Gemini Web官网转 OpenAi API

基于 Gemini 网页版的逆向工程，提供 OpenAI 兼容 API 服务。

📌 本项目基于 erxiansheng/gemininixiang 修改
本版本修复了原版项目的一些问题，增强了稳定性和错误处理能力。

✨ 功能特性

✅ 文本对话
✅ 多轮对话（上下文保持）
✅ 图片识别（支持 base64 和 URL）
✅ 流式响应（Streaming）
✅ Tools / Function Calling 支持 🆕
✅ OpenAI SDK 完全兼容
✅ Web 后台配置界面
✅ 后台登录认证

📝 更新日志

v1.3.1 (2026-01-17)

🐛 修复流式响应中 tool_calls 缺少 index 字段的问题
- 修复了使用 Tools/Function Calling 时流式响应格式验证失败的错误
- 现在完全符合 OpenAI API 规范，兼容所有 OpenAI SDK 客户端

v1.3.0 (2026-01-17)

🆕 添加手动输入 AT Token 的备用方案
- 如果自动获取失败，可在配置页面手动填写
- 提供详细的手动获取方法说明
🖼️ 改进图片功能支持
- 添加手动输入 PUSH_ID 的选项
⚙️ 更改默认端口
- 将默认端口从 8000 改为 23456（更不常见的端口）

v1.2.0 (2026-01-04)

🆕 新增图片生成支持
- AI 生成的图片自动下载到本地并通过代理返回
- 自动获取高清无水印原图
- 过滤用户上传的图片，只返回 AI 生成的内容
🆕 新增视频生成提示
- 视频为异步生成，返回友好提示，引导用户到官网查看
- 显示使用限制说明
🔧 优化图片处理
- 修复图片重复下载问题
- 修复图片理解时返回上传图片 URL 的问题
- 清理响应中的占位符 URL
📝 使用限制说明（官网限制）
- 视频生成（Veo 模型）：每天总共可以生成 3 次
- 图片生成（Nano Banana 模型）：每天总共可以生成 1000 次

v1.1.0 (2025-12-26)

🆕 新增 Tools / Function Calling 支持
- 支持 OpenAI 格式的 tools 参数
- 自动解析工具调用并返回 tool_calls
- 可对接 MCP 服务器使用

v1.0.0

初始版本
支持文本对话、图片识别、流式响应
Web 后台配置界面

🚀 快速开始

1. 安装依赖

pip install -r requirements.txt

2. 启动服务

python server.py

启动后会显示：

╔══════════════════════════════════════════════════════════╗
║           Gemini OpenAI Compatible API Server            ║
╠══════════════════════════════════════════════════════════╣
║  后台配置: http://localhost:23456/admin                   ║
║  API 地址: http://localhost:23456/v1                      ║
║  API Key:  sk-gemini                                     ║
╚══════════════════════════════════════════════════════════╝

3. 配置 Cookie

打开后台管理页面 http://localhost:23456/admin
使用默认账号登录：
- 用户名: admin
- 密码: admin123
获取 Cookie：
- 登录 Gemini 网页版
- 按 F12 打开开发者工具
- 切换到 Application 标签页
- 左侧选择 Cookies → https://gemini.google.com
- 右键任意 cookie → Copy all as Header String
粘贴到后台配置页面的「Cookie 字符串」输入框，点击保存

💡 系统会自动解析 Cookie 并获取所需 Token（SNLM0E、PUSH_ID 等），无需手动填写

4. 配置模型 ID（可选）

如果发现模型切换不生效（例如选择 Pro 版但实际使用的是极速版），需要手动更新模型 ID：

抓包获取模型 ID：

打开 Gemini 网页版，按 F12 打开开发者工具
切换到 Network 标签页
在 Gemini 网页中切换到目标模型（如 Pro 版），发送一条消息
在 Network 中找到 StreamGenerate 请求

查看请求头 x-goog-ext-525001261-jspb，格式如下：

[1,null,null,null,"e6fa609c3fa255c0",null,null,0,[4],null,null,2]

