gemini-web2api — Transformez l'interface Web de Google Gemini en une API compatible OpenAI gratuite

L'interface web de Google Gemini est puissante — elle propose des modèles flash-thinking, de longs contextes et une recherche web intégrée, le tout gratuitement. Mais elle reste confinée dans un navigateur. Vous ne pouvez pas l'appeler depuis votre code, la connecter à un client IA comme Cherry Studio ou Open Interpreter, ni l'utiliser avec le SDK OpenAI.

gemini-web2api change cela. C'est un seul fichier Python qui rétro-ingénérie le protocole interne StreamGenerate de Gemini et l'expose comme un endpoint standard /v1/chat/completions. Placez-le derrière n'importe quel client compatible OpenAI et vous obtenez les derniers modèles Gemini via une API familière — avec appel d'outils, streaming et profondeur de pensée configurable.

Pourquoi il fait le buzz

Fin mai 2026, Sophomoresty/gemini-web2api a dépassé les 1 400 étoiles GitHub en une semaine. L'attrait est immédiat :

• Coût API zéro — utilise l'accès web gratuit de Gemini, pas l'API payante
• Remplacement direct OpenAI — aucun changement de code nécessaire pour les clients SDK OpenAI existants
• Fichier unique — un script Python, une dépendance optionnelle (httpx)
• Meilleurs modèles Gemini — Flash, Flash Thinking (20k+ caractères), et Pro
• Appel d'outils/fonctions — support complet des outils au format OpenAI via Gemini

Avec la prolifération des assistants de codage IA (Claude Code, Codex, Gemini CLI, OpenCode), le besoin d'un backend API local et gratuit n'a jamais été aussi grand. gemini-web2api comble ce vide.

Architecture

Voici comment gemini-web2api fait le pont entre vos outils et le backend web de Google Gemini :

À gauche, n'importe quel client compatible OpenAI (Cherry Studio, Open Interpreter, votre propre application) envoie des appels API standard au proxy. gemini-web2api traduit ces requêtes au format interne de Gemini et les relaie vers l'endpoint StreamGenerate de Google. La réponse est reconvertie au format OpenAI et renvoyée via SSE. Optionnellement, un cookie Gemini Advanced peut être fourni pour le routage vers le modèle Pro.

Prérequis

• Un serveur ou une machine avec Python 3.8+
• Accès réseau à gemini.google.com (un proxy/VPN peut être nécessaire dans certaines régions)
• Optionnellement : un compte Gemini Advanced pour l'accès au modèle Pro

Démarrage rapide — 30 secondes

pip install httpx
python gemini_web2api.py

C'est tout. Le serveur démarre sur http://localhost:8081/v1 et est immédiatement utilisable.

Configuration

Créez un fichier config.json dans le même répertoire :

{
  "port": 8081,
  "host": "0.0.0.0",
  "api_keys": [],
  "cookie_file": null,
  "proxy": null,
  "log_requests": true
}

Quand api_keys est vide, l'authentification est désactivée. Pour sécuriser le serveur, ajoutez une ou plusieurs clés API :

{
  "api_keys": ["***"]
}

Toutes les requêtes devront alors inclure `Authorization: Bearer *** Using With Any OpenAI Client

curl

curl http://localhost:8081/v1/chat/completions \
-H "Content-Type: application/json" \
-d '{"model":"gemini-3.5-flash","messages":[{"role":"user","content":"Bonjour!"}]}'

SDK Python OpenAI

from openai import OpenAI

client = OpenAI(
    base_url="http://localhost:8081/v1",
    api_key="sk-your-key"
)

response = client.chat.completions.create(
    model="gemini-3.5-flash-thinking",
    messages=[{"role": "user", "content": "Explique la mécanique quantique en 3 phrases"}]
)
print(response.choices[0].message.content)

Cherry Studio / ChatBox

Gemini CLI

export GEMINI_API_KEY=sk-you...ort GOOGLE_GEMINI_BASE_URL=http://localhost:8081
gemini

