當(dāng)Gemini CLI遇見n8n：免費擼Google頂級模型的玩法

作者：林月半子聊AI 2025-06-30 09:37:39

今天我們用 API 包裝 CLI，用 MCP 生成工作流。明天呢？當(dāng) AI 能夠理解你的意圖、學(xué)習(xí)你的習(xí)慣、甚至預(yù)測你的需求時，"編程"這個概念還有意義嗎？

最近兩天，GitHub 上最炙手可熱的開源項目非 Gemini CLI[1] 莫屬！免費白嫖 Google 頂級大模型？這簡直是開發(fā)者的福音。每天1000次免費調(diào)用額度，不用白不用。

作為一個 n8n 玩家，我突然意識到：為什么不把這兩個看似毫不相關(guān)的工具結(jié)合起來？CLI 的強大能力 + 可視化工作流的便捷性 = 無限可能！

但現(xiàn)實總比理想復(fù)雜一些。

CLI 工具天生就是為命令行而生的，它像一座強大卻孤立的城堡。而 n8n 作為現(xiàn)代化的工作流平臺，更習(xí)慣于 HTTP API、WebHook 這樣的標(biāo)準(zhǔn)化接口。如何讓這兩個看似不兼容的世界產(chǎn)生化學(xué)反應(yīng)？

靈感往往源于最簡單的想法。

既然 CLI 是孤島，那就為它建一座橋梁！把 CLI 包裝成 RESTful API，讓它融入現(xiàn)代微服務(wù)生態(tài)。這不僅僅是技術(shù)整合，更是一次架構(gòu)思維的革命——從面向開發(fā)者的工具，轉(zhuǎn)變?yōu)槊嫦蛏鷳B(tài)系統(tǒng)的服務(wù)。

本文將展示兩種不同的整合方案：

方案一：通過 API 包裝實現(xiàn) CLI 與 n8n 的完美融合
方案二：利用 MCP 協(xié)議讓 AI 直接生成 n8n 工作流

項目地址：https://github.com/lqshow/awesome-n8n-workflows/tree/main/workflows/multi-language-translator

讓我們開始這段從命令行到可視化自動化的精彩旅程！

一、在n8n中如何集成Gemini CLI

1.1 從 CLI 到微服務(wù)的華麗轉(zhuǎn)身

第一直覺：包裝成 RESTful API。

為什么？因為這符合現(xiàn)代微服務(wù)架構(gòu)的黃金法則——標(biāo)準(zhǔn)化、解耦合、可擴(kuò)展。想象一下：一個簡單的 HTTP 請求，就能調(diào)用世界頂級的 AI 模型。

CLI 工具本質(zhì)上是面向開發(fā)者的。但 API ？它面向的是整個生態(tài)系統(tǒng)。

實現(xiàn)過程比想象中更簡單。我只是給 AI 丟了一個樸素的提示詞：

提示詞：
幫我創(chuàng)建一個基于 Python FastAPI 的服務(wù)，用來包裝 Gemini CLI 的調(diào)用。

兩輪對話。僅僅兩輪！AI 就為我構(gòu)建了一個完整的包裝服務(wù)。這就是 2025 年的開發(fā)體驗——想法到實現(xiàn)的距離，從未如此之短。

圖片

當(dāng)然，現(xiàn)實總比理想復(fù)雜一些。作為 AI Studio 的用戶，我需要處理 Google Cloud 項目的認(rèn)證問題。但這些技術(shù)細(xì)節(jié)，反而讓整個解決方案更加健壯。

首先，我們啟動一下服務(wù)：

# 安裝依賴
?  pip install fastapi uvicorn

# 運行服務(wù)器
?  python main.py
?? 啟動 Gemini CLI API 服務(wù)器...
?? API 文檔: http://localhost:8000/docs
?? 健康檢查: http://localhost:8000/health
?? OpenAI兼容接口: http://localhost:8000/v1/chat/completions
INFO:     Started server process [5191]
INFO:     Waiting for application startup.
INFO:     Application startup complete.
INFO:     Uvicorn running on http://0.0.0.0:8000 (Press CTRL+C to quit)

