Gemini CLI में MCP के साथ CAPTCHA सॉल्वर टूल्स कैसे सेट अप करें

सारांश

• Gemini CLI अपने mcpServers कॉन्फ़िगरेशन के ज़रिए लोकल CAPTCHA सॉल्वर से कनेक्ट हो सकता है।
• PATH से जुड़ी समस्याओं से बचने के लिए, क्लाइंट को सीधे Python एनवायरनमेंट के executable पर पॉइंट करें।
• स्वीकृत वर्कफ़्लो में कोई पेड solve चालू करने से पहले टूल डिस्कवरी से शुरुआत करें।
• किसी MCP सर्विस से कनेक्ट होना यह साबित नहीं करता कि अकाउंट चुनौती हल कर सकता है या कोई ब्राउज़र फ़ॉर्म पूरा हो गया है।
• फ़ोल्डर ट्रस्ट और टूल अप्रूवल अलग कंट्रोल हैं; टूल कन्फ़र्मेशन सक्षम ही रखें।

Gemini CLI CAPTCHA सॉल्वर सेटअप की शुरुआत टूल कनेक्शन से होती है। अगर आपका टर्मिनल एजेंट ब्राउज़र टेस्ट या किसी अन्य अनुमोदित वेब वर्कफ़्लो को मेंटेन करने में मदद करता है, तो सॉल्वर का उपयोग केवल उसी विशेष CAPTCHA चेकपॉइंट पर होना चाहिए। यह सामान्य पेज नेविगेशन, एप्लीकेशन वैलिडेशन या इस निर्णय की जगह नहीं लेता कि एजेंट कौन‑से ऑपरेशन कर सकता है।

CapSolver एक लोकल MCP सर्विस एक्सपोज़ करता है जिसे Gemini CLI खोज सकता है। यह गाइड इन दोनों को उनकी डॉक्यूमेंटेड इंटरफेस के ज़रिए जोड़ता है, बताता है कि कनेक्शन कैसे चेक करें, और दिखाता है कि इसके बाद solving टूल कहाँ फिट होता है। दिया गया रन करने योग्य सेटअप macOS और Linux को टार्गेट करता है। कनेक्शन स्थापित करने के लिए किसी टार्गेट वेबसाइट की ज़रूरत नहीं है, न ही यह मानकर चला गया है कि Gemini CLI पहले से किसी ब्राउज़र को नियंत्रित कर रहा है।

CAPTCHA सॉल्वर Gemini CLI में क्या जोड़ता है?

CAPTCHA सॉल्वर Gemini CLI को ऐसी challenge के लिए एक callable क्षमता देता है जिसे आस‑पास के वर्कफ़्लो ने पहले ही पहचान लिया हो और जिसे हैंडल करने की अनुमति हो। Gemini CLI सर्वर कॉन्फ़िगरेशन लोड करता है और उपलब्ध टूल दिखाता है। MCP प्रोसेस टूल की परिभाषाएँ उपलब्ध कराता है और अनुरोधित ऑपरेशन को अंजाम देता है।

अपना ही एप्लिकेशन टेस्ट करने वाली QA टीम के लिए, ब्राउज़र टेस्ट टेस्ट डेटा भरने के बाद किसी CAPTCHA विजेट तक पहुँच सकता है। उस बिंदु पर सॉल्वर सपोर्टेड challenge को हैंडल कर सकता है, जबकि फ़ॉर्म इनपुट और यह assert करना कि एप्लिकेशन ने सबमिशन स्वीकार कर लिया, अब भी टेस्ट की ज़िम्मेदारी रहती है। केवल MCP सर्विस इंस्टॉल करने से वे ब्राउज़र स्टेप अपने‑आप नहीं बनते।

Google क्लाइंट कनेक्शन को अपने MCP सर्वर कॉन्फ़िगरेशन गाइड में डॉक्यूमेंट करता है। CapSolver इसके अनुरूप MCP सर्विस और टूल रोल डॉक्यूमेंट करता है। दोनों इंटरफेस लोकल stdio प्रोसेस पर मिलते हैं, इसलिए शुरुआती डिस्कवरी के लिए अलग क्लाइंट एडॉप्टर की ज़रूरत नहीं है।

टूल्स कनेक्ट करने से पहले आपको क्या चाहिए?

