Gemini CLI と MCP で Telegram ボットを「画像生成・解析」対応の万能秘書に進化させる

> Source: Zenn_Python

// Problem

従来のAPI直接呼び出し構成では、画像生成やVision機能の連携、ファイル操作などの複雑なツール実行をPython側で個別に実装する必要があり、エージェントとしての自律性と、新しい機能を追加する際の拡張性に課題があった。

// Approach

Gemini CLIをサブプロセスとして呼び出す構成に変更し、MCPサーバー「nanobanana」を統合。これにより、Geminiが自律的に画像生成・解析ツールを選択・実行できる環境を構築した。また、実行前後のファイル差分を検知して画像をTelegramへ自動送信する仕組みを導入した。

// Result

ボットのコード変更を最小限に抑えつつ、画像生成・解析が可能な「万能秘書」へと進化させた。CLI側のアップデートを容易に享受できる疎結合な設計を実現し、従来のAPIへのフォールバック機構による可用性も維持している。

Senior Engineer Insight

> 本構成の肝は、ボット本体とLLMの実行環境をCLIを介して疎結合にした点にある。これにより、LLM側の機能拡張がボットのコード変更なしに可能となる。ただし、実戦投入においては、サブプロセス起動に伴うレイテンシの増大と、ファイルシステムを介した画像受け渡しによるI/Oオーバーヘッドが懸念される。大規模トラフィックを捌くプロダクション環境では、CLI呼び出しではなく、MCPをマイクロサービスとして独立させ、gRPCや高速な通信プロトコルで連携する設計が望ましい。