Conectar Cohere MCP con Gemini CLI

💡 ¿Sin instalación? Usa cloud.anythingmcp.com directamente. Inicia sesión, pulsa Connectors → Cohere, pega tus credenciales, genera una MCP API key y listo. Sin Docker, sin git clone, sin servidor local.

Cohere + Gemini

Cohere con tu propia clave API: respuestas de los modelos Command con citas de tus documentos, embeddings para búsqueda semántica, reordenación de resultados de búsqueda, voz a texto, análisis de imágenes de documentos, conteo de tokens, y los modelos, datasets, batches y embed jobs de la cuenta.

Requisitos previos

Las instrucciones de configuración completas están incluidas en el conector (visibles en el store al seleccionarlo). Las variables de entorno requeridas:

COHERE_API_KEY

Paso 1 — Obtener credenciales

La configuración lleva unos 2 minutos. Necesitas una cuenta de Cohere; una clave trial es gratuita.

1. Regístrate en https://dashboard.cohere.com y abre API Keys (https://dashboard.cohere.com/api-keys).
2. Copia la clave trial, o crea una clave de producción después de añadir un método de pago en Billing.
3. Pégala en COHERE_API_KEY, sin la palabra Bearer. El conector la envía como Authorization: Bearer y solo a Cohere.
4. Instala el conector y ejecuta cohere_check_api_key o cohere_list_models para comprobar la clave.

Qué herramientas cuestan dinero: cohere_chat, cohere_embed, cohere_rerank, cohere_transcribe_audio y cohere_parse_document ejecutan un modelo. Con una clave de producción cada llamada se factura: el chat por token de entrada y salida, embed por token o imagen, rerank por búsqueda de hasta 100 documentos (los documentos largos cuentan como varios). Una clave trial es gratuita pero tiene límites por minuto y por mes y no puede usarse con fines comerciales. La IA te pregunta antes de llamadas grandes o repetidas y fija max_tokens para limitar la respuesta del chat. cohere_tokenize, cohere_detokenize, cohere_check_api_key y todas las herramientas de listado y lectura son gratuitas.

Modelos: los ids cambian, así que cohere_list_models (filtro endpoint chat, embed o rerank) tiene la lista actual y cohere_get_model muestra la longitud de contexto, funciones y endpoints de un modelo.

• Chat: command-a-03-2025 (la opción por defecto), command-a-reasoning-08-2025 (razonamiento), command-a-vision-07-2025 (imágenes), command-a-translate-08-2025 (traducción), command-r7b-12-2024 (pequeño y barato).
• Embed: embed-v4.0 (texto e imágenes), embed-v5.0-pro, embed-v5.0-fast, embed-multilingual-v3.0.
• Rerank: rerank-v5.0-fast (por defecto), rerank-v5.0-pro (más preciso), rerank-v3.5.
• Transcripción: cohere-transcribe-03-2026. Análisis: parse-v5.0.

Respuestas con citas: cohere_chat recibe model y messages y devuelve la respuesta completa de una vez. Si pasas documents (cadenas simples, u objetos con id y data que contiene title y snippet) obtienes una respuesta fundamentada: incluye message.citations que apuntan a ellos. response_format fuerza JSON, tools añade function calling, y thinking con tipo disabled desactiva el razonamiento en los modelos que razonan.

Búsqueda semántica: cohere_embed convierte hasta 96 textos (o imágenes como data URI) en vectores; input_type search_document es para lo que guardas y search_query para la consulta. Aquí el valor por defecto es embed-v4.0 con 256 dimensiones (output_dimension 256, 512, 1024 o 1536). cohere_rerank ordena hasta 1.000 documentos por relevancia para una consulta y devuelve results con index (la posición en tu lista) y relevance_score de 0 a 1; top_n se queda solo con los mejores.

Audio y documentos: cohere_transcribe_audio recibe un enlace público a un archivo de audio (flac, mp3, mpeg, mpga, ogg, wav, hasta 10 MB a través de este conector) y el obligatorio language (ISO-639-1); el conector descarga el archivo y lo sube a Cohere. cohere_parse_document convierte la imagen de una página (escaneo, foto, captura; enlace público o data URI de hasta 20 MB) en markdown con las tablas integradas, o en bloques de maquetación. Los PDF aún no son compatibles.

