メインコンテンツへスキップ
Google Plugin は、Google AI Studio を通じた Gemini モデルへのアクセスに加えて、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 によるウェブ検索を提供します。
  • 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: agentRuntime.id: "google-gemini-cli" は Gemini CLI OAuth を再利用しつつ、モデル参照を google/* として正規のまま保持します。

​
はじめに

希望する認証方法を選び、セットアップ手順に従ってください。
最適な用途: Google AI Studio を通じた標準的な Gemini API アクセス。
1

Run onboarding

openclaw onboard --auth-choice gemini-api-key
または、キーを直接渡します。
openclaw onboard --non-interactive \
  --mode local \
  --auth-choice gemini-api-key \
  --gemini-api-key "$GEMINI_API_KEY"
2

Set a default model

{
  agents: {
    defaults: {
      model: { primary: "google/gemini-3.1-pro-preview" },
    },
  },
}
3

Verify the model is available

openclaw models list --provider google
GEMINI_API_KEY と GOOGLE_API_KEY はどちらも使用できます。すでに設定済みのものを使用してください。
google/gemini-3-pro-preview は 2026-03-09 に廃止されました。代わりに google/gemini-3.1-pro-preview を使用してください。Gemini API キーのセットアップ（openclaw onboard --auth-choice gemini-api-key または openclaw models auth login --provider google）を再実行すると、古い設定済みデフォルトが現在のモデルに書き換えられます。

​
機能

機能サポート
チャット補完はい
画像生成はい
音楽生成はい
テキスト読み上げはい
リアルタイム音声はい（Google Live API）
画像理解はい
音声文字起こしはい
動画理解はい
ウェブ検索（Grounding）はい
思考/推論はい（Gemini 2.5+ / Gemini 3+）
Gemma 4 モデルはい

​
ウェブ検索

バンドルされた gemini ウェブ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 に設定するか、 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 は省略可能で、 運用者のプロキシまたは互換 Gemini API エンドポイント用に存在します。省略された場合、 Gemini ウェブ検索は 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。
Gemini 3 モデルは thinkingBudget ではなく thinkingLevel を使用します。OpenClaw は Gemini 3、Gemini 3.1、および gemini-*-latest エイリアスの推論制御を thinkingLevel にマッピングするため、デフォルト/低レイテンシ実行では無効な thinkingBudget 値を送信しません。/think adaptive は固定の OpenClaw レベルを選ぶ代わりに、Google の動的思考セマンティクスを保持します。 Gemini 3 と Gemini 3.1 は固定の thinkingLevel を省略し、 Google がレベルを選択できるようにします。Gemini 2.5 は Google の動的センチネル thinkingBudget: -1 を送信します。Gemma 4 モデル（例: gemma-4-26b-a4b-it）は思考モードをサポートします。OpenClaw は Gemma 4 向けに thinkingBudget をサポートされている Google の thinkingLevel に書き換えます。 思考を off に設定すると、MINIMAL にマッピングせずに思考の無効化を保持します。Gemini 2.5 Pro は思考モードでのみ動作し、明示的な thinkingBudget: 0 を拒否します。OpenClaw は Gemini 2.5 Pro リクエストでその値を 送信せずに取り除きます。

​
画像生成

バンドルされた 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、最大 5 入力画像
  • 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",
      },
    },
  },
}
共有ツールパラメーター、プロバイダー選択、フェイルオーバー動作については、画像生成 を参照してください。

​
動画生成

バンドルされた google Plugin は、共有 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（16:9、9:16）と resolution（720P、1080P）をサポートします。音声出力は現在 Veo でサポートされていません
  • サポートされる長さ: 4、6、または 8 秒（その他の値は最も近い許可値に丸められます）
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",
      },
    },
  },
}
共有ツールパラメーター、プロバイダー選択、フェイルオーバー動作については、動画生成 を参照してください。