Modèles disponibles

• gemini-3.5-flash — Rapide, usage général (~12k caractères)
• gemini-3.5-flash-thinking — Raisonnement profond, sortie la plus longue (~20k caractères)
• gemini-3.5-flash-thinking-lite — Profondeur de pensée adaptative (~15k caractères)
• gemini-3.1-pro — Modèle Pro (nécessite un cookie Gemini Advanced)
• gemini-auto — Sélection automatique du modèle
• gemini-flash-lite — Léger et très rapide

Contrôle de la profondeur de pensée

Ajoutez @think=N à tout nom de modèle :

Déploiement Docker

cp config.example.json config.json
docker build -t gemini-web2api .
docker run -d --name gemini-web2api \
  -p 8081:8081 \
  -v ./config.json:/app/config.json \
  gemini-web2api

Ou avec Docker Compose :

version: "3"
services:
  gemini-web2api:
    build: .
    ports:
      - "8081:8081"
    volumes:
      - ./config.json:/app/config.json

Accès Pro (optionnel)

L'accès anonyme fonctionne pour tous les modèles Flash. Pour le vrai routage Pro, vous avez besoin d'un abonnement Gemini Advanced et d'un cookie de navigateur :

1. Connectez-vous à gemini.google.com avec votre compte payant
2. Exportez les cookies au format Netscape
3. Passez-les au serveur :

python gemini_web2api.py --cookie-file cookie.txt

Définissez "cookie_file": "/app/cookie.txt" dans config.json pour les déploiements Docker.

Appel d'outils / fonctions

gemini-web2api supporte les appels d'outils au format OpenAI :

response = client.chat.completions.create(
    model="gemini-3.5-flash",
    messages=[{"role": "user", "content": "Quel temps fait-il à Paris ?"}],
    tools=[{
        "type": "function",
        "function": {
            "name": "get_weather",
            "description": "Obtenir la météo d'une ville",
            "parameters": {
                "type": "object",
                "properties": {
                    "city": {"type": "string"}
                },
                "required": ["city"]
            }
        }
    }]
)

Comment ça marche

gemini-web2api rétro-ingénérie le protocole StreamGenerate web de Google Gemini. Quand vous envoyez une requête au format OpenAI, le proxy :

1. Extrait le modèle, les messages et les outils de votre requête
2. Construit la charge utile interne de Gemini — en mappant votre choix de modèle à l'énumération MODE_CATEGORY de Gemini (champ [79])
3. L'envoie au même endpoint StreamGenerate qui alimente l'application web Gemini
4. Analyse la réponse en streaming et la reconvertit au format chat completion d'OpenAI

Le résultat est un pont transparent qui ne nécessite aucune clé API Gemini — seulement un accès réseau à gemini.google.com.

Limitations

• Pas d'image — L'upload d'images dans Gemini utilise un protocole RPC propriétaire (WIZ/ProcessFile) qui ne peut pas être reproduit dans un proxy HTTP standard
• Un seul tour par requête — Le contexte multi-tour est simulé en incluant les messages précédents dans le prompt
• Limites de débit — Google peut limiter les requêtes à haute fréquence ; le serveur réessaie automatiquement
• Pas de vrai Pro sans cookie payant — Sans cookie d'abonnement Gemini Advanced, le modèle Pro se rabat sur Flash

Liste de vérification

Avant de déployer, vérifiez ces points :

• Le serveur démarre : python gemini_web2api.py et écoute sur le port 8081
• Requête de base : curl http://localhost:8081/v1/chat/completions -d '{"model":"gemini-3.5-flash","messages":[{"role":"user","content":"Dis bonjour"}]}' retourne un 200 avec des choix
• Le streaming fonctionne via le SDK OpenAI avec stream=True
• L'appel d'outils fonctionne avec l'exemple de fonction ci-dessus
• Les clés API configurables sont appliquées quand api_keys est non vide

Ressources

• GitHub : Sophomoresty/gemini-web2api
• Google Gemini : gemini.google.com
• Référence API OpenAI : platform.openai.com/docs/api-reference