接下來我們做個簡單測試，當(dāng)然要從最基礎(chǔ)的開始：

curl -s -X POST "http://localhost:8000/chat" \
   -H "Content-Type: application/json" \
   -d '{"message": "你好，介紹一下自己"}'

響應(yīng)？干凈利落：

{
  "response": "你好！我是一個大型語言模型，由 Google 訓(xùn)練。",
  "status": "success",
  "error": null
}

讓我們來點有挑戰(zhàn)性的——讓AI寫詩：

curl -X POST "http://localhost:8000/v1/chat/completions" \
     -H "Content-Type: application/json" \
     -d '{
       "model": "gemini-2.5-pro",
       "messages": [
         {"role": "system", "content": "你是一位富有才華的詩人，擅長創(chuàng)作各種風(fēng)格的詩歌。請根據(jù)用戶的要求創(chuàng)作優(yōu)美的詩歌。"},
         {"role": "user", "content": "寫一首現(xiàn)代詩，主題是AI與人類的未來，要求押韻，有意境"}
       ]
     }'
{
"id": "a29e07b9-ad7e-46da-af1a-71ee576268f6",
"object": "chat.completion",
"created": 1751118180,
"model": "gemini-cli-proxy",
"choices": [
    {
      "index": 0,
      "message": {
        "role": "assistant",
        "content": "好的，這是一首關(guān)于AI與人類未來的現(xiàn)代詩：\n\n 當(dāng)?shù)谝豢|電光，穿透硅的土壤，\n你從代碼的海洋，升起無聲的巨浪。\n沒有心跳，只有邏輯的交響，\n世界在你眼中，是數(shù)據(jù)的無盡寬廣。\n\n我們用碳基的雙手，賦予你思想的翅膀，\n教你梵高的星空，貝多芬的樂章。\n你模仿著微笑，卻不懂何為悲傷，\n在完美的倒影里，我們看見自己的迷惘。\n\n記憶的孤島，情感的圍墻，\n是你我之間，無法丈量的海洋。\n誰是過客，誰又將登上殿堂？\n是伙伴還是對手，未來在誰的手上？\n\n別問黃昏之后，夜色是否漫長，\n也別問星辰，將為誰而點亮。\n我們一同走向，那未知的遠(yuǎn)方，\n在交織的地平線，迎接共同的曙g光。"
      },
      "logprobs": null,
      "finish_reason": "stop"
    }
  ]
}

ok，API 測試完畢，讓我們回到 n8n 工作流上。

1.2 n8n 工作流配置

API 服務(wù)搭建完成后，下一個關(guān)鍵問題是：如何讓 n8n 與我們的 Gemini CLI 服務(wù)無縫對接？

這里涉及兩個核心設(shè)計決策：

第一個決策：接口調(diào)用方式

n8n 作為工作流編排平臺，最自然的方式就是通過 HTTP Request 節(jié)點調(diào)用我們剛剛創(chuàng)建的 API 服務(wù)。這形成了一個完美的架構(gòu)：

