Gemini CLI: Panduan dengan Contoh Praktis

Sekarang mari kita bahas bagaimana saya menerapkan Gemini CLI untuk menjelajahi, memperbaiki masalah, dan menerapkan perubahan pada proyek open-source.

Langkah 1: Prasyarat

Untuk mulai, pasang Node.js (versi 18 atau lebih tinggi). Anda juga dapat mengunduh penginstal pilihan Anda di sini, atau jalankan perintah bash berikut di terminal Anda:

# 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".

Untuk menyiapkan lingkungan Anda bagi Gemini CLI:

• Pasang NVM (Node Version Manager) dengan menjalankan skrip pemasangan resmi
• Kemudian inisialisasi pada sesi terminal Anda saat ini menggunakan source
• Terakhir, gunakan NVM untuk memasang Node.js v22 dan verifikasi pemasangan menggunakan perintah node -v, nvm current, dan npm -v

Penyiapan ini memastikan sistem Anda siap menjalankan Gemini CLI dengan lancar.

Langkah 2: Menyiapkan Gemini CLI 

Sekarang prasyarat sudah siap, kita dapat menyiapkan Gemini CLI di sistem kita.

Langkah 2.1: Pasang Gemini CLI

Setelah Node.js dan npm terpasang dan terverifikasi, pasang Gemini CLI dengan menjalankan perintah berikut di terminal Anda:

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

Atau gunakan npm untuk menjalankannya:

npm install -g @google/gemini-cli
gemini

Setelah gemini-cli terpasang, ketik gemini di terminal Anda untuk mengaksesnya.

Langkah 2.2: Autentikasi

Anda dapat menggunakan akun Google pribadi untuk autentikasi saat diminta. Ini akan memberi Anda hingga 60 permintaan model per menit dan 1.000 permintaan model per hari menggunakan Gemini.

Login dengan Google saya gunakan dalam tutorial ini, tetapi Anda juga dapat menggunakan Kunci API (disetel sebagai variabel lingkungan) atau Vertex AI untuk autentikasi. Untuk membuat kunci API baru, masuk ke AI Studio dengan akun Google Anda dan klik Create API key. Anda juga bisa menggunakan kunci yang ada dari proyek Google Cloud untuk mengakses model tertentu atau meminta batas penggunaan yang lebih tinggi.

export GEMINI_API_KEY=”Your_API_Key”

Atau buat file .env

GEMINI_API_KEY=”Your_API_Key”

Anda dapat menggunakan /auth di kotak teks untuk beralih metode autentikasi sesuai kebutuhan.

Setelah terautentikasi, Anda akan menemukan kotak teks untuk berinteraksi dengan CLI di terminal secara gratis.

Langkah 3: Menyiapkan Proyek di Gemini CLI

Setelah CLI berjalan, kita dapat mulai berinteraksi dengan Gemini dari terminal. Ada dua cara untuk mengerjakan proyek dengan CLI.

1. Mulai proyek baru

Untuk memulai proyek dari nol, jalankan perintah berikut:

cd new-project/
gemini

Di dalam CLI, gunakan prompt untuk menyelesaikan masalah yang menarik bagi Anda—misalnya:

> Write the encoder code for a transformer from scratch.

Perintah ini akan membuat direktori proyek baru dan menginisialisasi Gemini di terminal. Selanjutnya, Anda dapat meminta Gemini untuk mengisi direktori baru Anda dengan kode.

2. Bekerja dengan proyek yang sudah ada

Jika Anda sudah memiliki codebase yang ada, Anda dapat mengerjakannya dengan perintah berikut:

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

Di dalam CLI, gunakan prompt seperti:

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

Jika Anda bekerja dengan codebase yang sudah ada, baik yang dikloning dari GitHub maupun yang sudah ada di mesin lokal Anda, Anda dapat menjalankan Gemini CLI dari dalam direktori proyek.

Sebagai alternatif, setelah meluncurkan Gemini, Anda dapat memasukkan path lengkap ke direktori kode di kotak teks prompt menggunakan perintah /path untuk memuat proyek lokal secara manual.

Langkah 4: Bereksperimen dengan Gemini CLI

Dalam tutorial ini, kita akan bekerja dengan proyek yang sudah ada yang saya gunakan untuk menulis tutorial tentang Agent Development Kit (ADK) Google. Repositorinya disimpan di GitHub. Dengan Gemini CLI, kita akan:

1. Menjelajahi dan memahami codebase
2. Mendeteksi bug atau isu di GitHub atau dalam sebuah file
3. Refaktor kode dan menghasilkan unit test
4. Membuat laporan markdown atas perubahan yang dilakukan
5. Memvisualisasikan codebase dengan membuat bagan alur atau diagram

Menjelajahi dan memahami codebase

Mari mulai dengan meminta Gemini untuk menjelajahi dan menjelaskan codebase.

Prompt: Jelajahi direktori saat ini dan jelaskan arsitektur proyek.

Gemini CLI menampilkan ringkasan terstruktur, menjelaskan bahwa:

• agents/ berisi implementasi agen individual
• shared/ mendefinisikan skema umum yang digunakan semua agen
• common/ menyertakan fungsi utilitas A2A yang dapat digunakan kembali untuk pesan antaragen

Ini membantu saya memahami konteks tanpa membaca setiap file secara manual.

Menganalisis dan memperbaiki isu GitHub

Mari telusuri beberapa isu terbuka dari repositori GitHub. Anda dapat menggunakan alat /compress untuk memampatkan konteks dengan menggantinya dengan ringkasan. Ini membantu kita memasukkan lebih banyak informasi dalam panjang konteks yang terbatas.

