gemini-mcp-tool MCP — ユースケース, インストール & ライブデモ

なぜ使うのか

主な機能

Claude内からGeminiの約100万トークンコンテキストを活用
@構文でファイルやディレクトリを参照
sandbox-testでGeminiのサンドボックス内でコードを安全に実行
Claude Codeのスラッシュコマンド（/analyze, /sandbox, /help, /ping）
claude mcp addによる簡単インストール

ライブデモ

実際の動作

gemini-mcp-tool.replay ▶ 準備完了

0/0

インストール

クライアントを選択

~/Library/Application Support/Claude/claude_desktop_config.json · Windows: %APPDATA%\Claude\claude_desktop_config.json

{
  "mcpServers": {
    "gemini-mcp-tool": {
      "command": "npx",
      "args": [
        "-y",
        "gemini-mcp-tool"
      ],
      "_inferred": true
    }
  }
}

Claude Desktop → Settings → Developer → Edit Config を開く。保存後、アプリを再起動。

~/.cursor/mcp.json · .cursor/mcp.json

{
  "mcpServers": {
    "gemini-mcp-tool": {
      "command": "npx",
      "args": [
        "-y",
        "gemini-mcp-tool"
      ],
      "_inferred": true
    }
  }
}

Cursor は Claude Desktop と同じ mcpServers スキーマを使用。プロジェクト設定はグローバルより優先。

VS Code → Cline → MCP Servers → Edit

{
  "mcpServers": {
    "gemini-mcp-tool": {
      "command": "npx",
      "args": [
        "-y",
        "gemini-mcp-tool"
      ],
      "_inferred": true
    }
  }
}

Cline サイドバーの MCP Servers アイコンをクリックし、"Edit Configuration" を選択。

~/.codeium/windsurf/mcp_config.json

{
  "mcpServers": {
    "gemini-mcp-tool": {
      "command": "npx",
      "args": [
        "-y",
        "gemini-mcp-tool"
      ],
      "_inferred": true
    }
  }
}

Claude Desktop と同じ形式。Windsurf を再起動して反映。

~/.continue/config.json

{
  "mcpServers": [
    {
      "name": "gemini-mcp-tool",
      "command": "npx",
      "args": [
        "-y",
        "gemini-mcp-tool"
      ]
    }
  ]
}

Continue はマップではなくサーバーオブジェクトの配列を使用。

~/.config/zed/settings.json

{
  "context_servers": {
    "gemini-mcp-tool": {
      "command": {
        "path": "npx",
        "args": [
          "-y",
          "gemini-mcp-tool"
        ]
      }
    }
  }
}

context_servers に追加。保存時に Zed がホットリロード。

claude mcp add gemini-mcp-tool -- npx -y gemini-mcp-tool

ワンライナー。claude mcp list で確認、claude mcp remove で削除。

ユースケース

実用的な使い方： gemini-mcp-tool

Claudeのコンテキストに収まらない巨大ファイルを分析する方法

👤 巨大なログ、コードベース、ドキュメントを扱う開発者 ⏱ ~15 min intermediate

使うタイミング： Claudeではファイルが収まらないが、Geminiなら収まる場合。

前提条件

Gemini CLI + Google APIキー — npm i -g @google/gemini-cli を実行後、aistudio.google.comで取得したキーを gemini config set で設定
MCPのインストール — claude mcp add gemini-cli -- npx -y gemini-mcp-tool を実行

フロー

分析をGeminiに委譲

ask-gemini: @/var/log/app-2026-04.log — find all 5xx errors clustered around deploys in the last 72h, produce a table.✓ コピーしました

→ Geminiが分析し、コンパクトなサマリーを返す
Claudeで深掘り

Based on Gemini's summary, focus on the cluster around 2026-04-12 14:30 UTC and propose a root cause.✓ コピーしました

→ Claudeがサマリーをもとに推論する

結果： どちらのモデル単体でも一度には生成できない結果が得られます。

注意点

機密ログをGeminiに送信してしまう — ask-geminiを呼び出す前に個人情報を除去するか、セルフホストモデルを使用してください
巨大な入力に対するGemini Proのトークンコスト — コスト重視ならGemini Flashを使用し、精度が重要な場合のみProを使用してください

