项目地址 gemini-skill

使用示例

概要

大家平时在折腾大模型 Agent （或者用 Cursor 、Claude Desktop ）时，如果想接入高质量的 AI 生图能力，往往会被 API Key 卡脖子——要么需要绑卡付费，要么有严格的区域和额度限制。

我个人一直使用的是 Gemini 的网页版生图能力，也就是 nano banana 2 模型，生图质量还是很不错的。但通过 API 调用的话就需要付费或者绑卡等繁琐操作，因此这个项目诞生了。

技术解析

原理是使用 puppeteer ，通过 CDP 连接一个独立的浏览器，接着封装一些函数供 AI 使用，我同时提供了 skills 和 MCP ，既可以接入龙虾，也可以在任何支持 mcp 的 agent 中使用。并且开浏览器的时候做了严格的反爬措施，我高强度使用一周有余，没有任何问题。并且内置了去水印服务，支持下载原图，并自动去除水印。

现在，不需要任何 API Key ，只要启动这个服务，你的 AI 代理就能直接在后台稳定地操纵 Gemini 为你生成并下载图片！

🚀 核心特性：这不是一个简单的 Selenium 脚本

为了做到工业级的稳定性，我在这套架构里下了不少猛药：

底层 CDP 协议直连，无视前端框架阻拦：

抛弃了脆弱的 UI 层 click()，直接通过 Chrome DevTools Protocol (CDP) 注入 V8 内存发号施令。解决了极其恶心的“幽灵 Hover”问题，并且直接通过 CDP 重定向下载目录，完美接管文件系统。

彻底解耦的微服务架构 (Daemon + Client)：

脚本最怕什么？内存泄漏和僵尸进程。我将架构拆分为一个常驻后台的“浏览器守护进程 (Daemon)”和极度轻量的调用端。即使你的 AI 主程序崩溃了一万次，底层的 Chrome 依然稳如泰山，并且拥有 30 分钟无操作自动回收的续命机制。

完美接入 MCP 协议生态：

无需自己写恶心的正则解析和胶水代码，直接引入 @modelcontextprotocol/sdk 和 Zod 。这意味着，你的 Cursor 或 Claude Desktop 只需要一行 JSON 配置，就能立刻获得白嫖 Gemini 画图的超能力！

🩸 一些极其折磨人的踩坑复盘

在开发过程中，我被大厂的前端安全机制和操作系统底层 IO 毒打了一番，分享几个经典的天坑，帮大家避雷：

原本想通过 Canvas.toDataURL() 直接提取图片 Base64 ，结果被浏览器的同源策略和画布污染机制无情拦截，最后逼得我直接走 CDP 底层拦截文件流。

💡 如何使用 / 接入你的 Agent

由于采用了 MCP 标准，接入简直不要太爽。你只需要在你的 OpenClaw / Cursor 的配置里加上：

JSON
{
  "mcpServers": {
    "gemini_skill": {
      "command": "node",
      "args": ["/你的绝对路径/src/mcp-server.js"]
    }
  }
}

然后你就可以直接对你的 AI 说：“帮我画一张赛博朋克风格的机器猫”，后台会自动完成：冷启动高匿浏览器 -> 注入 Prompt -> 原生事件轰炸突破 UI -> 拦截下载落地 -> 返回成功回执！

注：以上的部分文本由 Gemini 润色，感觉比我写得好哈哈。

希望大家多多 star ，多多交流~