Utiliser APIMart avec Gemini CLI

Introduction

Gemini CLI est l’outil officiel en ligne de commande de Google qui permet aux développeurs d’interagir avec les modèles d’IA Gemini depuis le terminal. Après avoir configuré l’API APIMart, vous pouvez utiliser les modèles avancés d’APIMart — GPT, Claude et Gemini — dans Gemini CLI.

Prérequis

Avant de commencer :

Node.js et npm installés
Téléchargez et installez depuis le site Node.js (v16 ou plus récent recommandé)
Clé API APIMart
Connectez-vous à la console APIMart et copiez votre clé API (commence par sk-)

Astuce : si vous n’avez pas encore de compte APIMart, inscrivez-vous d’abord sur APIMart et créez une clé API.

Étape 1 : Installer Gemini CLI

1.1 Installation globale

Installez Gemini CLI globalement avec npm :

npm install -g @google/gemini-cli

1.2 Vérifier l’installation

Vérifiez que la CLI est disponible :

gemini --version

Si un numéro de version s’affiche, l’installation a réussi.

Astuce : si la commande n’est pas trouvée, redémarrez votre terminal ou vérifiez votre configuration PATH globale npm.

Étape 2 : Configurer l’API APIMart

2.1 Variables d’environnement temporaires

Pour des tests ou une utilisation ponctuelle ; les valeurs sont effacées à la fermeture du terminal. Windows (PowerShell) :

$env:GEMINI_API_KEY = "sk-xxxxxxxxxxxx"
$env:GEMINI_BASE_URL = "https://api.apimart.ai/v1"

macOS/Linux (Bash) :

export GEMINI_API_KEY="sk-xxxxxxxxxxxx"
export GEMINI_BASE_URL="https://api.apimart.ai/v1"

2.2 Variables d’environnement permanentes (recommandé)

Conserver la configuration pour que les nouveaux shells la reprennent automatiquement. Windows (PowerShell) :

Exécuter PowerShell en tant qu’administrateur
Définir les variables d’environnement utilisateur :

[System.Environment]::SetEnvironmentVariable('GEMINI_API_KEY', 'sk-xxxxxxxxxxxx', 'User')
[System.Environment]::SetEnvironmentVariable('GEMINI_BASE_URL', 'https://api.apimart.ai/v1', 'User')

Redémarrez PowerShell ou rechargez les variables :

$env:GEMINI_API_KEY = [System.Environment]::GetEnvironmentVariable('GEMINI_API_KEY', 'User')
$env:GEMINI_BASE_URL = [System.Environment]::GetEnvironmentVariable('GEMINI_BASE_URL', 'User')

macOS/Linux (Bash) :

Modifiez le fichier rc de votre shell :

# Bash
nano ~/.bashrc

# Zsh (par défaut sur macOS)
nano ~/.zshrc

Ajoutez :

# APIMart Gemini CLI
export GEMINI_API_KEY="sk-xxxxxxxxxxxx"
export GEMINI_BASE_URL="https://api.apimart.ai/v1"

Rechargez :

source ~/.bashrc   # Bash
source ~/.zshrc    # Zsh

2.3 Utiliser un fichier `.env`

Créez .env dans votre projet :

# .env
GEMINI_API_KEY=sk-xxxxxxxxxxxx
GEMINI_BASE_URL=https://api.apimart.ai/v1

Chargez les variables avant d’exécuter Gemini : macOS/Linux :

export $(cat .env | xargs) && gemini chat

Windows (PowerShell) :

Get-Content .env | ForEach-Object {
    $name, $value = $_.split('=')
    Set-Content env:\$name $value
}
gemini chat

Important : - Remplacez sk-xxxxxxxxxxxx par votre vraie clé depuis la console APIMart - Définissez GEMINI_BASE_URL à https://api.apimart.ai/v1 pour que Gemini CLI dialogue avec APIMart - Ajoutez .env à .gitignore pour ne pas committer les clés

2.4 Vérifier la configuration

macOS/Linux :

echo $GEMINI_API_KEY
echo $GEMINI_BASE_URL

Windows (PowerShell) :

echo $env:GEMINI_API_KEY
echo $env:GEMINI_BASE_URL

Si les valeurs semblent correctes, la configuration a réussi.