組み合わせ： filesystem

小規模コードベース全体を一度にレビューする方法

👤 小規模サービスを監査するエンジニア ⏱ ~20 min intermediate

使うタイミング： すべてのファイルを一度に考慮した包括的なレビューが必要な場合。

フロー

リポジトリ全体を渡す

ask-gemini: @./src/ — review for structural issues, repeated patterns that should be abstracted, and dead code.✓ コピーしました

→ リポジトリ全体にわたる所見
提案をトリアージ

Of those, which 3 are highest impact? Name the files.✓ コピーしました

→ 優先順位付きリスト

結果： レビュアーのファーストパスを1つのプロンプトで生成できます。

注意点

巨大リポジトリではGeminiが詳細を見落とす — src/が50万トークンを超える場合はサブディレクトリに絞り込んでください

組み合わせ： github

信頼できないコードをGeminiのサンドボックスで実行する方法

👤 信頼できないコードスニペットをテストする開発者 ⏱ ~5 min beginner

使うタイミング： ローカルマシンに影響を与えずにコードを試したい場合。

フロー

サンドボックスに送信

sandbox-test: run this Python script [paste] — report stdout/stderr and exit code.✓ コピーしました

→ ローカルマシンへの副作用なしに出力を取得

結果： 安全な実行結果が得られます。

注意点

サンドボックスはほとんどのスニペットでデフォルトではインターネット接続不可 — 接続オプションについてはGemini CLIサンドボックスのドキュメントを確認してください

組み合わせ

他のMCPと組み合わせて10倍の力を

gemini-mcp-tool + filesystem

ローカルでファイルを選択し、@参照でGeminiに渡す

filesystemで今日更新された*.logファイルを一覧取得し、それぞれをask-geminiの@参照で渡して異常を検出する。✓ コピーしました

gemini-mcp-tool + github

PRの全差分をGeminiの広大なコンテキストに渡してレビュー

github MCPでPR #4421の差分を取得し、ask-geminiで差分全体を一つの一貫した変更として批評させる。✓ コピーしました

ツール

このMCPが提供する機能

ツール	入力	呼び出すタイミング	コスト
ask-gemini	prompt: str (may include @path refs), model?: 'flash'\|'pro'	大規模コンテキストの分析	Gemini API call — Flash ~$0.075/1M input, Pro higher
sandbox-test	code: str, language?	信頼できないコードの実行	Gemini sandbox billing
Ping		接続の疎通確認	free

コストと制限

運用コスト

APIクォータ: Gemini AI Studioには無料枠があり、有料枠はトークン従量課金です
呼び出しあたりのトークン: 大量 — これがこのツールの存在意義です。1回の呼び出しあたり10万〜50万トークンを想定してください。
金額: Gemini 2.5 Flashは100万入力トークンあたり約$0.075、Proはその約20倍
ヒント: デフォルトでFlashを使用してください。Flashで明らかに不十分な場合のみProにエスカレーションしてください。

セキュリティ

権限、シークレット、影響範囲

最小スコープ： Gemini API key

認証情報の保管： Gemini CLIはキーを~/.config/gemini/に保存します

データ送信先： ファイル内容はGoogle Geminiに送信されます。GoogleのGemini APIデータポリシーが適用されます

絶対に付与しない： Don't pass secrets in @-referenced files — they go straight to Google

@経由で送信されたファイルはGeminiにアップロードされます — 他のクラウドアップロードと同様に扱ってください。

トラブルシューティング

よくあるエラーと対処法

gemini-cli not found

グローバルにインストールしてください: npm i -g @google/gemini-cli を実行し、npmのグローバルbinがPATHに含まれていることを確認してください。

確認： which gemini

401 from Gemini

gemini config を実行して、aistudio.google.comから取得したAPIキーを設定してください。

確認： gemini 'hello'

Token limit exceeded

Geminiにも上限があります。@参照を減らすか、検索でファイルを絞り込んでから渡してください。

Sandbox timeout

長時間実行されるコードにはより長いタイムアウトが必要です。またはローカルのコンテナで実行してください。

代替案

gemini-mcp-tool 他との比較

代替案	代わりに使う場面	トレードオフ
deep-research MCP	生のGeminiアクセスではなく、自律的なリサーチが必要な場合	用途が異なり、Web検索を含みます
openrouter MCP	1つのキーで複数モデルにアクセスしたい場合	@ファイル構文なし。大規模コンテキストには不便

その他

リソース

📖 GitHub の公式 README を読む

🐙 オープンな issue を見る

🔍 400以上のMCPサーバーとSkillsを見る