架構概覽

本文件提供 Gemini CLI 架構的概觀。

核心元件

Gemini CLI 主要由兩個主要套件構成，以及一套可在處理指令列輸入過程中供系統使用的工具：

CLI 套件 (packages/cli):
- 用途： 此套件包含 Gemini CLI 面向使用者的部分，例如處理初始使用者輸入、呈現最終輸出以及管理整體使用者體驗。
- 套件中包含的主要函式：
  - 輸入處理
  - 歷史記錄管理
  - 顯示渲染
  - 主題與使用者介面自訂
  - CLI 組態設定
Core 套件 (packages/core):
- 用途： 此套件作為 Gemini CLI 的後端。它接收來自 packages/cli 的請求，協調與 Gemini API 的互動，並管理可用工具的執行。
- 套件中包含的主要函式：
  - 用於與 Google Gemini API 通訊的 API 用戶端
  - 提示詞的建構與管理
  - 工具註冊與執行邏輯
  - 對話或工作階段的狀態管理
  - 伺服器端組態
工具 (packages/core/src/tools/):
- 用途： 這些是獨立的模組，可擴充 Gemini 模型的功能，使其能與本機環境互動（例如：檔案系統、shell 指令、網路擷取）。
- 互動： packages/core 根據 Gemini 模型的要求呼叫這些工具。

與 Gemini CLI 的典型互動遵循此流程：

使用者輸入： 使用者在終端機中輸入提示詞或指令，此部分由 packages/cli 管理。
向 Core 套件發送請求： packages/cli 將使用者輸入傳送至 packages/core。
請求處理： Core 套件：
- 為 Gemini API 建構適當的提示詞，可能包含對話歷史記錄和可用工具的定義。
- 將提示詞傳送至 Gemini API。
Gemini API 回應： Gemini API 處理提示詞並回傳回應。此回應可能是直接的答案，或是使用其中一個可用工具的請求。
工具執行（如適用）：
- 當 Gemini API 請求使用工具時，Core 套件會準備執行該工具。
- 如果請求的工具會修改檔案系統或執行 shell 指令，系統會先向使用者提供該工具及其參數的詳細資訊，且使用者必須批准執行。
- 唯讀操作（例如讀取檔案）可能不需要使用者明確確認即可繼續。
- 一旦確認，或在不需要確認的情況下，Core 套件會在相關工具中執行相應的操作，並由 Core 套件將結果傳回 Gemini API。
- Gemini API 處理工具結果並產生最終回應。
回應至 CLI： Core 套件將最終回應傳回 CLI 套件。
向使用者顯示： CLI 套件將回應格式化並顯示在終端機中給使用者。