Tokens: cohere_tokenize cuenta los tokens de un texto para un modelo, por ejemplo antes de una llamada de chat; cohere_detokenize vuelve a convertir ids de tokens en texto.

Datos de la cuenta: cohere_list_datasets, cohere_get_dataset y cohere_get_dataset_usage (almacenamiento usado, como máximo 10 GB por organización); cohere_list_batches y cohere_get_batch para trabajos de la Batch API; cohere_list_embed_jobs y cohere_get_embed_job para embed jobs.

Formatos de datos: el chat devuelve message.content[] (elementos de tipo text con text), finish_reason (COMPLETE, MAX_TOKENS, STOP_SEQUENCE, TOOL_CALL, ERROR) y usage.billed_units con los tokens de entrada y salida facturados. Los embeddings están en embeddings.float, un vector por texto en el mismo orden. Las fechas son ISO 8601, en UTC.

Paginación: cohere_list_models y cohere_list_batches devuelven next_page_token; la IA lo pasa como page_token hasta que llega vacío. cohere_list_datasets pagina con limit y offset.

Desactivadas al instalar: ninguna. Las 17 herramientas están activas y ninguna borra nada.

Límites: como máximo 96 textos por llamada de embed y 1.000 documentos por rerank; audio de hasta 10 MB e imágenes de documentos de hasta 20 MB. Las claves trial tienen límites bajos por minuto y por mes.

Errores comunes: 400 indica una petición incorrecta (por ejemplo un parámetro que el modelo no acepta, o más de 96 textos); 401 una clave errónea; 402 que falta un método de pago (añádelo en Billing); 404 un modelo, dataset, batch o job desconocido; 422 una petición que no se pudo procesar; 429 el límite de frecuencia (la IA espera en lugar de reintentar en bucle); 499 una petición cancelada; 500 y 503 son problemas de Cohere, reintenta una vez más tarde.

El conector no transmite respuestas en streaming y no crea, cancela ni borra datasets, batches ni embed jobs. Classify, Summarize, Generate, los connectors y el fine-tuning están obsoletos en Cohere y no se incluyen.

Paso 2 — Instalar el adapter

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

Paso 3 — Añadir el conector en Gemini

La URL de tu servidor: en AnythingMCP abre MCP Servers → el servidor donde está este conector y copia su URL (https://cloud.anythingmcp.com/mcp/…). Úsala donde esta guía muestra YOUR_SERVER_ID.

Gemini CLI lee los servidores MCP de ~/.gemini/settings.json (en Windows, %USERPROFILE%\.gemini\settings.json). Añade:

{
  "mcpServers": {
    "anythingmcp": {
      "httpUrl": "https://cloud.anythingmcp.com/mcp/YOUR_SERVER_ID",
      "headers": { "X-API-Key": "YOUR_MCP_API_KEY" }
    }
  }
}

1. Crea una clave de API MCP en AnythingMCP en MCP Servers → tu servidor → API keys y pégala en lugar de YOUR_MCP_API_KEY.
2. Guarda el archivo y reinicia gemini.
3. Ejecuta /mcp dentro de Gemini CLI (o gemini mcp list en tu terminal): anythingmcp debería aparecer como conectado.
4. Empieza a escribir prompts: Gemini CLI ya puede llamar a las herramientas de Cohere.

Herramientas disponibles

Ejemplos de prompts

• "Responde a la pregunta sobre nuestro plazo de devolución usando solo estos tres extractos de la política, e indica de qué extracto sale cada frase."
• "¿Cuáles de estas 20 descripciones de producto encajan mejor con botas de montaña impermeables para invierno? Reordénalas con rerank y muéstrame las 5 primeras con su puntuación."
• "¿Cuántos tokens tiene este texto de contrato para command-a-03-2025?"
• "Convierte la factura escaneada de https://example.com/scans/invoice-0425.png en markdown, incluida la tabla de líneas."
• "¿Cuáles de mis embed jobs y batches de Cohere siguen en marcha, y ha fallado alguno?"

FAQ

¿Dónde busca Gemini CLI los servidores MCP? En ~/.gemini/settings.json para tu usuario, o en .gemini/settings.json dentro de un proyecto. gemini mcp list muestra cada servidor y si se conecta.

Siguientes pasos

• Página del conector
• Conectar a Claude
• Conectar a ChatGPT
• Conectar a Cursor
• Conectar a Meta Muse
• Conectar a Microsoft Copilot