Zusammenfassung
Lass deine KI Google Gemini mit deinem eigenen API-Key nutzen: Gemini-Modellen Fragen stellen, Bilder und PDFs über einen Link analysieren, Tokens zählen, Embeddings erstellen und mit Nano Banana Bilder erzeugen oder bearbeiten, die direkt im Chat erscheinen.
Geführte Einrichtung
Google Gemini API in 2 Minuten mit Microsoft Copilot verbinden
Starte die kostenlose Testphase in der AnythingMCP Cloud, verbinde Google Gemini API in der geführten Einrichtung und trag deine MCP-URL in Microsoft Copilot ein. Ohne Code, ohne eigenen Server.
Keine Kreditkarte · 7 Tage Test · Self-Hosting-Alternative verfügbar
Frag einfach
Beispiel-Prompts für Google Gemini API
Klick auf einen Prompt, um ihn zu kopieren. In Claude, ChatGPT, Cursor, Gemini, Copilot oder OpenClaw einfügen — und gegen diesen Connector laufen lassen.
Claude ist KI und kann Fehler machen. Bitte Antworten gegenprüfen.
💡 Keine Installation? Nutze cloud.anythingmcp.com direkt. Einloggen, Connectors → Google Gemini API klicken, Zugangsdaten einfügen, MCP-API-Key erzeugen, fertig. Kein Docker, kein
git clone, kein lokaler Server.
Gemini API + Microsoft Copilot
Lass deine KI Google Gemini mit deinem eigenen API-Key nutzen: Gemini-Modellen Fragen stellen, Bilder und PDFs über einen Link analysieren, Tokens zählen, Embeddings erstellen und mit Nano Banana Bilder erzeugen oder bearbeiten, die direkt im Chat erscheinen.
Voraussetzungen
Die vollständige Setup-Anleitung ist in den Connector eingebaut (im Store sichtbar, wenn du den Connector auswählst). Benötigte Umgebungsvariablen für diesen Connector:
GEMINI_API_KEY
Schritt 1 — Zugangsdaten holen
- Öffne Google AI Studio unter
https://aistudio.google.com/apikeyund melde dich mit deinem Google-Konto an. - Klicke auf Create API key, wähle ein Google-Cloud-Projekt aus oder lege eines an und kopiere den Key. Er beginnt meist mit
AIza. - Füge ihn in
GEMINI_API_KEYein und installiere den Connector. Der Key wird nur an Google gesendet. - Um Bilder zu erzeugen oder höhere Limits zu bekommen, aktiviere in AI Studio die Abrechnung für das Projekt des Keys (Get API key, dann Set up billing). Bildmodelle haben kein Free Tier.
- Führe
gemini_list_modelsaus, um zu sehen, welche Modelle dein Key nutzen kann. Das kostet nichts.
Abrechnung: Die Gemini API läuft über deinen eigenen Key. Jeder Aufruf außer der Modellliste, der Files API und dem Zählen von Tokens wird dem Projekt des Keys berechnet oder auf sein Free Tier angerechnet. Im Free Tier sind Text- und Embedding-Modelle innerhalb von Minuten- und Tageslimits kostenlos, und Google darf Prompts aus dem Free Tier zur Verbesserung seiner Produkte nutzen. Die KI nutzt günstige, schnelle Standardmodelle (gemini-3.1-flash-lite für Text, gemini-embedding-001 für Embeddings), solange du kein stärkeres Modell verlangst, und gemini_count_tokens schätzt einen langen Prompt kostenlos ab, bevor du ihn sendest.
Bilder kosten Geld: gemini_generate_image und gemini_edit_image erzeugen oder ändern Bilder mit Nano Banana und zeigen sie direkt im Chat. Das Standard-Bildmodell kostet etwa 0,034 $ pro Bild, das leistungsfähigste etwa 0,13 $, deshalb bestätigt die KI jedes Bild vorher mit dir. Bilder über 4 MB werden nicht zurückgegeben: Bitte dann um eine kleinere Größe.