Étape 3 : Utiliser Gemini CLI

3.1 Chat de base

Session interactive :

gemini chat

Prompt ponctuel :

gemini "Give a short overview of the history of artificial intelligence"

3.2 Choisir un modèle

gemini chat --model gpt-4o

Ou :

gemini "Write a Python quicksort implementation" --model claude-sonnet-4-5-20250929

3.3 Lire les prompts depuis un fichier

gemini --input prompt.txt

Ou par pipe :

cat prompt.txt | gemini

3.4 Sauvegarder la sortie dans un fichier

gemini "Generate a React component" --output component.jsx

Étape 4 : Appeler APIMart depuis votre code

4.1 SDK Python

import openai

# APIMart
openai.api_key = "sk-xxxxxxxxxxxx"  # Your APIMart API key
openai.api_base = "https://api.apimart.ai/v1"

response = openai.ChatCompletion.create(
    model="gemini-2.0-flash-exp",
    messages=[
        {"role": "user", "content": "Hi—please introduce yourself"}
    ]
)

print(response.choices[0].message.content)

4.2 JavaScript / TypeScript

import OpenAI from "openai";

const client = new OpenAI({
  apiKey: "sk-xxxxxxxxxxxx",
  baseURL: "https://api.apimart.ai/v1",
});

async function main() {
  const completion = await client.chat.completions.create({
    model: "gemini-2.0-flash-exp",
    messages: [{ role: "user", content: "Hi—please introduce yourself" }],
  });

  console.log(completion.choices[0].message.content);
}

main();

4.3 cURL

curl https://api.apimart.ai/v1/chat/completions \
  -H "Content-Type: application/json" \
  -H "Authorization: Bearer sk-xxxxxxxxxxxx" \
  -d '{
    "model": "gemini-2.0-flash-exp",
    "messages": [
      {"role": "user", "content": "Hi—please introduce yourself"}
    ]
  }'

Étape 5 : Choisir un modèle

Modèles recommandés

APIMart prend en charge de nombreux modèles ; choisissez selon la tâche et le budget. Gemini

Nom du modèle	ID du modèle	Caractéristiques	Adapté à
Gemini 2.0 Flash	`gemini-2.0-flash-exp`	Rapide, multimodal	Réponses rapides, vision + texte
Gemini 2.5 Pro	`gemini-2.5-pro`	Capacité forte	Problèmes difficiles, analyse
Gemini 2.5 Flash	`gemini-2.5-flash`	Très réactif	Chat temps réel, jobs par lots

GPT

Nom du modèle	ID du modèle	Caractéristiques	Adapté à
GPT-5	`gpt-5`	Haut de gamme	Raisonnement, écriture créative
GPT-4o	`gpt-4o`	Haute qualité	Chat général, contenu
GPT-4o Mini	`gpt-4o-mini`	Économique	Tâches simples, gros volumes

Claude

Nom du modèle	ID du modèle	Caractéristiques	Adapté à
Claude Sonnet 4.5	`claude-sonnet-4-5-20250929`	Raisonnement fort	Code, logique
Claude Haiku 4.5	`claude-haiku-4-5-20251001`	Très rapide	Q&R, chat à faible latence

Choix rapides : - 🚀 Stack style Google : gemini-2.0-flash-exp, gemini-2.5-pro - 💡 Codage : claude-sonnet-4-5-20250929, gpt-5 - 💰 Coût : gpt-4o-mini, claude-haiku-4-5-20251001 - ⚡ Vitesse : gemini-2.0-flash-exp, gpt-4o-mini

Fonctionnalités avancées

Multimodal (images)

