Tip dan trik coding agentik dengan Gemini CLI

 (github.com/addyosmani)
26 poin oleh GN⁺ 2025-11-28 | 1 komentar | Bagikan ke WhatsApp
  • Gemini CLI adalah asisten AI open-source dari Google yang memungkinkan model Gemini digunakan langsung dari terminal, dan berfungsi sebagai alat baris perintah interaktif untuk menulis kode, debugging, serta tugas otomatisasi melalui perintah bahasa alami
  • Melalui sekitar 30 tip tingkat lanjut, dibahas fitur-fitur canggih seperti pengelolaan konteks berkelanjutan (GEMINI.md), perintah kustom, ekstensi server MCP, fitur memori, pemulihan checkpoint, dan lainnya
  • Menyediakan fitur optimasi alur kerja pengembangan seperti referensi file/gambar (@), mode YOLO (persetujuan otomatis), eksekusi headless, kerja multi-direktori, serta integrasi IDE (VS Code)
  • Juga mencakup fitur terbaru yang berfokus pada otomatisasi, observabilitas, dan skalabilitas seperti GitHub Action, ekstensi (Extensions), telemetri, dan token caching
  • Gemini CLI sedang berkembang dari sekadar AI chat menjadi platform pengembangan agentik yang mengintegrasikan dan mengendalikan seluruh lingkungan pengembangan

Gambaran umum Gemini CLI

  • Gemini CLI adalah antarmuka baris perintah berbasis AI untuk menggunakan model Google Gemini langsung dari terminal
    • Dibangun dengan Node.js/TypeScript dan berjalan di semua OS utama
    • Saat perintah dimasukkan dalam bahasa alami, ia dapat menjalankan tugas multilangkah seperti pembuatan kode, debugging, dan konfigurasi sistem
  • Instalasi dapat dilakukan dengan npm install -g @google/gemini-cli atau npx @google/gemini-cli
  • Autentikasi mendukung login akun Google (gratis) atau API key (berbayar/enterprise)
    • Akun gratis memungkinkan sekitar 60 permintaan per menit dan 1.000 permintaan per hari
    • Saat menggunakan API key, perlindungan data ditingkatkan dan kebijakan retensi log diterapkan
  • Menjalankan dasar dimulai dengan perintah gemini, serta mendukung perintah / (kontrol sesi) dan ! (eksekusi shell)
    • Mode aman yang meminta persetujuan pengguna (Y/n) saat mengubah sistem aktif secara default

Tip 1 — Pengelolaan konteks berkelanjutan dengan GEMINI.md

  • Simpan instruksi khusus proyek atau informasi latar di file GEMINI.md agar AI selalu merespons dengan konteks yang konsisten
    • Contoh: gaya coding, arsitektur, aturan fungsi, dan sebagainya
  • Menggabungkan secara hierarkis ~/.gemini/GEMINI.md global dan .gemini/GEMINI.md per proyek
  • Gunakan /memory show untuk melihat konteks yang saat ini dimuat, dan /memory refresh untuk menyegarkannya
  • Template dasar bisa dibuat dengan perintah /init, dan mendukung pemuatan banyak file melalui @include

Tip 2 — Membuat perintah slash kustom

  • Definisikan perintah kustom dalam file TOML untuk mengotomatiskan tugas berulang
    • Contoh: /test:gen → menghasilkan tes Jest berdasarkan kebutuhan
  • Dapat didaftarkan secara global (~/.gemini/commands/) atau per proyek (.gemini/commands/)
  • Perintah bekerja berdasarkan template prompt dan bisa dibagikan antaranggota tim
  • Berguna untuk standarisasi alur kerja seperti formatting yang konsisten atau penetapan peran (misalnya /review:security)

Tip 3 — Memperluas Gemini dengan server MCP

  • Integrasi dengan sistem eksternal melalui server Model Context Protocol (MCP)
    • Contoh: Figma, Google Docs, Clipboard, database internal, dan lain-lain
  • Daftarkan server dengan perintah gemini mcp add, lalu simpan konfigurasi di settings.json
  • Gunakan perintah /mcp untuk melihat daftar server dan alat yang terdaftar
  • Mendukung OAuth 2.0 untuk koneksi API yang aman

Tip 4 — Menambahkan dan memanggil memori

  • Simpan informasi penting ke memori jangka panjang dengan /memory add "<text>"
    • Contoh: “Port RabbitMQ adalah 5673”
  • Gunakan /memory show untuk melihat seluruh memori, dan /memory refresh untuk menyegarkannya
  • Berguna untuk menyimpan log keputusan atau preferensi pribadi (misalnya gaya bicara, nama, dll.)

