Google (Gemini)

Das Google-Plugin bietet Zugriff auf Gemini-Modelle über Google AI Studio sowie Bilderzeugung, Medienverständnis (Bild/Audio/Video), Text-to-Speech und Websuche über Gemini Grounding.

• Provider: google
• Authentifizierung: GEMINI_API_KEY oder GOOGLE_API_KEY
• API: Google Gemini API
• Runtime-Option: agents.defaults.agentRuntime.id: "google-gemini-cli" verwendet Gemini CLI OAuth wieder, während Modellreferenzen kanonisch als google/* beibehalten werden.

# Erste Schritte

Wählen Sie Ihre bevorzugte Authentifizierungsmethode aus und folgen Sie den Einrichtungsschritten.

openclaw onboard --auth-choice gemini-api-key

openclaw onboard --non-interactive \
  --mode local \
  --auth-choice gemini-api-key \
  --gemini-api-key "$GEMINI_API_KEY"

{
  agents: {
    defaults: {
      model: { primary: "google/gemini-3.1-pro-preview" },
    },
  },
}

openclaw models list --provider google

# Homebrew
brew install gemini-cli

# or npm
npm install -g @google/gemini-cli

openclaw models auth login --provider google-gemini-cli --set-default

openclaw models list --provider google

# Fähigkeiten

# Websuche

Der gebündelte gemini-Websuche-Provider verwendet Gemini Google Search Grounding. Konfigurieren Sie einen dedizierten Suchschlüssel unter plugins.entries.google.config.webSearch, oder lassen Sie ihn nach GEMINI_API_KEY models.providers.google.apiKey wiederverwenden:

{
  plugins: {
    entries: {
      google: {
        config: {
          webSearch: {
            apiKey: "AIza...", // optional if GEMINI_API_KEY or models.providers.google.apiKey is set
            baseUrl: "https://generativelanguage.googleapis.com/v1beta", // falls back to models.providers.google.baseUrl
            model: "gemini-2.5-flash",
          },
        },
      },
    },
  },
}

Die Reihenfolge der Anmeldedaten ist zuerst der dedizierte webSearch.apiKey, dann GEMINI_API_KEY, dann models.providers.google.apiKey. webSearch.baseUrl ist optional und für Operator-Proxys oder kompatible Gemini API-Endpunkte vorgesehen; wenn ausgelassen, verwendet die Gemini-Websuche models.providers.google.baseUrl wieder. Siehe Gemini-Suche für das providerspezifische Tool-Verhalten.

# Bilderzeugung

Der gebündelte google-Provider für Bilderzeugung verwendet standardmäßig google/gemini-3.1-flash-image-preview.

• Unterstützt außerdem google/gemini-3-pro-image-preview
• Erzeugen: bis zu 4 Bilder pro Anfrage
• Bearbeitungsmodus: aktiviert, bis zu 5 Eingabebilder
• Geometriesteuerungen: size, aspectRatio und resolution

So verwenden Sie Google als Standard-Provider für Bilder:

{
  agents: {
    defaults: {
      imageGenerationModel: {
        primary: "google/gemini-3.1-flash-image-preview",
      },
    },
  },
}

# Videogenerierung

Das gebündelte google-Plugin registriert außerdem Videogenerierung über das gemeinsame Tool video_generate.

• Standard-Videomodell: google/veo-3.1-fast-generate-preview
• Modi: Text-zu-Video, Bild-zu-Video und Referenzabläufe mit einem einzelnen Video
• Unterstützt aspectRatio, resolution und audio
• Aktuelle Begrenzung der Dauer: 4 bis 8 Sekunden

So verwenden Sie Google als Standard-Provider für Videos:

{
  agents: {
    defaults: {
      videoGenerationModel: {
        primary: "google/veo-3.1-fast-generate-preview",
      },
    },
  },
}

# Musikgenerierung

Das gebündelte google-Plugin registriert außerdem Musikgenerierung über das gemeinsame Tool music_generate.

