Gemini Nova 是一款深度集成 Google Gemini 能力的 Chrome 扩展程序。它不仅仅是一个侧边栏插件，而是通过注入式的悬浮工具栏、强大的图像 AI 处理以及前沿的浏览器控制协议 (MCP)，将 AI 的触角伸向网页浏览的每一个交互细节。
💡 二次开发说明：本项目（Gemini Nova）基于开源项目 yeahhe365/gemini-nexus 进行深度二次开发与功能增强，在原有基础上优化了交互逻辑并引入了多项智能化新特性。
项目内置了三种驱动方案，通过代码逻辑动态适配不同的使用场景：
| 驱动方案 | 逻辑入口 | 支持模型 | 核心优势 | 使用前提 |
|---|---|---|---|---|
| Web Client | web.js |
Gemini 3 系列 | 完全免费，支持联网插件 | 需保持 Google 账号登录 |
| Official API | official.js |
Pro/Flash 预览版 | 极速响应，原生支持 Thinking 模式 | 需 Google AI Studio Key |
| OpenAI Compatible | openai_compatible.js |
GPT/Claude 等 | 高扩展性，支持中转接口 | 需第三方服务密钥 |
基于 background/control/ 模块实现，AI 可以执行复杂的 Agent 任务：
| 分类 | 核心指令 | 代码实现逻辑 |
|---|---|---|
| 导航控制 | navigate_page, new_page |
调用 chrome.tabs 进行页面生命周期管理 |
| 页面交互 | click, fill, drag |
基于 Accessibility Tree 生成 UID 进行精准操控 |
| 数据观测 | take_snapshot, get_logs |
实时提取 DOM 结构、控制台日志及网络请求 |
| 脚本执行 | evaluate_script |
在网页 Context 中运行自定义 JavaScript |
Gemini Nova 可以选择连接到外部 MCP 服务器（通过 SSE、可流式传输的 HTTP 或 WebSocket），并在现有的工具循环（Tool Loop）中执行其工具。
由于 Chrome 扩展程序无法直接运行基于 stdio 的 MCP 服务器，推荐的设置方案是运行一个本地代理（例如 MCP SuperAssistant Proxy）。在代理中配置您的 MCP 服务器（包括 stdio 服务器），然后将 Gemini Nova 连接到该代理端点。
常见的代理端点如下：
- SSE:
http://127.0.0.1:3006/sse - 可流式传输的 HTTP:
http://127.0.0.1:3006/mcp - WebSocket:
ws://127.0.0.1:3006/mcp
-
启动您的 MCP 代理并在其中配置好 MCP 服务器。
-
在 设置 (Settings) → 连接 (Connection) → 外部 MCP 工具 (External MCP Tools) 中：
- 启用“外部 MCP 工具” (Enable External MCP Tools)。
- 选择一个活动服务器 (Active Server)（您可以保存多个服务器条目并根据需要切换）。
- 选择传输协议并设置服务器 URL（SSE / 可流式传输的 HTTP / WebSocket）。
- 点击测试连接 (Test Connection) 和刷新工具 (Refresh Tools)。
-
可选（当工具较多时推荐）：将公开工具 (Expose Tools) 设置为仅限选定工具 (Selected tools only)，然后仅启用您希望模型查看/使用的工具。
-
开始正常对话；当模型需要使用工具时，它会输出一个如下所示的 JSON 工具块：
{ "tool": "工具名称", "args": { "键": "值" } }
- 💬 智能侧边栏：基于
sidePanelAPI，提供毫秒级唤起的对话空间，支持全文搜索历史记录、按日期分组显示与批量管理。 - 🪄 划词工具栏：注入 Content Script，选中文字即刻进行翻译、总结、重写，支持窗口固定、透明度调节及一键回填表单。
- 🧠 智能交互增强：
- 自动追问：AI 根据上下文自动生成后续追问建议。
- 智能总结：支持网页一键总结，并可根据对话内容自动生成标题。
- 流式动画：内置流式传输加载动画，提供更平滑的响应体验。
- 动态交互：输入框占位符随模型动态更新，新增“滚动到底部”按钮及手动滚动检测。
- 📊 图表渲染 (Mermaid)：
- 原生渲染：集成 Mermaid.js，支持 Markdown 中的流程图、时序图等。
- 深度交互：支持图表缩放预览、SVG 下载及一键复制为图片。
- 🖼️ 图像 AI 处理：
- OCR & 截图翻译：集成 Canvas 裁剪技术，框选图片区域即刻提取文字并翻译。
- 浮窗探测：自动识别网页图片并生成悬浮 AI 分析按钮。
- 水印消除：内置
watermark_remover.js算法，显著提升生成图像的可视化质量。
- 🛡️ 安全渲染：所有 Markdown、LaTeX 公式及代码块均在
sandbox隔离环境中渲染，确保主页面安全。
- 从 Releases 下载最新 ZIP 包并解压。
- Chrome 访问
chrome://extensions/，右上角开启 “开发者模式”。 - 点击 “加载已解压的扩展程序”，选择解压后的文件夹即可。
- 构建工具：Vite + TypeScript
- 架构协议：Chrome MV3 + Browser Control Protocol
- 核心库：Marked.js, KaTeX, Highlight.js, Mermaid.js
- 本项目基于 MIT License 开源。
- 致谢：感谢原项目 gemini-nexus 提供的优秀基础架构。根据 MIT 协议要求，本项目完整保留了原作者的版权声明。