आपको सपोर्टेड Node.js रनटाइम, Python, एक अलग प्रोजेक्ट डायरेक्टरी, और आधिकारिक क्लाइंट व सर्वर पैकेज चाहिए। सेटअप को Node.js 24.16.0, Python 3.12.14, Gemini CLI 0.65.0 और capsolver-mcp 0.1.3 के साथ चेक किया गया था। ये वर्ज़न टेस्ट की गई कॉम्बिनेशन बताते हैं, यह ज़रूरी नहीं कि आप हमेशा इन्हीं पर रहें।

आधिकारिक Gemini CLI इंस्टॉलेशन निर्देश क्लाइंट प्रीरिक्विज़िट्स समझाते हैं। Python 3.10 या नया वर्ज़न और वह Node.js वर्ज़न उपयोग करें जिसे पिन किया हुआ Gemini पैकेज सपोर्ट करता है। अलग एनवायरनमेंट आपको मौजूदा एजेंट सेटअप बदले बिना कनेक्शन टेस्ट करने देता है।

समझने के लिए दो अलग क्रेडेंशियल हैं। Gemini का मॉडल authentication CLI को रिस्पॉन्स जेनरेट करने देता है। CapSolver का API key पेड solve जैसी अकाउंट ऑपरेशन्स को अधिकृत करता है। कोई भी क्रेडेंशियल दूसरे की जगह नहीं लेता। नीचे दिया कनेक्शन चेक न तो कोई CAPTCHA सबमिट करता है, न मॉडल रिस्पॉन्स मांगता है; आगे की solving और conversational उपयोग के लिए अपने‑अपने अकाउंट सेटअप की ज़रूरत होगी।

लोकल सर्वर और क्लाइंट इंस्टॉल करें

वे डायरेक्टरी चुनें जहाँ आप कनेक्शन टेस्ट करना चाहते हैं और वहीं आधिकारिक पैकेज इंस्टॉल करें। नई working डायरेक्टरी से, Python एनवायरनमेंट बनाएँ और पिन किए गए पैकेज इंस्टॉल करें:

python3 -m venv py
py/bin/python -m pip install capsolver-mcp==0.1.3
npm init -y
npm install --save-dev @google/gemini-cli@0.65.0

Python इंस्टॉलेशन कोर dependency खींच लाता है। अगर आप इस गाइड को बाद में दोहराएँ, तो इंस्टॉल किए गए वर्ज़न चेक करें: dependency बदलने से कॉन्फ़िगरेशन वही रहते हुए भी टूल या आउटपुट बदल सकते हैं। इस एनवायरनमेंट को प्रोजेक्ट से जोड़े रखें, ताकि कोई और टर्मिनल सत्र इसे भरोसेमंद तरीके से ढूँढ सके।

इस कनेक्शन के लिए बेस MCP पैकेज काफ़ी है। ब्राउज़र‑ओरिएंटेड टूल्स की अतिरिक्त dependencies होती हैं। शुरुआती कनेक्शन स्थापित करने के लिए आपको वे टूल्स नहीं चाहिए। आधिकारिक रजिस्ट्री इंस्टॉलेशन walkthrough प्रकाशित पैकेज और इंस्टॉलेशन रास्तों की व्याख्या करता है।

Gemini CLI में MCP सर्वर कॉन्फ़िगर करें

Gemini CLI को उसी Python इंटरप्रेटर से लॉन्च करने के लिए कॉन्फ़िगर करें जो आपने एनवायरनमेंट में बनाया है। यह एंट्री अपने मौजूदा यूज़र सेटिंग्स ~/.gemini/settings.json में मर्ज करें; असंबंधित सेटिंग्स और सर्वर को जस का तस रहने दें। executable पाथ को अपने प्रोजेक्ट के py/bin/python के पूर्ण पथ से बदलें।

