科学工具
科学工具让世界更美好
让世界更美好

Gemini CLI OpenAI Worker 安装使用手册（将Google Gemini模型转换为OpenAI兼容的API端点）Gemini CLI OpenAI Worker 安装使用手册（将Google Gemini模型转换为OpenAI兼容的API端点）

Gemini CLI OpenAI Worker借助Cloudflare Workers，可以将谷歌的Gemini模型转换为兼容OpenAI的端点，通过熟悉的OpenAI API模式，就能访问谷歌最先进的AI模型，背后依托OAuth2认证，以及驱动官方Gemini CLI的同一套基础设施。

Gemini CLI OpenAI Worker特性

🔐 OAuth2认证：无需API密钥，使用谷歌账号即可

🎯 兼容OpenAI API：可直接替代OpenAI端点

📚 支持OpenAI SDK：能与官方OpenAI SDK及库配合使用

🖼️ 视觉支持：支持图像（base64格式及URL）的多模态对话

🌐 第三方集成：兼容Open WebUI、ChatGPT客户端等

⚡ Cloudflare Workers：全球边缘部署，延迟低

🔄 智能令牌缓存：借助KV存储实现智能令牌管理

🆓 免费层级访问：通过Code Assist API利用谷歌的免费层级

📡 实时流传输：基于服务器发送事件的实时响应

🎭 多模型支持：可访问最新Gemini模型，包括实验性模型

Gemini CLI OpenAI Worker支持的模型

模型ID 上下文窗口 最大令牌数 思维支持 描述
gemini-2.5-pro 100万 6.5万 ✅ 最新Gemini 2.5 Pro模型，具备推理能力
gemini-2.5-flash 100万 6.5万 ✅ 快速的Gemini 2.5 Flash模型，具备推理能力

