为什么 Gemini-cli 的 MCP 配置总让人头疼Gemini-cli 是 Google 推出的开源命令行 AI 编程工具基于 MIT 协议支持 Gemini 2.5 系列模型不少国产 CLI 工具也是基于它二次开发的。它本身支持 MCPModel Context Protocol可以通过~/.gemini/config.json挂载 context7、sequential-thinking、fetch 这类外部工具让模型在本地就能抓网页、查最新文档、做深度推理。但真正用起来痛点往往不在 MCP 本身而在两件事上一是模型通道二是 JSON 维护。默认情况下 Gemini-cli 走的是 Google 官方模型通道国内网络环境下经常出现请求超时、额度受限、模型列表拉不下来的情况二是config.json里的mcpServers字段需要手动维护每加一个工具就要改一次 JSON缩进、逗号、引号错一个就整个配置失效排查起来非常费时间。这篇就按「接入配置」的视角把原文 3.3 节那一步拆开讲先去 TaoToken 官网 https://taotoken.net/?utm_sourcetaotoken_aicg_blog_end 创建一个 Key把 Gemini-cli 的模型 API 地址指向https://taotoken.net/api再回到~/.gemini/config.json里把 context7、sequential-thinking、fetch 三个 MCP 服务器配好。这样 Gemini-cli 不再连 Google 官方模型通道而是由 TaoToken 提供 Key 和模型入口MCP 工具照常在本地跑抓网页和深度思考都不受影响。TaoToken 前置准备Key、地址与模型 ID在动config.json之前先把 TaoToken 这边的三样东西准备好后面配置里会直接用到。第一是 API Key。打开 https://taotoken.net/?utm_sourcetaotoken_aicg_blog_end 注册并登录进入控制台的 API Keys 页面创建一个新 Key。创建后立即复制保存页面刷新后就看不到完整 Key 了。这个 Key 就是后面填进 Gemini-cli 配置里的凭证格式类似YOUR_API_KEY实际是一串以sk-开头的字符串。第二是 API 地址。TaoToken 的接口地址是https://taotoken.net/api注意这里不带任何 UTM 参数直接作为 base URL 使用。Gemini-cli 里需要填的是完整的模型请求地址通常是在这个 base 后面拼接/v1beta或/v1路径具体取决于 Gemini-cli 当前版本使用的 SDK。第三是模型 ID。在控制台的模型列表里可以看到当前可用的模型比如gemini-2.5-pro、gemini-2.5-flash等。记下你要用的那个模型 ID配置里会作为model字段的值。如果你还没创建 Key可以直接走这个入口https://taotoken.net/api-keys?utm_sourcetaotoken_aicg_blog_endutm_contentapi_keysutm_campaignrewrite 。创建完成后接入文档在 https://taotoken.net/doc?utm_sourcetaotoken_aicg_blog_endutm_contentdocutm_campaignrewrite 里面有各语言 SDK 的调用示例配置过程中遇到路径拼接问题可以对照查。可复制配置改 config.json 的模型通道与 mcpServersGemini-cli 的配置文件默认在用户主目录下的.gemini文件夹里文件名是config.json。如果这个文件不存在手动创建一个即可。WindowsC:\Users\你的用户名\.gemini\config.jsonmacOS / Linux~/.gemini/config.json打开文件后需要改两个部分模型通道和 MCP 服务器。模型通道部分把 API 地址指向 TaoTokenKey 填你刚创建的那串。不同版本的 Gemini-cli 字段名可能略有差异常见的是apiKey和baseUrl或apiBase。下面是一个可复制的示例{ apiKey: YOUR_API_KEY, baseUrl: https://taotoken.net/api, model: gemini-2.5-pro, mcpServers: { context7: { command: npx, args: [-y, upstash/context7-mcplatest] }, sequential-thinking: { command: npx, args: [ -y, modelcontextprotocol/server-sequential-thinking ] }, fetch: { command: npx, args: [-y, kazuph/mcp-fetch] } } }如果你原来已经有playwright之类的 MCP 配置保留在mcpServers里即可不影响新增的三个。注意 JSON 里每个工具块之间要有逗号最后一个块后面不要加逗号这是最常见的语法错误来源。配置说明apiKey填 TaoToken 控制台创建的 Key不要加引号以外的空格。baseUrl固定为https://taotoken.net/api不要带 UTM 参数。model填控制台模型列表里的 ID比如gemini-2.5-pro。mcpServers每个工具一个键command统一用npxargs里-y表示自动确认安装。保存文件后Gemini-cli 下次启动就会读取这份配置模型请求走 TaoTokenMCP 工具在本地通过 npx 拉起。验证请求确认模型通道与 MCP 都通了配置改完后分两步验证。第一步验证模型通道。