Dateien per Link: gemini_analyze_file_url beantwortet Fragen zu einem Bild, einem PDF, einer Text- oder CSV-Datei oder einem kurzen Video, das über einen öffentlichen HTTPS-Link mit bis zu 15 MB erreichbar ist. Gemini ruft den Link selbst ab, er muss also ohne Login funktionieren. Die Tools für die Files API listen und lesen die gespeicherten Dateien des Projekts, die nach 48 Stunden ablaufen. gemini_delete_file ist bei der Installation deaktiviert.
Häufige Fehler: 400 mit ungültigem Key: Der Key ist falsch oder wurde gelöscht, erstelle also in AI Studio einen neuen. 403: Der Key ist auf andere APIs beschränkt (erlaube in der Google Cloud console unter Credentials, API restrictions die Generative Language API), die API ist in seinem Projekt ausgeschaltet, oder ein Datei-Link ist nicht öffentlich. 404: Den Modellcode gibt es nicht, prüfe ihn mit gemini_list_models. 429: Ein Limit des Free Tiers oder des bezahlten Tarifs ist erreicht, oder ein Bildmodell wurde ohne Abrechnung aufgerufen; warte oder aktiviere die Abrechnung. Ein 400, laut dem das Free Tier nicht verfügbar ist, bedeutet, dass es in deiner Region nicht angeboten wird: Aktiviere die Abrechnung. Eine Anfrage, die von Googles Sicherheitsfiltern blockiert wird, kommt als Fehler zurück und wird nicht wiederholt.
Der Connector lädt keine Dateien hoch, streamt kein Audio oder Video (Live API), erzeugt weder Sprache noch Videos (Veo) und unterstützt weder Context Caching noch Batch-Jobs, getunte Modelle oder File Search Stores.
Schritt 2 — Adapter installieren
curl -fsSL https://raw.githubusercontent.com/HelpCode-ai/anythingmcp/main/docker-compose.quickstart.yml -o docker-compose.yml
printf 'JWT_SECRET=%s\nENCRYPTION_KEY=%s\n' "$(openssl rand -hex 32)" "$(openssl rand -hex 32)" > .env
docker compose up -d
Schritt 3 — Connector in Microsoft Copilot hinzufügen
Deine Server-URL: Öffne in AnythingMCP MCP Servers → den Server, auf dem dieser Connector liegt, und kopiere seine URL (
https://cloud.anythingmcp.com/mcp/…). Setze sie überall ein, wo diese AnleitungYOUR_SERVER_IDzeigt.
Microsoft Copilot nutzt MCP-Server über Agents, die du in Copilot Studio baust: Du fügst AnythingMCP einem Agent als Tool hinzu und veröffentlichst den Agent dann in Microsoft 365 Copilot und Teams. Copilot Studio verbindet sich aus der Cloud von Microsoft per Streamable HTTP, das AnythingMCP unterstützt.
- Öffne in Copilot Studio deinen Agent (oder leg einen an), geh zu Tools und wähle Add a tool → New tool → Model Context Protocol.
- Trag einen Server name ein (zum Beispiel
AnythingMCP), eine Server description, die sagt, was der Connector kann, und die Server URLhttps://cloud.anythingmcp.com/mcp/YOUR_SERVER_ID. Anhand der Beschreibung entscheidet Copilot Studio, wann es den Server aufruft. - Wähle bei der Authentifizierung API key, setze Type auf Header und den Header-Namen auf
X-API-Keyund klicke auf Create. - Wähle in Add tool die Option Create a new connection, füge einen MCP-API-Key aus AnythingMCP ein (MCP Servers → dein Server → API keys) und klicke auf Add to agent.
- Probier es im Test-Bereich des Agents aus: Bitte um etwas, wofür er die
Gemini API-Tools braucht. - Klicke auf Publish, dann auf Channels → Microsoft 365 and Microsoft Teams, lass Make agent available in Microsoft Copilot aktiviert und wähle Add channel. See agent in Teams installiert den Agent für dich; in Microsoft 365 Copilot tippst du @ und wählst den Agent aus.
