Gemini CLI im Test: Open Source, aber für Einzelnutzer nicht mehr kostenlos

Gemini CLI ist Googles quelloffener Terminal-Agent und nicht mehr das kostenlose Werkzeug, das sein README noch beschreibt. Nutze es, wenn dein Unternehmen bereits eine Code-Assist-Lizenz Standard oder Enterprise hat oder dein Plattformteam Gemini über abgerechnete API-Schlüssel betreibt, auch über Vertex AI in der EU. Nutze es nicht als kostenlosen persönlichen Agenten: Seit dem 18. Juni 2026 hat Google Einzelnutzer zu Antigravity CLI verschoben.

Dieser Test behandelt, was die CLI tut, welche Wege es im Oktober 2026 noch gibt, was jeder Weg mit deinem Code macht und wie sich die CLI zu Claude Code und Codex CLI verhält. Ich habe die Seiten von Google, Anthropic und OpenAI am 10. Oktober 2026 geöffnet. Wo ich eine Zahl nicht bestätigen konnte – etwa einen Preis pro Code-Assist-Platz –, habe ich sie weggelassen.

Was es ist

Gemini CLI ist ein npm-Paket, das einen Agenten in deinem Terminal startet. Das Tool liest dein Projekt, führt Shell-Befehle aus, bearbeitet Dateien, sucht im Web über Grounding mit der Google-Suche und ruft MCP-Server auf. Der Code steht unter der Apache License 2.0, die neueste stabile Version ist v0.63.0 vom 6. Oktober 2026, und laut README haben die Gemini-3-Modelle ein Kontextfenster von 1 Mio. Token.

• Installation. npm install -g @google/gemini-cli, Homebrew oder npx.
• Eingebaute Werkzeuge. Grounding mit der Google-Suche, Dateioperationen, Shell-Befehle und Abruf von Webseiten.
• Erweiterungen. MCP-Server über stdio, SSE oder Streamable HTTP, dazu GEMINI.md-Kontextdateien.
• Automatisierung. Headless-Modus mit -p, JSON-Ausgabeformat und eine GitHub Action.

Wie es funktioniert

Jede Anfrage folgt einer Schleife. Der Prompt geht an das Modell, das Werkzeuge anfordert, sobald es sie braucht. Der Genehmigungsmodus entscheidet, ob ein Werkzeugaufruf sofort läuft oder auf dich wartet, und wenn du die Sandbox eingeschaltet hast, läuft der Aufruf darin, bevor er das Projekt berührt. Das Ergebnis geht zurück an das Modell, und die Schleife wiederholt sich, bis die Antwort fertig ist.

Neben dieser Schleife liegen zwei weitere Eingaben. GEMINI.md-Dateien werden aus mehreren Orten gelesen und aneinandergehängt, sodass eine globale Datei und eine Projektdatei beide das Verhalten des Modells prägen. MCP-Server fügen ihre Werkzeuge derselben Schleife hinzu, wie der nächste Abschnitt erklärt.

Erste Schritte

Starte mit einem Schlüssel aus einem Cloud-Projekt mit aktiver Abrechnung. Die unbezahlte Stufe ist aus der CLI entfernt, und abgerechneter Zugriff gilt nach Googles Bedingungen als bezahlter Dienst. Setze GEMINI_API_KEY und führe dann eine Aufgabe nicht interaktiv mit -s aus, was die Sandbox einschaltet, die tools.sandbox in settings.json benennt.

npm install -g @google/gemini-cli
export GEMINI_API_KEY="key-from-a-billed-project"
gemini -s -p "Run the test suite and summarise the failures" --output-format json

Die JSON-Ausgabe liefert die Antwort zusammen mit Nutzungsstatistiken, sodass ein Skript festhalten kann, was jeder Lauf verbraucht hat. Seit v0.63.0 können nicht interaktive Läufe auch mehrstufige Pläne selbstständig ausführen. Lass die Sandbox bei unbeaufsichtigten Läufen eingeschaltet.

Genehmigungsmodi und Sandbox

Der Genehmigungsmodus entscheidet, welche Werkzeugaufrufe ohne Rückfrage laufen. Der yolo-Modus lässt sich nur in der Kommandozeile setzen, und das ältere Flag --yolo ist zugunsten von --approval-mode=yolo veraltet.

• default: fragt vor Werkzeugaktionen nach einer Freigabe.
• auto_edit: genehmigt die Bearbeitungswerkzeuge automatisch.
• plan: nur lesend, für Recherche und Planung vor jeder Änderung.
• yolo: genehmigt alles, nutze ihn deshalb nur in einer Sandbox.

