Gemini CLI

 (blog.google)
1 poin oleh GN⁺ 2025-06-26 | 1 komentar | Bagikan ke WhatsApp
  • Google baru saja merilis Gemini CLI, agen AI open source
  • Alat ini memungkinkan penggunaan kemampuan AI dari model Gemini secara langsung di lingkungan command line
  • Developer dapat langsung menjalankan berbagai tugas dari CLI seperti pembuatan kode, peringkasan dokumen, dan terjemahan
  • Gemini CLI memiliki karakteristik ekstensibilitas, kustomisasi, dan aksesibilitas open source
  • Dibanding agen AI yang sudah ada, alat ini menawarkan kemudahan dan keunggulan berupa peningkatan produktivitas

Pengenalan Gemini CLI

  • Google merilis Gemini CLI untuk membantu developer menggunakan kemampuan AI dengan mudah di lingkungan command line
  • Gemini CLI berbasis model Gemini milik Google, dan menyediakan secara terpadu berbagai kemampuan AI seperti otomatisasi tugas pengembangan sehari-hari, pemrosesan bahasa alami, terjemahan, pembuatan kode, dan peringkasan dokumen
  • Karena tersedia sebagai open source, alat ini dapat dikustomisasi dan diperluas dengan bebas, serta menyediakan lingkungan yang memungkinkan pengembangan berbagai plugin dan ekstensi sesuai kebutuhan komunitas developer
  • Dibandingkan alat command line berbasis LLM yang sudah ada, Gemini CLI menawarkan integrasi yang sederhana dan kemudahan penggunaan yang tinggi; contoh pemanfaatannya mencakup perbaikan error kode, otomatisasi dokumentasi pengembangan, dan analisis data
  • Gemini CLI berkontribusi pada peningkatan produktivitas melalui akses AI yang cepat, pemanfaatan real-time, dan struktur yang dapat terintegrasi secara alami ke lingkungan developer

Bacaan terkait

1 komentar

 
GN⁺ 2025-06-26
Opini Hacker News

  • Bingung dengan betapa terfragmentasinya produk Gemini milik Google. Bahkan sebagai pelanggan Pro, saya baru sadar bahwa memakai "Gemini Code Assist Standard" atau "Enterprise" memberi kuota penggunaan yang lebih besar. Sebagai pengguna Google biasa yang tidak tahu soal perbedaan paket atau fitur ini, saya mengalami situasi konyol di mana meski membayar langganan Gemini ke Google, saya nyaris tidak mendapat manfaat apa pun di "Gemini CLI"

    • Google juga seperti Microsoft, punya produk di hampir semua bidang, tetapi karena pesan pemasarannya membingungkan, keunggulan masing-masing jadi terasa melemah. Saya sendiri suka Gemini 2.5 Pro, tetapi sempat mencoba berbagai produk AI untuk mencari asisten chat AI harian. Langganan Gemini Pro masuk dalam Google One jadi enak dipakai dengan Google Drive, tetapi saya sudah berlangganan iCloud dan memakai integrasi data yang disesuaikan untuk ekosistem iOS, jadi tidak ada alasan untuk pindah. UI chat Gemini jauh tertinggal dibanding klien macOS OpenAI ChatGPT. NotebookLM kuat untuk merangkum dokumen, tetapi tidak terintegrasi dengan chat Gemini, jadi tetap merepotkan karena harus bolak-balik antar produk Google. Akhirnya saya membayar Raycast AI karena pengalaman terintegrasinya menyatu dengan alur kerja saya dan memungkinkan mencoba berbagai model. Model terbaru memang tidak langsung tersedia, tetapi pengalaman pakainya konsisten. Karena Google tersebar di banyak produk seperti ini, dari sisi usability mereka tertinggal dari OpenAI (pekerjaan umum) dan Anthropic (coding). Beberapa bulan terakhir mereka mencoba mengejar lewat Google Stitch, plugin VSCode untuk GH Copilot/Cursor, Claude Code, dan lain-lain, tetapi semuanya terasa seperti proyek sampingan yang bisa cepat menghilang

    • Kualitasnya memang sangat tinggi, tetapi Google Cloud Dashboard rumit sehingga kebanyakan startup atau pengembang individu memilih solusi selain Google. Saya meng-host model di Vertex, tetapi tidak jelas apa bedanya dengan Google Cloud. Bahkan di level proyek ada dua API. Penyedia AI seharusnya memungkinkan siapa pun memakainya tanpa hambatan masuk, terlepas dari skala, tetapi struktur saat ini memaksa orang mulai dari API Google AI Studio lalu pindah ke Vertex API ketika proyek membesar, sehingga desain solusi API-nya tidak skalabel. API yang kompatibel dengan OpenAI juga sering tidak berfungsi, sehingga banyak tool yang memakainya tidak berjalan semestinya. Lini Google AI, yaitu perbedaan Jules dan Gemini CLI, perbedaan Vertex API dan AI Studio API, serta fakta bahwa Vertex terikat ke Google Cloud sehingga ada kerumitan seperti pengaturan environment variable saat mengembangkan aplikasi, semuanya menciptakan hambatan masuk dokumen resmi environment variable Vertex