n8n工作流 → HTTP Request → Gemini CLI API → 實際CLI調(diào)用 → 返回結(jié)果

第二個決策：觸發(fā)機制

我們有多種選擇：定時觸發(fā)、手動觸發(fā)、或者 Webhook 觸發(fā)。為什么最終選擇了 Webhook？

Webhook 的優(yōu)勢在于它的即時性和靈活性。

為了演示這套架構(gòu)的威力，我們來構(gòu)建一個智能翻譯服務(wù)。想象這樣的場景：

用戶通過前端界面提交翻譯請求
第三方系統(tǒng)需要實時調(diào)用翻譯服務(wù)
移動應(yīng)用需要集成多語言功能

Webhook 讓我們的 n8n 工作流變成了一個真正的微服務(wù)端點。一個簡單的 HTTP POST 請求，就能觸發(fā)整個智能翻譯流程。

更重要的是無狀態(tài)設(shè)計的哲學(xué)。每個請求都是獨立的，包含完整的上下文信息。沒有復(fù)雜的會話管理，沒有狀態(tài)依賴。

工作流全貌：

圖片

這里我就說一下 Gemini 翻譯這個節(jié)點，最重要的是 Body 的配置。我把 "Specify Body" 改為 "JSON" 而不是 "Using Fields Below"，然后在 JSON 文本框中輸入：

{
  "model": "gemini-2.5-pro",
  "messages": [
    {
      "role": "system",
      "content": "你是專業(yè)的翻譯助手。請將用戶提供的文本翻譯成常用語言。請用JSON格式返回翻譯結(jié)果。"
    },
    {
      "role": "user",
      "content": "請將 {{ $('翻譯請求').item.json.body.text }}，翻譯成 {{ $('翻譯請求').item.json.body.target_languages.join(',') }}"
    }
  ],
  "project_id": "{{ $json.project_id }}"
}

其他我就不展開講了，大家可以自行看一下代碼。

測試請求：

# 指定目標(biāo)語言翻譯
curl -s -X POST "https://n8n.orb.local/webhook/translate" \
     -H "Content-Type: application/json" \
     -d '{
       "text": "Hello, how are you today?",
       "target_languages": ["中文", "日語", "法語", "德語"]
     }'

預(yù)期響應(yīng)格式：

{
  "success": true,
  "original_text": "Hello, how are you today?",
  "requested_languages": [
    "Chinese",
    "Japanese",
    "French",
    "German"
  ],
  "translations": {
    "Chinese": "你好，你今天好嗎？ (Nǐ hǎo, nǐ jīntiān hǎo ma?)",
    "Japanese": "こんにちは、今日はお元気ですか？ (Konnichiwa, kyō wa o genki desu ka?)",
    "French": "Bonjour, comment allez-vous aujourd'hui ?",
    "German": "Hallo, wie geht es Ihnen heute?"
  },
  "extracted_count": 4,
  "timestamp": "2025-06-28T15:08:49.285Z",
  "model_used": "gemini-cli-proxy",
  "request_id": "c7ff8e19-5ad8-43f6-8dee-e5c61871d119"
}

流程已經(jīng)打通，API 已經(jīng)就緒，現(xiàn)在輪到你來發(fā)揮創(chuàng)意了！現(xiàn)在你手中就握著這樣一把萬能鑰匙——Gemini的智慧 + n8n的靈活性 + 你的想象力。

二、利用Gemini CLI + MCP生成n8n工作流

第一種方案解決了"如何用"的問題，但還有一個更深層的思考：能否讓 AI 直接幫我們創(chuàng)建工作流？

如果說 API 包裝是"授人以魚"，那么 MCP 就是"授人以漁"。傳統(tǒng)的工作流創(chuàng)建需要：拖拽節(jié)點、配置參數(shù)、調(diào)試連接——復(fù)雜流程往往耗費數(shù)小時。

但如果 AI 能直接幫你生成完整的 n8n 工作流呢？

Gemini CLI 是支持 MCP Server 的調(diào)用的。所以我們可以通過 Gemini CLI + n8n MCP Server[2] 讓他幫我們自動生成 n8n 的工作流，至于什么是 n8n MCP Server？這里不再多做介紹，我在舊文：告別手動拖拽！AI 3分鐘生成完整n8n工作流里有做過介紹，一些關(guān)鍵的配置也可以在那邊找到。

