Google (Gemini)

Google Plugin は、Google AI Studio 経由で Gemini モデルへのアクセスを提供し、 さらに画像生成、メディア理解（画像/音声/動画）、テキスト読み上げ、Gemini Grounding による Web 検索を提供します。

• プロバイダー: google
• 認証: GEMINI_API_KEY または GOOGLE_API_KEY
• API: Google Gemini API
• ランタイムオプション: agents.defaults.agentRuntime.id: "google-gemini-cli" は、モデル参照を正規の google/* のままにしつつ、Gemini CLI OAuth を再利用します。

# はじめに

好みの認証方式を選び、セットアップ手順に従ってください。

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

# 機能

# Web 検索

同梱の gemini Web 検索プロバイダーは、Gemini Google Search Grounding を使用します。 専用の検索キーを plugins.entries.google.config.webSearch で設定するか、 GEMINI_API_KEY の後に models.providers.google.apiKey を再利用させます。

{
  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",
          },
        },
      },
    },
  },
}

認証情報の優先順位は、専用の webSearch.apiKey、次に GEMINI_API_KEY、 次に models.providers.google.apiKey です。webSearch.baseUrl は任意で、 オペレータープロキシまたは互換性のある Gemini API エンドポイント向けに存在します。省略した場合、 Gemini Web 検索は models.providers.google.baseUrl を再利用します。プロバイダー固有のツール動作については、 Gemini 検索 を参照してください。

# 画像生成

同梱の google 画像生成プロバイダーのデフォルトは google/gemini-3.1-flash-image-preview です。

• google/gemini-3-pro-image-preview もサポート
• 生成: リクエストあたり最大 4 画像
• 編集モード: 有効、入力画像は最大 5 枚
• ジオメトリ制御: size、aspectRatio、resolution

Google をデフォルトの画像プロバイダーとして使用するには:

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

# 動画生成

同梱の google Plugin は、共有の video_generate ツールを通じて動画生成も登録します。

• デフォルト動画モデル: google/veo-3.1-fast-generate-preview
• モード: テキストから動画、画像から動画、単一動画参照フロー
• aspectRatio、resolution、audio をサポート
• 現在の長さの制限: 4 秒から 8 秒

Google をデフォルトの動画プロバイダーとして使用するには:

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

# 音楽生成

同梱の google Plugin は、共有の music_generate ツールを通じて音楽生成も登録します。

• デフォルト音楽モデル: google/lyria-3-clip-preview
• google/lyria-3-pro-preview もサポート
• プロンプト制御: lyrics と instrumental
• 出力形式: デフォルトは mp3、google/lyria-3-pro-preview では wav も使用可能
• 参照入力: 最大 10 画像
• セッションに支えられた実行は、action: "status" を含む共有タスク/ステータスフローを通じてデタッチされます

Google をデフォルトの音楽プロバイダーとして使用するには:

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

# テキスト読み上げ

同梱の google 音声プロバイダーは、Gemini API TTS パスを gemini-3.1-flash-tts-preview とともに使用します。

• デフォルト音声: Kore
• 認証: messages.tts.providers.google.apiKey、models.providers.google.apiKey、GEMINI_API_KEY、または GOOGLE_API_KEY
• 出力: 通常の TTS 添付では WAV、ボイスメモ対象では Opus、Talk/電話では PCM
• ボイスメモ出力: Google PCM は WAV としてラップされ、ffmpeg で 48 kHz Opus にトランスコードされます

Google のバッチ Gemini TTS パスは、完了した generateContent レスポンス内で生成済み音声を返します。最小レイテンシの音声会話には、バッチ TTS ではなく、Gemini Live API に支えられた Google リアルタイム音声プロバイダーを使用してください。

Google をデフォルトの TTS プロバイダーとして使用するには:

{
  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 は、スタイル制御に自然言語プロンプトを使用します。 audioProfile を設定すると、話されるテキストの前に再利用可能なスタイルプロンプトを付加できます。 プロンプトテキストが名前付き話者に言及している場合は、speakerName を設定します。

Gemini API TTS は、テキスト内の [whispers] や [laughs] のような表現豊かな角括弧の音声タグも受け付けます。 タグを表示されるチャット返信に出さずに TTS に送るには、[[tts:text]]...[[/tts:text]] ブロック内に入れてください。

Here is the clean reply text.

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

# リアルタイム音声

同梱の google Plugin は、Voice Call や Google Meet のようなバックエンド音声ブリッジ向けに、 Gemini Live API に支えられたリアルタイム音声プロバイダーを登録します。

Voice Call リアルタイム設定の例:

{
  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",
              },
            },
          },
        },
      },
    },
  },
}

メンテナー向けのライブ検証では、 OPENAI_API_KEY=... GEMINI_API_KEY=... node --import tsx scripts/dev/realtime-talk-live-smoke.ts を実行してください。 Google 側は Control UI Talk で使用されるものと同じ制約付き Live API トークン形状を発行し、ブラウザー WebSocket エンドポイントを開き、初期セットアップペイロードを送信して、 setupComplete を待機します。

# 高度な設定

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

# 関連