    • Kebijakan harga Google sangat sulit dipahami. Gemini 2.5 Pro bahkan terasa sebagai model terbaik yang pernah saya pakai, tetapi tidak ada langganan sederhana seperti Claude atau Cursor yang memberi akses ke semua fitur sekaligus. Untuk pengguna enterprise, OpenAI sudah sepenuhnya mendominasi

    • Ada juga membership AI ULTRA seharga 300 dolar per bulan. Bahkan membership Google One pun terasa seperti terus berubah dalam hal "fitur tambahan" apa yang diberikannya, sehingga sulit mendapat penjelasan yang jelas

    • Anthropic juga sama. Kalau berlangganan, Anda bisa memakai Claude, tetapi Claude Code ditagih terpisah sebagai "pemakaian API", jadi skema biayanya terpisah dari langganan. Rasanya seperti seseorang menyadari bahwa kami yang lebih suka CLI bisa dipungut biaya secara terpisah. Bisa memang memutar lewat GUI, tetapi navigasinya tidak seinuitif terminal sehingga terasa tidak nyaman

  • Saya adalah salah satu pihak yang terlibat dalam proyek ini. Saat ini kurva adopsinya sedang menanjak tajam, jadi di hari seperti ini ketika TPU bekerja keras, kami membaca semua masukan dengan sangat menghargainya. Laporan bug atau permintaan fitur selalu kami sambut

    • Kemarin sore saya mencoba keras mengonversi algoritme yang ditulis dalam Ruby (bahasa yang tidak saya kuasai) ke vanilla JavaScript. Saya sempat mencoba dengan GPT-4.1 tetapi hanya membuang waktu dan gagal. Karena penasaran saya memasang Gemini CLI, menunjuk proyek Ruby tersebut, dan konversinya berhasil cepat hanya dengan satu permintaan. Seluruh proses selesai dalam 5 menit, sangat mengejutkan

    • Saya memakai akun organisasi berbayar Google Workspace with Gemini, tetapi muncul pesan GOOGLE_CLOUD_PROJECT environment variable 없음. Karena saya tidak memakai GCP, tanpa penjelasan tambahan tidak intuitif untuk mengetahui nilai environment variable yang dibutuhkan. Fakta bahwa pengguna berbayar justru kurang mudah mengaksesnya dibanding pengguna Google biasa menunjukkan dokumentasinya perlu diperbaiki

    • Berhasil mengintegrasikan kode yang dibuat Gemini CLI ke Apple Container on M1. Penjelasan cara menerapkan opsi Gemini CLI di CodeRunner

    • Berharap ada langganan yang lebih ramah konsumen, misalnya seperti Claude Max yang menggabungkan Gemini CLI dan aplikasi Gemini, termasuk kepatuhan IP dan akses API

    • Google punya terlalu banyak produk dengan fungsi serupa seperti Gemini, Gemini Ultra, AI Studio, Vertex AI, Notebook LLM, Jules, dan sebagainya, sehingga membingungkan panduan pengguna dan skema lisensinya

  • Saya mendapat hasil lumayan dengan Claude Code (4 Opus) pada codebase Rust besar, tetapi untuk tugas yang kompleks masih terasa kurang. Hari ini saya juga mencoba Gemini CLI; pemasangannya mudah, tetapi hasilnya buruk sekali. Dalam tingkat keberhasilan compile setelah mengubah kode Rust, jelas lebih lemah daripada Claude. Namun Gemini sempat memberi momen lucu hari ini dengan komentar self-reset seperti "Saya sudah membuat kodenya berantakan, jadi saya akan mengembalikan semua perubahan dan mulai lagi"

    • Cara Gemini gagal justru terasa lucu. Saat perbaikan kode tidak berhasil, ia mengeluarkan komentar manusiawi seperti "ini di luar dugaan" lalu dengan penuh percaya diri berkata "Saya rasa tesnya akan lolos!". Karakter dasarnya yang terlalu percaya diri dan terlalu sering memakai seruan juga menonjol. Mungkin saat pelatihan ia belajar bahwa membuat pernyataan yang tegas menghasilkan hasil yang lebih baik

