星期一, 10月 06, 2025

Chrome DevTools MCP with Gemini CLI 小記

Chrome DevTools MCP with Gemini CLI 小記



OS: macOS 14.3

gemini-cli: 0.7.0


首先必須說 Gemini CLI 升級速度真的快, 8/17 在測試 Browser MCP 的時候, Gemini CLI 還是 0.1.21 , 現在已經是 0.7.0 了


Gemini CLI with MCP 的安裝可以參考之前的文章


今天要來測試的是 Chrome DevTools MCP


這個是 chrome for developers 2025/9/23 釋出的

這個 Chrome DevTools MCP 可以讓目前的 Coding agent ( Gemini / Copilot / Codex /.. ) 控制 Chrome 瀏覽器 ( Sandbox 環境, 非使用者目前使用的 Profile ) 進行相關功能的操作.


今天就來實作 Gemini CLI with Chrome DevTools MCP


安裝的方式可以參考 Github 頁面


依據你使用工具 ( Gemini CLI / Codex / Copilot VS Code / … ) 來進行相對應安裝


之前我都是自行建立 .gemini/settings.json 檔案, 然後加入下列設定


{

  "mcpServers": {

    "chrome-devtools": {

      "command": "npx",

      "args": ["-y", "chrome-devtools-mcp@latest"]

    }

  }

}


但是現在很多 Coding agent 都可以直接下指令來直接增加了

以 Gemini CLI 為例, 如果是 Project wide: 使用以下指令就會直接增加了


% gemini  mcp  add  chrome-devtools  npx  chrome-devtools-mcp@latest


MCP server "chrome-devtools" added to project settings. (stdio)


自動就會產生設定檔如下


% cat  .gemini/settings.json 


{

  "mcpServers": {

    "chrome-devtools": {

      "command": "npx",

      "args": [

        "chrome-devtools-mcp@latest"

      ]

    }

  }

}


  • 我覺得配合 context7 之後應該有機會請 coding agent 直接加

 

加入設定之後啟動 gemini


可以使用 /mcp list 觀察功能



先嘗試官方的 first prompt


Check the performance of https://developers.chrome.com


  • 這個時候可以看到會啟動一個 Chrome 瀏覽器 並調用 navigate_page 與 performance_start_trace 功能開始瀏覽指定的頁面與分析


並提供分析結果


另外也可以請他進行頁面截圖


也可以要求針對某些網頁進行分析, 例如


另外因為有 get_netowrk_request 這樣的功能, 也可以做類似這樣的小實驗

  • 請他分析特定網頁的請求與回覆頁面, 判斷一些行為, 例如 CDN 使用



又往 AI 工具前進一步


~ enjoy it





References


星期一, 9月 22, 2025

Terraform in macOS 安裝小記



Terraform in macOS 安裝小記


OS: macOS 14.3

Terraform v1.13.3


最近不管在家還是在公司, 使用 Mac 的時間佔比較多的時間, 故有些工具會轉移到 Mac 上面來作.

今天就紀錄一下 Terraform 在 macOS 上面的安裝


之前的安裝文件是使用 openSUSE Leap 15.5 距今也一年多了


在 macOS 一般來說我都會使用 Homebrew 來進行套件安裝


查詢一下 Terraform 官網的安裝方式


接下來進行 terraform 安裝


% brew  tap  hashicorp/tap


  • brew tap 這個指令是用來新增 Homebrew 的「第三方軟體來源」(third-party repository)的指令。


% brew  install  hashicorp/tap/terraform


 安裝完成後可以透過 terraform 指令檢查版本

% terraform  --version

Terraform v1.13.3


  • 因為是使用 brew 指令安裝, 後續可以透過 brew update 更新清單後, 再使用 brew upgrade terraform 升級 terraform 版本


~ enjoy it



References


星期三, 9月 17, 2025

Gemini CLI Login 方式小記

Gemini CLI Login 方式小記




OS: macOS 14.3

Gemini Cli: 0.4.1


今天來實作 Gemini CLI 使用不同登入方式驗證


Gemini CLI 的驗證方式有 3 種

  • Login with Google

    • Best for

      • Individual developers as well as anyone who has a Gemini Code Assist License.