Tip 5 — Checkpoint dan pemulihan dengan /restore

  • Membuat snapshot otomatis sebelum perubahan file, lalu kembali ke kondisi sebelumnya dengan /restore
  • Aktifkan melalui opsi --checkpointing atau file konfigurasi
  • Lihat daftar checkpoint dengan /restore list, dan pulihkan dengan /restore <id>
  • Jika digunakan bersama Git, fitur ini berfungsi sebagai jaring pengaman untuk pekerjaan AI

Tip 6 — Membaca Google Docs dan Sheets

  • Jika server Workspace MCP dikonfigurasi, tautan Google Docs/Sheets bisa dibaca langsung dan diringkas
  • Memerlukan autentikasi OAuth, dan dapat diakses lewat perintah seperti /read_google_doc
  • Dokumen, sheet, dan file Drive bisa direferensikan lewat tautan untuk menyuntikkan konteks tanpa perlu menyalin isi

Tip 7 — Mereferensikan file dan gambar dengan sintaks @

  • Lampirkan kode, dokumen, atau gambar langsung ke prompt dengan @path/file
    • Contoh: Explain this code: @./src/main.js
  • Secara otomatis mengikuti aturan .gitignore dan .geminiignore
  • Mendukung pengenalan gambar (termasuk OCR) dan perbandingan banyak file

Tip 8 — Membuat alat secara instan

  • Saat diperlukan, Gemini dapat membuat skrip sementara atau server MCP langsung
    • Contoh: parser JSON, penganalisis log, dan sebagainya
  • Kode yang dihasilkan bisa ditinjau dalam bentuk diff sebelum disetujui
  • Skrip yang berguna bisa dinaikkan menjadi perintah kustom

Tip 9 — Pemecahan masalah dan konfigurasi sistem

  • Bisa digunakan juga di luar proyek, berperan sebagai asisten pengelolaan lingkungan pengembangan
    • Contoh: memodifikasi .bashrc, menganalisis log error, mengotomatiskan instalasi Docker
  • Selalu meminta persetujuan sebelum menjalankan perintah, mendukung penyesuaian sistem yang aman

Tip 10 — Mode YOLO (persetujuan otomatis)

  • Setujui semua eksekusi alat secara otomatis dengan --yolo atau Ctrl+Y
  • Berguna untuk mempercepat tugas berulang, tetapi memiliki risiko
  • Dapat mengatur whitelist agar hanya perintah tertentu yang disetujui otomatis

Tip 11 — Mode headless dan skrip

  • Jalankan tanpa mode interaktif dengan gemini -p "prompt"
  • Prompt sistem bisa diganti dengan GEMINI_SYSTEM_MD
  • Mendukung output JSON (--format=json) dan file ringkasan sesi (--session-summary)
  • Cocok untuk integrasi CI/CD dan skrip otomatisasi

Tip 12 — Menyimpan dan melanjutkan sesi chat

  • Simpan sesi dengan /chat save <name> dan pulihkan dengan /chat resume <name>
  • Gunakan /chat list untuk melihat daftar, dan /chat share untuk membagikannya
  • Berguna untuk debugging jangka panjang atau saat mengerjakan banyak proyek sekaligus

Tip 13 — Workspace multi-direktori

  • Gunakan --include-directories atau file konfigurasi untuk menggabungkan beberapa folder menjadi satu workspace
  • Gunakan /directory show untuk melihat folder yang saat ini disertakan
  • Mendukung lingkungan polyrepo seperti pengeditan frontend dan backend secara bersamaan