    • Ada hipotesis bahwa Gemini diuntungkan karena dilatih dengan codebase internal Google yang sangat besar, tetapi karena penggunaan Rust di Google minim (berkat toolchain C++ yang bagus), Gemini relatif lemah di Rust

    • Pengalaman saya mirip. Saya sedang menguji fitur baru aplikasi, lalu semuanya jadi kusut total. Ia memakai fungsi yang tidak didefinisikan dan setelah beberapa kali mengulang error akhirnya menyerah. Claude menyelesaikannya dengan cukup aman, tetapi kualitas kodenya kurang, sementara Gemini punya ide-ide individu yang menarik namun gagal menyelesaikannya karena kurang konsisten

    • Saya juga mencobanya dan dalam 15 menit mendapat reaksi yang sama, "kembalikan semuanya seperti semula"

    • Claude juga kadang mencoba kembali ke titik awal kalau situasinya sudah terlalu buruk. Saya pernah melihat ini ketika edit internalnya jadi kacau

  • Jika memakai Gemini Code Assist, semua data kode saya dikirim ke Google (pemberitahuan tautan), dan semua data seperti prompt, kode terkait, hasil, umpan balik penggunaan, serta informasi penggunaan fitur dikumpulkan untuk meningkatkan layanan Google dan machine learning. Demi peningkatan kualitas, manusia juga bisa meninjau, memberi anotasi, dan memproses data tersebut. Untuk perlindungan privasi, datanya dipisahkan dari informasi akun lalu disimpan hingga 18 bulan. Disarankan untuk tidak memasukkan informasi sensitif atau data yang tidak ingin dibuka ke pihak luar

    • Bagian ini sedikit lebih rumit. Code Assist versi gratis memang secara default memakai data yang dikumpulkan, tetapi melalui prosedur pemberitahuan terpisah pengguna bisa opt-out. Code Assist berbayar tidak memakai data untuk peningkatan model. Jika dipakai dengan API key Gemini pada akun pay as you go, datanya juga tidak dikumpulkan. Ruang lingkup penggunaan data sensitif yang sebenarnya sedikit lebih lunak daripada yang digambarkan tulisan awal

    • Saya setuju bahwa kebijakan privasi Gemini CLI membingungkan tergantung bagaimana tim melakukan login. Untuk meredakan kontroversi, mereka baru merapikan dokumen dan FAQ yang menata dengan jelas syarat layanan serta kebijakan data untuk tiap jenis akun (tautan dokumen)

    • Hal yang paling membuat frustrasi di ekosistem Gemini adalah kebijakan privasi yang tidak transparan. 2.5 pro adalah model terbaik, jadi saya ingin memakainya untuk kerja, tetapi syarat privasinya sangat membingungkan dan pada praktiknya saya terpaksa berasumsi bahwa tidak ada perlindungan apa pun. Bahkan sebagai pelanggan tier tertinggi yang mahal pun situasinya sama

    • Mozilla dan Google merilis alternatif bernama Gemmafile. Gemma adalah versi Gemini yang sepenuhnya offline (open-airgapped) dan berjalan lokal dalam satu file, dengan dukungan executable mandiri tanpa dependensi. Unduh pada 2025, 32% organisasi telah benar-benar menerapkannya (laporan)

    • Dalam dokumen configuration.md Gemini CLI, pada bagian "informasi yang tidak kami kumpulkan" tertulis bahwa informasi identitas pribadi, isi prompt dan respons, serta isi file tidak disimpan sebagai log

  • System prompt Gemini CLI dipublikasikan di tautan Gist. Catatan pribadi terkait ada di sini

    • Gemini CLI bersifat open source sehingga system prompt aslinya juga bisa dicek langsung di repositori Github

    • Di system prompt ada petunjuk untuk hanya memakai absolute path, tetapi pada contoh file sementara justru dipakai relative path

  • Beberapa hari lalu saya memakai Claude Code untuk menulis aplikasi web pelacak saham sederhana berbasis streamlit Python sesuai alur kode, dan sampai ukuran proyek tertentu hasilnya sangat baik, tetapi setelah titik itu ia tidak lagi bisa cepat memperbaiki bug. Saya mencoba pekerjaan yang sama dengan Gemini CLI, dan ketika Claude Code mulai tersesat, permintaan "analisis codebase lalu perbaiki semua bug" ternyata berhasil membuat aplikasinya berjalan. Benar-benar terasa seperti masa depan

    • Saya penasaran apakah ini karena perbedaan context window size. Window Gemini 5 kali lebih besar daripada Claude. Saat memakai Claude, ketika debugging pada titik tertentu perilakunya mulai kacau karena kekurangan konteks. Nanti saya ingin menguji ini di lingkungan Gemini yang jendelanya besar