在终端执行gemini 你好请用一句话介绍你自己如果配置正确你会看到模型正常返回内容而不是超时或 401 错误。这一步能通说明apiKey和baseUrl都生效了Gemini-cli 已经不再走 Google 官方通道。第二步验证 MCP 服务器。执行gemini mcp list预期输出类似Configured MCP servers: ✓ context7: npx -y upstash/context7-mcplatest (stdio) - Connected ✓ sequential-thinking: npx -y modelcontextprotocol/server-sequential-thinking (stdio) - Connected ✓ fetch: npx -y kazuph/mcp-fetch (stdio) - Connected三个工具都显示Connected就说明配置成功。如果某个显示Disconnected先检查网络是否能访问 npm registry因为npx第一次运行需要下载对应的包。第三步实际跑一次 MCP 调用。比如让模型抓一个网页gemini 请使用 fetch 抓取 https://example.com 的内容并总结成三句话如果模型调用了 fetch 并返回了网页摘要说明 MCP 工具链完整可用。再试一个深度思考的场景gemini 请深度思考如何用 Python 实现一个带过期时间的 LRU 缓存分步骤推导这时 sequential-thinking 会被触发模型会按步骤拆解问题。context7 则可以在你问某个库的最新用法时自动检索文档比如gemini 使用 context7 查一下 Next.js 最新版本的路由用法三个工具各跑一次确认都能正常工作接入就算完成了。本篇常见错排查配置过程中最容易踩的坑集中在下面几类按出现频率排序。JSON 语法错误。config.json对格式要求严格多一个逗号、少一个引号都会导致整个文件解析失败。表现是 Gemini-cli 启动时报Failed to parse config或直接忽略 MCP 配置。排查方法把 JSON 贴到任意 JSON 校验工具里检查或者用python -m json.tool ~/.gemini/config.json在终端验证。baseUrl 拼接错误。有人把https://taotoken.net/api写成了带 UTM 的完整链接或者漏了/api后缀导致请求 404。正确写法就是https://taotoken.net/api不要加任何查询参数。如果 Gemini-cli 版本要求带版本路径按接入文档里的说明拼接。Key 无效或未生效。表现是模型请求返回 401 或invalid api key。先确认 Key 复制完整没有多余空格再确认这个 Key 在 TaoToken 控制台里是启用状态。如果刚创建就报错可以到 https://taotoken.net/api-keys?utm_sourcetaotoken_aicg_blog_endutm_contentapi_keysutm_campaignrewrite 重新生成一个再试。npx 拉包失败。MCP 工具第一次运行需要从 npm 下载如果网络不通会显示Disconnected。可以在终端手动执行npx -y upstash/context7-mcplatest --help看是否能正常拉取。如果一直卡住检查 npm 的 registry 配置。模型 ID 写错。model字段填了控制台里不存在的 ID请求会返回模型不存在。到模型列表里复制准确的 ID不要手打。MCP 工具名冲突。如果你原来已经配过context7再新增一个同名的会导致覆盖或报错。检查mcpServers里是否有重复键保留一个即可。配置文件路径不对。Windows 下.gemini文件夹在C:\Users\你的用户名\下不是C:\Users\你的用户名\.config\。macOS/Linux 下是~/.gemini/config.json注意是.gemini不是.gemini-cli。接入之后按场景选对入口配置跑通之后日常使用中如果遇到模型调用问题优先去 API Keys 页面检查 Key 状态和额度接入文档里有各 SDK 的路径拼接说明排障时对照看最快https://taotoken.net/api-keys?utm_sourcetaotoken_aicg_blog_endutm_contentapi_keysutm_campaignrewrite 和 https://taotoken.net/doc?utm_sourcetaotoken_aicg_blog_endutm_contentdocutm_campaignrewrite 。如果你想先验证某个模型在 Gemini-cli 里的实际表现可以直接在模型对话页面试跑https://taotoken.net/chat?utm_sourcetaotoken_aicg_blog_endutm_contentmodel_chatutm_campaignrewrite 。长期用 Gemini-cli 做编码和 Agent 任务的话Coding Plan 更适合按周期使用https://taotoken.net/coding-plan?utm_sourcetaotoken_aicg_blog_endutm_contentcoding_planutm_campaignrewrite 。整个接入的核心就一句话模型通道指向 TaoTokenMCP 服务器留在本地 config.json 里两边各管各的互不干扰。这样既绕开了官方通道的网络和额度问题又保留了 context7、sequential-thinking、fetch 这三个工具在本地抓网页和深度思考的能力。
Gemini-cli 不走官方通道，改走 TaoToken 行不行
