本文档提供了 Gemini CLI 架构的高级概述。
核心组件
Gemini CLI 主要由两个核心包组成，以及一套可以在处理命令行输入过程中使用的工具：
1. CLI 包 (packages/cli)
用途： 这包含了 Gemini CLI 面向用户的部分，如处理初始用户输入、呈现最终输出和管理整体用户体验。
包中包含的核心功能：
- 输入处理
- 历史记录管理
- 显示渲染
- 主题和 UI 自定义
- CLI 配置设置
2. 核心包 (packages/core)
用途： 这充当 Gemini CLI 的后端。它接收从
packages/cli 发送的请求，协调与 Gemini API 的交互，并管理可用工具的执行。
包中包含的核心功能：
- 用于与 Google Gemini API 通信的 API 客户端
- 提示构建和管理
- 工具注册和执行逻辑
- 对话或会话的状态管理
- 服务器端配置
3. 工具 (packages/core/src/tools/)
用途： 这些是扩展 Gemini 模型功能的独立模块，允许它与本地环境进行交互（例如，文件系统、Shell 命令、Web 获取）。
交互方式： packages/core 根据来自 Gemini 模型的请求调用这些工具。
交互流程
与 Gemini CLI 的典型交互遵循以下流程：
交互步骤：
- 用户输入： 用户在终端中输入提示或命令，这由
packages/cli管理。 - 请求到核心：
packages/cli将用户的输入发送到packages/core。 - 请求处理： 核心包：
- 为 Gemini API 构建适当的提示，可能包括对话历史记录和可用工具定义。
- 将提示发送到 Gemini API。
- Gemini API 响应： Gemini API 处理提示并返回响应。这个响应可能是直接答案或使用某个可用工具的请求。
- 工具执行（如果适用）：
- 当 Gemini API 请求工具时，核心包准备执行它。
- 如果请求的工具可以修改文件系统或执行 Shell 命令，用户首先会收到工具及其参数的详细信息，用户必须批准执行。
- 只读操作（如读取文件）可能不需要明确的用户确认即可进行。
- 一旦确认，或者如果不需要确认，核心包在相关工具内执行相关操作，结果由核心包发送回 Gemini API。
- Gemini API 处理工具结果并生成最终响应。
- 响应到 CLI： 核心包将最终响应发送回 CLI 包。
- 显示给用户： CLI 包格式化并在终端中向用户显示响应。
关键设计原则
🔧 模块化
将 CLI（前端）与核心（后端）分离，允许独立开发和潜在的未来扩展（例如，同一后端的不同前端）。
🔄 扩展性
工具系统设计为可扩展的，允许添加新功能。
👥 用户体验
CLI 专注于提供丰富的交互式终端体验。