Google (Gemini)

The Google Plugin надає доступ до моделей Gemini через Google AI Studio, а також генерацію зображень, розуміння медіа (зображення/аудіо/відео), перетворення тексту на мовлення та вебпошук через Gemini Grounding.

• Провайдер: google
• Автентифікація: GEMINI_API_KEY або GOOGLE_API_KEY
• API: Google Gemini API
• Параметр середовища виконання: agents.defaults.agentRuntime.id: "google-gemini-cli" повторно використовує OAuth Gemini CLI, зберігаючи канонічні посилання на моделі як google/*.

# Початок роботи

Виберіть бажаний метод автентифікації та виконайте кроки налаштування.

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

# Можливості

# Вебпошук

Вбудований провайдер вебпошуку gemini використовує grounding Google Search у Gemini. Налаштуйте окремий ключ пошуку в plugins.entries.google.config.webSearch або дозвольте повторно використовувати models.providers.google.apiKey після GEMINI_API_KEY:

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

Пріоритет облікових даних: окремий webSearch.apiKey, потім GEMINI_API_KEY, потім models.providers.google.apiKey. webSearch.baseUrl є необов’язковим і існує для операторських проксі або сумісних кінцевих точок Gemini API; якщо його пропущено, вебпошук Gemini повторно використовує models.providers.google.baseUrl. Див. Пошук Gemini щодо поведінки інструмента, специфічної для провайдера.

# Генерація зображень

Вбудований провайдер генерації зображень google за замовчуванням використовує google/gemini-3.1-flash-image-preview.

• Також підтримує google/gemini-3-pro-image-preview
• Генерація: до 4 зображень на запит
• Режим редагування: увімкнено, до 5 вхідних зображень
• Керування геометрією: size, aspectRatio і resolution

Щоб використовувати Google як стандартного провайдера зображень:

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

# Генерація відео

Вбудований Plugin google також реєструє генерацію відео через спільний інструмент video_generate.

• Стандартна відеомодель: google/veo-3.1-fast-generate-preview
• Режими: текст-у-відео, зображення-у-відео та потоки з посиланням на одне відео
• Підтримує aspectRatio, resolution і audio
• Поточне обмеження тривалості: від 4 до 8 секунд

Щоб використовувати Google як стандартного провайдера відео:

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

# Генерація музики

Вбудований Plugin google також реєструє генерацію музики через спільний інструмент music_generate.

• Стандартна музична модель: google/lyria-3-clip-preview
• Також підтримує google/lyria-3-pro-preview
• Керування prompt: lyrics і instrumental
• Формат виводу: mp3 за замовчуванням, а також wav на google/lyria-3-pro-preview
• Вхідні посилання: до 10 зображень
• Запуски на основі сесії від’єднуються через спільний потік завдань/статусу, зокрема action: "status"

Щоб використовувати Google як стандартного провайдера музики:

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

# Перетворення тексту на мовлення

Вбудований мовленнєвий провайдер google використовує шлях TTS Gemini API з gemini-3.1-flash-tts-preview.

• Стандартний голос: Kore
• Автентифікація: messages.tts.providers.google.apiKey, models.providers.google.apiKey, GEMINI_API_KEY або GOOGLE_API_KEY
• Вивід: WAV для звичайних вкладень TTS, Opus для цілей голосових нотаток, PCM для Talk/телефонії
• Вивід голосових нотаток: Google PCM обгортається як WAV і транскодується у 48 кГц Opus за допомогою ffmpeg

Щоб використовувати Google як стандартного провайдера TTS:

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

TTS Gemini API використовує prompt природною мовою для керування стилем. Задайте audioProfile, щоб додати багаторазовий prompt стилю перед озвучуваним текстом. Задайте speakerName, коли текст prompt посилається на іменованого мовця.

TTS Gemini API також приймає виразні аудіотеги у квадратних дужках у тексті, наприклад [whispers] або [laughs]. Щоб не показувати теги у видимій відповіді чату, але надсилати їх у TTS, помістіть їх у блок [[tts:text]]...[[/tts:text]]:

Here is the clean reply text.

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

# Голос у реальному часі

Вбудований Plugin google реєструє провайдера голосу в реальному часі на основі Gemini Live API для бекендних аудіомостів, таких як Voice Call і Google Meet.

Приклад конфігурації Voice Call у режимі realtime:

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

Для live-перевірки мейнтейнером виконайте OPENAI_API_KEY=... GEMINI_API_KEY=... node --import tsx scripts/dev/realtime-talk-live-smoke.ts. Гілка Google створює ту саму форму обмеженого токена Live API, яку використовує Control UI Talk, відкриває браузерний кінцевий пункт WebSocket, надсилає початкове корисне навантаження налаштування і чекає на setupComplete.

# Розширена конфігурація

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

# Пов’язане