Avec un modèle multimodal tel que Gemini 2.0 Flash :

response = openai.ChatCompletion.create(
    model="gemini-2.0-flash-exp",
    messages=[
        {
            "role": "user",
            "content": [
                {"type": "text", "text": "What's in this image?"},
                {
                    "type": "image_url",
                    "image_url": {
                        "url": "https://example.com/image.jpg"
                    }
                }
            ]
        }
    ]
)

Streaming

Diffuser les tokens à mesure qu’ils arrivent :

stream = openai.ChatCompletion.create(
    model="gemini-2.0-flash-exp",
    messages=[{"role": "user", "content": "Write a short poem about spring"}],
    stream=True
)

for chunk in stream:
    if chunk.choices[0].delta.content:
        print(chunk.choices[0].delta.content, end='')

Ajustement des paramètres

Forme du caractère aléatoire et de la longueur :

response = openai.ChatCompletion.create(
    model="gemini-2.0-flash-exp",
    messages=[{"role": "user", "content": "Your question"}],
    temperature=0.7,        # randomness (0–2)
    max_tokens=2000,        # max output length
    top_p=0.9,              # nucleus sampling
    presence_penalty=0,     # topic diversity
    frequency_penalty=0     # repetition penalty
)

FAQ

Q1 : « Invalid API key » ou erreurs d’authentification

Format de la clé
- Doit commencer par sk-
- Pas d’espaces supplémentaires lors du collage

Variables d’environnement

# macOS / Linux
echo $GEMINI_API_KEY
echo $GEMINI_BASE_URL

# Windows PowerShell
echo $env:GEMINI_API_KEY
echo $env:GEMINI_BASE_URL

Statut de la clé
- Vérifiez la clé dans la console APIMart
- Assurez-vous que votre compte a du solde

Q2 : Comment vérifier la configuration de l’API ?

import openai

openai.api_key = "sk-xxxxxxxxxxxx"
openai.api_base = "https://api.apimart.ai/v1"

try:
    response = openai.ChatCompletion.create(
        model="gemini-2.0-flash-exp",
        messages=[{"role": "user", "content": "test"}],
        max_tokens=10
    )
    print("✅ API configuration OK")
    print(f"Reply: {response.choices[0].message.content}")
except Exception as e:
    print(f"❌ API configuration failed: {e}")

Q3 : Quels langages sont pris en charge ?

Tout langage capable d’envoyer des requêtes HTTP fonctionne avec APIMart :

✅ Python — SDK OpenAI recommandé
✅ JavaScript / TypeScript — Node ou navigateur
✅ Java — client HTTP
✅ Go — stdlib ou bibliothèques
✅ PHP — cURL ou Guzzle
✅ Ruby — gems HTTP
✅ C# / .NET — HttpClient
✅ Swift — URLSession
✅ Autres — tout ce qui supporte HTTP

Q4 : Où voir l’utilisation et la facturation ?

Dans la console APIMart :

📊 Statistiques d’appels en direct
💰 Coûts et factures
📈 Tendances d’utilisation
🔍 Journaux des requêtes
⚙️ Gestion des clés API

Q5 : Erreurs API courantes

Erreur	Cause probable	Que faire
`401 Unauthorized`	Mauvaise clé ou clé révoquée	Corriger la clé dans env / console
`429 Too Many Requests`	Limite de débit	Ralentir ou monter le plan
`500 Internal Server Error`	Problème temporaire du serveur	Réessayer plus tard ; contacter le support si persiste
`insufficient_quota`	Solde faible	Recharger dans la console

Bonnes pratiques

1. Nouvelles tentatives et backoff

import openai
import time

def call_with_retry(max_retries=3):
    for i in range(max_retries):
        try:
            response = openai.ChatCompletion.create(
                model="gemini-2.0-flash-exp",
                messages=[{"role": "user", "content": "Your question"}]
            )
            return response
        except openai.error.RateLimitError:
            if i < max_retries - 1:
                time.sleep(2 ** i)
                continue
            raise
        except Exception as e:
            print(f"Error: {e}")
            raise

response = call_with_retry()

