Gemini CLI 架构概览

本文档提供 Gemini CLI 的高级架构概述。

核心组件

Gemini CLI 主要由两个核心包组成，以及一套系统在处理命令行输入过程中可使用的工具集：

CLI 包 (packages/cli):
用途: 包含面向用户的 Gemini CLI 部分，例如处理初始用户输入、呈现最终输出以及管理整体用户体验。
包内关键功能:
- 输入处理
- 历史记录管理
- 显示渲染
- 主题和 UI 定制
- CLI 配置设置
核心包 (packages/core):
用途: 作为 Gemini CLI 的后端。接收来自 packages/cli 的请求，协调与 Gemini API 的交互，并管理可用工具的执行。
包内关键功能:
- 与 Google Gemini API 通信的 API 客户端
- 提示构建与管理
- 工具注册与执行逻辑
- 对话或会话的状态管理
- 服务端配置
工具集 (packages/core/src/tools/):
用途: 这些独立模块扩展了 Gemini 模型的能力，使其能与本地环境交互（例如文件系统、shell 命令、网络请求）。
交互方式: packages/core 根据 Gemini 模型的请求调用这些工具。

与 Gemini CLI 的典型交互遵循以下流程：

用户输入：用户在终端输入提示词或命令，由 packages/cli 管理。
请求核心层：packages/cli 将用户输入发送至 packages/core。
请求处理：核心包执行以下操作：
- 为 Gemini API 构建适当的提示词，可能包含对话历史和可用工具定义。
- 将提示词发送至 Gemini API。
Gemini API 响应：Gemini API 处理提示词并返回响应。响应可能是直接答案或使用某个可用工具的请求。
工具执行（如适用）：
- 当 Gemini API 请求使用工具时，核心包准备执行该工具。
- 如果请求的工具可能修改文件系统或执行 shell 命令，会先向用户展示该工具及其参数的详细信息，需用户批准后才执行。
- 只读操作（如读取文件）可能无需用户明确确认即可继续。
- 一旦确认（或无需确认），核心包在相关工具内执行相应操作，并将结果通过核心包发送回 Gemini API。
- Gemini API 处理工具结果并生成最终响应。
返回 CLI：核心包将最终响应发送回 CLI 包。
用户显示：CLI 包格式化响应并在终端中展示给用户。