Die Sandbox ist optional. Schalte sie mit -s, der Variable GEMINI_SANDBOX oder tools.sandbox ein und wähle macOS Seatbelt (sandbox-exec), Docker, Podman, runsc oder LXC. Das Standardprofil von Seatbelt, permissive-open, verweigert Operationen standardmäßig und begrenzt Schreibzugriffe auf das Projektverzeichnis, erlaubt aber breiten Lesezugriff und Netzwerkzugriff. Behandle es als Schreibsperre, nicht als Netzwerksperre. Für unbeaufsichtigte Runner deckt die KI-Agenten-Sandbox-Checkliste: Lehren aus einem CI-Einbruch den Rest ab.

Kontext, MCP und die GitHub Action

GEMINI.md ist der günstigste Weg, Regeln an einer Stelle zu halten. Die CLI liest Kontextdateien von mehreren Orten, sodass eine Datei unter ~/.gemini und eine Datei im Projekt beide gelten. Antigravity CLI liest diese Datei weiterhin, und sein Migrationsleitfaden liest außerdem AGENTS.md, sodass bestehende Projektregeln übernommen werden sollten.

MCP-Server werden unter mcpServers in settings.json deklariert, jeweils mit Befehl, Argumenten und Umgebungsvariablen. Ein Server, der in ein Ticketsystem oder ein Repository schreiben kann, gehört eher in die Standardfreigabe als in yolo, und ich würde vor dem Einsatz prüfen, welche Freigabe-Nachfragen er auslöst.

Die Aktion run-gemini-cli bringt die CLI in GitHub-Workflows für Pull-Request-Reviews, Issue-Triage und @gemini-cli-Kommentare, die Änderungen verlangen. Auf Googles Seite akzeptiert sie einen Gemini-API-Schlüssel oder Workload Identity Federation; auf GitHub-Seite das Standard-GITHUB_TOKEN oder eine eigene GitHub App, die das README empfiehlt. Der Setup-Text beschreibt noch einen AI-Studio-Schlüssel mit kostenlosen Kontingenten, nimm deshalb einen abgerechneten Schlüssel. Code Assist for GitHub nimmt seit dem 18. Juni 2026 keine neuen Installationen auf GitHub-Organisationen mehr an, die über Google Cloud gekaufte Version bleibt jedoch unverändert.

Kosten und Datenschutz

Es gibt nichts selbst zu hosten. Die CLI läuft auf deinem Rechner und schickt jede Anfrage an einen Google-Endpunkt, daher folgen Preis und Datenbedingungen dem Weg, nicht dem Werkzeug. Die Tabelle listet jeden Weg so, wie Googles Seiten ihn im Oktober 2026 beschreiben. Grounding mit der Google-Suche wird über die API separat abgerechnet: 5.000 Anfragen pro Monat sind über Gemini 3 und neuere Modelle hinweg kostenlos, danach 14 $ pro 1.000. Die Ausgabepreise enthalten Denk-Token, und die Preisseite ändert die Sätze je nach Prompt-Größe.

Bei den Datenbedingungen unterscheiden sich die Wege wirklich. Nach den unbezahlten Gemini-API-Bedingungen darf Google das, was du einreichst, nutzen, um Produkte und Technologien des maschinellen Lernens bereitzustellen, zu verbessern und zu entwickeln. Menschliche Prüfer dürfen Eingaben und Ausgaben lesen, annotieren und verarbeiten, nachdem sie von deinem Konto, Schlüssel und Projekt getrennt wurden, und Google bittet dich, dort keine sensiblen, vertraulichen oder personenbezogenen Daten zu senden. Die bezahlten Bedingungen sagen, dass Prompts und Antworten nicht zur Produktverbesserung genutzt werden, und bezahlte Nutzung wird nach Googles Data Processing Addendum verarbeitet.

Code Assist Standard und Enterprise folgen den Google-Cloud-Bedingungen, und die FAQ sagt, dass Google ohne deine Erlaubnis nicht mit deinen Daten seine Modelle trainiert. Vertex AI legt für alle verwalteten Modelle der Gemini Enterprise Agent Platform eine Trainingsbeschränkung fest, auch für Modelle vor der allgemeinen Verfügbarkeit. Die Seite zur Datenresidenz trennt ruhende Daten von der ML-Verarbeitung. Der multiregionale EU-Endpunkt hält die ML-Verarbeitung in den EU-Mitgliedstaaten und schließt das Vereinigte Königreich und die Schweiz aus.

