Claude visitors: new accounts receive $1.00 in bonus API credit within 30 days. One per person; usage credits only.

WORKBUDDY + GEMINI

Gemini in WorkBuddy verwenden.

Google Gemini ist über RunAPI verfügbar – Gemini 3.5 Flash für eine First-Token-Latenz unter 100 ms, 3.x Pro für komplexe Schlussfolgerungen und 2.5 Pro für Produktionsworkloads mit einem 1-M-Token-Kontextfenster. WorkBuddy unterstützt MCP nativ, sodass derselbe runapi MCP-Server und RUNAPI_API_KEY, die GPT antreiben, auch Gemini aufrufen. Kein Google Cloud-Projekt, kein Service-Account, kein Vertex AI-Setup.

API Key holen Dokumentation lesen
ein RunAPI-Schlüssel · MCP-Verbindung per Klick · kein Google Cloud-Projekt erforderlich 
Use the runapi MCP server to send a chat request to Gemini.

Requirements:
- Call the RunAPI chat tool exposed by the runapi MCP server
- Set model to "gemini-3.5-flash"
- Ask: "Explain the difference between gRPC and REST in three sentences."
- Set temperature to 0.7 and max_tokens to 256
- Show me the assistant reply and the token usage counts

{
  "mcpServers": {
    "runapi": {
      "url": "https://runapi.ai/mcp",
      "transport": "streamable_http",
      "headers": {
        "Authorization": "Bearer $RUNAPI_API_KEY"
      }
    }
  }
}

{
  "model": "gemini-3.5-flash",
  "content": "gRPC uses HTTP/2 and Protocol Buffers for strongly-typed, multiplexed RPC calls with built-in code generation. REST uses JSON payloads and relies on URL paths and HTTP verbs for resource semantics. gRPC is faster for service-to-service calls; REST is simpler to debug and more widely supported by browsers.",
  "finish_reason": "stop",
  "usage": {
    "prompt_tokens": 34,
    "completion_tokens": 71,
    "total_tokens": 105
  }
}
Prompt in WorkBuddy einfügen gemini
SO FUNKTIONIERT ES

Gemini in WorkBuddy in drei Schritten verwenden

1

Den RunAPI-MCP-Server registrieren

RUNAPI_API_KEY in der Umgebung setzen, die WorkBuddy startet, dann einen MCP-Server namens runapi hinzufügen, der über streamable HTTP auf https://runapi.ai/mcp zeigt. Keine Google Cloud-Anmeldedaten, kein Service-Account-JSON – der RunAPI-Schlüssel ist alles, was Gemini benötigt.

export RUNAPI_API_KEY=runapi_xxx # MCP server: runapi → https://runapi.ai/mcp
2

Den Workbench-Agent prompten

Eine Anfrage in natürlicher Sprache in WorkBuddy eingeben und das Modell benennen – gemini-3.5-flash für Geschwindigkeit, gemini-2.5-pro für Long-Context-Reasoning. WorkBuddy füllt die Argumente model und messages des RunAPI-Chat-Tools aus und sendet den Aufruf.

model: gemini-3.5-flash
3

Das Tool-Ergebnis lesen

Das MCP-Tool gibt die Antwort synchron mit Token-Nutzungszählern zurück. Im nächsten Prompt zu GPT oder Claude wechseln, ohne die Konfiguration anzufassen – jedes Modell hinter dem runapi-Server teilt denselben Schlüssel und dieselbe Tool-Struktur.

usage.total_tokens: 105
PARAMETER

Gemini-Tool-Parameter auf dem RunAPI MCP-Server

Parameter Typ Beschreibung
model string Erforderlich. gemini-3.5-flash, gemini-2.5-flash, gemini-2.5-pro, gemini-3-flash-preview oder gemini-3.1-pro-preview.
messages array Erforderlich. Array von Nachrichtenobjekten mit role (system, user, assistant) und content-Feldern. WorkBuddy erstellt dies aus deiner Anfrage.
temperature number Optional. Sampling-Temperatur zwischen 0 und 2. Niedrigere Werte erzeugen deterministischere Ausgaben. Standard variiert je nach Modell.
max_tokens integer Optional. Maximale Anzahl zu generierender Tokens in der Antwort.
top_p number Optional. Nucleus-Sampling-Schwellenwert zwischen 0 und 1. Alternative zur Temperatur zur Steuerung der Ausgabe-Zufälligkeit.
tools array Optional. Tool-Definitionen für Function Calling. Gemini gibt tool_calls in der Assistant-Nachricht zurück, die WorkBuddy wie jedes andere Tool-Ergebnis verarbeitet.

Was ist Gemini auf WorkBuddy?

Google Gemini ist über RunAPI ohne Google Cloud-Projekt, Service-Account oder Vertex AI-Setup verfügbar. WorkBuddy erreicht es über denselben runapi MCP-Server und RUNAPI_API_KEY, der für GPT und Claude verwendet wird. Gemini 3.5 Flash liefert eine First-Token-Latenz unter 100 ms für Echtzeit-Agenten-Schleifen, während Gemini 2.5 Pro Long-Context-Aufgaben mit seinem 1-M-Token-Kontextfenster und dem Thinking-Modus für komplexe Schlussfolgerungen bewältigt.

Gemini-Anwendungsfälle

Multimodale Analyse aus der Workbench

Bilder, PDFs, Audiodateien oder Videoframes zusammen mit Textprompts senden, damit Gemini sie analysiert, beschreibt oder strukturierte Daten extrahiert – alles nativ über einen einzigen Tool-Aufruf.

Analyse langer Dokumente mit 1-Million-Token-Kontext

Laden Sie gesamte Codebasen, juristische Dokumentensammlungen oder Forschungsartikel in das 1-Million-Token-Kontextfenster von Gemini 2.5 Pro für Analyse und Zusammenfassung – ohne Chunking oder Retrieval-Pipelines.

Echtzeit-Agent-Schleifen mit Flash

Gemini 3.5 Flash für latenzempfindliche Tool-Calling-Ketten verwenden, bei denen eine First-Token-Latenz unter 100 ms wichtiger ist als maximale Reasoning-Qualität. Die Kosten pro Million Token gehören zu den niedrigsten im Katalog.

FAQ

Fragen zu Gemini + WorkBuddy

WorkBuddy – allgemeine Einrichtung

Noch nicht verbunden? Starte mit der RunAPI MCP-Einrichtungsanleitung für WorkBuddy.

WorkBuddy-Einrichtungsanleitung →

Gemini-Modellkatalog

Alle Gemini-Varianten, Preisstufen und API-Dokumentation anzeigen.

Gemini models →

Gemini noch heute in WorkBuddy ausprobieren.

Einen kostenlosen RunAPI-Schlüssel holen, den MCP-Server registrieren und mit Gemini 3.5 Flash chatten – kein Google Cloud-Projekt erforderlich.

Modelle durchsuchen →