Gemini CLI: Una guía con ejemplos prácticos

Ahora veamos cómo apliqué Gemini CLI para explorar, solucionar problemas e implementar cambios en un proyecto de código abierto.

Paso 1: Requisitos previos

Para empezar, instala Node.js (versión 18 o superior). También puedes descargar el instalador que prefieras aquí, o puedes ejecutar los siguientes comandos bash en tu terminal:

# Download and install nvm:
curl -o- https://raw.githubusercontent.com/nvm-sh/nvm/v0.40.3/install.sh | bash
# in lieu of restarting the shell
\. "$HOME/.nvm/nvm.sh"
# Download and install Node.js:
nvm install 22
# Verify the Node.js version:
node -v # Should print "v22.17.0".
nvm current # Should print "v22.17.0".
# Verify npm version:
npm -v # Should print "10.9.2".

Para configurar tu entorno para Gemini CLI:

• Instala NVM (Node Version Manager) ejecutando el script de instalación oficial.
• A continuación, inicialízalo en tu sesión de terminal actual utilizando source.
• Por último, utiliza NVM para instalar Node.js v22 y verifica la instalación con los comandos node -v, nvm current y npm -v.

Esta configuración garantiza que tu sistema esté listo para ejecutar Gemini CLI sin problemas.

Paso 2: Configuración de Gemini CLI 

Ahora que ya tenemos los requisitos previos, podemos configurar Gemini CLI en nuestro sistema.

Paso 2.1: Instalar Gemini CLI

Una vez que Node.js y npm estén instalados y verificados, instala Gemini CLI ejecutando el siguiente comando en tu terminal:

npx https://github.com/google-gemini/gemini-cli

O utiliza npm para ejecutarlo:

npm install -g @google/gemini-cli
gemini

Una vez instalado gemini-cli, escribe gemini en tu terminal para acceder a él.

Paso 2.2: Autenticación

Puedes utilizar tu cuenta personal de Google para autenticarte cuando se te solicite. Esto te permitirá realizar hasta 60 solicitudes de modelos por minuto y 1000 solicitudes de modelos al día utilizando Gemini.

En este tutorial, me he autenticado mediante «Iniciar sesión con Google», pero también puedes utilizar la clave API (configurada como variable de entorno) o Vertex AI para la autenticación. Para generar una nueva clave API, inicia sesión en AI Studio con tu cuenta de Google y haz clic en Crear clave API. También puedes utilizar una clave existente de un proyecto de nube de Google para acceder a modelos específicos o solicitar límites de uso más altos.

export GEMINI_API_KEY=”Your_API_Key”

O crea un archivo .env

GEMINI_API_KEY=”Your_API_Key”

Puedes utilizar /auth en el cuadro de texto para cambiar la autenticación cuando sea necesario.

Una vez autenticado, encontrarás un cuadro de texto para interactuar con la CLI en tu terminal de forma gratuita.

Paso 3: Configuración de un proyecto en Gemini CLI

Una vez que la CLI esté en funcionamiento, podremos empezar a interactuar con Gemini desde el terminal. Hay dos formas de trabajar en un proyecto con CLI.

1. Iniciar un nuevo proyecto

Para iniciar un proyecto desde cero, ejecuta los siguientes comandos:

cd new-project/
gemini

Dentro de CLI, utiliza un indicador para resolver un problema que te interese, por ejemplo:

> Write the encoder code for a transformer from scratch.

Este comando creará un nuevo directorio de proyecto e inicializará Gemini en el terminal. A continuación, puedes pedirle a Gemini que rellene tu nuevo directorio con código.

2. Trabajar con un proyecto existente

Si ya tienes un código base existente, puedes trabajar con él utilizando los siguientes comandos:

git clone https://github.com/AashiDutt/Google-Agent-Development-Kit-Demo
cd Google-Agent-Development-Kit-Demo
gemini

Dentro de CLI, utiliza un indicador como:

> Give me a summary of all of the changes made to the codebase today.

Si estás trabajando con un código base existente, ya sea clonado desde GitHub o ya presente en tu máquina local, puedes ejecutar Gemini CLI desde el directorio del proyecto.

Como alternativa, después de iniciar Gemini, puedes introducir la ruta completa al directorio de código en el cuadro de texto del indicador utilizando el comando /path para cargar el proyecto local manualmente.

Paso 4: Experimentando con la CLI de Gemini

En este tutorial, trabajaremos con un proyecto existente que utilicé para escribir un tutorial sobre kit de desarrollo de agentes (ADK) de Google. El repositorio se almacena en GitHub. Con Gemini CLI, haremos lo siguiente:

1. Explora y comprende el código base.
2. Detectar un error o un problema en GitHub o dentro de un archivo
3. Refactorizar el código y generar pruebas unitarias.
4. Crea un informe de descuentos de los cambios realizados.
5. Visualiza el código base generando un diagrama de flujo o un diagrama.

Explorar y comprender el código base

Comencemos pidiendo a Gemini que explore y explique el código base.

Indicación: Explora el directorio actual y describe la arquitectura del proyecto.

Gemini CLI devolvió un resumen estructurado en el que explicaba cómo:

• agents/ contiene implementaciones de agentes individuales
• shared/ define esquemas comunes utilizados por todos los agentes
• common/ incluye funciones de utilidad A2A reutilizables para la mensajería entre agentes

Esto me ayudó a orientarme sin tener que leer todos los archivos manualmente.

Analizar y solucionar un problema en GitHub

Exploremos algunas cuestiones pendientes del repositorio de GitHub. Puedes utilizar la herramienta /compress para comprimir el contexto sustituyéndolo por un resumen. Esto nos ayuda a transmitir más información en un contexto de longitud limitada.