注：思维支持需要设置环境变量ENABLE_FAKE_THINKING=true。启用后，这些模型会在给出最终答案前展示推理过程。

Gemini CLI OpenAI Worker工作原理

该Worker充当转换层，将OpenAI API调用转换为谷歌Code Assist API格式，同时自动管理OAuth2认证。

流程如下：

1、客户端请求发送至Cloudflare Worker

2、检查KV缓存中是否有令牌

• 有：使用缓存的令牌

• 无：检查环境令牌

• 令牌有效：缓存并使用该令牌

• 令牌无效：刷新令牌，缓存新令牌

3、调用Gemini API

4、流传输响应，并转换为OpenAI格式

5、向客户端返回响应

Gemini CLI OpenAI Worker搭建步骤

前提条件

• 有权访问Gemini的谷歌账号

• 启用Workers的Cloudflare账号

• 已安装Wrangler CLI（npm install -g wrangler）

步骤1：获取OAuth2凭证

需要从已访问过Gemini的谷歌账号获取OAuth2凭证。最简单的方式是通过官方Gemini CLI。

使用Gemini CLI： 1、安装Gemini CLI：

npm install -g @google/gemini-cli

2、启动Gemini CLI：

gemini

3、通过谷歌认证： 选择● Login with Google。此时会打开浏览器窗口，提示用谷歌账号登录。 4、找到凭证文件： • Windows：

C:\Users\USERNAME\.gemini\oauth_creds.json

• macOS/Linux：

~/.gemini/oauth_creds.json
    ```
5、复制凭证：文件包含如下格式的JSON：
```json
{
    "access_token": "ya29.a0AS3H6Nx...",
    "refresh_token": "1//09FtpJYpxOd...",
    "scope": "https://www.googleapis.com/auth/cloud-platform ...",
    "token_type": "Bearer",
    "id_token": "eyJhbGciOiJSUzI1NiIs...",
    "expiry_date": 1750927763467
}

步骤2：创建KV命名空间

# 为令牌缓存创建KV命名空间
wrangler kv:namespace create "GEMINI_CLI_KV"

记录返回的命名空间ID，在wrangler.toml中更新KV命名空间ID：

kv_namespaces = [
  { binding = "GEMINI_CLI_KV", id = "your-kv-namespace-id" }
]

步骤3：环境设置

创建.dev.vars文件：

# 必需：来自Gemini CLI认证的OAuth2凭证JSON
GCP_SERVICE_ACCOUNT={"access_token":"ya29...","refresh_token":"1//...","scope":"...","token_type":"Bearer","id_token":"eyJ...","expiry_date":1750927763467}

# 可选：谷歌云项目ID（未设置则自动发现）
# GEMINI_PROJECT_ID=your-project-id

# 可选：用于认证的API密钥（未设置则API公开）
# 设置后，客户端必须包含"Authorization: Bearer <your-api-key>"头
# 示例：sk-1234567890abcdef1234567890abcdef
OPENAI_API_KEY=sk-your-secret-api-key-here

对于生产环境，设置密钥：

wrangler secret put GCP_SERVICE_ACCOUNT
wrangler secret put OPENAI_API_KEY  # 可选，仅在需要认证时设置

步骤4：部署

# 安装依赖
npm install

# 部署到Cloudflare Workers
npm run deploy

# 或在本地运行以进行开发
npm run dev

API端点

基础URL

https://your-worker.your-subdomain.workers.dev

列出模型

GET /v1/models

响应：

{
  "object": "list",
  "data": [
    {
      "id": "gemini-2.5-pro",
      "object": "model",
      "created": 1708976947,
      "owned_by": "google-gemini-cli"
    }
  ]
}

聊天补全

POST /v1/chat/completions

Content-Type: application/json

{
  "model": "gemini-2.5-flash",
  "messages": [
    {
      "role": "system",
      "content": "你是一个有帮助的助手。"
    },
    {
      "role": "user",
      "content": "你好！最近怎么样？"
    }
  ]
}

响应（流传输）：

data: {"id":"chatcmpl-123","object":"chat.completion.chunk","created":1708976947,"model":"gemini-2.5-flash","choices":[{"index":0,"delta":{"role":"assistant","content":"你好"},"finish_reason":null}]}

data: {"id":"chatcmpl-123","object":"chat.completion.chunk","created":1708976947,"model":"gemini-2.5-flash","choices":[{"index":0,"delta":{"content":"！我"},"finish_reason":null}]}

data: [DONE]

调试端点

• 检查令牌缓存：GET /v1/debug/cache

• 测试认证：POST /v1/token-test

• 测试：POST /v1/test

使用示例

OpenAI SDK（Python）

from openai import OpenAI

# 用你的worker端点初始化
client = OpenAI(
    base_url="https://your-worker.workers.dev/v1",
    api_key="sk-your-secret-api-key-here"  # 若启用认证，使用你的OPENAI_API_KEY
)

# 聊天补全
response = client.chat.completions.create(
    model="gemini-2.5-flash",
    messages=[
        {"role": "system", "content": "你是一个有帮助的助手。"},
        {"role": "user", "content": "用简单的语言解释机器学习"}
    ],
    stream=True
)

for chunk in response:
    if chunk.choices[0].delta.content:
        print(chunk.choices[0].delta.content, end="")

OpenAI SDK（JavaScript/TypeScript）