为什么 Gemini-cli 的 MCP 配置总让人头疼Gemini-cli 是 Google 推出的开源命令行 AI 编程工具基于 MIT 协议支持 Gemini 2.5 系列模型不少国产 CLI 工具也是基于它二次开发的。它本身支持 MCPModel Context Protocol可以通过~/.gemini/config.json挂载 context7、sequential-thinking、fetch 这类外部工具让模型在本地就能抓网页、查最新文档、做深度推理。但真正用起来痛点往往不在 MCP 本身而在两件事上一是模型通道二是 JSON 维护。默认情况下 Gemini-cli 走的是 Google 官方模型通道国内网络环境下经常出现请求超时、额度受限、模型列表拉不下来的情况二是config.json里的mcpServers字段需要手动维护每加一个工具就要改一次 JSON缩进、逗号、引号错一个就整个配置失效排查起来非常费时间。这篇就按「接入配置」的视角把原文 3.3 节那一步拆开讲先去 TaoToken 官网 https://taotoken.net/?utm_sourcetaotoken_aicg_blog_end 创建一个 Key把 Gemini-cli 的模型 API 地址指向https://taotoken.net/api再回到~/.gemini/config.json里把 context7、sequential-thinking、fetch 三个 MCP 服务器配好。这样 Gemini-cli 不再连 Google 官方模型通道而是由 TaoToken 提供 Key 和模型入口MCP 工具照常在本地跑抓网页和深度思考都不受影响。TaoToken 前置准备Key、地址与模型 ID在动config.json之前先把 TaoToken 这边的三样东西准备好后面配置里会直接用到。第一是 API Key。打开 https://taotoken.net/?utm_sourcetaotoken_aicg_blog_end 注册并登录进入控制台的 API Keys 页面创建一个新 Key。创建后立即复制保存页面刷新后就看不到完整 Key 了。这个 Key 就是后面填进 Gemini-cli 配置里的凭证格式类似YOUR_API_KEY实际是一串以sk-开头的字符串。第二是 API 地址。TaoToken 的接口地址是https://taotoken.net/api注意这里不带任何 UTM 参数直接作为 base URL 使用。Gemini-cli 里需要填的是完整的模型请求地址通常是在这个 base 后面拼接/v1beta或/v1路径具体取决于 Gemini-cli 当前版本使用的 SDK。第三是模型 ID。在控制台的模型列表里可以看到当前可用的模型比如gemini-2.5-pro、gemini-2.5-flash等。记下你要用的那个模型 ID配置里会作为model字段的值。如果你还没创建 Key可以直接走这个入口https://taotoken.net/api-keys?utm_sourcetaotoken_aicg_blog_endutm_contentapi_keysutm_campaignrewrite 。创建完成后接入文档在 https://taotoken.net/doc?utm_sourcetaotoken_aicg_blog_endutm_contentdocutm_campaignrewrite 里面有各语言 SDK 的调用示例配置过程中遇到路径拼接问题可以对照查。可复制配置改 config.json 的模型通道与 mcpServersGemini-cli 的配置文件默认在用户主目录下的.gemini文件夹里文件名是config.json。如果这个文件不存在手动创建一个即可。WindowsC:\Users\你的用户名\.gemini\config.jsonmacOS / Linux~/.gemini/config.json打开文件后需要改两个部分模型通道和 MCP 服务器。模型通道部分把 API 地址指向 TaoTokenKey 填你刚创建的那串。不同版本的 Gemini-cli 字段名可能略有差异常见的是apiKey和baseUrl或apiBase。下面是一个可复制的示例{ apiKey: YOUR_API_KEY, baseUrl: https://taotoken.net/api, model: gemini-2.5-pro, mcpServers: { context7: { command: npx, args: [-y, upstash/context7-mcplatest] }, sequential-thinking: { command: npx, args: [ -y, modelcontextprotocol/server-sequential-thinking ] }, fetch: { command: npx, args: [-y, kazuph/mcp-fetch] } } }如果你原来已经有playwright之类的 MCP 配置保留在mcpServers里即可不影响新增的三个。注意 JSON 里每个工具块之间要有逗号最后一个块后面不要加逗号这是最常见的语法错误来源。配置说明apiKey填 TaoToken 控制台创建的 Key不要加引号以外的空格。baseUrl固定为https://taotoken.net/api不要带 UTM 参数。model填控制台模型列表里的 ID比如gemini-2.5-pro。mcpServers每个工具一个键command统一用npxargs里-y表示自动确认安装。保存文件后Gemini-cli 下次启动就会读取这份配置模型请求走 TaoTokenMCP 工具在本地通过 npx 拉起。验证请求确认模型通道与 MCP 都通了配置改完后分两步验证。第一步验证模型通道。在终端执行gemini 你好请用一句话介绍你自己如果配置正确你会看到模型正常返回内容而不是超时或 401 错误。这一步能通说明apiKey和baseUrl都生效了Gemini-cli 已经不再走 Google 官方通道。