Gemini Skill

Was macht Gemini Skill?

⚠️ Betriebspriorität (muss eingehalten werden)

Die gesamte Interaktion mit Gemini erfolgt nach folgender Priorität:

1. 🥇 Primär: MCP-Tool aufrufen — Das MCP-Tool dieses Skills direkt aufrufen, um die Aufgabe zu erledigen. Deckt die meisten Szenarien ab.
2. 🥈 Sekundär: Skill-Skript ausführen — Wenn das MCP-Tool nicht ausreicht, können die im Skill-Projekt bereitgestellten Skripte ausgeführt werden.
3. 🥉 Tertiär: Mit dem vom Skill verwalteten Browser verbinden — Nur wenn die ersten beiden Optionen nicht funktionieren, kann über gemini_browser_info die CDP-Verbindungsinformation abgerufen werden, um eine Verbindung zum vom Skill verwalteten Browser herzustellen. Diese Option erfordert die vorherige Zustimmung des Benutzers.

Absolut verboten: Eigenständiges Starten einer neuen Browserinstanz für den Zugriff auf die Gemini-Seite (z. B. OpenClaw-Browser, separater Puppeteer), da dies zu Sitzungskonflikten führt.

Wenn der Browser-Daemon nicht läuft, wird er vom MCP-Tool automatisch gestartet. Manuelle Aktionen sind nicht erforderlich.

📡 Fortschrittssynchronisation & Regeln für langlaufende Tools

MCP-Toolaufrufe (insbesondere Bildgenerierung, Warten auf Antworten) können lange dauern (60–180 Sekunden). Die folgenden Regeln müssen befolgt werden:

• Alle MCP-Tools dieses Skills sind synchrone Blockierungsaufrufe, die warten, bis das Endergebnis vorliegt, bevor sie zurückkehren. Es gibt keinen „Zwischenstatus“, der abgefragt werden müsste.
• Bei langlaufenden Tools muss timeoutMs auf ≥180000 (3 Minuten) gesetzt werden, um ein vorzeitiges Timeout auf Transportebene zu vermeiden.
• Beenden Sie die Konversation nicht, bevor das Tool endgültig zurückkehrt, und melden Sie dem Benutzer nicht, dass es „noch läuft“/„Tool-Timeout“.
• Senden Sie alle 15–30 Sekunden eine Fortschrittsnachricht an den Benutzer (z. B. „Warte auf Bildgenerierung durch Gemini … seit 30 Sekunden …“), um Feedback zu geben.
• Geben Sie nach Erhalt des endgültigen Ergebnisses sofort das Artefakt (Dateipfad) zurück oder melden Sie einen Fehler. Lassen Sie nichts aus.
• Wenn der fullSize-Modus fehlschlägt, kann ein Downgrade auf fullSize=false (Vorschaumodus ist stabiler) versucht werden.

Auslöse-Keywords

• Bildgenerierungsaufgaben: Bild generieren, zeichne, erstelle Bild, Plakat, nano banana, nanobanana, image generation, Bild erstellen
• Bei vagen Anfragen: Bestätigen Sie zuerst, ob der Benutzer ein Bild generieren möchte.

Verwendung

Dieser Skill stellt Tools über einen MCP-Server bereit, die von der KI direkt aufgerufen werden können.

Browserstart, Sitzungsverwaltung, Bildextraktion, Dateispeicherung usw. sind alle innerhalb der Tools gekapselt.

⚠️ Verbindliche Regeln

Die KI muss alle Operationen immer über das MCP-Tool durchführen.

Es ist verboten, das MCP zu umgehen und eigene temporäre Skripte zu schreiben (z. B. node -e "..." oder .js-Temporärdateien zu erstellen), um exportierte Funktionen (wie createGeminiSession, createOps) dieses Projekts zu importieren/erfordern.

Wenn das MCP-Tool die aktuelle Anforderung wirklich nicht erfüllen kann, muss die KI dem Benutzer zuerst den Grund erklären und seine ausdrückliche Zustimmung einholen, bevor sie ein temporäres Skript schreibt, um die Low-Level-API aufzurufen. Ohne Zustimmung des Benutzers ist dies verboten.