Tip 14 — Perapihan file berbasis AI

  • Mengelompokkan dan memindahkan file dalam direktori berdasarkan jenisnya
    • Contoh: gambar → Images, PDF → Documents
  • Juga dapat mengganti nama otomatis berdasarkan isi gambar
  • Disarankan meninjau pratinjau perintah sebelum eksekusi demi keamanan

Tip 15 — Menjaga konteks lewat kompresi percakapan

  • Gunakan perintah /compress untuk merangkum percakapan panjang dan mengosongkan ruang konteks
  • Sesi bisa terus berlanjut sambil mempertahankan hanya informasi inti
  • Ambang kompresi otomatis juga dapat diatur

Tip 16 — Menjalankan perintah shell dengan !

  • Jalankan perintah terminal langsung dengan !command
  • Jika hanya memasukkan !, akan masuk ke mode shell, dan keluar lagi dengan !
  • Percakapan AI dan perintah sistem terintegrasi dalam satu antarmuka

Tip 17 — Memanfaatkan semua alat CLI sebagai alat Gemini

  • AI dapat memanggil semua perintah yang ada di dalam $PATH
    • Contoh: convert, docker, ffmpeg, git, dan lain-lain
  • Tergantung lingkungannya, disarankan membatasi PATH atau mengatur whitelist

Tip 18 — Memanfaatkan input multimodal

  • Gambar, PDF, dan file audio dapat dilampirkan dengan @ untuk dianalisis
    • Contoh: menjelaskan screenshot UI, menganalisis gambar error, memproses OCR
  • Mendukung pembuatan kode dan ekstraksi data berbasis materi visual

Tip 19 — Kontrol akses $PATH dan alat

  • Jalankan dengan PATH terbatas untuk meningkatkan stabilitas dan keamanan
  • Perintah berisiko bisa diblokir melalui excludeTools di settings.json
  • Mendukung eksekusi di lingkungan Docker terisolasi dengan opsi --sandbox

Tip 20 — Token caching dan pelacakan penggunaan

  • Saat menggunakan API key atau autentikasi Vertex, penggunaan ulang token dapat menekan biaya
  • Gunakan perintah /stats untuk memeriksa cache hit rate dan penggunaan token
  • Laporan JSON per sesi bisa disimpan dengan --session-summary

Tip 21 — Menyalin ke clipboard dengan /copy

  • Langsung menyalin output terakhir (misalnya kode) ke clipboard
  • Mendukung macOS (pbcopy), Windows (clip), dan Linux (xclip)

Tip 22 — Kontrol pintasan Ctrl+C

  • Tekan sekali untuk menghentikan pekerjaan, tekan dua kali untuk keluar dari CLI
  • Dalam mode shell, bisa keluar dengan Ctrl+C atau Esc

Tip 23 — Pengaturan pengguna dengan settings.json

  • Mendukung pengaturan detail seperti tema, sandbox, persetujuan otomatis, mode Vim, dan lainnya
  • Menyediakan pengeditan interaktif melalui perintah /settings
  • Menggabungkan pengaturan global (~/.gemini/) dan per proyek

Tip 24 — Integrasi VS Code

  • Ekstensi VS Code (Companion Extension) memungkinkan pengenalan otomatis file, kursor, dan area pilihan
  • Saat mengusulkan perubahan kode, penampil diff VS Code akan ditampilkan otomatis
  • Dikelola melalui /ide install, /ide enable, dan /ide status

Tip 25 — Otomatisasi GitHub Action

  • Gemini CLI GitHub Action dapat mengotomatiskan klasifikasi issue dan review PR
  • Permintaan seperti pembuatan kode tes dapat dilakukan lewat mention @gemini-cli
  • Perintah /setup-github dapat membuat file workflow secara otomatis

Tip 26 — Telemetri (Observability)

  • Berbasis OpenTelemetry untuk mengumpulkan metrik, log, dan trace sesi
  • Aktifkan dengan pengaturan "telemetry.enabled": true atau flag --telemetry
  • Dapat dikirim ke berbagai backend seperti file lokal, GCP, dan Prometheus