第二步验证 MCP 服务器。执行gemini mcp list预期输出类似Configured MCP servers: ✓ context7: npx -y upstash/context7-mcplatest (stdio) - Connected ✓ sequential-thinking: npx -y modelcontextprotocol/server-sequential-thinking (stdio) - Connected ✓ fetch: npx -y kazuph/mcp-fetch (stdio) - Connected三个工具都显示Connected就说明配置成功。如果某个显示Disconnected先检查网络是否能访问 npm registry因为npx第一次运行需要下载对应的包。第三步实际跑一次 MCP 调用。比如让模型抓一个网页gemini 请使用 fetch 抓取 https://example.com 的内容并总结成三句话如果模型调用了 fetch 并返回了网页摘要说明 MCP 工具链完整可用。再试一个深度思考的场景gemini 请深度思考如何用 Python 实现一个带过期时间的 LRU 缓存分步骤推导这时 sequential-thinking 会被触发模型会按步骤拆解问题。context7 则可以在你问某个库的最新用法时自动检索文档比如gemini 使用 context7 查一下 Next.js 最新版本的路由用法三个工具各跑一次确认都能正常工作接入就算完成了。本篇常见错排查配置过程中最容易踩的坑集中在下面几类按出现频率排序。JSON 语法错误。config.json对格式要求严格多一个逗号、少一个引号都会导致整个文件解析失败。表现是 Gemini-cli 启动时报Failed to parse config或直接忽略 MCP 配置。排查方法把 JSON 贴到任意 JSON 校验工具里检查或者用python -m json.tool ~/.gemini/config.json在终端验证。baseUrl 拼接错误。有人把https://taotoken.net/api写成了带 UTM 的完整链接或者漏了/api后缀导致请求 404。正确写法就是https://taotoken.net/api不要加任何查询参数。如果 Gemini-cli 版本要求带版本路径按接入文档里的说明拼接。Key 无效或未生效。表现是模型请求返回 401 或invalid api key。先确认 Key 复制完整没有多余空格再确认这个 Key 在 TaoToken 控制台里是启用状态。如果刚创建就报错可以到 https://taotoken.net/api-keys?utm_sourcetaotoken_aicg_blog_endutm_contentapi_keysutm_campaignrewrite 重新生成一个再试。npx 拉包失败。MCP 工具第一次运行需要从 npm 下载如果网络不通会显示Disconnected。可以在终端手动执行npx -y upstash/context7-mcplatest --help看是否能正常拉取。如果一直卡住检查 npm 的 registry 配置。模型 ID 写错。model字段填了控制台里不存在的 ID请求会返回模型不存在。到模型列表里复制准确的 ID不要手打。MCP 工具名冲突。如果你原来已经配过context7再新增一个同名的会导致覆盖或报错。检查mcpServers里是否有重复键保留一个即可。配置文件路径不对。Windows 下.gemini文件夹在C:\Users\你的用户名\下不是C:\Users\你的用户名\.config\。macOS/Linux 下是~/.gemini/config.json注意是.gemini不是.gemini-cli。接入之后按场景选对入口配置跑通之后日常使用中如果遇到模型调用问题优先去 API Keys 页面检查 Key 状态和额度接入文档里有各 SDK 的路径拼接说明排障时对照看最快https://taotoken.net/api-keys?utm_sourcetaotoken_aicg_blog_endutm_contentapi_keysutm_campaignrewrite 和 https://taotoken.net/doc?utm_sourcetaotoken_aicg_blog_endutm_contentdocutm_campaignrewrite 。如果你想先验证某个模型在 Gemini-cli 里的实际表现可以直接在模型对话页面试跑https://taotoken.net/chat?utm_sourcetaotoken_aicg_blog_endutm_contentmodel_chatutm_campaignrewrite 。长期用 Gemini-cli 做编码和 Agent 任务的话Coding Plan 更适合按周期使用https://taotoken.net/coding-plan?utm_sourcetaotoken_aicg_blog_endutm_contentcoding_planutm_campaignrewrite 。整个接入的核心就一句话模型通道指向 TaoTokenMCP 服务器留在本地 config.json 里两边各管各的互不干扰。这样既绕开了官方通道的网络和额度问题又保留了 context7、sequential-thinking、fetch 这三个工具在本地抓网页和深度思考的能力。
![Pandoc 输出 Typst：Markdown 高亮 `mark` 语义到 `highlight[...]` 的转换解析](http://pic.xiahunao.cn/yaotu/Pandoc 输出 Typst：Markdown 高亮 `mark` 语义到 `highlight[...]` 的转换解析)
