Google (Gemini)

Plugin Google zapewnia dostęp do modeli Gemini za pośrednictwem Google AI Studio, a także generowanie obrazów, analizę multimediów (obrazów/dźwięku/wideo), syntezę mowy oraz wyszukiwanie w internecie przy użyciu Gemini Grounding.

• Dostawca: google
• Uwierzytelnianie: GEMINI_API_KEY lub GOOGLE_API_KEY
• API: Google Gemini API
• Opcja środowiska uruchomieniowego: agentRuntime.id: "google-gemini-cli" ponownie wykorzystuje uwierzytelnianie OAuth Gemini CLI, zachowując kanoniczne odwołania do modeli w postaci google/*.

Pierwsze kroki

Wybierz preferowaną metodę uwierzytelniania i wykonaj czynności konfiguracyjne.

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

# Homebrewbrew install gemini-cli # lub npmnpm install -g @google/gemini-cli

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

openclaw models list --provider google

Możliwości

Wyszukiwanie w internecie

Dołączony dostawca wyszukiwania internetowego gemini korzysta z osadzania wyników Google Search w Gemini. Skonfiguruj dedykowany klucz wyszukiwania w plugins.entries.google.config.webSearch lub pozwól mu ponownie wykorzystać models.providers.google.apiKey po GEMINI_API_KEY:

{  plugins: {    entries: {      google: {        config: {          webSearch: {            apiKey: "AIza...", // opcjonalne, jeśli ustawiono GEMINI_API_KEY lub models.providers.google.apiKey            baseUrl: "https://generativelanguage.googleapis.com/v1beta", // w razie braku używa models.providers.google.baseUrl            model: "gemini-2.5-flash",          },        },      },    },  },}

Kolejność pierwszeństwa poświadczeń to dedykowane webSearch.apiKey, następnie GEMINI_API_KEY, a potem models.providers.google.apiKey. Ustawienie webSearch.baseUrl jest opcjonalne i służy do obsługi serwerów proxy operatora lub zgodnych punktów końcowych Gemini API; jeśli zostanie pominięte, wyszukiwanie internetowe Gemini ponownie wykorzysta models.providers.google.baseUrl. Informacje o zachowaniu narzędzia właściwym dla tego dostawcy znajdziesz w sekcji Wyszukiwanie Gemini.

Generowanie obrazów

Dołączony dostawca generowania obrazów google domyślnie używa google/gemini-3.1-flash-image-preview.

• Obsługuje również google/gemini-3-pro-image-preview
• Generowanie: do 4 obrazów na żądanie
• Tryb edycji: włączony, do 5 obrazów wejściowych
• Ustawienia geometrii: size, aspectRatio i resolution

Aby używać Google jako domyślnego dostawcy obrazów:

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

Generowanie wideo

Dołączony plugin google rejestruje również generowanie wideo za pośrednictwem wspólnego narzędzia video_generate.

• Domyślny model wideo: google/veo-3.1-fast-generate-preview
• Tryby: tekst na wideo, obraz na wideo oraz przepływy z pojedynczym wideo referencyjnym
• Obsługuje aspectRatio (16:9, 9:16) i resolution (720P, 1080P); obecnie Veo nie obsługuje wyjściowego dźwięku
• Obsługiwany czas trwania: 4, 6 lub 8 sekund (inne wartości są zaokrąglane do najbliższej dozwolonej wartości)

Aby używać Google jako domyślnego dostawcy wideo:

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

Generowanie muzyki

Dołączony plugin google rejestruje również generowanie muzyki za pośrednictwem wspólnego narzędzia music_generate.

• Domyślny model muzyczny: google/lyria-3-clip-preview
• Obsługuje również google/lyria-3-pro-preview
• Ustawienia promptu: lyrics i instrumental
• Format wyjściowy: domyślnie mp3, a ponadto wav w przypadku google/lyria-3-pro-preview
• Dane referencyjne: do 10 obrazów
• Przebiegi korzystające z sesji są odłączane za pośrednictwem wspólnego przepływu zadań i stanu, w tym action: "status"

Aby używać Google jako domyślnego dostawcy muzyki:

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

Synteza mowy

Dołączony dostawca mowy google korzysta ze ścieżki TTS Gemini API z modelem gemini-3.1-flash-tts-preview.

• Domyślny głos: Kore
• Uwierzytelnianie: messages.tts.providers.google.apiKey, models.providers.google.apiKey, GEMINI_API_KEY lub GOOGLE_API_KEY
• Dane wyjściowe: WAV dla zwykłych załączników TTS, Opus dla docelowych wiadomości głosowych, PCM dla funkcji Talk/telefonii
• Dane wyjściowe wiadomości głosowych: dane PCM Google są opakowywane w WAV i transkodowane do formatu Opus 48 kHz za pomocą ffmpeg

Wsadowa ścieżka Gemini TTS firmy Google zwraca wygenerowany dźwięk w ukończonej odpowiedzi generateContent. Aby uzyskać najmniejsze opóźnienia w rozmowach głosowych, użyj dostawcy głosu Google działającego w czasie rzeczywistym, opartego na Gemini Live API, zamiast wsadowego TTS.

Aby używać Google jako domyślnego dostawcy TTS:

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

TTS Gemini API wykorzystuje prompty w języku naturalnym do sterowania stylem. Ustaw audioProfile, aby poprzedzić wypowiadany tekst promptem stylu wielokrotnego użytku. Ustaw speakerName, gdy tekst promptu odwołuje się do nazwanego mówcy.

TTS Gemini API akceptuje również ekspresyjne znaczniki dźwiękowe w nawiasach kwadratowych w tekście, takie jak [whispers] lub [laughs]. Aby znaczniki nie pojawiały się w widocznej odpowiedzi na czacie, ale były wysyłane do TTS, umieść je w bloku [[tts:text]]...[[/tts:text]]:

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

Głos w czasie rzeczywistym

Dołączony plugin google rejestruje dostawcę głosu działającego w czasie rzeczywistym, opartego na Gemini Live API, przeznaczonego dla backendowych mostów audio, takich jak Voice Call i Google Meet.

Przykładowa konfiguracja połączeń głosowych w czasie rzeczywistym:

{  plugins: {    entries: {      "voice-call": {        enabled: true,        config: {          realtime: {            enabled: true,            provider: "google",            providers: {              google: {                model: "gemini-3.1-flash-live-preview",                speakerVoice: "Kore",                activityHandling: "start-of-activity-interrupts",                turnCoverage: "audio-activity-and-all-video",              },            },          },        },      },    },  },}

Aby przeprowadzić weryfikację na żywo przez opiekuna, uruchom OPENAI_API_KEY=... GEMINI_API_KEY=... node --import tsx scripts/dev/realtime-talk-live-smoke.ts. Test dymny obejmuje również ścieżki zaplecza/WebRTC OpenAI; część Google generuje token Live API o takim samym ograniczonym formacie jak używany przez funkcję rozmowy w Control UI, otwiera punkt końcowy WebSocket w przeglądarce, wysyła początkowy ładunek konfiguracji i oczekuje na setupComplete.

Konfiguracja zaawansowana

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

Powiązane materiały