• Standard-Musikmodell: google/lyria-3-clip-preview
• Unterstützt außerdem google/lyria-3-pro-preview
• Prompt-Steuerungen: lyrics und instrumental
• Ausgabeformat: standardmäßig mp3, plus wav auf google/lyria-3-pro-preview
• Referenzeingaben: bis zu 10 Bilder
• Sitzungsbasierte Läufe werden über den gemeinsamen Task-/Statusablauf entkoppelt, einschließlich action: "status"

So verwenden Sie Google als Standard-Provider für Musik:

{
  agents: {
    defaults: {
      musicGenerationModel: {
        primary: "google/lyria-3-clip-preview",
      },
    },
  },
}

# Text-to-Speech

Der gebündelte google-Sprach-Provider verwendet den Gemini API TTS-Pfad mit gemini-3.1-flash-tts-preview.

• Standardstimme: Kore
• Authentifizierung: messages.tts.providers.google.apiKey, models.providers.google.apiKey, GEMINI_API_KEY oder GOOGLE_API_KEY
• Ausgabe: WAV für reguläre TTS-Anhänge, Opus für Sprachnotiz-Ziele, PCM für Talk/Telefonie
• Sprachnotiz-Ausgabe: Google PCM wird als WAV verpackt und mit ffmpeg in 48 kHz Opus transkodiert

Googles Batch-Gemini-TTS-Pfad gibt generiertes Audio in der abgeschlossenen generateContent-Antwort zurück. Für gesprochene Unterhaltungen mit niedrigster Latenz verwenden Sie den Google-Echtzeit-Sprach-Provider auf Basis der Gemini Live API statt Batch- TTS.

So verwenden Sie Google als Standard-TTS-Provider:

{
  messages: {
    tts: {
      auto: "always",
      provider: "google",
      providers: {
        google: {
          model: "gemini-3.1-flash-tts-preview",
          voiceName: "Kore",
          audioProfile: "Speak professionally with a calm tone.",
        },
      },
    },
  },
}

Gemini API TTS verwendet natürlichsprachliches Prompting zur Stilsteuerung. Setzen Sie audioProfile, um dem gesprochenen Text einen wiederverwendbaren Stil-Prompt voranzustellen. Setzen Sie speakerName, wenn Ihr Prompt-Text auf einen benannten Sprecher verweist.

Gemini API TTS akzeptiert außerdem ausdrucksstarke Audio-Tags in eckigen Klammern im Text, wie [whispers] oder [laughs]. Um Tags aus der sichtbaren Chat-Antwort herauszuhalten, sie aber an TTS zu senden, setzen Sie sie in einen [[tts:text]]...[[/tts:text]]- Block:

Here is the clean reply text.

[[tts:text]][whispers] Here is the spoken version.[[/tts:text]]

# Echtzeit-Sprache

Das gebündelte google-Plugin registriert einen Echtzeit-Sprach-Provider auf Basis der Gemini Live API für Backend-Audio-Bridges wie Voice Call und Google Meet.

Beispiel für die Voice Call-Echtzeitkonfiguration:

{
  plugins: {
    entries: {
      "voice-call": {
        enabled: true,
        config: {
          realtime: {
            enabled: true,
            provider: "google",
            providers: {
              google: {
                model: "gemini-2.5-flash-native-audio-preview-12-2025",
                voice: "Kore",
                activityHandling: "start-of-activity-interrupts",
                turnCoverage: "only-activity",
              },
            },
          },
        },
      },
    },
  },
}

Führen Sie für die Live-Verifizierung durch Maintainer OPENAI_API_KEY=... GEMINI_API_KEY=... node --import tsx scripts/dev/realtime-talk-live-smoke.ts aus. Der Google-Abschnitt prägt dieselbe eingeschränkte Live-API-Token-Form, die von Control UI Talk verwendet wird, öffnet den Browser-WebSocket-Endpunkt, sendet die anfängliche Setup-Nutzlast und wartet auf setupComplete.

# Erweiterte Konfiguration

{
  agents: {
    defaults: {
      models: {
        "google/gemini-2.5-pro": {
          params: {
            cachedContent: "cachedContents/prebuilt-context",
          },
        },
      },
    },
  },
}

# Verwandte Themen