Nota: Gemini solicitará tu autorización antes de acceder al repositorio de GitHub. En este caso, el repositorio es de código abierto.

Indicación: Aquí tienes un problema en GitHub: [@search https://github.com/AashiDutt/Google-Agent-Development-Kit-Demo/issues/1]. Analiza el código fuente y sugiere un plan de solución en tres pasos. ¿Qué archivos/funciones debo modificar?

Gemini CLI exploró el tema:

• Utilizando la función « @search » (Solicitar corrección), se devolvió un plan de corrección en tres pasos para el problema de GitHub.
• A continuación, identificó la causa principal como un error de serialización JSON.
• Por último, Gemini sugirió cambios y respuestas en algunos archivos.

A continuación, la CLI espera la respuesta del usuario para evaluar los cambios y, si tú estás de acuerdo, realizará los cambios sugeridos. Selecciona la opción para aplicar los cambios sugeridos haciendo clicen « » (Aplicar cambios sugeridos).Pulsa Intro.

La CLI realiza cambios en todos los archivos afectados. Una vez realizados los cambios, se mostrará un resumen de los mismos.

Implementación y prueba de la corrección

Implementemos y probemos las soluciones sugeridas por Gemini. Para ello, usé el siguiente comando y permití la ejecución.

Indicación: Escribe una prueba unitaria pytest para este cambio en test_shared.py.

Gemini CLI:

• Insertaste json.dumps() antes de enviar las cargas útiles de las tareas en los archivos sugeridos anteriormente.
• A continuación, creaba test_agents.py si faltaba para añadir pruebas unitarias.
• Por último, se ha añadido un nuevo caso de prueba para validar el esquema y la transmisión de mensajes de agentes anidados.

La CLI genera el archivo test_agents.py y lo ejecuta utilizando varios scripts de terminal. Sin embargo, en un momento dado, Géminis entró en un bucle repitiendo el mismo error. Una indicación más precisa, una nueva ejecución o simplemente utilizar un modelo diferente a través de la API ayudarían a resolver este problema.

Aquí está el nuevo archivo generado por Gemini en la carpeta del proyecto:

Generación de documentación

Ahora que hemos realizado las correcciones, resumamos los cambios realizados y escribámoslos como Markdown en un archivo .txt .

Para ello, usé el siguiente comando:

Indicación: Escribe un resumen con las características principales del error, la solución y la cobertura de la prueba. Formatea como una entrada de registro de cambios en «v0.2.0».

Para guardar el resumen en un documento, usé el siguiente comando:

Indicación: Guarda este resumen en un archivo archivo .txt y nómbralo summary.txt

Gemini CLI utiliza la herramienta WriteFile para guardar el archivo summary.txt en el directorio del proyecto.

Aquí está el archivo summary.txt generado por Gemini para este proyecto:

Creación de un diagrama de flujo con MCP

Esta sección amplía los experimentos anteriores, en los que exploro cómo Gemini CLI utiliza el Protocolo de contexto del modelo (MCP) para mantener resúmenes a nivel de archivo y el historial de tareas en todas las indicaciones. Esto le da a Gemini una memoria de trabajo dentro de la sesión. Aprovechando esta capacidad de Gemini, le pedí que generara un diagrama de flujo del proyecto y lo convirtiera en una imagen. 

Esta es la indicación que utilicé:

Indicación: Genera un diagrama de flujo que muestre cómo se comunican los agentes a través de A2A y cómo main.py coordina el sistema. Resalta dónde se produjo el problema y cómo se solucionó.

Esta visualización funciona gracias a la memoria persistente de Gemini, que conservó todo el contexto de nuestra corrección de errores anterior y la estructura del agente sin necesidad de volver a cargar nada ni de utilizar pistas de archivos.

Aunque las herramientas de generación de imágenes no estaban disponibles directamente en la CLI (pueden ser accesibles a través de la API), esta visualización resultó útil para comprender el enrutamiento de los agentes. 

Herramientas CLI disponibles para Gemini 

Algunas de las herramientas compatibles con Gemini CLI son:

• ReadFile, WriteFile, Edit
• FindFiles, ReadFolder, ReadManyFiles
• Terminal, SaveMemory
• GoogleSearch o Search, WebFetch

Estas herramientas te ayudan a navegar, consultar y modificar grandes bases de código de manera eficiente.

Para obtener más información sobre Gemini CLI, te recomiendo leer la documentación oficial. y y la página de GitHub.

Conclusión

En resumen, este tutorial ha mostrado cómo se puede utilizar Gemini CLI para:

• Comprender la estructura del código base multiagente
• Solucionar un problema en GitHub
• Genera pruebas unitarias y documentación Markdown para los cambios.
• Visualizar el flujo de datos

Gemini CLI redujo el tiempo que normalmente dedicaba a analizar archivos y planificar manualmente las correcciones. Aunque Gemini CLI aún se encuentra en sus primeras fases y en ocasiones puede parecer lento cuando se utiliza a través de la API, ya iguala las capacidades de Claude Code.

Si eres programador y deseas añadir agentes de IA a tu flujo de trabajo, echa un vistazo a esta serie de tutoriales de cuatro partes sobre Devin:

1. Configuración y primera solicitud de extracción (Parte 1)
2. Enviando una sección vertical con Devin (Parte 2) 
3. Integraciones, pruebas y CI/CD (Parte 3) 
4. Seguridad, implementación y mantenimiento (Parte 4)