Collegare Cohere MCP a Gemini CLI

💡 Niente installazione? Vai direttamente su cloud.anythingmcp.com. Accedi, clicca Connectors → Cohere, inserisci le credenziali, genera una MCP API key e hai finito. Niente Docker, niente git clone, niente server locale.

Cohere + Gemini

Cohere con la tua chiave API: risposte dei modelli Command con citazioni dai tuoi documenti, embedding per la ricerca semantica, riordino dei risultati di ricerca, trascrizione audio, parsing di immagini di documenti, conteggio dei token, e i modelli, dataset, batch ed embed job dell'account.

Prerequisiti

Le istruzioni di setup complete sono incluse nel connettore stesso (visibili nello store quando lo selezioni). Le variabili d'ambiente richieste sono:

COHERE_API_KEY

Step 1 — Ottieni le credenziali

La configurazione richiede circa 2 minuti. Ti serve un account Cohere; una chiave trial è gratuita.

1. Registrati su https://dashboard.cohere.com e apri API Keys (https://dashboard.cohere.com/api-keys).
2. Copia la chiave trial, oppure crea una chiave di produzione dopo aver aggiunto un metodo di pagamento in Billing.
3. Incollala in COHERE_API_KEY, senza la parola Bearer. Il connettore la invia come Authorization: Bearer e solo a Cohere.
4. Installa il connettore ed esegui cohere_check_api_key o cohere_list_models per verificare la chiave.

Quali strumenti costano: cohere_chat, cohere_embed, cohere_rerank, cohere_transcribe_audio e cohere_parse_document eseguono un modello. Con una chiave di produzione ogni chiamata viene addebitata: la chat per token di input e output, l'embed per token o immagine, il rerank per ricerca fino a 100 documenti (i documenti lunghi contano come più documenti). Una chiave trial è gratuita ma limitata al minuto e al mese e non può essere usata a fini commerciali. L'AI ti chiede conferma prima di chiamate grandi o ripetute e imposta max_tokens per limitare la risposta della chat. cohere_tokenize, cohere_detokenize, cohere_check_api_key e tutti gli strumenti di elenco e lettura sono gratuiti.

Modelli: gli id cambiano, quindi cohere_list_models (filtro endpoint chat, embed o rerank) ha l'elenco aggiornato e cohere_get_model mostra lunghezza del contesto, funzionalità ed endpoint di un modello.

• Chat: command-a-03-2025 (la scelta predefinita), command-a-reasoning-08-2025 (ragionamento), command-a-vision-07-2025 (immagini), command-a-translate-08-2025 (traduzione), command-r7b-12-2024 (piccolo ed economico).
• Embed: embed-v4.0 (testo e immagini), embed-v5.0-pro, embed-v5.0-fast, embed-multilingual-v3.0.
• Rerank: rerank-v5.0-fast (predefinito), rerank-v5.0-pro (più preciso), rerank-v3.5.
• Trascrizione: cohere-transcribe-03-2026. Parsing: parse-v5.0.

Risposte con citazioni: cohere_chat riceve model e messages e restituisce la risposta intera in una volta. Passando documents (stringhe semplici, oppure oggetti con id e data contenente title e snippet) ottieni una risposta fondata sui documenti: contiene message.citations che rimandano a essi. response_format impone il JSON, tools aggiunge il function calling, e thinking con tipo disabled disattiva il ragionamento sui modelli che ragionano.

Ricerca semantica: cohere_embed trasforma fino a 96 testi (o immagini come data URI) in vettori; input_type search_document serve per ciò che memorizzi, search_query per la query. Il valore predefinito qui è embed-v4.0 con 256 dimensioni (output_dimension 256, 512, 1024 o 1536). cohere_rerank ordina fino a 1.000 documenti per pertinenza rispetto a una query e restituisce results con index (la posizione nella tua lista) e relevance_score da 0 a 1; top_n tiene solo i migliori.

Audio e documenti: cohere_transcribe_audio riceve un link pubblico a un file audio (flac, mp3, mpeg, mpga, ogg, wav, fino a 10 MB tramite questo connettore) e l'obbligatorio language (ISO-639-1); il connettore scarica il file e lo carica su Cohere. cohere_parse_document trasforma l'immagine di una pagina (scansione, foto, screenshot; link pubblico o data URI fino a 20 MB) in markdown con le tabelle integrate, oppure in blocchi di layout. I PDF non sono ancora supportati.