import OpenAI from 'openai';

const openai = new OpenAI({
  baseURL: 'https://your-worker.workers.dev/v1',
  apiKey: 'sk-your-secret-api-key-here', // 若启用认证，使用你的OPENAI_API_KEY
});

const stream = await openai.chat.completions.create({
  model: 'gemini-2.5-flash',
  messages: [
    { role: 'user', content: '写一首关于编程的俳句' }
  ],
  stream: true,
});

for await (const chunk of stream) {
  const content = chunk.choices[0]?.delta?.content || '';
  process.stdout.write(content);
}

Open WebUI集成

添加为兼容OpenAI的端点：

• 基础URL：https://your-worker.workers.dev/v1

• API密钥：sk-your-secret-api-key-here（若启用认证，使用你的OPENAI_API_KEY）

配置模型：Open WebUI会通过/v1/models端点自动发现可用的Gemini模型。

开始聊天：像使用OpenAI模型一样使用任何Gemini模型！

cURL

curl -X POST https://your-worker.workers.dev/v1/chat/completions \
  -H "Content-Type: application/json" \
  -H "Authorization: Bearer sk-your-secret-api-key-here" \
  -d '{
    "model": "gemini-2.5-flash",
    "messages": [
      {"role": "user", "content": "解释量子计算"}
    ]
  }'

原生JavaScript/TypeScript

const response = await fetch('https://your-worker.workers.dev/v1/chat/completions', {
  method: 'POST',
  headers: {
    'Content-Type': 'application/json',
  },
  body: JSON.stringify({
    model: 'gemini-2.5-flash',
    messages: [
      { role: 'user', content: '你好，世界！' }
    ]
  })
});

const reader = response.body.getReader();
const decoder = new TextDecoder();

while (true) {
  const { done, value } = await reader.read();
  if (done) break;

  const chunk = decoder.decode(value);
  const lines = chunk.split('\n');

  for (const line of lines) {
    if (line.startsWith('data: ') && line !== 'data: [DONE]') {
      const data = JSON.parse(line.substring(6));
      const content = data.choices[0]?.delta?.content;
      if (content) {
        console.log(content);
      }
    }
  }
}

原生Python（不使用SDK）

import requests
import json

url = "https://your-worker.workers.dev/v1/chat/completions"

data = {
    "model": "gemini-2.5-flash",
    "messages": [
        {"role": "user", "content": "写一个计算斐波那契数列的Python函数"}
    ]
}

response = requests.post(url, json=data, stream=True)

for line in response.iter_lines():
    if line and line.startswith(b'data: '):
        try:
            chunk = json.loads(line[6:].decode())
            content = chunk['choices'][0]['delta'].get('content', '')
            if content:
                print(content, end='')
        except json.JSONDecodeError:
            continue

图像支持（视觉）

Worker支持具有视觉能力的模型进行多模态对话。图像可提供为base64编码的数据URL或外部URL。

支持的图像格式：

• JPEG、PNG、GIF、WebP

• base64编码（推荐，更可靠）

• 外部URL（部分服务可能有限制）

具备视觉能力的模型：

• gemini-2.5-pro

• gemini-2.5-flash

• gemini-2.0-flash-001

• gemini-2.0-flash-lite-preview-02-05

• gemini-2.0-pro-exp-02-05

带base64图像的示例

from openai import OpenAI
import base64

# 编码图像
with open("image.jpg", "rb") as image_file:
    base64_image = base64.b64encode(image_file.read()).decode('utf-8')

client = OpenAI(
    base_url="https://your-worker.workers.dev/v1",
    api_key="sk-your-secret-api-key-here"
)

response = client.chat.completions.create(
    model="gemini-2.5-flash",
    messages=[
        {
            "role": "user",
            "content": [
                {
                    "type": "text",
                    "text": "这张图片里有什么？"
                },
                {
                    "type": "image_url",
                    "image_url": {
                        "url": f"data:image/jpeg;base64,{base64_image}"
                    }
                }
            ]
        }
    ]
)