Lieber eine Anmeldung pro Person? Wähle statt API key OAuth 2.0 → Dynamic discovery: Dann meldet sich jede Person beim ersten Aufruf des Agents bei AnythingMCP an.
Du hostest selbst? Nimm statt https://cloud.anythingmcp.com die öffentliche HTTPS-Adresse deiner Instanz. Copilot Studio verbindet sich aus der Cloud von Microsoft, localhost funktioniert deshalb nicht.
Verfügbare Tools
| Tool | What it does |
|---|---|
gemini_list_models | List the Gemini models this API key can use, with their input and output token limits, whether they think, and the methods they support… |
gemini_get_model | Read one Gemini model: display name, description, version, input and output token limits, default temperature, top-p and top-k, whether it… |
gemini_generate_text | Ask a Gemini model one question and get its text answer (generateContent) |
gemini_generate_content | Full generateContent call for conversations and mixed input. contents is the list of turns: [{"role": "user", "parts": [{"text": "..."}]}… |
gemini_analyze_file_url | Ask a Gemini model about a file on the web: an image, a PDF, a text or CSV file or a short video, given by its public HTTPS link (up to 15… |
gemini_count_tokens | Count how many input tokens a text is for a Gemini model, to estimate cost or check it fits the context window before a long call |
gemini_embed_text | Turn one text into an embedding vector (embedContent) for semantic search, clustering or similarity |
gemini_batch_embed_texts | Embed up to 20 texts in one call (batchEmbedContents); the vectors come back in the order given |
gemini_generate_image | Create a picture from a text description with a Gemini image model (Nano Banana) and return it as an image the user can see |
gemini_edit_image | Change an existing picture with a Gemini image model: describe the edit ("replace the sky with a sunset", "remove the person on the left"… |
gemini_list_files | List the files stored in the project's Gemini Files API (uploaded for prompts, or generated), newest first, with name, display name, MIME… |
gemini_get_file | Read one file of the Gemini Files API: display name, MIME type, size, state (PROCESSING, ACTIVE or FAILED), uri to use in… |
gemini_delete_file | Delete a file from the Gemini Files API before it expires |
Beispiel-Prompts
- „Lies das PDF mit der Lieferanten-Preisliste unter dem Link, den ich unten einfüge, und liste jedes Produkt mit seinem Preis auf.“
- „Lass Gemini diese Produktbeschreibung für unseren Onlineshop kürzer und freundlicher formulieren.“
- „Wie viele Tokens hat dieses Angebot für Gemini, und was würde eine Zusammenfassung mit dem Standardmodell kosten?“
- „Erstelle mit Nano Banana ein Produktfoto unserer blauen Keramiktasse auf einem Holztisch, aber nenne mir vorher die Kosten und warte auf mein OK.“
FAQ
Für welchen Copilot gilt das? Für Microsoft 365 Copilot im Unternehmen, über Agents aus Copilot Studio. Die Microsoft-Copilot-App für private Konten bietet keine Möglichkeit, einen eigenen MCP-Server hinzuzufügen.
Was brauche ich? Ein Arbeitskonto mit Zugang zu Copilot Studio (Lizenz oder Testversion), um den Agent zu bauen. Wer ihn in Microsoft 365 Copilot oder Teams nutzen soll, braucht Zugriff auf den Agent: Teile ihn oder lass ihn von einem Admin für die Organisation veröffentlichen. Wendet deine Organisation Datenrichtlinien auf Power-Platform-Connectors an, gelten sie auch für MCP-Server.
Der Agent ruft die Tools nicht auf. Prüfe, dass der Header-Name genau X-API-Key lautet und der Schlüssel zum selben MCP-Server gehört wie die URL, und formuliere die Server description konkret: Copilot Studio entscheidet anhand der Beschreibung, wann es den Server aufruft. Veröffentliche den Agent nach jeder Änderung erneut; in einem offenen Chat holst du die neue Version mit „start over“.
Nächste Schritte
- Connector-Startseite
- Mit Claude verbinden
- Mit ChatGPT verbinden
- Mit Cursor verbinden
- Mit Gemini verbinden
- Mit Meta Muse verbinden
War dieser Guide hilfreich?