🌟 项目简介

Gemini Nexus 是一款深度集成 Google Gemini 能力的 Chrome 扩展程序 (Chrome Extension)。它不仅仅是一个侧边栏插件，而是通过注入式的悬浮工具栏、强大的图像 AI 处理以及前沿的浏览器控制协议 (MCP)，将 AI 的触角伸向网页浏览的每一个交互细节。

---

⚙️ 多驱动核心对比 (services/providers)

项目内置了三种驱动方案，通过代码逻辑动态适配不同的使用场景：

驱动方案	逻辑入口	支持模型	核心优势	使用前提
Web Client	web.js	Gemini 3 系列	完全免费，支持联网插件	需保持 Google 账号登录
Official API	official.js	Pro/Flash 预览版	极速响应，原生支持 Thinking 模式	需 Google AI Studio Key
OpenAI Compatible	openai_compatible.js	GPT/Claude 等	高扩展性，支持中转接口	需第三方服务密钥

---

🤖 浏览器控制 (MCP) 能力集

基于 background/control/ 模块实现，AI 可以执行复杂的智能体 (Agent) 任务：

分类	核心指令	代码实现逻辑
导航控制	navigate_page, new_page	调用 chrome.tabs 进行页面生命周期管理
页面交互	click, fill, drag	基于 无障碍树 (Accessibility Tree) 生成 UID 进行精准操控
数据观测	take_snapshot, get_logs	实时提取 DOM (文档对象模型) 结构、控制台日志及网络请求
脚本执行	evaluate_script	在网页上下文 (Context) 中运行自定义 JavaScript

---

外部 MCP 工具（远程服务器）

Gemini Nexus 可以选择连接到外部 MCP 服务器（通过 SSE (Server-Sent Events)、可流式传输的 HTTP (HyperText Transfer Protocol) 或 WebSocket 协议），并在现有的工具循环 (Tool Loop) 中执行其工具。

推荐方案：使用本地代理（支持 stdio 服务器）

由于 Chrome 扩展程序无法直接运行基于 stdio (标准输入输出) 的 MCP 服务器，推荐的设置方案是运行一个本地代理（例如 MCP SuperAssistant Proxy）。在代理中配置您的 MCP 服务器（包括 stdio 服务器），然后将 Gemini Nexus 连接到该代理端点。

常见的代理端点如下：

• SSE: http://127.0.0.1:3006/sse
• 可流式传输的 HTTP: http://127.0.0.1:3006/mcp
• WebSocket: ws://127.0.0.1:3006/mcp

设置步骤

1. 启动您的 MCP 代理并在其中配置好 MCP 服务器。

2. 在 设置 (Settings) → 连接 (Connection) → 外部 MCP 工具 (External MCP Tools) 中：

   • 启用“外部 MCP 工具” (Enable External MCP Tools)。
   • 选择一个活动服务器 (Active Server)（您可以保存多个服务器条目并根据需要切换）。
   • 选择传输协议并设置服务器 URL（SSE / 可流式传输的 HTTP / WebSocket）。
   • 点击测试连接 (Test Connection) 和刷新工具 (Refresh Tools)。

3. 可选（当工具较多时推荐）：将公开工具 (Expose Tools) 设置为仅限选定工具 (Selected tools only)，然后仅启用您希望模型查看/使用的工具。

4. 开始正常对话；当模型需要使用工具时，它会输出一个如下所示的 JSON (JavaScript 对象表示法) 工具块：

   { "tool": "工具名称", "args": { "键": "值" } }
   

---

✨ 核心功能亮点

• 💬 智能侧边栏：基于 sidePanel API (侧边栏面板接口)，提供毫秒级唤起的对话空间，支持全文搜索历史记录。
• 🪄 划词工具栏：注入内容脚本 (Content Script)，选中文字即刻进行翻译、总结、重写，支持一键回填表单。
• 🖼️ 图像 AI 处理：
  • OCR (光学字符识别) & 截图翻译：集成 Canvas (画布) 裁剪技术，框选图片区域即刻提取文字并翻译。
  • 浮窗探测：自动识别网页图片并生成悬浮 AI 分析按钮。
  • 水印消除：内置 watermark_remover.js 算法，显著提升生成图像的可视化质量。
• 🛡️ 安全渲染：所有 Markdown (标记语言)、LaTeX (排版系统) 公式及代码块均在 sandbox (沙箱) 隔离环境中渲染，确保主页面安全。

---

❤️ 赞助与支持

如果您觉得 Gemini Nexus 提升了您的工作效率，欢迎请开发者喝杯咖啡，支持项目的持续维护！☕

赞赏通道（爱发电）： https://afdian.com/a/gemini-nexus

---

🚀 快速开始

安装步骤

1. 从 Releases 下载最新 ZIP 包并解压。
2. Chrome 访问 chrome://extensions/，右上角开启 “开发者模式”。
3. 点击 “加载已解压的扩展程序”，选择解压后的文件夹即可。

技术栈

• 构建工具：Vite + TypeScript
• 架构协议：Chrome MV3 + Browser Control Protocol
• 核心库：Marked.js, KaTeX, Highlight.js

📄 许可证

本项目基于 MIT License (MIT 许可证) 开源。

Gemini Nexus 快速上手指南

环境准备

• 操作系统：Windows / macOS / Linux
• 浏览器：Chrome 或 Chromium 内核浏览器（需支持 Manifest V3）
• 前置依赖：
  • 方案 A（Web Client）：需保持 Google 账号登录状态（完全免费）。
  • 方案 B（Official API）：需准备 Google AI Studio API Key。
  • 方案 C（OpenAI Compatible）：需准备第三方兼容接口密钥。
• 网络环境：需确保能正常访问 Google 服务或 API 端点（国内用户建议使用网络加速工具）。

安装步骤

1. 下载扩展包 访问 Releases 下载最新 ZIP 包并解压到本地目录。

2. 打开扩展管理页 在浏览器地址栏输入以下命令并访问：

   chrome://extensions/
   

3. 开启开发者模式 在页面右上角找到并开启 “开发者模式” 开关。

4. 加载扩展 点击 “加载已解压的扩展程序” 按钮，选择第一步中解压后的文件夹即可完成安装。

基本使用

1. 配置驱动服务 点击插件图标进入设置，根据前置依赖选择驱动方案：

   • 选择 Web Client 无需配置 Key，直接登录即可使用。
   • 选择 Official API 需填入 API Key 以获取极速响应。

2. 唤起智能侧边栏 点击浏览器工具栏中的插件图标，或通过快捷键唤起侧边栏，即可开始对话、搜索历史记录。

3. 划词交互 在网页中选中任意文本，点击弹出的悬浮工具栏，即可执行 翻译、总结 或 重写 操作。

4. 配置 MCP 工具（可选） 如需连接外部工具服务器，进入 Settings → Connection → External MCP Tools：

   • 启用 Enable External MCP Tools。
   • 选择传输协议并设置服务器 URL（例如：http://127.0.0.1:3006/sse）。
   • 点击 Test Connection 测试连接，随后点击 Refresh Tools 刷新工具列表。
   • 对话时模型将自动调用工具，输出格式如下：

     { "tool": "工具名称", "args": { "键": "值" } }