Skip to content
BranchesTags
 
 

Folders and files

NameName
Last commit message
Last commit date

Latest commit

 

History

21 Commits
dist
dist
 
 
src
src
 
 
.gitignore
.gitignore
 
 
README.md
README.md
 
 
build.py
build.py
 
 
build.sh
build.sh
 
 
package.json
package.json
 
 
tsconfig.json
tsconfig.json
 
 
wrangler.toml
wrangler.toml
 
 

Repository files navigation

gemini-web2api-worker — Cloudflare Workers 部署指南

⚡ 本分支专门用于 Cloudflare Workers 部署
将 Google Gemini 网页端转为 OpenAI 兼容 API，运行在 Cloudflare Workers 上。
无需科学上网，无需 NAS 代理，CF 全球网络直连 Gemini。
上游代码同步自 Sophomoresty/gemini-web2api，由 TypeScript 重写。

目录

前置要求

  • Node.js 18+ + npm
  • Cloudflare 账号（免费即可）
  • 一个域名（可选，自定义路由用）

快速开始

# 1. 进入项目目录
cd gemini-web2api-worker

# 2. 安装依赖
npm install

# 3. 登录 Cloudflare
npx wrangler login

# 4. 部署
npx wrangler deploy

# 5. 用 curl 测试
curl https://gemini-web2api.你的用户名.workers.dev/v1/chat/completions \
  -H "Content-Type: application/json" \
  -d '{"model":"gemini-3.5-flash","messages":[{"role":"user","content":"你好"}]}'

配置说明

所有配置通过 wrangler.toml 或 wrangler secret 注入：

wrangler.toml（非敏感配置）

[vars]
DEFAULT_MODEL = "gemini-3.5-flash"
API_KEYS = ""            # 逗号分隔，留空=免认证
LOG_REQUESTS = "true"

敏感配置（wrangler secret）

# Cookie（可选，用于 Pro 模型）
echo '{"cookie":"SID=xxx; HSID=xxx; ...","sapisid":"xxx"}' | npx wrangler secret put COOKIE_JSON

# API Keys（如果不想写在 wrangler.toml 中）
echo "sk-key1,sk-key2" | npx wrangler secret put API_KEYS

所有配置项

配置项 类型 默认值 说明
DEFAULT_MODEL string gemini-3.5-flash 默认模型名
GEMINI_BL string boq_assistant-bard-web-server_20260525.09_p0 Gemini BL 版本号
API_KEYS string (逗号分隔) "" 空=免认证；非空时需 Bearer Token
LOG_REQUESTS string "true" 是否打印请求日志
COOKIE_JSON secret — JSON 格式的 Cookie 数据

部署

首次部署

npx wrangler deploy

更新

npx wrangler deploy

自定义域名

# wrangler.toml 中添加
routes = [
  { pattern = "api.你的域名.com", custom_domain = true }
]

然后 DNS 添加 CNAME 指向 Worker。

本地开发

npx wrangler dev

启动后在 http://localhost:8787 测试。

使用示例

curl（流式）

curl https://你的worker域名/v1/chat/completions \
  -H "Content-Type: application/json" \
  -d '{
    "model": "gemini-3.5-flash-thinking",
    "messages": [{"role": "user", "content": "讲个冷笑话"}],
    "stream": true
  }'

OpenAI Python SDK

from openai import OpenAI

client = OpenAI(
    base_url="https://你的worker域名/v1",
    api_key="sk-your-key"  # 仅当配置了 API_KEYS 时需要
)

resp = client.chat.completions.create(
    model="gemini-3.5-flash-thinking",
    messages=[{"role": "user", "content": "解释量子纠缠"}]
)
print(resp.choices[0].message.content)

Cherry Studio / ChatBox

字段 值
Base URL https://你的worker域名/v1
API Key 任意 (如果未配置 API_KEYS)
Model gemini-3.5-flash-thinking

API 端点

端点 方法 说明
/ GET 健康检查 (版本 + 模型列表)
/v1/models GET OpenAI 模型列表
/v1/chat/completions POST OpenAI 聊天补全 (流式 + 非流式)
/v1/responses POST OpenAI Responses API (Codex CLI)
/v1beta/models GET Google 原生模型列表
/v1beta/models/{m}:generateContent POST Google 原生非流式
/v1beta/models/{m}:streamGenerateContent POST Google 原生流式