Tip 27 — Memantau roadmap

  • Fitur mendatang dapat dilihat di roadmap publik Gemini CLI di GitHub
    • Contoh: agen latar belakang, perluasan model, peningkatan UI, dan lainnya
  • Juga memungkinkan partisipasi dalam feedback komunitas dan usulan fitur

Tip 28 — Ekstensi (Extensions)

  • Integrasikan layanan eksternal dengan gemini extensions install <URL>
    • Contoh: Cloud Run, BigQuery, Figma, Stripe, dan lain-lain
  • Ekstensi merupakan struktur modular yang menambahkan alat, perintah, dan konteks MCP
  • Gunakan perintah /extensions untuk melihat daftar ekstensi aktif

Fitur tambahan — Corgi Mode 🐕

  • Jalankan animasi corgi di terminal dengan perintah /corgi
  • Hanya fitur easter egg sederhana untuk memberi jeda saat memakai CLI

Kesimpulan

  • Gemini CLI adalah antarmuka pengembangan berbasis AI yang mencakup penulisan kode, pengelolaan sistem, otomatisasi, hingga kolaborasi
  • Dengan GEMINI.md, MCP, ekstensi, dan integrasi IDE, Gemini CLI menghadirkan konteks berkelanjutan dan skalabilitas alat
  • Melalui ekosistem open-source dan pembaruan cepat, Gemini CLI berkembang menjadi platform AI inti bagi alur kerja developer

Bacaan terkait

1 komentar

 
GN⁺ 2025-11-28
Opini Hacker News

  • Saya sama sekali tidak melakukan pengaturan seperti ini
    Alasannya karena semuanya cepat sekali usang, dan 80% tidak benar-benar berfungsi
    Saya rasa tidak perlu repot membuat server MCP ketika bahkan belum tentu LLM akan memanggilnya dengan andal
    Aturan saya sederhana — saya menulis sendiri dokumentasi untuk diri sendiri (template, checklist, dll.), lalu memberi AI satu kesempatan untuk mencoba
    Kalau gagal melakukannya dengan benar dalam sekali jalan, saya revisi dokumennya atau langsung saya tangani sendiri

    • Sudut pandang melihat LLM sebagai generator dokumen statistik cukup membantu
      Pada akhirnya kegunaannya bergantung pada data pelatihan dan evolusi model, dan menurut saya paling tepat diperlakukan seperti constraint programming tanpa tata bahasa formal
      Mengingat subjektivitas bahasa alami, iterasi cepat untuk terus menyempurnakan kalimat-kalimat batasan adalah pendekatan terbaik
      Sebagai contoh, saya pernah mengulang Gemini 4 kali dan mendapatkan skrip bash yang berjalan sepenuhnya otomatis
      Untuk konsep terkait, lihat Constraint programming
    • Belakangan ini sangat membantu karena agen sudah punya kemampuan menjalankan sendiri siklus build-test-fix
      Saya bisa menyerahkan tugas setingkat developer junior dan mengerjakan hal lain
    • Pendekatan memperlakukan agen AI seperti developer baru di tim ternyata efektif
      Jika gagal sekali, saya perbaiki dokumentasinya (file .md) lalu coba lagi
      Saya jarang memakai MCP karena risiko keamanan, tetapi loop iteratif ini cukup efisien
      Sebaliknya, pola pikir “kalau sekali tidak berhasil, saya kerjakan sendiri” itu seperti langsung memecat pegawai baru
    • Sekarang saya merasa pengembangan software sedang bergerak menuju plateau yang baru
      Kita belum sampai di titik itu, dan keterampilan yang dibangun sekarang rasanya seperti mendirikan sesuatu di lereng
    • Menurut saya kedua pendekatan sama-sama berguna
      1. memulai dengan sesi baru untuk menghindari kontaminasi konteks, dan
      2. menghubungkan berbagai alat agar pekerjaan jadi lebih mudah (lihat tulisan terbaru Anthropic)
        Metode evaluasi prompt saat ini belum cukup dapat diandalkan, jadi saya sedang membuat sendiri pengaturan agentic untuk memperbaikinya
        Kemarin saya menambahkan fitur time travel sesi berbasis Dagger, dan hari ini saya berencana menambahkan fitur fork, clone, dan registry