2. Contrôle des coûts

def choose_model(complexity):
    if complexity == "simple":
        return "gpt-4o-mini"
    elif complexity == "medium":
        return "gemini-2.0-flash-exp"
    return "gpt-5"

model = choose_model("simple")
response = openai.ChatCompletion.create(
    model=model,
    messages=[{"role": "user", "content": "Your question"}],
    max_tokens=500
)

3. Prompts système

response = openai.ChatCompletion.create(
    model="gemini-2.0-flash-exp",
    messages=[
        {
            "role": "system",
            "content": "You are an expert Python assistant who writes clear, efficient code."
        },
        {
            "role": "user",
            "content": "Implement quicksort for me"
        }
    ]
)

Fonctionnalités

Avec Google AI Studio et APIMart, vous obtenez :

🤖 De nombreux modèles — GPT, Claude, Gemini et plus
🌍 Compatible OpenAI — forme de requête/réponse familière
⚡ Performances — faible latence, forte concurrence
💰 Tarification claire — paiement à l’usage
📊 Observabilité — surveillez les appels en temps réel
🔒 Sécurité — garanties orientées entreprise
🚀 Intégration rapide — appels HTTP/SDK simples
📚 Documentation — guides et exemples

Support

Commencer avec APIMart

Créez un compte, obtenez une clé API et utilisez plusieurs modèles d’IA depuis les workflows Google AI Studio et au-delà.

Documentation Index

​Introduction

​Prérequis

​Étape 1 : Installer Gemini CLI

​1.1 Installation globale

​1.2 Vérifier l’installation

​Étape 2 : Configurer l’API APIMart

​2.1 Variables d’environnement temporaires

​2.2 Variables d’environnement permanentes (recommandé)

​2.3 Utiliser un fichier .env

​2.4 Vérifier la configuration

​Étape 3 : Utiliser Gemini CLI

​3.1 Chat de base

​3.2 Choisir un modèle

​3.3 Lire les prompts depuis un fichier

​3.4 Sauvegarder la sortie dans un fichier

​Étape 4 : Appeler APIMart depuis votre code

​4.1 SDK Python

​4.2 JavaScript / TypeScript

​4.3 cURL

​Étape 5 : Choisir un modèle

​Modèles recommandés

​Fonctionnalités avancées

​Multimodal (images)

​Streaming

​Ajustement des paramètres

​FAQ

​Q1 : « Invalid API key » ou erreurs d’authentification

​Q2 : Comment vérifier la configuration de l’API ?

​Q3 : Quels langages sont pris en charge ?

​Q4 : Où voir l’utilisation et la facturation ?

​Q5 : Erreurs API courantes

​Bonnes pratiques

​1. Nouvelles tentatives et backoff

​2. Contrôle des coûts

​3. Prompts système

​Fonctionnalités

​Support

Commencer avec APIMart

Introduction

Prérequis

Étape 1 : Installer Gemini CLI

1.1 Installation globale

1.2 Vérifier l’installation

Étape 2 : Configurer l’API APIMart

2.1 Variables d’environnement temporaires

2.2 Variables d’environnement permanentes (recommandé)

2.3 Utiliser un fichier `.env`

2.4 Vérifier la configuration

Étape 3 : Utiliser Gemini CLI

3.1 Chat de base

3.2 Choisir un modèle

3.3 Lire les prompts depuis un fichier

3.4 Sauvegarder la sortie dans un fichier

Étape 4 : Appeler APIMart depuis votre code

4.1 SDK Python

4.2 JavaScript / TypeScript

4.3 cURL

Étape 5 : Choisir un modèle

Modèles recommandés

Fonctionnalités avancées

Multimodal (images)

Streaming

Ajustement des paramètres

FAQ

Q1 : « Invalid API key » ou erreurs d’authentification

Q2 : Comment vérifier la configuration de l’API ?

Q3 : Quels langages sont pris en charge ?

Q4 : Où voir l’utilisation et la facturation ?

Q5 : Erreurs API courantes

Bonnes pratiques

1. Nouvelles tentatives et backoff

2. Contrôle des coûts

3. Prompts système

Fonctionnalités

Support