Gemini CLI에서 APIMart 사용하기

npm install -g @google/gemini-cli

gemini --version

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

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

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

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

# Bash의 경우
nano ~/.bashrc

# Zsh의 경우 (macOS 기본값)
nano ~/.zshrc

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

# Bash의 경우
source ~/.bashrc

# Zsh의 경우
source ~/.zshrc

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

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

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

echo $GEMINI_API_KEY
echo $GEMINI_BASE_URL

echo $env:GEMINI_API_KEY
echo $env:GEMINI_BASE_URL

gemini chat

gemini "인공지능 발전의 역사에 대해 설명해주세요"

gemini chat --model gpt-4o

gemini "Python 퀵소트 알고리즘을 작성해주세요" --model claude-sonnet-4-5-20250929

gemini --input prompt.txt

cat prompt.txt | gemini

gemini "React 컴포넌트 코드를 생성해주세요" --output component.jsx

import openai

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

# Gemini 모델 사용
response = openai.ChatCompletion.create(
    model="gemini-2.0-flash-exp",
    messages=[
        {"role": "user", "content": "안녕하세요, 자기소개를 해주세요"}
    ]
)

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

import OpenAI from 'openai';

const client = new OpenAI({
  apiKey: 'sk-xxxxxxxxxxxx', // APIMart API 키
  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: '안녕하세요, 자기소개를 해주세요' }
    ]
  });
  
  console.log(completion.choices[0].message.content);
}

main();

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": "안녕하세요, 자기소개를 해주세요"}
    ]
  }'

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

stream = openai.ChatCompletion.create(
    model="gemini-2.0-flash-exp",
    messages=[{"role": "user", "content": "봄에 관한 시를 써주세요"}],
    stream=True
)

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

response = openai.ChatCompletion.create(
    model="gemini-2.0-flash-exp",
    messages=[{"role": "user", "content": "당신의 질문"}],
    temperature=0.7,        # 무작위성 제어 (0-2)
    max_tokens=2000,        # 최대 출력 길이
    top_p=0.9,             # 핵 샘플링 매개변수
    presence_penalty=0,     # 주제 신선도
    frequency_penalty=0     # 반복 패널티
)

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": "테스트"}],
        max_tokens=10
    )
    print("✅ API 구성 성공!")
    print(f"응답: {response.choices[0].message.content}")
except Exception as e:
    print(f"❌ API 구성 실패: {e}")

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": "당신의 질문"}]
            )
            return response
        except openai.error.RateLimitError:
            if i < max_retries - 1:
                time.sleep(2 ** i)  # 지수 백오프
                continue
            raise
        except Exception as e:
            print(f"오류: {e}")
            raise

response = call_with_retry()

# 작업 복잡도에 따라 적절한 모델 선택
def choose_model(task_complexity):
    if task_complexity == "simple":
        return "gpt-4o-mini"  # 경제적
    elif task_complexity == "medium":
        return "gemini-2.0-flash-exp"  # 성능과 비용의 균형
    else:
        return "gpt-5"  # 고성능

model = choose_model("simple")
response = openai.ChatCompletion.create(
    model=model,
    messages=[{"role": "user", "content": "당신의 질문"}],
    max_tokens=500  # 출력 길이를 제한하여 비용 관리
)

# 시스템 프롬프트를 사용하여 출력 품질 향상
response = openai.ChatCompletion.create(
    model="gemini-2.0-flash-exp",
    messages=[
        {
            "role": "system",
            "content": "당신은 전문 Python 프로그래밍 어시스턴트이며, 명확하고 효율적인 코드를 작성하는 데 능숙합니다."
        },
        {
            "role": "user",
            "content": "퀵소트 알고리즘을 작성해주세요"
        }
    ]
)