第 5 个元素（e6fa609c3fa255c0）即为该模型的 ID

配置模型 ID：

在后台管理页面的「模型 ID 配置」区域，将抓取到的 ID 填入对应输入框：

模型	默认 ID	说明
极速版 (Flash)	`56fdd199312815e2`	响应最快
Pro 版	`e6fa609c3fa255c0`	质量更高
思考版 (Thinking)	`e051ce1aa80aa576`	深度推理

⚠️ Google 可能会更新模型 ID，如果模型切换失效请重新抓包获取最新 ID

5. 调用 API

from openai import OpenAI

client = OpenAI(
    base_url="http://localhost:23456/v1",
    api_key="sk-gemini"
)

response = client.chat.completions.create(
    model="gemini-3.0-flash",
    messages=[{"role": "user", "content": "你好"}]
)
print(response.choices[0].message.content)

📡 API 信息

项目	值
Base URL	`http://localhost:23456/v1`
API Key	`sk-gemini`
后台地址	`http://localhost:23456/admin`
登录账号	`admin` / `admin123`

可用模型

gemini-3.0-flash - 快速响应（极速版）
gemini-3.0-flash-thinking - 思考模式
gemini-3.0-pro - 专业版

模型切换

API 支持通过 model 参数切换不同版本的 Gemini：

# 使用极速版
response = client.chat.completions.create(
    model="gemini-3.0-flash",
    messages=[{"role": "user", "content": "你好"}]
)

# 使用 Pro 版
response = client.chat.completions.create(
    model="gemini-3.0-pro",
    messages=[{"role": "user", "content": "你好"}]
)

# 使用思考版
response = client.chat.completions.create(
    model="gemini-3.0-flash-thinking",
    messages=[{"role": "user", "content": "你好"}]
)

💬 多轮对话示例

from openai import OpenAI

client = OpenAI(base_url="http://localhost:23456/v1", api_key="sk-geminixxxxx")

messages = []

# 第一轮
messages.append({"role": "user", "content": "我叫小明，是一名程序员"})
response = client.chat.completions.create(model="gemini-3.0-flash", messages=messages)
reply = response.choices[0].message.content
print(f"助手: {reply}")
messages.append({"role": "assistant", "content": reply})

# 第二轮（测试上下文）
messages.append({"role": "user", "content": "我刚才说我叫什么？"})
response = client.chat.completions.create(model="gemini-3.0-flash", messages=messages)
print(f"助手: {response.choices[0].message.content}")
# 输出: 你刚才说你叫小明

本地图片（Base64）

import base64
from openai import OpenAI

client = OpenAI(base_url="http://localhost:23456/v1", api_key="sk-geminixxxxx")

# 读取本地图片（使用项目中的 image.png 示例图片）
with open("image.png", "rb") as f:
    img_b64 = base64.b64encode(f.read()).decode()

response = client.chat.completions.create(
    model="gemini-3.0-flash",
    messages=[{
        "role": "user",
        "content": [
            {"type": "text", "text": "请描述这张图片"},
            {"type": "image_url", "image_url": {"url": f"data:image/png;base64,{img_b64}"}}
        ]
    }]
)
print(response.choices[0].message.content)

网络图片（URL）

response = client.chat.completions.create(
    model="gemini-3.0-flash",
    messages=[{
        "role": "user",
        "content": [
            {"type": "text", "text": "这是什么动物？"},
            {"type": "image_url", "image_url": {"url": "https://example.com/image.jpg"}}
        ]
    }]
)

🌊 流式响应

from openai import OpenAI

client = OpenAI(base_url="http://localhost:23456/v1", api_key="sk-geminixxxxx")

stream = client.chat.completions.create(
    model="gemini-3.0-flash",
    messages=[{"role": "user", "content": "写一首关于春天的诗"}],
    stream=True
)

for chunk in stream:
    if chunk.choices[0].delta.content:
        print(chunk.choices[0].delta.content, end="", flush=True)

