baoyu-gemini-web

Gemini Web Client

以下をサポートしています：

• テキスト生成
• 画像生成（ダウンロードと保存）
• 参照画像のアップロード（ビジョンタスク用に画像を添付）
• 同じエグゼキューターインスタンス内での複数ターンの会話（keepSession）
• 実験的な動画生成（generateVideo）— Gemini が非同期のプレースホルダーを返す場合があります。ダウンロードには Gemini Web UI が必要なことがあります。

クイックスタート

npx -y bun scripts/main.ts "Hello, Gemini"
npx -y bun scripts/main.ts --prompt "Explain quantum computing"
npx -y bun scripts/main.ts --prompt "A cute cat" --image cat.png
npx -y bun scripts/main.ts --promptfiles system.md content.md --image out.png

# Multi-turn conversation (agent generates unique sessionId)
npx -y bun scripts/main.ts "Remember this: 42" --sessionId my-unique-id-123
npx -y bun scripts/main.ts "What number?" --sessionId my-unique-id-123

エグゼキューターのオプション（プログラムから利用する場合）

このスキルは通常、createGeminiWebExecutor(geminiOptions) 経由で利用します（scripts/executor.ts を参照）。

GeminiWebOptions の主なオプション：

• referenceImages?: string | string[] ローカル画像を参照画像としてアップロードします（ビジョン入力）。
• keepSession?: boolean Gemini の chatMetadata を再利用し、呼び出し間で同じ会話を継続します（複数のメッセージで参照画像を保持する場合に必要です）。
• generateVideo?: string 動画を生成し、指定したパスに（可能な範囲で）ダウンロードします。Gemini が video_gen_chip（非同期）を返す場合は、結果をダウンロードするために Gemini Web UI を開く必要があります。

注意：

• generateVideo は generateImage / editImage と併用できません。
• keepSession=true かつ referenceImages が設定されている場合、参照画像はエグゼキューターインスタンスごとに一度だけアップロードされます。

コマンド

テキスト生成

# Simple prompt (positional)
npx -y bun scripts/main.ts "Your prompt here"

# Explicit prompt flag
npx -y bun scripts/main.ts --prompt "Your prompt here"
npx -y bun scripts/main.ts -p "Your prompt here"

# With model selection
npx -y bun scripts/main.ts -p "Hello" -m gemini-2.5-pro

# Pipe from stdin
echo "Summarize this" | npx -y bun scripts/main.ts

画像生成

# Generate image with default path (./generated.png)
npx -y bun scripts/main.ts --prompt "A sunset over mountains" --image

# Generate image with custom path
npx -y bun scripts/main.ts --prompt "A cute robot" --image robot.png

# Shorthand
npx -y bun scripts/main.ts "A dragon" --image=dragon.png

出力形式

# Plain text (default)
npx -y bun scripts/main.ts "Hello"

# JSON output
npx -y bun scripts/main.ts "Hello" --json

オプション

オプション	説明
--prompt <text>, -p	プロンプトのテキスト
--promptfiles <files...>	ファイルからプロンプトを読み込みます（順番に連結）
--model <id>, -m	モデル：gemini-3-pro（デフォルト）、gemini-2.5-pro、gemini-2.5-flash
--image [path]	画像を生成し、パスに保存します（デフォルト：generated.png）
--sessionId <id>	複数ターンの会話用セッション ID（エージェントが一意の ID を生成します）
--list-sessions	保存済みセッションを一覧表示します（最大 100 件、更新日時順）
--json	JSON として出力します
--login	Cookie のみを更新して終了します
--cookie-path <path>	カスタム Cookie ファイルのパス
--profile-dir <path>	Chrome プロファイルのディレクトリ
--help, -h	ヘルプを表示します

CLI に関する注意：scripts/main.ts は、テキスト生成、画像生成、および --sessionId による複数ターンの会話をサポートしています。参照画像と動画生成はエグゼキューター API 経由で利用できます。

モデル

• gemini-3-pro - デフォルトの最新モデル
• gemini-2.5-pro - 前世代の Pro モデル
• gemini-2.5-flash - 高速で軽量

認証

初回実行時に Chrome が開き、Google による認証が行われます。Cookie は以降の実行用にキャッシュされます。

# Force cookie refresh
npx -y bun scripts/main.ts --login

環境変数

変数	説明
GEMINI_WEB_DATA_DIR	データディレクトリ
GEMINI_WEB_COOKIE_PATH	Cookie ファイルのパス
GEMINI_WEB_CHROME_PROFILE_DIR	Chrome プロファイルのディレクトリ
GEMINI_WEB_CHROME_PATH	Chrome 実行ファイルのパス

使用例

テキスト応答を生成する

npx -y bun scripts/main.ts "What is the capital of France?"

画像を生成する

npx -y bun scripts/main.ts "A photorealistic image of a golden retriever puppy" --image puppy.png

解析用に JSON 出力を取得する

npx -y bun scripts/main.ts "Hello" --json | jq '.text'

プロンプトファイルから画像を生成する

# Concatenate system.md + content.md as prompt
npx -y bun scripts/main.ts --promptfiles system.md content.md --image output.png

複数ターンの会話

# Start a session with unique ID (agent generates this)
npx -y bun scripts/main.ts "You are a helpful math tutor." --sessionId task-abc123

# Continue the conversation (remembers context)
npx -y bun scripts/main.ts "What is 2+2?" --sessionId task-abc123
npx -y bun scripts/main.ts "Now multiply that by 10" --sessionId task-abc123

# List recent sessions (max 100, sorted by update time)
npx -y bun scripts/main.ts --list-sessions

セッションファイルは ~/Library/Application Support/baoyu-skills/gemini-web/sessions/<id>.json に保存され、以下の内容が含まれます：

• id：セッション ID
• metadata：会話を継続するための Gemini チャットメタデータ
• messages：{role, content, timestamp, error?} の配列
• createdAt、updatedAt：タイムスタンプ