar den Originaltext des System-Prompts im Github-Repository nachlesen

    • Im System-Prompt steht, dass nur absolute Pfade verwendet werden sollen, aber im Beispiel für temporäre Dateien werden relative Pfade benutzt

  • Vor ein paar Tagen habe ich mit Claude Code eine einfache Aktien-Tracking-Web-App auf Basis von streamlit Python entlang des Codeflusses geschrieben. Bis zu einer gewissen Projektgröße funktionierte das sehr gut, danach konnten Bugs nicht mehr schnell behoben werden. Ich habe dieselbe Aufgabe mit Gemini CLI versucht, und genau an dem Punkt, an dem Claude Code ins Straucheln kam, reichte bei Gemini die Aufforderung "Analysiere die Codebasis und behebe alle Bugs", damit die App zunächst erfolgreich lief. Das fühlt sich wirklich nach Zukunft an

    • Ich frage mich, ob das am Unterschied in der Größe des Context Window liegt. Das Fenster von Gemini ist fünfmal größer als das von Claude. Beim Debuggen mit Claude gerät irgendwann alles durcheinander, wenn der Kontext nicht mehr reicht. Ich will das später noch einmal in Geminis großer Fensterumgebung testen

    • Der derzeit beste Einsatz von Claude Code ist wohl, die schweren Aufgaben Gemini 2.5 Pro oder o3/o3pro zu überlassen; dank MCP-Support lassen sich die beiden Modelle gut verbinden. Wenn Gemini CLI ebenfalls Open Source ist, scheinen auch Plugins für verschiedene Modelle möglich zu sein. In einer Zukunft, in der LLMs zur Commodity werden, könnten agentische CLI-Tools wichtiger werden als UI-Wrapper. OpenAI gewinnt zwar beim Wettbewerb um Nutzerzahlen, aber als tatsächliche Arbeits-UI ist ChatGPT eher im Nachteil

    • Es hilft dem AI-Verständnis des Kontexts, wenn man pro Modul ein Markdown-Dokument mit höchstens 100 Zeilen anlegt, das nur eine Übersicht des Moduls und die Dateipositionen enthält, damit die AI diese Informationen durchsuchen kann. Wenn es sich kaum in dieses Format pressen lässt, ist es vermutlich auch für menschliche Entwickler schwer zu verwalten. Wichtig ist, der AI den entscheidenden Kontext gut vorzugeben

    • Konkretes und klares Prompt Engineering dürfte die Produktivität deutlich stärker erhöhen. Aufforderungen wie "Behebe alle Bugs" passen nur bedingt zu realistischen Szenarien

    • Dieser Ansatz bricht mit wachsender Komplexität zusammen und könnte wegen viel doppeltem Code sehr ineffizient im Speicher sein. Am Ende ist es womöglich effizienter, direkt selbst zu schreiben. Ich frage mich, ob eine zunehmende Menge grob erzeugten Codes die DRAM-Nachfrage unnormal steigen lassen könnte

  • Ich habe Gemini CLI selbst eine bidirektionale Sprachschnittstelle hinzugefügt.

    • Video-Demo-Link
    • FOSS-MCP-Server-Website
    • Github-Quellcode
    • Installationsbeispiel: Wenn man einen bestimmten Konfigurationswert in ~/.gemini/settings.json hinzufügen möchte, siehe das Codebeispiel

  • Schade, dass es kein einzelnes Binary ohne Laufzeitumgebung wie bei Go oder Rust ist. Dass eine Node-Runtime benötigt wird, ist etwas enttäuschend

    • Bei solchen Projekten, die häufig aktualisiert werden müssen, ist Verwaltung über npm oder pip realistischer. Es ist kein Programm mit extremem Rechen- oder Speicherbedarf, daher ist das auf moderner Hardware kaum ein Problem. Ich denke auch, dass Go für so etwas gut passen würde, aber in der Praxis ist Bibliotheksverwaltung oft bequemer

    • Es gibt auch die Möglichkeit, Gemini CLI per Prompt zu bitten, es in der gewünschten Sprache neu zu schreiben

    • Das Projekt wirkt eher wie ein Marketingvorhaben nach dem Motto "wir haben auch ein CLI-Tool" als wie ein Produkt, bei dem Qualität im Vordergrund steht

    • Tatsächlich gibt es Berichte, dass auch OpenAI Codex CLI statt in Typescript in Rust neu aufbaut siehe. Ich habe nicht besonders viel Node-Erfahrung, aber Installation, Packaging und Isolation scheinen dort sehr gut gelöst zu sein

    • Mit Bun und Deno ließe sich vielleicht eine standalone ausführbare Datei erzeugen. Bun-Bundler-Erklärung Deno-CLI-Kompilierungserklärung. Wenn es Standard-Node-Code ist, sollte es zumindest unter Bun gut laufen. Ich frage mich, wie sich die Dateigröße gegenüber Go oder Rust unterscheiden würde

  • "Failed to login. Ensure your Google account is not a Workspace account." Ich frage mich, ob Workspace-Konten grundsätzlich nicht unterstützt werden. Seit GSuite-Zeiten nutze ich ein Workspace-Konto und habe trotzdem ständig das Gefühl, bei Google-Diensten eingeschränkt zu werden. Ursprünglich brauchte ich nur eine eigene Domain in Gmail, aber dann fielen auch noch YouTube-Daten, Fitbit-Daten usw. weg, und selbst die Wahl von Abodiensten wird chaotisch eingeschränkt. Dass ich wegen meines Workspace-Kontos mit Gemini CLI letztlich keine Softwareentwicklungsarbeit machen kann, wirkt wie mangelnde Rücksicht auf langjährige treue Kunden und ist enttäuschend

  • Ich nutze es seit etwa einem Monat, und durch die SOTA-Leistung von 2.5 Pro sowie den Support für ein 1M Context Window ist es den meisten Tools klar überlegen. Selbst große Codebasen lassen sich schnell und präzise analysieren und erkunden

    • Als ich es in Cursor genutzt habe, gab es Probleme mit kaputten Imports in großen Python-Dateien. Bei Claude hatte ich solche Probleme nicht. Mich würde interessieren, ob andere bei Gemini ähnliche Auffälligkeiten erlebt haben

    • Mich würde dein Workflow interessieren