🔧 Tools / Function Calling

支持 OpenAI 格式的工具调用，可用于对接 MCP 服务器或自定义工具。

from openai import OpenAI

client = OpenAI(base_url="http://localhost:23456/v1", api_key="sk-geminixxxxx")

# 定义工具
tools = [
    {
        "type": "function",
        "function": {
            "name": "search_database",
            "description": "在数据库中搜索用户信息",
            "parameters": {
                "type": "object",
                "properties": {
                    "username": {"type": "string", "description": "用户名"}
                },
                "required": ["username"]
            }
        }
    }
]

# 调用 API
response = client.chat.completions.create(
    model="gemini-3.0-flash",
    messages=[{"role": "user", "content": "查询用户 zhangsan 的信息"}],
    tools=tools
)

# 检查工具调用
if response.choices[0].message.tool_calls:
    for tc in response.choices[0].message.tool_calls:
        print(f"调用工具: {tc.function.name}")
        print(f"参数: {tc.function.arguments}")
else:
    print(response.choices[0].message.content)

工具调用流程

定义 tools 数组，描述可用工具
发送请求时传入 tools 参数
如果 AI 决定调用工具，返回 tool_calls
执行工具获取结果
将结果发回 AI 继续对话

📁 文件说明

文件	说明
`server.py`	API 服务 + Web 后台
`client.py`	Gemini 逆向客户端
`api.py`	OpenAI 兼容封装
`image.png`	示例图片（用于测试图片识别）
`config_data.json`	运行时配置（自动生成）

⚙️ 配置说明

修改后台账号密码

编辑 server.py 顶部配置：

# 后台登录账号密码
ADMIN_USERNAME = "admin"
ADMIN_PASSWORD = "your_password"

修改 API Key

API_KEY = "your-api-key"

修改端口

PORT = 23456

❓ 常见问题

Q: 提示 Token 过期？

重新在后台粘贴 Cookie 即可，无需重启服务。配置保存后立即生效。

Q: 模型切换不生效？

请参考上方「4. 配置模型 ID」章节，重新抓包获取最新的模型 ID 并更新配置。

Q: 图片识别失败？

确保 Cookie 完整，系统会自动获取 PUSH_ID
如果仍失败，检查 Cookie 是否过期
确保图片格式正确（支持 PNG、JPG、GIF、WebP）

Q: 流式响应不工作？

确保客户端支持 SSE（Server-Sent Events），并设置 stream=True。

Q: 如何在 IDE 插件中使用？

配置 OpenAI 兼容的 AI 插件：

Base URL: http://localhost:23456/v1
API Key: sk-geminixxxxx
Model: gemini-3.0-flash

Q: 多轮对话上下文丢失？

确保每次请求都包含完整的消息历史（messages 数组）。

🔧 开发

调试模式

在 get_client() 中设置 debug=True 可查看详细请求日志。

API 日志

所有 API 调用会记录到 api_logs.json 文件。

🙏 致谢

本项目基于 erxiansheng/gemininixiang 修改。

本版本主要改进

✅ 修复了原版项目的一些已知问题
✅ 增强了系统稳定性和错误处理能力
✅ 改进了异常情况的处理机制

📄 License

MIT License

本项目基于 erxiansheng/gemininixiang 修改，保留原项目的 MIT 许可证。

视频参考

https://www.bilibili.com/video/BV1ZWB4BNE9n/

Name		Name	Last commit message	Last commit date
Latest commit History 12 Commits
__pycache__		__pycache__
.gitignore		.gitignore
LICENSE		LICENSE
README.md		README.md
api.py		api.py
client.py		client.py
debug_test.py		debug_test.py
demo_chat.py		demo_chat.py
get_push_id.py		get_push_id.py
image.png		image.png
requirements.txt		requirements.txt
server.py		server.py
test_image_gen.py		test_image_gen.py

License

chyinan/Gemini-Reverse

Folders and files

Latest commit

History

Repository files navigation

Gemini Web官网 转 OpenAi API