Verfügbare Tools

Kern-Bildgenerierung (vollständiger Workflow):

Toolname	Beschreibung	Parameter
gemini_generate_image	Vollständiger Bildgenerierungs-Workflow: Neue Sitzung → Prompt senden → Warten → Bild extrahieren → Lokal speichern (dauert ca. 60–120 Sekunden)	prompt, newSession (Standard: false), referenceImages (Array von Referenzbildpfaden), fullSize (Standard: true, hochauflösendes Original; false: Vorschaubild), timeout (Standard: 120000ms)

Sitzungsverwaltung:

Toolname	Beschreibung	Parameter
gemini_new_chat	Neue leere Konversation starten	Keine
gemini_temp_chat	Temporären Konversationsmodus starten (Verlauf wird nicht gespeichert)	Keine

Modellwechsel:

Toolname	Beschreibung	Parameter
gemini_switch_model	Gemini-Modell wechseln	model (pro / quick / think)

Textkonversation:

Toolname	Beschreibung	Parameter
gemini_send_message	Textnachricht senden und auf Antwort warten, gibt den Antworttext von Gemini direkt zurück	message, timeout (Standard: 120000ms)

Bildoperationen:

Toolname	Beschreibung	Parameter
gemini_upload_images	Bilder in das Eingabefeld hochladen (nur hochladen, nicht senden, kann mit send_message kombiniert werden)	images (Array von Pfaden)
gemini_get_images	Metainformationen aller geladenen Bilder in der Sitzung abrufen	Keine
gemini_extract_image	Base64 des angegebenen Bildes extrahieren und lokal speichern	imageUrl (von get_images erhalten)
gemini_download_full_size_image	Vollformat-Hochauflösungsbild herunterladen, standardmäßig das neueste, Index kann angegeben werden	index (optional, beginnt bei 0, von alt zu neu)
gemini_share_latest_image	Öffentlichen Freigabelink für ein Bild erstellen und direkt zurückgeben, standardmäßig das neueste	index (optional), timeout, copyToClipboard, closeDialog

Textextraktion:

Toolname	Beschreibung	Parameter
gemini_get_all_text_responses	Alle Textantworten in der Sitzung abrufen (nur Text, keine Bilder)	Keine
gemini_get_latest_text_response	Die neueste Textantwort abrufen	Keine

Anmeldestatus:

Toolname	Beschreibung	Parameter
gemini_check_login	Überprüfen, ob ein Google-Konto angemeldet ist	Keine

Seitennavigation:

Toolname	Beschreibung	Parameter
gemini_navigate_to	Bestimmte Gemini-Seiten-URL öffnen (z. B. Verlaufslink), nur gemini.google.com-Domain erlaubt	url (Ziel-URL), timeout (Standard: 30000ms)

Diagnose & Wiederherstellung:

Toolname	Beschreibung	Parameter
gemini_probe	Status der Seitenelemente prüfen (Eingabefeld, Schaltflächen, Model usw.)	Keine
gemini_reload_page	Seite neu laden (bei Hängen oder Fehlern)	timeout (Standard: 30000ms)
gemini_browser_info	Browser-Verbindungsinformationen abrufen (CDP-Port, wsEndpoint usw.)	Keine

Typische Verwendung

Schnelle Bildgenerierung (alles in einem):

1. gemini_generate_image mit prompt aufrufen → gibt lokalen Bildpfad zurück

Bild generieren und Freigabelink erhalten:

1. gemini_generate_image zum Generieren des Bildes aufrufen
2. gemini_share_latest_image aufrufen, gibt öffentlichen Link zurück

Flexible Kombination (feingranulare Steuerung):

1. gemini_new_chat — Neue Sitzung starten
2. gemini_switch_model → pro — Auf qualitativ hochwertiges Modell umschalten
3. gemini_upload_images — Referenzbilder hochladen
4. gemini_send_message — Beschreibung senden
5. gemini_get_images → gemini_extract_image — Bilder abrufen und speichern

Fehlerbehebung:

1. gemini_probe — Prüfen, ob Seitenelemente vorhanden sind
2. gemini_reload_page — Seite neu laden, wenn sie hängt
3. gemini_browser_info — CDP-Informationen für eigene Debugging-Verbindung abrufen

MCP-Client-Konfiguration

{
  "mcpServers": {
    "gemini": {
      "command": "node",
      "args": ["<Projekt-Absolutpfad>/src/mcp-server.js"]
    }
  }
}

Kann auch manuell über npm run mcp gestartet werden.

Fehlerbehandlung

Die Tools enthalten bereits eine Wiederholungslogik. Wenn es dennoch fehlschlägt, zeigen isError: true und die Fehlermeldung den Grund an:

• Generierungs-Timeout — Benutzer bitten, die Beschreibung zu vereinfachen und es erneut zu versuchen.
• Daemon nicht gestartet — Tool startet automatisch; falls es dennoch fehlschlägt, kann npm run daemon manuell ausgeführt werden.
• Seitenfehler — gemini_browser_info kann aufgerufen werden, um den Browserstatus zu überprüfen.

Referenzen

• Detaillierte Ausführung & Fallback: references/gemini-flow.md
• Keywords & Routing: references/intent-routing.md