用途：把本地图片或视频上传到 Gemini 网页版输入框，获取模型对媒体的分析回复。已在 gemini.google.com/app、Chrome、已登录账号环境下验证可用。依赖 claude-in-chrome MCP 服务器（navigate、find、file_upload、computer、javascript_tool、get_page_text）和已登录 Gemini 的 Chrome 配置文件，无需 API 密钥。
主要能力与两条路径：视频路径为导航到 https://gemini.google.com/app，真实点击输入框的 +／Uploads & Tools 按钮（JS .click() 无效），用 find 定位 Gemini 自带的隐藏文件输入，file_upload 上传绝对路径，再真实点击输入框触发 Angular 接收，等待缩略图出现后输入提示词并轮询 get_page_text。图片路径：Gemini 自带输入不接受图片，需注入自建 file input，用 file_upload 填充，再通过合成 paste 事件把 File 交给输入框，确认缩略图出现后再发送，最后移除辅助输入以免干扰后续 find。
限制：切勿点击上传菜单中的“Dateien hochladen”／“Upload files”，会打开系统文件对话框并阻塞整个自动化会话。每次 file_upload 上限 10 MB，超限文件建议用 ffmpeg 重编码缩小，例如 -c:v libx264 -crf 22 -vf scale=1280:-2；路径须在会话文件夹内。本地 HTTP 服务器作为字节来源不可用（CSP 限制）。drop 事件、合成 input/change、视频 paste、Set-Clipboard 加合成 Ctrl+V 等做法均实测无效。视频分析约 30–60 秒，图片约 20–40 秒，缩略图出现可能明显晚于 8 秒，不要过早判定失败。上传未公开素材前应先明确告知文件将发送给 Google 并取得同意。