Token: cohere_tokenize conta i token di un testo per un modello, ad esempio prima di una chiamata chat; cohere_detokenize riconverte gli id dei token in testo.

Dati dell'account: cohere_list_datasets, cohere_get_dataset e cohere_get_dataset_usage (spazio occupato, al massimo 10 GB per organizzazione); cohere_list_batches e cohere_get_batch per i job della Batch API; cohere_list_embed_jobs e cohere_get_embed_job per gli embed job.

Formati dei dati: la chat restituisce message.content[] (elementi di tipo text con text), finish_reason (COMPLETE, MAX_TOKENS, STOP_SEQUENCE, TOOL_CALL, ERROR) e usage.billed_units con i token di input e output fatturati. Gli embedding si trovano in embeddings.float, un vettore per testo nello stesso ordine. Le date sono ISO 8601, in UTC.

Paginazione: cohere_list_models e cohere_list_batches restituiscono next_page_token; l'AI lo passa come page_token finché non è vuoto. cohere_list_datasets pagina con limit e offset.

Disattivati all'installazione: nessuno. Tutti i 17 strumenti sono attivi e nessuno cancella dati.

Limiti: al massimo 96 testi per chiamata embed e 1.000 documenti per rerank; audio fino a 10 MB e immagini di documenti fino a 20 MB. Le chiavi trial hanno limiti bassi al minuto e al mese.

Errori comuni: 400 indica una richiesta errata (ad esempio un parametro che il modello non accetta, o più di 96 testi); 401 una chiave errata; 402 che serve un metodo di pagamento (aggiungilo in Billing); 404 un modello, dataset, batch o job sconosciuto; 422 una richiesta che non è stato possibile elaborare; 429 il limite di frequenza (l'AI attende invece di riprovare in loop); 499 una richiesta annullata; 500 e 503 sono problemi di Cohere, riprova una volta più tardi.

Il connettore non trasmette le risposte in streaming e non crea, annulla né cancella dataset, batch o embed job. Classify, Summarize, Generate, i connector e il fine-tuning sono deprecati da Cohere e non sono inclusi.

Step 2 — Installa l'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

Step 3 — Aggiungi il connettore in Gemini

L'URL del tuo server: in AnythingMCP apri MCP Servers → il server su cui si trova questo connettore e copia il suo URL (https://cloud.anythingmcp.com/mcp/…). Usalo ovunque questa guida mostra YOUR_SERVER_ID.

Gemini CLI legge i server MCP da ~/.gemini/settings.json (su Windows %USERPROFILE%\.gemini\settings.json). Aggiungi:

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

1. Crea una chiave API MCP in AnythingMCP da MCP Servers → il tuo server → API keys e incollala al posto di YOUR_MCP_API_KEY.
2. Salva il file e riavvia gemini.
3. Esegui /mcp in Gemini CLI (oppure gemini mcp list dal terminale): anythingmcp dovrebbe risultare connesso.
4. Inizia a scrivere prompt: Gemini CLI ora può chiamare i tool di Cohere.

Tool disponibili

Esempi di prompt

• "Rispondi alla domanda sul nostro periodo di reso usando solo questi tre estratti delle condizioni, e indica da quale estratto viene ogni frase."
• "Quali di queste 20 descrizioni di prodotto corrispondono meglio a scarponi da trekking invernali impermeabili? Riordinale con il rerank e mostrami le prime 5 con i punteggi."
• "Quanti token ha questo testo di contratto per command-a-03-2025?"
• "Trasforma la fattura scansionata su https://example.com/scans/invoice-0425.png in markdown, compresa la tabella delle righe."
• "Quali dei miei embed job e batch Cohere sono ancora in corso, e qualcuno è fallito?"

FAQ

Dove cerca i server MCP Gemini CLI? In ~/.gemini/settings.json per il tuo utente, oppure in .gemini/settings.json dentro un progetto. gemini mcp list mostra ogni server e se si connette.

Prossimi passi

• Landing del connettore
• Collegare a Claude
• Collegare a ChatGPT
• Collegare a Cursor
• Collegare a Meta Muse
• Collegare a Microsoft Copilot