{
  "mcpServers": {
    "capsolver": {
      "command": "/absolute/path/to/project/py/bin/python",
      "args": ["-m", "capsolver_mcp"],
      "env": {
        "CAPSOLVER_API_KEY": "${CAPSOLVER_API_KEY}"
      },
      "includeTools": ["get_supported_captchas", "solve_captcha"],
      "trust": false,
      "timeout": 60000
    }
  }
}

absolute इंटरप्रेटर पाथ एक आम सेटअप समस्या सुलझाता है: शेल को किसी एनवायरनमेंट के बारे में पता होता है, लेकिन क्लाइंट कोई दूसरा Python चला देता है। वैरिएबल रेफ़रेंस JSON फ़ाइल में literal अकाउंट key डालने से बचाता है। किसी अकाउंट ऑपरेशन से पहले असली key अपने सामान्य secret‑management प्रोसेस के ज़रिए सप्लाई करें।

यह starter कॉन्फ़िगरेशन capability query और token‑oriented solving टूल को एक्सपोज़ करता है। यह ब्राउज़र‑ओरिएंटेड टूल्स को allowlist से बाहर रखता है, ताकि आप तय कर सकें कि ब्राउज़र सत्र कैसे मैनेज होना चाहिए। timeout क्लाइंट की सेटिंग है (मिलीसेकंड में), न कि CAPTCHA पूरा होने के समय की कोई गारंटी।

फ़ोल्डर ट्रस्ट को सर्वर ट्रस्ट से अलग रखें

Gemini CLI अनट्रस्टेड फ़ोल्डर में MCP सर्वर को disable कर सकता है। जिस प्रोजेक्ट के आप मालिक हैं और जिसे आपने रिव्यू किया है, उसके लिए Google के trusted‑folder वर्कफ़्लो का पालन करें। असंबंधित फ़ोल्डरों को बदलने की बजाय इच्छित प्रोजेक्ट स्कोप को trust करें।

सर्वर की trust: false सेटिंग का अलग उद्देश्य है: यह टूल‑कॉल कन्फ़र्मेशन व्यवहार को बनाए रखती है। ट्रस्टेड working डायरेक्टरी का मतलब यह नहीं कि हर भविष्य की टूल कॉल अपने‑आप अप्रूव होनी चाहिए। जब आप कनेक्शन डायग्नोस्टिक से असली एप्लिकेशन वर्कफ़्लो की ओर बढ़ें, तो यह फ़र्क़ बरक़रार रखें।

अपना CapSolver बोनस कोड रिडीम करें

अपना ऑटोमेशन बजट तुरंत बढ़ाएँ!
CapSolver अकाउंट टॉप‑अप करते समय बोनस कोड CAP26 उपयोग करें और हर रिचार्ज पर अतिरिक्त 5% बोनस पाएँ — बिना किसी लिमिट के।
इसे अभी अपने CapSolver डैशबोर्ड में रिडीम करें

solve रिक्वेस्ट करने से पहले कनेक्शन वेरिफ़ाई करें

प्रोजेक्ट डायरेक्टरी से Gemini CLI के MCP listing कमांड के ज़रिए कॉन्फ़िगर की गई सर्विस वेरिफ़ाई करें:

npx --no-install gemini mcp list

सफल चेक में capsolver सर्वर stdio का इस्तेमाल करते हुए Connected स्टेटस के साथ दिखा। दिखाए गए कमांड में इंटरप्रेटर पाथ और -m capsolver_mcp शामिल थे। आपका absolute पाथ अलग होगा। Disabled रिज़ल्ट कॉन्फ़िगरेशन या ट्रस्ट डिसीज़न की ओर इशारा करता है; विफल कनेक्शन के लिए executable और प्रोसेस स्टार्टअप चेक करें।

सामान्य Gemini authentication कॉन्फ़िगर हो जाने के बाद, क्लाइंट के MCP इंटरफेस से टूल्स inspect करें। पहला अच्छा रिक्वेस्ट यह पूछना है कि सपोर्टेड CAPTCHA टाइप कौन‑कौन से हैं, बिना कुछ solve किए। इच्छित टूल get_supported_captchas है; केवल capability चेक के लिए अकाउंट बैलेंस या solving रिक्वेस्ट का इस्तेमाल न करें।