    • Benefits

      • Free tier: 60 requests/min and 1,000 requests/day

      • Gemini 2.5 Pro with 1M token context window

      • No API key management - just sign in with your Google account

      • Automatic updates to latest models

  • Use Gemini API Key

    • Best for

      • Developers who need specific model control or paid tier access

    • Benefits

      • Free tier: 100 requests/day with Gemini 2.5 Pro

      • Model selection: Choose specific Gemini models

      • Usage-based billing: Upgrade for higher limits when needed

  • Vertex AI

    • Best for

      • Enterprise teams and production workloads

    • Best for

      • Enterprise features: Advanced security and compliance

      • Scalable: Higher rate limits with billing account

      • Integration: Works with existing Google Cloud infrastructure

  • 參考官方網站 https://github.com/google-gemini/gemini-cli 


可以在執行 /auth 看到相關選項



驗證參考文件


根據詢問 Gemini CLI 的結果, 驗證順序為

  • Vertex AI > Gemini API Key > Google login

  • 這個部分也可以理解, Vertex AI 是給 企業使用 優先性肯定比較高


==== 首先來實作 Vertex AI 方式驗證 ====


無組織的專案無法使用 API KEY, 所以無法使用 API KEY 方式執行


故要改用應用程式預設憑證  Application Default Credentials  (ADC)


使用以下指令設定

  • gcloud  auth  application-default  login


這樣的方式要在 ~/.zshrc ( 或是 ~/.bashrc )內設定環境變數


export GOOGLE_CLOUD_PROJECT="YOUR_PROJECT_NAME"

# gemini cli 因為要使用 vertex ai 模式還要多設定 GOOGLE_CLOUD_LOCATION

export GOOGLE_CLOUD_LOCATION="us-central1"


  • location 的部分建議設定 us-central1, 我有遇過設定 asia-east1 沒有 Gemini Pro 2.5 模型的設定

  • 如果想要確認相關 log, 可以將 IAM -- > Audit log 內的 Vertex API 的 Data read 打開, 然後在 Log Explorer 觀察


設定好之後, 啟動 gemini

輸入 /auth

選擇 Vertex AI 方式驗證即可



然後可以到 Billing 觀察相關費用



==== 接下來嘗試 Use Gemini API Key ====


從   AI Studio 取得 API Key


點選 Create API key


選取 要建立 API Key 的 GCP 專案


複製 API Key

沒有即時複製到也不同害怕, 在同一個頁面也有相關訊息可以再查看



準備開始實作

這個時候確認你的環境變數 已經 unset  Vetext AI 的相關變數


準備好剛剛建立的 API KEY


export GEMINI_API_KEY="YOUR_GEMINI_API_KEY"


  • 或是將這段寫入 ~/.zshrc 或是 ~/.bashrc 內


使用 gemini 指令

使用 /auth 選取 Use Gemini API Key


沒有意外就可以開始運作了

同時也可以在 AI Studio API Key 那個頁面觀察到 使用情況


或是在專案的 API & Services 觀察



==== 最後回到 Login with Google ====


最後回到 Login with Google

這個也可以參考之前的文章


大概就是要注意兩件事情

  • 會進行 Google 帳號登入驗證

  • 某些情況下要 export  GOOGLE_CLOUD_PROJECT="YOUR_PROJECT_ID"


一樣使用 gemini 指令啟動

使用 /auth 選取驗證方式 -- > Login with Google



這個時候會跳出瀏覽器 要求登入驗證



授權完畢就可以使用


以上整理 3 種登入方式

感覺離  Gemini CLI 又前進一步


~ enjoy it



References