    • Praktik terbaik Claude Code saat ini tampaknya adalah menyerahkan pekerjaan berat ke Gemini 2.5 Pro atau o3/o3pro, dan berkat dukungan MCP, menghubungkan dua model itu bisa dilakukan dengan mulus. Jika Gemini CLI juga open source, tampaknya plugin untuk berbagai model juga memungkinkan. Di masa depan ketika LLM menjadi komoditas, tool bergaya agen CLI mungkin justru jadi arus utama dibanding wrapper UI. OpenAI menang dalam persaingan jumlah pengguna, tetapi sebagai UI untuk kerja nyata, ChatGPT justru tertinggal

    • Jika per modul dibuat dokumen markdown ringkas kurang dari 100 baris yang hanya berisi gambaran modul dan lokasi file, lalu AI dibiarkan menelusuri isinya, itu akan membantu pemahaman konteks. Kalau sampai sulit diringkas dalam format seperti itu, manusia pun akan sulit memeliharanya. Yang penting adalah memberi konteks inti kepada AI dengan baik

    • Prompt engineering yang spesifik dan jelas tampaknya akan jauh lebih produktif. Permintaan seperti "perbaiki semua bug" agak kurang cocok dengan skenario dunia nyata

    • Pendekatan seperti ini akan runtuh ketika kompleksitas membesar, dan kemungkinan sangat tidak efisien secara memori karena kode duplikat akan banyak. Pada akhirnya, menulis langsung sendiri mungkin lebih efisien. Saya juga penasaran apakah bertambahnya kode asal jadi akan meningkatkan permintaan DRAM secara tidak normal

  • Saya sendiri menambahkan antarmuka suara dua arah ke Gemini CLI.

  • Sayang sekali belum berupa single binary tanpa runtime seperti Go atau Rust. Cukup disayangkan bahwa ia memerlukan runtime Node

    • Untuk proyek seperti ini yang perlu sering diperbarui, pengelolaan lewat npm atau pip lebih realistis. Ini bukan program yang menuntut komputasi besar atau kapasitas luar biasa, jadi pada hardware modern seharusnya bukan masalah besar. Saya juga merasa Go sangat cocok untuk kegunaan seperti ini, tetapi dari sisi kenyataan, pengelolaan library memang lebih mudah

    • Ada juga cara dengan memasukkan prompt agar Gemini CLI menulis ulang dirinya dalam bahasa yang diinginkan

    • Rasanya proyek ini lebih dekat ke tujuan pemasaran, semacam "kami juga punya tool CLI", daripada kualitas produk itu sendiri

    • Sebenarnya OpenAI juga sedang membangun ulang Codex CLI dengan Rust alih-alih Typescript menurut artikel ini. Saya tidak terlalu berpengalaman dengan Node, tetapi kesan saya pengalaman instalasi, packaging, dan isolasinya sangat matang

    • Mungkin Bun dan Deno bisa dipakai untuk membuat executable standalone. Penjelasan bundler Bun Penjelasan compile Deno CLI. Jika kodenya Node standar, setidaknya di Bun sepertinya akan berjalan baik. Saya penasaran bagaimana ukuran executable-nya dibanding Go atau Rust

  • "Failed to login. Ensure your Google account is not a Workspace account." Saya jadi bertanya-tanya apakah akun Workspace memang tidak bisa dipakai. Sejak era GSuite akun saya memang Workspace, dan rasanya saya terus dibatasi di layanan Google. Dulu saya hanya butuh custom domain di Gmail, tetapi kemudian data YouTube, data Fitbit, dan pilihan layanan berlangganan pun jadi berantakan dan dibatasi. Pada akhirnya, fakta bahwa karena akun Workspace saya tidak bisa memakai Gemini CLI untuk pekerjaan pengembangan software terasa mengecewakan dan seperti kurang menghargai pelanggan setia jangka panjang

    • Melihat panduan resmi untuk akun Workspace mungkin bisa membantu

    • Sebagai solusi isu ini, perlu konfigurasi tambahan seperti environment variable GOOGLE_CLOUD_PROJECT

    • Ada juga pengalaman pengguna lain yang kesulitan karena masalah yang sama

  • Setelah memakainya sekitar 1 bulan, performa SOTA 2.5pro dan dukungan 1M context window membuatnya jauh unggul dibanding kebanyakan tool. Bahkan kalau dilempar codebase besar pun ia bisa menganalisis dan menelusurinya dengan cepat dan akurat

    • Saat saya mencobanya di Cursor, ada masalah impor file Python besar yang rusak. Di Claude masalah seperti ini tidak ada. Penasaran apakah ada pengalaman masalah khusus lain di Gemini

    • Penasaran dengan workflow-nya