可用模型

模型名 说明 思维深度默认值
gemini-3.5-flash 快速通用 4
gemini-3.5-flash-thinking 深度思考 (~20k 字符) 0
gemini-3.5-flash-thinking-lite 自适应深度思考 0
gemini-3.1-pro Pro (需 Cookie) 4
gemini-auto 自动选择 4
gemini-flash-lite 轻量快速 4

支持 @think=N 后缀：gemini-3.5-flash@think=2

Cookie 配置（可选）

如果不需要 Pro 模型，可以跳过此步骤，匿名访问即可。

获取 Cookie：

  1. 在浏览器打开 https://gemini.google.com 并登录 Google 账号
  2. F12 → Application → Cookies → https://gemini.google.com
  3. 复制：SID, HSID, SSID, APISID, SAPISID, __Secure-1PSID
  4. 注入到 Workers：
echo '{"cookie": "SID=xxx; HSID=xxx; SSID=xxx; APISID=xxx; SAPISID=xxx; __Secure-1PSID=xxx", "sapisid": "xxx"}' \
  | npx wrangler secret put COOKIE_JSON

注意: Cookie 有有效期，过期后需更新。可以用 wrangler secret put 覆盖更新，无需重部署。

Docker 版 vs Workers 版对比

特性 Docker (NAS) Cloudflare Workers
网络需求 ❌ 需要科学上网/代理 ✅ CF 全球直连 Gemini
部署 Docker Compose npx wrangler deploy
价格 NAS 电费 Free Plan 100k req/day
流式 ✅ httpx SSE ✅ Web Streams SSE
图片多模态 ✅ ✅
Tool Calling ✅ ✅
Cookie 管理 本地文件 wrangler secret 环境变量
自定义 ✅ 全可控 ⚠️ 受 Worker 限制
延迟 LAN 全球 CDN 边缘节点
持久 IP ✅ 固定出口 IP CF 共享 IP 池

项目结构

gemini-web2api-worker/
├── wrangler.toml           # Workers 配置
├── package.json            # 依赖
├── tsconfig.json           # TypeScript 配置
└── src/
    ├── index.ts            # ★ 入口 (export default fetch)
    ├── types.ts            # 共享类型定义
    ├── config.ts           # 配置读取 (Env 绑定)
    ├── models.ts           # 模型定义 + resolve_model()
    ├── gemini.ts           # ★ 协议核心 (f.req / fetch / wrb.fr 解析)
    ├── tools.ts            # 消息转换 + Tool Calling
    ├── multimodal.ts       # 图片上传 (ProcessFile RPC)
    ├── router.ts           # URL 路由 + 认证
    ├── version.ts          # 版本号 + 模型列表导出
    ├── handlers/
    │   ├── chat.ts         # /v1/chat/completions
    │   ├── responses.ts    # /v1/responses (Codex CLI)
    │   └── google.ts       # /v1beta/models (Google native)
    └── utils/
        ├── log.ts          # 日志工具
        ├── sse.ts          # SSE 流式工具
        └── response.ts     # JSON/错误响应工具

从 Python 版移植说明

移植自 gemini-web2api v1.1.0。

关键差异：

模块 Python TypeScript (Workers)
HTTP http.server + ThreadingMixIn fetch() handler
流式 self.wfile.write() TransformStream + WritableStream
SHA-1 hashlib.sha1 crypto.subtle.digest("SHA-1", ...)
Cookie 文件系统 (open()) 环境变量 / Secrets
代理 ProxyHandler 不需要 (CF 全球网络)
重试 time.sleep() setTimeout Promise
图片 base64 base64.b64encode btoa()

⚠️ 已知限制

Tool Calling / Function Calling

当前 Tool Calling（工具调用）并非原生支持，而是通过提示词约束（Prompt Engineering）模拟实现的：

  • 在系统提示词中注入可用工具列表和调用格式说明
  • 模型输出中提取 `tool_call` 代码块来模拟函数调用
  • 这种方式非常不稳定，模型可能：
    • 忽略工具调用指令，直接返回文本
    • 调用格式不对，无法解析
    • 产生幻觉，调用不存在的工具

如果你需要稳定的 Tool Calling，建议使用 Google 官方的 Gemini API。

License

MIT

About

Convert Google Gemini web into OpenAI-compatible API. Zero auth, cross-platform, single file.

Resources

Readme
Activity

Stars

0 stars

Watchers

0 watching

Forks

0 forks
Report repository

Releases

Packages

Contributors

Languages