  • Gemini CLI masih lemah untuk tugas coding yang kompleks
    Penyebabnya adalah loop ReAct yang sederhana dan kemampuan pemanggilan alat yang lemah
    Meski begitu, proyek ini aktif dikembangkan sebagai open source, jadi potensinya besar
    Berkat context window 1M (segera 2M) dan kuota gratis yang longgar, saya merasa ini harus “dipakai habis-habisan (ABUSE IT)”
    Saya memakainya sebagai alat orkestrasi TUI/CLI, dan ternyata cukup berguna juga untuk mengevaluasi kode yang dihasilkan alat lain
    Belakangan saya menghubungkan Homebrew dan MCP, serta mengintegrasikannya dengan Knowledge Manager berbasis LLM lokal (Nowledge Mem)
    Menariknya, saya juga melihat kasus Gemini CLI dipakai sebagai SubAgent untuk menghindari kontaminasi konteks utama
    Tweet terkait

    • Gemini CLI benar-benar terasa seperti binatang liar
      Bahkan saat diberi instruksi “jangan ubah kode, cukup beri saran”, ia langsung mengedit file
      Pro 3 memang cerdas, tetapi kepatuhan terhadap instruksi masih belum stabil
    • Saya sempat menguji Gemini 3 Pro secara singkat, dan ia kesulitan bahkan untuk tugas coding dasar
      Saya mencobanya lewat Antigravity, tetapi karena kuotanya terbatas, sulit melakukan pengujian yang kompleks
      Untuk impresi lebih rinci, lihat tulisan ini

  • Addy Osmani adalah software engineer asal Irlandia yang menangani Google Chrome dan Gemini, seorang veteran dengan pengalaman 25 tahun
    Ia punya gairah besar pada peningkatan performa web dan alat pengembangan berbantuan AI, serta telah menulis beberapa buku termasuk 『Learning JavaScript Design Patterns』

    • Ia pernah memenangkan kompetisi Irish Young Scientist 2 tahun lebih awal daripada Patrick Collison
      Tautan kompetisi
    • Ia memiliki reputasi yang sangat tinggi di komunitas performa web
    • Katanya ia menerbitkan 11 buku dalam 5 tahun terakhir, jadi saya penasaran apakah ia memakai penulisan berbantuan AI

  • Saya berharap agen coding yang agnostik terhadap LLM bisa menjadi standar
    Daripada masing-masing membangun ulang rodanya sendiri seperti Codex atau Gemini CLI, akan lebih baik jika penyedia LLM bisa diganti dalam bentuk plugin
    Saat ini Claude Code memang yang terbaik, tetapi saya rasa Anthropic tidak akan bergerak ke arah itu
    Sepertinya pada akhirnya kita harus menunggu generasi berikutnya dari agen coding open source

    • Sebenarnya alat seperti itu sudah ada, yaitu Aider (aider.chat)
      Hanya saja CLI seperti ini lebih mirip antarmuka untuk model berlangganan daripada alat sungguhan
      Model terbaru menghabiskan token terlalu besar, jadi langganan bulanan lebih realistis dibanding penagihan API
    • Opencode (dibuat oleh SST) adalah contoh yang mewujudkan visi itu dengan baik
      Saya memakainya beberapa hari terakhir dan cukup puas
      Tautan GitHub
      Ada juga berbagai alternatif seperti Crush, Aider, Amp Code, Emacs+gptel, Editor Code Assistant, dan lainnya
      Tetapi karena koevolusi (co-design) antara LLM dan agen coding itu penting, pemisahan total masih belum realistis
    • Menurut saya justru alasan Claude Code terbaik adalah karena ia tidak agnostik
    • Cursor juga alternatif yang bagus
      Ironisnya, sekarang ia malah mengadopsi LLM sendiri
      Pengenalan Cursor Composer
    • Untuk alat yang tidak bergantung pada model tertentu, saya merekomendasikan Roo Code atau fork-nya, Kilo