वेरिफ़िकेशन की सीमा स्पष्ट है: लोकल Gemini CLI कनेक्शन को असली MCP प्रोसेस के खिलाफ exercise किया गया। उस चेक से न तो किसी model‑driven बातचीत, न पेड challenge, न ही ब्राउज़र फ़ॉर्म completion का दावा किया जाता है। ये सब उन अलग‑अलग acceptance टेस्ट का हिस्सा हैं जो आप चुने हुए वर्कफ़्लो के लिए बनाएँगे।

solver को स्पष्ट ब्राउज़र checkpoint पर रखें

solving ऑपरेशन को कन्फ़र्म्ड CAPTCHA detection और अगले एप्लीकेशन‑लेवल वेरिफ़िकेशन के बीच रखें। मालिक‑नियंत्रित ब्राउज़र टेस्ट के लिए इच्छित क्रम यह है: टेस्ट फ़ॉर्म तक पहुँचना, सपोर्टेड challenge की पहचान करना, उपयुक्त ऑपरेशन रिक्वेस्ट करना, दिए गए रिज़ल्ट को लागू करना, और फिर एप्लीकेशन की प्रतिक्रिया चेक करना।

token‑oriented solve_captcha टूल ऐसी एप्लीकेशन के लिए फिट है जिसे पहले से ज़रूरी challenge पैरामीटर पता हों और जो बाकी ब्राउज़र काम की मालिक हो। कॉल रिक्वेस्ट करने से पहले इसका असली input schema पढ़ें। पुराना challenge या किसी अलग एनवायरनमेंट का URL सिर्फ़ इसलिए वैध नहीं हो जाता कि क्लाइंट कनेक्टेड है।

CapSolver detect_captchas और solve_on_page को ब्राउज़र‑बेस्ड टूल्स के रूप में भी डॉक्यूमेंट करता है। इन्हें browser extra, Chromium, और ऐसा session‑behavior चाहिए जो आपकी एप्लीकेशन के अनुकूल हो। किसी URL‑बेस्ड टूल के बारे में यह मानकर न चलें कि वह किसी दूसरे एजेंट द्वारा नियंत्रित ब्राउज़र की cookies या active page साझा करता है। अगर आपको पहले से आपके प्रोग्राम द्वारा owned page पर काम करना है, तो किसी और integration route चुनने से पहले core SDK के page‑oriented इंटरफेस रिव्यू करें।

पहले rollout के लिए, एक स्वीकृत टेस्ट वर्कफ़्लो चुनें और उसका completion signal लिख लें। किसी फ़ॉर्म टेस्ट में ज्ञात टेस्ट डेटा सबमिट करने के बाद अपेक्षित confirmation state की ज़रूरत हो सकती है। लौटा हुआ token solver ऑपरेशन के बारे में evidence है; confirmation state एप्लीकेशन के बारे में evidence है। दोनों को अपने टेस्ट रिज़ल्ट में रखें, बिना credentials या पूरे tokens लॉग किए।

पेड कॉल दोहराए बिना setup troubleshoot करें

किसी नई challenge को शुरू करने से पहले जिस स्टेज पर विफलता हुई हो, वहीं troubleshoot करें। जब असली समस्या Python path या disabled MCP सर्विस हो, तो पेड solve दोहराने की ज़रूरत नहीं होती।

• अगर प्रोसेस शुरू नहीं हो पा रहा, तो कन्फ़र्म करें कि कॉन्फ़िगर किया गया इंटरप्रेटर मौजूद है और उसमें पैकेज इंस्टॉल है।
• अगर Gemini सर्विस को disabled दिखाता है, तो फ़ोल्डर ट्रस्ट और कहीं सर्वर को explicitly disable तो नहीं किया, यह देखें।
• अगर सर्विस connect हो जाती है लेकिन कोई टूल missing है, तो allowlist और किसी भी exclusion को विज्ञापित नाम से मिलाएँ।
• अगर अकाउंट ऑपरेशन विफल हो, तो discovery को authentication प्रूफ़ मानने के बजाय key और अकाउंट requirements चेक करें।
• अगर रिज़ल्ट आ जाता है, लेकिन फ़ॉर्म पूरा नहीं होता, तो MCP ट्रांसपोर्ट बदलने से पहले रिज़ल्ट handling और एप्लीकेशन वैलिडेशन inspect करें।

