企业官网建设流程全解析

1. Gemini CLI 接 MCP 为什么总在 settings.json 上翻车

Gemini CLI 是 Google 推出的终端 AI 工具，能在命令行里直接对话、读文件、跑命令，配合 MCP（Model Context Protocol）还能把浏览器、数据库、文件系统等外部能力挂进来。它适合谁？适合习惯在终端里干活、又想让 AI 直接操作本地工具链的开发者。但很多人第一次配 MCP 就卡住：要么/mcp里看不到服务，要么一启动就闪退，连报错都来不及看。

我实测下来，问题八成出在settings.json的结构上。Gemini CLI 的配置分全局和项目级两层，MCP 服务声明写在mcpServers字段里，格式错一个逗号、路径写错、命令不存在，都会让进程在启动阶段直接退出。更麻烦的是闪退往往没有明显提示，窗口一闪就没了，新手根本无从下手。

这篇就围绕三件事展开：一份可复制的settings.json骨架（含 TaoToken 统一 Key 的 API 通道配置）、MCP server 声明示例、以及闪退的最小复现与逐项验证动作。你照着改完，至少能定位到是配置语法问题、命令缺失，还是网络请求把进程拖崩了。

2. TaoToken 前置：统一 Key 与 API 通道怎么接

在动settings.json之前，先把 Key 和通道准备好。TaoToken 的作用是给你一个统一的 API 入口，省得每个工具各配一套 Key。你需要先去控制台拿一个 API Key，地址是 https://taotoken.net/api-keys ，登录后创建即可。

拿到 Key 之后，API 通道地址用 https://taotoken.net/api ，注意这个地址不带任何查询参数，直接作为 base URL 填进配置。模型对话相关的调试可以在 https://taotoken.net/models 里先验证 Key 是否可用，确认能正常返回再往 CLI 里塞，能省掉一半排障时间。

如果你后面要长期跑编码任务或者接 Agent，可以了解下 Coding Plan：https://taotoken.net/coding-plan 。接入文档在 https://taotoken.net/doc ，配置项含义、字段名、示例都在里面，遇到不确定的字段先查文档再改，比瞎试快得多。

注意：Key 属于敏感信息，别直接提交到 Git 仓库。项目级配置建议用环境变量引用，或者把settings.json加进.gitignore。

3. 可复制的 settings.json 骨架

Gemini CLI 的全局配置路径：Windows 是C:\Users\<你的用户名>\.gemini\settings.json，macOS/Linux 是~/.gemini/settings.json。项目级配置放在项目根目录的.gemini/settings.json，只影响当前项目。

先看一份完整的全局骨架，包含 TaoToken 通道、MCP 声明和闪退相关的开关：

{ "theme": "Default", "selectedAuthType": "oauth-personal", "usageStatisticsEnabled": false, "mcpServers": { "puppeteer": { "command": "npx", "args": ["-y", "@modelcontextprotocol/server-puppeteer"] }, "filesystem": { "command": "npx", "args": [ "-y", "@modelcontextprotocol/server-filesystem", "/Users/yourname/projects" ] } } }

几个关键点逐个说。usageStatisticsEnabled设为false是闪退排查的第一步，默认它会往远端发匿名统计，网络一抖进程就可能崩，先关掉排除干扰。mcpServers里每个服务必须有command，args是数组，路径类参数用绝对路径，相对路径在不同工作目录下会解析失败。

项目级配置更简单，只写差异部分：

{ "mcpServers": { "sqlite": { "command": "uvx", "args": ["mcp-server-sqlite", "--db-path", "./data/app.db"] } } }

项目级和全局会合并，同名服务以项目级为准。如果你用的是 TaoToken 通道，把 base URL 和 Key 通过环境变量注入，在启动脚本里 export，而不是硬编码进 JSON：

export TAOTOKEN_API_KEY="你的Key" export TAOTOKEN_BASE_URL="https://taotoken.net/api"

这样settings.json里只留结构，Key 走环境变量，既安全又方便切换。

4. 验证请求与成功结果

配置写完别急着开新会话，先做三步验证。

第一步，检查 JSON 语法。用python -m json.tool或jq过一遍，语法错会直接导致闪退：

jq . ~/.gemini/settings.json

没报错说明结构合法。第二步，进 Gemini CLI 执行/mcp，正常会列出你声明的服务名和状态。如果列表为空，说明mcpServers字段没被读到，检查是不是写成了mcp_servers或放错了层级。

第三步，实际调用一次。比如 puppeteer 服务，让它打开一个页面截图：

gemini # 进入交互后输入 用 puppeteer 打开 https://example.com 并截图保存到 ./shot.png

成功的话终端会返回执行日志，目录下出现shot.png。如果这一步报command not found，说明npx不在 PATH 里，或者 Node 没装。先跑npx -v确认。

TaoToken 通道的验证更直接，在模型对话页 https://taotoken.net/models 发一条消息，能正常返回就说明 Key 和通道没问题，剩下的问题都在 CLI 侧。

5. 本篇常见错排查

闪退是最烦的，因为看不到报错。按下面顺序逐项排除。

先看是不是遥测导致的。把usageStatisticsEnabled设为false后重启，如果不再闪退，基本就是它。再看 MCP 命令是否存在，把command单独在终端跑一遍，比如npx -y @modelcontextprotocol/server-puppeteer，能启动说明命令没问题，启动不了就是依赖缺失。

然后是路径问题。filesystem这类服务要求传绝对路径，写成./projects在 CLI 的工作目录下可能解析到别处，直接崩。改成/Users/yourname/projects这种完整路径。

速率限制也会表现为异常退出。HTTP 429 通常是请求太密，先升级 CLI 到最新版：

npm install -g @google/gemini-cli@latest gemini --version

再清掉可能冲突的环境变量：

unset GEMINI_API_KEY unset GOOGLE_CLOUD_PROJECT

如果模型被自动切到 flash 版本导致行为异常，可以强制指定：

gemini --model gemini-2.5-pro

还有一种情况是 JSON 里多了尾逗号，人眼看不出来但解析直接失败。用jq验证能立刻暴露。排障时优先怀疑配置语法，其次怀疑命令和路径，最后才怀疑网络。

6. 把 Key 和配置固定下来

配置调通之后，建议把 Key 管理固定成一套流程。API Key 在 https://taotoken.net/api-keys 统一创建和轮换，接入细节查 https://taotoken.net/doc ，模型验证走 https://taotoken.net/models 。这样换机器或换项目时，只改环境变量，settings.json骨架不动，MCP 声明按项目增减。

长期跑编码和 Agent 任务的话，Coding Plan 在 https://taotoken.net/coding-plan 有更完整的额度方案。终端里想快速对话验证，模型对话页 https://taotoken.net/models 最省事。把这几步串起来，Gemini CLI 的 MCP 配置和闪退问题基本就闭环了。