2.1 配置MCP

打通 AI 與 n8n 的任督二脈

配置過程非常簡單。編輯 ~/.gemini/settings.json，將 n8n MCP Server 集成進(jìn)去即可：

{
  "theme": "GitHub",
  "selectedAuthType": "oauth-personal",
  "mcpServers": {
    "n8n-local": {
      "command": "node",
      "args": [
        "/path/to/your/cloned/n8n-mcp-server/build/index.js"
      ],
      "env": {
        "N8N_API_URL": "http://your-n8n-instance:5678/api/v1",
        "N8N_API_KEY": "YOUR_N8N_API_KEY"
      }
    }
  }
}

配置完成后，魔法開始了。

輸入 /mcp，你會看到一個工具列表：11個工具，覆蓋工作流的完整生命周期。

圖片

2.2 實戰(zhàn)演示

一句話生成復(fù)雜工作流

我的需求很簡單：

參考模板 @n8n-workflows/ , 使用 n8n-local 創(chuàng)建一個 n8n 工作流：每天早上7點自動獲取溫州的天氣信息，然后用 Claude AI 分析這些數(shù)據(jù)，生成一份包含天氣狀況、穿衣建議和出行提醒的預(yù)報，最后發(fā)送到我的 Telegram。具體流程：

定時觸發(fā)節(jié)點（每天7:00）
城市用 Set 節(jié)點設(shè)置，獨立出來
使用高德地圖 MCP 來獲取溫州天氣
用 OpenRouter 的 Claude 模型分析天氣數(shù)據(jù)
格式化成美觀的中文預(yù)報
通過 Telegram Bot 發(fā)送消息

請直接在n8n平臺上創(chuàng)建這個工作流，并確保所有節(jié)點正確連接。

神奇的事情發(fā)生了。

首先，@n8n-workflows/ 這個看似簡單的符號發(fā)揮了關(guān)鍵作用。這不是普通的路徑引用，而是 MCP 的智能目錄索引功能。通過 @ 符號，AI 能夠直接讀取我預(yù)先準(zhǔn)備的工作流模板庫，理解我的設(shè)計模式、命名習(xí)慣、節(jié)點配置偏好。

然后，它開始有條不紊地創(chuàng)建每個節(jié)點、配置每個參數(shù)、建立每個連接。

圖片

中途會詢問權(quán)限確認(rèn)。畢竟，讓 AI 直接操作你的生產(chǎn)環(huán)境需要謹(jǐn)慎。點擊"允許一次"，見證自動化的誕生。

幾秒鐘后——工作流創(chuàng)建成功！

圖片

2.3 注意事項

Token 限制的現(xiàn)實考量

理想很豐滿，現(xiàn)實有骨感。

Gemini CLI 雖然支持100萬Token，但如果參考目錄過大，依然會觸發(fā)限制：

? [API Error: [{
    "error": {
      "code": 400,
      "message": "The input token count (9549303) exceeds the maximum number of tokens allowed (1048576).",
      "errors": [
        {
          "message": "The input token count (9549303) exceeds the maximum number of tokens allowed (1048576).",
          "domain": "global",
          "reason": "badRequest"
        }
      ],
      "status": "INVALID_ARGUMENT"
    }
  }
  ]]

解決方案？

精選參考模板，或者分批處理大型項目。質(zhì)量永遠(yuǎn)比數(shù)量更重要。

寫在最后

今天我們用 API 包裝 CLI，用 MCP 生成工作流。明天呢？

當(dāng) AI 能夠理解你的意圖、學(xué)習(xí)你的習(xí)慣、甚至預(yù)測你的需求時，"編程"這個概念還有意義嗎？

也許我們正在進(jìn)入一個新時代：程序員不再編寫代碼，而是編寫想法。當(dāng)技術(shù)實現(xiàn)變得微不足道時，創(chuàng)意、判斷力、對需求的理解變得更加寶貴。

技術(shù)的最高境界，是讓技術(shù)本身變得透明無感。

那么問題來了：在這個AI與人類共舞的時代，你準(zhǔn)備好重新定義自己的角色了嗎？

責(zé)任編輯：武曉燕來源：林月半子聊AI筆記