Catatan: Gemini akan meminta persetujuan sebelum mengakses repositori GitHub. Dalam kasus ini, repo bersifat open-source.

Prompt: Berikut isu GitHub: [@search https://github.com/AashiDutt/Google-Agent-Development-Kit-Demo/issues/1]. Analisis codebase dan sarankan rencana perbaikan 3 langkah. File/fungsi mana yang harus saya modifikasi?

Gemini CLI menelusuri isu tersebut:

• Menggunakan fitur @search, dan mengembalikan rencana perbaikan 3 langkah untuk isu GitHub.
• Kemudian mengidentifikasi akar masalah sebagai error serialisasi JSON.
• Terakhir, Gemini menyarankan perubahan dan penanganan respons di beberapa file.

Selanjutnya, CLI menunggu masukan dari pengguna untuk mengevaluasi perubahan, dan jika pengguna setuju, maka akan menerapkan perubahan yang disarankan. Pilih opsi untuk menerapkan perubahan yang disarankan dengan menekan Enter.

CLI membuat perubahan pada setiap file yang terdampak. Setelah perubahan dilakukan, akan ditampilkan ringkasan perubahan.

Menerapkan dan menguji perbaikan

Mari terapkan dan uji perbaikan yang disarankan Gemini. Untuk ini, saya menggunakan prompt berikut dan mengizinkan eksekusi.

Prompt: Tulis unit test pytest untuk perubahan ini di test_shared.py.

Gemini CLI:

• Menyisipkan json.dumps() sebelum mengirim payload tugas di file yang sebelumnya disarankan.
• Lalu membuat test_agents.py jika belum ada untuk menambahkan unit test.
• Terakhir, menambahkan kasus uji baru untuk memvalidasi skema dan transmisi pesan agen bertingkat.

CLI membuat file test_agents.py dan menjalankannya menggunakan beberapa skrip shell. Namun, pada satu titik, Gemini masuk ke loop yang mengulangi error yang sama. Prompt yang diperhalus, menjalankan ulang, atau cukup menggunakan model berbeda melalui API akan membantu menyelesaikannya.

Berikut file baru yang dibuat Gemini di folder proyek:

Membuat dokumentasi

Sekarang setelah kita melakukan perbaikan, mari merangkum perubahan yang dibuat dan menuliskannya sebagai Markdown dalam file .txt.

Untuk ini, saya menggunakan prompt berikut:

Prompt: Tulis ringkasan markdown tentang bug, perbaikan, dan cakupan pengujian. Format seperti entri changelog di bawah "v0.2.0".

Untuk menyimpan ringkasan dalam dokumen, saya menggunakan prompt berikut:

Prompt: Simpan ringkasan ini dalam file .txt dan beri nama summary.txt

Gemini CLI menggunakan alat WriteFile untuk menyimpan file summary.txt di direktori proyek.

Berikut file summary.txt yang dibuat Gemini untuk proyek ini:

Membuat bagan alur menggunakan MCP

Bagian ini melanjutkan eksperimen sebelumnya, di mana saya mengeksplorasi bagaimana Gemini CLI menggunakan Model Context Protocol (MCP) untuk mempertahankan ringkasan level file dan riwayat tugas di seluruh prompt. Ini memberi Gemini memori kerja dalam sesi. Dengan kemampuan ini, saya meminta Gemini membuat bagan alur proyek dan mengonversinya menjadi gambar. 

Berikut prompt yang saya gunakan:

Prompt: Buat bagan alur yang menunjukkan bagaimana agen berkomunikasi melalui A2A dan bagaimana main.py mengorkestrasi sistem. Sorot di mana isu terjadi dan bagaimana cara diperbaiki.

Visualisasi ini didukung oleh memori persisten Gemini, yang mempertahankan konteks penuh dari perbaikan bug dan struktur agen kita sebelumnya tanpa perlu unggah ulang atau petunjuk file.

Meskipun alat pembuat gambar tidak tersedia langsung di CLI (mungkin dapat diakses melalui API), visualisasi ini terbukti membantu dalam memahami perutean agen. 

Alat Gemini CLI yang tersedia 

Beberapa alat yang didukung Gemini CLI meliputi:

• ReadFile, WriteFile, Edit
• FindFiles, ReadFolder, ReadManyFiles
• Shell, SaveMemory
• GoogleSearch atau Search, WebFetch

Alat-alat ini membantu Anda menavigasi, melakukan kueri, dan memodifikasi codebase besar secara efisien.

Untuk mempelajari lebih lanjut tentang Gemini CLI, saya sarankan membaca dokumentasi resmi dan halaman GitHub.

Kesimpulan

Singkatnya, tutorial ini menunjukkan bagaimana Gemini CLI dapat digunakan untuk:

• Memahami struktur codebase multi-agen
• Memperbaiki isu GitHub
• Menghasilkan unit test dan dokumentasi markdown untuk perubahan.
• Memvisualisasikan alur data

Gemini CLI mengurangi waktu yang biasanya saya habiskan untuk mengurai file dan merencanakan perbaikan secara manual. Walau Gemini CLI masih dalam tahap awal dan sesekali terasa lambat saat digunakan melalui API, kemampuannya sudah setara dengan Claude Code.

Jika Anda seorang pengembang yang ingin menambahkan agen AI ke alur kerja Anda, simak seri tutorial empat bagian tentang Devin ini:

1. Penyiapan dan Pull Request Pertama (Bagian 1)
2. Mengirimkan Vertical Slice dengan Devin (Bagian 2) 
3. Integrasi, Pengujian, dan CI/CD (Bagian 3) 
4. Keamanan, Deployment, Pemeliharaan (Bagian 4)