  • Saya sudah memakai Gemini CLI selama beberapa bulan
    Di kantor ada langganan gratis, jadi saya terus memakainya
    Katanya ia mengenali file GEMINI.md, tetapi dalam praktiknya sering diabaikan
    Meski begitu, tip seperti Tip 12 dan Tip 16 tetap berguna
    Masalah halusinasi (hallucination) AI masih tetap ada, tetapi ini pertama kalinya AI terasa benar-benar ‘menyenangkan’ bagi saya
    Terutama saat saya membiarkannya mendebug klaster K8s secara otonom, proses mengambil log dan menemukan error itu benar-benar mengejutkan
    Kalau sesekali ia bertindak terlalu bodoh, saya ketik /quit dan menanganinya sendiri, tetapi saya tetap senang memakainya

    • Gemini CLI yang mendebug klaster K8s secara real-time itu benar-benar surreal
      Saya juga baru saja membuat klaster RKE2 dan ingin sekali mencobanya

  • Saya sangat menyukai AI
    Saya merasa ini alat yang wajib, seperti internet atau iPhone, yang membuat saya menjadi manusia yang lebih efisien
    Namun, saya sangat lelah dengan banjir tutorial tentang “cara memakai AI”
    Sebagian besar kualitasnya rendah, dan tulisan ini termasuk yang lumayan lebih baik
    Rasanya seperti developer JS yang tiap minggu memperkenalkan framework baru

    • Belakangan tulisan jenis “beginilah cara memakai LLM” benar-benar membosankan
      Siapa pun yang menulisnya, entah tulus atau sekadar mengejar engagement, saya sudah tidak tertarik lagi

  • Jujur saja, pengaturan serumit ini berlebihan
    Saya cukup memakai prompt ala teriak ke AI dan hasilnya sudah sangat baik
    Dengan LazyVim dan beberapa alat (git, ask, ripgrep) saja saya sudah cukup produktif
    Terutama Gemini 3 sangat berguna karena kepadatan tokennya tinggi dan konteksnya besar
    Jika konteks mulai terlalu berlebihan, saya menyuruhnya menulis ringkasan di README.MD lalu memulai agen baru
    Tautan alat ask

    • Saya juga memakainya dengan cara serupa, dan Gemini 3 jauh lebih unggul
      Dengan model lain saya tidak bisa mendapatkan produktivitas seperti ini, tetapi sekarang bahkan tugas kompleks pun 80% berhasil dalam sekali jalan

  • Kontras antara scripting manual dan workflow berbantuan LLM ini menarik
    Jika batasannya tidak jelas, keduanya sama-sama gagal, tetapi jika jelas, LLM bisa bekerja dengan andal secara mengejutkan

  • Masalah AI/Agentic/Vibe coding saat ini adalah kecepatan evolusinya yang terlalu tinggi
    Bahkan sebelum best practice sempat mapan, semuanya sudah keburu usang
    Meski bahasa dan framework berubah, cara memecah masalah dan memahami codebase selama ini relatif stabil,
    tetapi sekarang saya tidak tahu lagi di mana titik keseimbangannya

  • Saya merasa Gemini CLI kurang bagus
    Kalau harus memilih, saya merekomendasikan Opencode
    Google juga harus membangun ulang CLI dari nol seperti Codex

    • Mungkin tiap orang berbeda, tetapi dalam kasus saya Gemini CLI cepat dan stabil, jadi saya memakainya sebagai alat utama
    • Opencode juga baru-baru ini mengganti TUI sepenuhnya
      Sebagai catatan, Gemini 3 saat ini tidak berjalan di Opencode lewat Copilot
      Tautan issue
    • Untuk memakai Opencode, disebutkan perlu emulator terminal tertentu (WezTerm, Alacritty, Ghostty, Kitty)
      Saya sempat bertanya-tanya kenapa TUI sederhana memerlukan batasan seperti itu
      Jika melihat dokumentasi resmi, Gemini tidak disebutkan secara langsung,
      dan tampaknya disediakan lewat Google Vertex AI
      Mungkin saja Gemini bisa dihubungkan lewat langganan Google Workspace
    • Saya penasaran bagaimana nasib Codex — apa benar-benar dibangun ulang?