Googles Standortseite sagt, dass Endpunkte weder Datenresidenz noch ML-Verarbeitung in der Region garantieren, also wähle den Endpunkt bewusst. Auch zwei Vertex-Standardeinstellungen brauchen eine Entscheidung. Veröffentlichte Gemini-Modelle speichern Ein- und Ausgaben standardmäßig bis zu 24 Stunden im Arbeitsspeicher, pro Projekt, und du kannst das abschalten. Die Standardbedingungen der Google Cloud erlauben das Protokollieren von Prompts zur Missbrauchsüberwachung, und null Datenspeicherung braucht einen Ausnahmeantrag. Für die umfassendere EU-Checkliste siehe LLM-Datenresidenz nach DSGVO: Regionssteuerung, Zero Retention, EU-Optionen.

Wo es hakt

Die Schwächen betreffen vor allem die Planung. Der kostenlose Weg ist weg, und die Dokumentation hinkt hinterher. Das README wirbt noch für einen kostenlosen persönlichen Login, die Kontingenttabelle führt noch die geschlossenen Zeilen auf, und das Setup der Aktion verlangt noch einen kostenlosen Schlüssel. Lies die datierten Google-Seiten statt des README und rechne damit, dass sich Namen verschieben: Vertex AI läuft jetzt unter der Gemini Enterprise Agent Platform.

• Die Sandbox ist eine Schreibsperre. Das macOS-Standardprofil erlaubt breites Lesen und Netzwerkzugriff, daher kann ein Agent, der Shell-Befehle ausführt, weiterhin Netzwerkaufrufe machen.
• Limits pro Minute werden nicht veröffentlicht. Die Kontingentseite nennt Tageswerte, aber keine Minutenwerte, daher lässt sich daraus keine Spitzenlast ableiten.
• Token-Rechnungen sind schwer vorherzusagen. Denk-Token zählen als Ausgabe, die Preise ändern sich mit der Prompt-Größe, und Agenten-Sitzungen machen viele Aufrufe.
• Zwei Lücken bleiben. Ich habe die Limits und Datenbedingungen von Antigravity CLI nicht bestätigt, ebenso wenig einen Preis pro Nutzer für Code Assist.

Fazit

Gemini CLI lohnt sich dort, wo eine Lizenz oder ein abgerechneter Schlüssel ohnehin im Budget steht. Ein Unternehmen mit Code Assist Standard oder Enterprise bekommt einen Apache-2.0-Agenten mit Genehmigungsmodi, einer optionalen Sandbox, GEMINI.md, MCP und einer Action. Für ein persönliches Projekt ist der kostenlose Weg weg, und dort würde ich nicht anfangen.

• Nimm es, wenn dein Unternehmen eine Code-Assist-Lizenz Standard oder Enterprise hat und einen Apache-2.0-Agenten mit Genehmigungsmodi und einer Action will.
• Nimm es, wenn ein Plattformteam Gemini bereits über Vertex AI in einem abgerechneten Projekt betreibt und einen EU-Endpunkt braucht.
• Nimm es nicht als kostenlosen persönlichen Agenten. Der Einzelweg ist geschlossen, und für diesen Zweck ist Antigravity CLI Googles Weg.
• Wähle Claude Code, wenn du lieber einen Monatstarif zahlst als Token. Der kostenlose Tarif enthält Claude Code nicht, plane also ab Pro.
• Wähle Codex CLI, wenn du ChatGPT Plus ohnehin bezahlst und eine Sandbox willst, die standardmäßig greift.

Quellen

• Google Developers Blog: Umstieg von Gemini CLI auf Antigravity CLI
• Gemini CLI: Kontingente und Preise
• Gemini CLI: Lizenz, Nutzungsbedingungen und Datenschutzhinweise
• GitHub: google-gemini/gemini-cli, Repository und README
• Gemini-CLI-Changelog: v0.63.0 vom 6. Oktober 2026
• Gemini-CLI-Referenz: Flags und Genehmigungsmodi
• Gemini-CLI-Konfiguration: settings.json und Standardgenehmigungen
• Gemini CLI: Sandboxing
• Gemini CLI: Kontextdateien (GEMINI.md)
• Gemini CLI: MCP-Server
• Zusätzliche Nutzungsbedingungen der Gemini API
• Preise der Gemini Developer API
• FAQ zu Gemini Code Assist
• Vertex AI: Datenverwaltung und Zero Data Retention
• Vertex AI: Datenresidenz
• Vertex AI: Standorte und Endpunkte
• run-gemini-cli: die GitHub Action für Gemini CLI
• Migrationsleitfaden für Antigravity CLI
• Claude-Preise
• Claude Code: Datennutzung
• Claude Code: Einrichtung und Anforderungen an den Tarif
• Claude Code: Berechtigungsmodi
• Claude Code: Sandboxing
• Claude-Code-Lizenz (LICENSE.md)
• OpenAI-Codex-Preise
• OpenAI-Codex-CLI-Repository
• Codex: Genehmigungen für Agenten und Sicherheit
• Codex: Sandboxing