print(response.choices[0].message.content)

带图像URL的示例

curl -X POST https://your-worker.workers.dev/v1/chat/completions \
  -H "Content-Type: application/json" \
  -H "Authorization: Bearer sk-your-secret-api-key-here" \
  -d '{
    "model": "gemini-2.5-pro",
    "messages": [
      {
        "role": "user",
        "content": [
          {
            "type": "text",
            "text": "详细描述这张图片。"
          },
          {
            "type": "image_url",
            "image_url": {
              "url": "https://example.com/image.jpg",
              "detail": "high"
            }
          }
        ]
      }
    ]
  }'

多图像

可在单条消息中包含多个图像：

{
  "model": "gemini-2.5-pro",
  "messages": [
    {
      "role": "user",
      "content": [
        {
          "type": "text",
          "text": "比较这两张图片。"
        },
        {
          "type": "image_url",
          "image_url": {
            "url": "data:image/jpeg;base64,..."
          }
        },
        {
          "type": "image_url",
          "image_url": {
            "url": "data:image/png;base64,..."
          }
        }
      ]
    }
  ]
}

Gemini CLI OpenAI Worker配置

环境变量

变量 必需 描述
GCP_SERVICE_ACCOUNT ✅ OAuth2凭证JSON字符串
GEMINI_PROJECT_ID ❌ 谷歌云项目ID（未设置则自动发现）
OPENAI_API_KEY ❌ 用于认证的API密钥（未设置则API公开）
ENABLE_FAKE_THINKING ❌ 为思维模型启用合成思维输出（设为"true"启用）

认证安全：

• 当设置OPENAI_API_KEY后，所有/v1/*端点都需要认证

• 客户端必须包含头：Authorization: Bearer <your-api-key>

• 没有该环境变量时，API可公开访问

• 推荐格式：sk-后跟随机字符串（例如sk-1234567890abcdef...）

思维模型：

• 当ENABLE_FAKE_THINKING设为"true"时，标记为thinking: true的模型会在实际响应前生成合成推理文本

• 这模拟类似OpenAI o3模型的思维过程，展示模型的推理步骤

• 推理输出会在兼容OpenAI的响应格式中以reasoning块的形式流传输

• 未设置或设为"true"以外的值时，思维模型的行为与普通模型相同

KV命名空间

绑定 用途
GEMINI_CLI_KV 令牌缓存和会话管理

Gemini CLI OpenAI Worker故障排除

常见问题

401认证错误

• 检查OAuth2凭证是否有效

• 确保刷新令牌可用

• 验证凭证格式完全匹配

令牌刷新失败

• 凭证可能来自错误的OAuth2客户端

• 刷新令牌可能已过期或被撤销

• 检查调试缓存端点的令牌状态

项目ID发现失败

• 手动设置GEMINI_PROJECT_ID环境变量

• 确保谷歌账号有权访问Gemini

调试命令

# 检查KV缓存状态
curl https://your-worker.workers.dev/v1/debug/cache

# 仅测试认证
curl -X POST https://your-worker.workers.dev/v1/token-test

# 测试完整流程
curl -X POST https://your-worker.workers.dev/v1/test
▶ 访问
闲鱼AI监控与智能筛选机器人
实时人脸交换和一键视频深度伪造工具 Deep-Live-Cam
实时LLM语音对话工具 Unmute 安装部署和使用手册
AI数据平台MindsDB，用自然语言或SQL查询分散在不同地方的数据
为 Google Gemini API 设计全能模型聊天应用 All Model Chat 安装使用指南
Gemini CLI OpenAI Worker 安装使用手册（将Google Gemini模型转换为OpenAI兼容的API端点）
深度图代码MCP服务器 Deep Graph MCP Server
SSH AI Chat 通过SSH与AI对话
测试阶段控制大语言模型推理速度的通用框架 AlphaOne 使用指南
开源具身智能模型 RoboBrain 2.0 使用指南
笔记工具
笔记工具
 文本工具
文本工具
 IT服务工具
IT服务工具
 图片工具
图片工具
 管理工具
管理工具
 翻译工具
翻译工具
闲鱼AI监控与智能筛选机器人
安全快速为敏感照片添加水印的开源工具 EasyWatermark 简单水印
实时人脸交换和一键视频深度伪造工具 Deep-Live-Cam
Gemini CLI OpenAI Worker 安装使用手册（将Google Gemini模型转换为OpenAI兼容的API端点）
深度图代码MCP服务器 Deep Graph MCP Server
AI智能体操作系统 SmythOS
图片背景去除工具 Rembg 安装部署和使用指南
腾讯混元3D 2.1部署和使用指南
WSL：Windows 上运行 Linux 的开源解决方案使用指南
开源团队协作工具 AppFlowy 安装和使用指南
测试阶段控制大语言模型推理速度的通用框架 AlphaOne 使用指南
API 客户端 Bruno 使用指南
AI工具AI工具
DigitalOcean注册送200美元
闲鱼AI监控与智能筛选机器人闲鱼AI监控与智能筛选机器人
AI Punk 自主软件开发助手AI Punk 自主软件开发助手
命令行下载工具You-Get，支持国内外各大视频、音频和图片网站命令行下载工具You-Get，支持国内外各大视频、音频和图片网站
服务器与集群的认证访问管理工具 Infra服务器与集群的认证访问管理工具 Infra
Dicebear 头像生成工具Dicebear 头像生成工具
与Grok AI代理深度集成，提供智能代码辅助和AI驱动的集成开发环境：vCode IDE与Grok AI代理深度集成，提供智能代码辅助和AI驱动的集成开发环境：vCode IDE
DeepRearch深度研究：基于Python的AI驱动智能搜索与深度研究解决方案DeepRearch深度研究：基于Python的AI驱动智能搜索与深度研究解决方案
影猫加速器首充返利高达50%​，大促享25%折扣，新注册送免费时长影猫加速器首充返利高达50%​，大促享25%折扣，新注册送免费时长
论文代写助手 THESIS-AGENT：多模型智能论文生成工具论文代写助手 THESIS-AGENT：多模型智能论文生成工具
AI语音转优化提示词工具Talkie-CodieAI语音转优化提示词工具Talkie-Codie
Copyright© 科学工具 GitHub DigitalOcean注册送200美元