Gemini Nexus 是一款集成 Google Gemini 与 OpenAI Compatible API 能力的 Chrome 扩展程序。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、基于 Chrome DevTools Protocol 的浏览器控制工具以及可选的外部 MCP 工具，将 AI 的触角伸向网页浏览的每一个交互细节。
Gemini Nexus 当前围绕浏览器内 AI 工作流提供以下能力：
- Gemini API 与 OpenAI Compatible API 配置链路，支持自定义
Base URL、API Key与Model IDs。 - Gemini API Google Search grounding 支持，并在回复中展示联网来源。
- 侧边栏按标签页显示范围控制，支持减少在不需要标签页中的干扰。
- 历史用户消息编辑，支持从历史位置重新编辑并继续对话；该能力仅在 API 渠道启用。
- 上下文管理，支持摘要压缩和最近 N 轮裁剪，降低长会话超过模型上下文的风险。
- 外部链接统一在浏览器新标签页打开，避免在侧边栏中加载外站失败。
- 扩展身份与本地升级链路会尽量保留设置，提升覆盖安装时的稳定性。
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 | 免 API Key，复用 Gemini 网页版会话 | 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 |
基于 background/control/ 模块和 Chrome DevTools Protocol 实现，AI 可以通过本地工具循环执行复杂的 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, fill_form, hover, drag_element, press_key |
基于 Accessibility Tree 生成 UID 进行精准操控 |
| 数据观测 | take_snapshot, take_screenshot, get_logs |
提取页面无障碍树、截图、控制台日志及浏览器问题 |
| 网络观测 | get_network_activity, list_network_requests, get_network_request |
查看网络请求列表、状态、头信息及可用响应体 |
| 脚本执行 | evaluate_script, run_javascript, run_script |
在网页 Context 中运行自定义 JavaScript |
| 性能分析 | performance_start_trace, performance_stop_trace, performance_analyze_insight |
记录并分析页面性能指标 |
Gemini Nexus 可以选择连接到一个或多个外部 MCP 服务器（通过 SSE、可流式传输的 HTTP 或 WebSocket），并在现有的工具循环（Tool Loop）中执行其工具。
由于 Chrome 扩展程序无法直接运行基于 stdio 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
-
启动您的 MCP 代理并在其中配置好 MCP 服务器。
-
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)。
- 新增或选择服务器条目；活动服务器 (Active Server) 表示当前正在编辑的条目，对话时会使用所有已启用的服务器。
- 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)。
-
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。
-
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 工具块。多服务器模式下，模型可能会使用
serverId__toolName形式的唯一工具名来路由到具体服务器：{ "tool": "工具名称", "args": { "键": "值" } }
- 💬 智能侧边栏：基于
sidePanelAPI，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 Content Script，选中文字即刻进行翻译、总结、解释、语法修正，支持一键回填表单。
- 🖼️ 图像 AI 处理：
- OCR & 截图翻译：集成 Canvas 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、LaTeX 公式及代码块均在
sandbox隔离环境中渲染，确保主页面安全。
本仓库根目录就是可运行的 Chrome 扩展项目根目录。package.json、manifest.json、Vite 配置、源码、测试和打包脚本都位于根目录。跨运行域共享的工具代码位于 shared/，并按能力分组到 shared/config/、shared/dom/、shared/media/、shared/messaging/、shared/text/ 和 shared/utils/；顶层 shared/*.js 仅作为旧引用兼容入口。
- 从 Releases 下载最新 ZIP 包并解压。
- Chrome 访问
chrome://extensions/，右上角开启 “开发者模式”。 - 点击 “加载已解压的扩展程序”，选择解压后的文件夹即可。
npm install
npm run package:extension打包完成后，Chrome 的 “加载已解压的扩展程序” 应选择 artifacts/chrome-extension。开发调试时也可以直接加载仓库根目录；npm run build 生成的 dist/ 只是 Vite UI 构建产物，不是完整扩展目录。发布包会把多个 content scripts 按 manifest.json 中的顺序合并为单个 content/index.js，并重写包内 manifest，避免发布产物依赖一长串手工脚本顺序。
- 构建工具：Vite + TypeScript
- 架构协议：Chrome MV3 + Chrome DevTools Protocol + 本地/外部 MCP 工具调用
- 核心库：Marked.js, KaTeX, Highlight.js, Fuse.js
本项目基于 MIT License 开源。
本项目已在 LINUX DO 社区 发布，感谢社区的支持与反馈。