एक बार में एक ही बदलाव करें और उसे कन्फ़र्म करने के लिए सबसे कम लागत वाला चेक दोहराएँ। अपग्रेड के बाद, पुराने prompt को reuse करने से पहले टूल नाम और schemas दोबारा discover करें। पैकेज वर्ज़न, सर्वर नाम और टूल scope वाला छोटा setup रिकॉर्ड आमतौर पर बिना redaction वाले बड़े रिक्वेस्ट लॉग से ज़्यादा उपयोगी होता है।

connected टूल्स से tested वर्कफ़्लो तक जाएँ

लोकल कनेक्शन और इच्छित ब्राउज़र हैंडऑफ़ साफ़ हो जाने के बाद असली solving पर जाएँ। स्वीकृत टास्क के लिए सबसे संकीर्ण टूल scope से शुरुआत करें, फिर एप्लीकेशन की अंतिम स्टेट को अलग से verify करें। CapSolver CAPTCHA ऑपरेशन दे सकता है जबकि Gemini CLI आस‑पास के काम को coordinate करने में मदद करता है।

उस अलग solving टेस्ट की तैयारी के लिए अपने CapSolver डैशबोर्ड का उपयोग करें। क्लाइंट या पैकेज बदलने के बाद कनेक्शन चेक को तेज़ डायग्नोस्टिक के रूप में रखें।

सामान्य प्रश्न (FAQ)

प्रश्न: क्या इस कॉन्फ़िगरेशन के बाद Gemini CLI अपने‑आप CAPTCHA हल कर देता है?

नहीं। यह कॉन्फ़िगरेशन एक external MCP टूल प्रोवाइडर से कनेक्ट करता है। आस‑पास के वर्कफ़्लो को अब भी वैध इनपुट, स्वीकृत ऑपरेशन, और एप्लीकेशन‑रिज़ल्ट चेक की ज़रूरत होती है।

प्रश्न: क्या मुझे Connected देखने के लिए CapSolver API key चाहिए?

टेस्ट किए गए लोकल कनेक्शन ने किसी अकाउंट ऑपरेशन के बिना भी सफलता दिखाई। पेड solve के लिए वैध key और लागू अकाउंट requirements चाहिए; Connected इनमें से किसी को validate नहीं करता।

प्रश्न: मेरा MCP सर्वर अनजान फ़ोल्डर में disabled क्यों है?

Gemini CLI की फ़ोल्डर‑ट्रस्ट नीति अनट्रस्टेड डायरेक्टरी में MCP सर्वर को suppress कर सकती है। फ़ोल्डर रिव्यू करें और इच्छित scope के लिए क्लाइंट ट्रस्ट फ़्लो का पालन करें।

प्रश्न: कॉन्फ़िगरेशन केवल दो टूल ही expose क्यों करता है?

उदाहरण capability query और token‑solving टूल को allow करता है। अन्य टूल्स, उनकी dependencies और उनके वर्कफ़्लो fit की समीक्षा करने के बाद ही list में संशोधन करें।

प्रश्न: क्या page‑solving टूल मेरा मौजूदा ब्राउज़र टैब reuse करता है?

यह मानकर न चलें कि ऐसा होता है। documented session मॉडल चेक करें; URL‑बेस्ड ऑपरेशन और आपके ब्राउज़र प्रोग्राम द्वारा owned page object अलग‑अलग इंटरफेस हैं।

प्रश्न: MCP कनेक्शन काम करने के बाद मुझे क्या टेस्ट करना चाहिए?

एक अधिकृत end‑to‑end वर्कफ़्लो टेस्ट करें जिसमें वैध credentials हों और एप्लीकेशन के नतीजे स्पष्ट रूप से देखे जा सकें। solver की स्थिति को page के अंतिम रिज़ल्ट से अलग रिकॉर्ड करें।