​
音楽生成

バンドルされた google Plugin は、共有 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
  • セッションに基づく実行は、action: "status" を含む共有タスク/ステータスフローを通じて切り離されます
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",
      },
    },
  },
}
共有ツールパラメーター、プロバイダー選択、フェイルオーバー動作については、音楽生成 を参照してください。

​
テキスト読み上げ

バンドルされた 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 添付は WAV、ボイスメモ対象は Opus、Talk/電話は 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 レスポンスで生成音声を返します。最も低レイテンシな音声会話には、バッチ TTS ではなく Gemini Live API を基盤とする 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",
          speakerVoice: "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。 speakerName は、音声テキストの前に再利用可能なスタイルプロンプトを追加するために設定します。 プロンプトテキストが名前付き話者に言及する場合は speakerName を設定します。 Gemini API TTS は、テキスト内で [whispers] や [laughs] などの表現豊かな角括弧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含めずに TTS に送るには、 [[tts:text]]...[[/tts:text]] ブロック内に入れます。 
Here is the clean reply text.

[[tts:text]][whispers] Here is the spoken version.[[/tts:text]]
Gemini API に制限された Google Cloud Console API キーは、この プロバイダーで有効です。これは別個の Cloud Text-to-Speech API パスではありません。

​
リアルタイム音声

バンドルされた google Plugin は、Voice Call や Google Meet などのバックエンド音声ブリッジ向けに、 Gemini Live API を基盤とするリアルタイム音声プロバイダーを登録します。
設定設定パスデフォルト
モデルplugins.entries.voice-call.config.realtime.providers.google.modelgemini-2.5-flash-native-audio-preview-12-2025
音声...google.voiceKore
温度...google.temperature(未設定)
VAD 開始感度...google.startSensitivity(未設定)
VAD 終了感度...google.endSensitivity(未設定)
無音時間...google.silenceDurationMs(未設定)
アクティビティ処理...google.activityHandlingGoogle デフォルト、start-of-activity-interrupts
ターン範囲...google.turnCoverageGoogle デフォルト、only-activity
自動 VAD を無効化...google.automaticActivityDetectionDisabledfalse
セッション再開...google.sessionResumptiontrue
コンテキスト圧縮...google.contextWindowCompressiontrue
API キー...google.apiKeymodels.providers.google.apiKey、GEMINI_API_KEY、または GOOGLE_API_KEY にフォールバック
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",
                speakerVoice: "Kore",
                activityHandling: "start-of-activity-interrupts",
                turnCoverage: "only-activity",
              },
            },
          },
        },
      },
    },
  },
}
Google Live API は、WebSocket 上で双方向音声と関数呼び出しを使用します。 OpenClaw は電話/Meet ブリッジ音声を Gemini の PCM Live API ストリームに適合させ、 ツール呼び出しを共有リアルタイム音声コントラクト上に維持します。サンプリング変更が必要でない限り、temperature は未設定のままにしてください。Google Live は temperature: 0 の場合に音声なしで文字起こしを返すことがあるため、 OpenClaw は非正値を省略します。 Gemini API の文字起こしは languageCodes なしで有効化されます。現在の Google SDK は、この API パスで言語コードのヒントを拒否します。
Control UI Talk は、制約付きの使い捨てトークンによる Google Live ブラウザーセッションをサポートします。 バックエンド専用のリアルタイム音声プロバイダーも、汎用 Gateway リレートランスポート経由で実行でき、プロバイダー認証情報は Gateway に保持されます。
メンテナーのライブ検証では、 OPENAI_API_KEY=... GEMINI_API_KEY=... node --import tsx scripts/dev/realtime-talk-live-smoke.ts を実行します。 このスモークは OpenAI バックエンド/WebRTC パスもカバーします。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、ブラウザーの 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

直接 Gemini API を実行する場合 (api: "google-generative-ai")、OpenClaw は 設定済みの cachedContent ハンドルを Gemini リクエストに渡します。
  • モデルごとまたはグローバルのパラメーターは、 cachedContent またはレガシーの cached_content のいずれかで設定します
  • より具体的なスコープのパラメーター (グローバルよりモデルレベル) が常に優先されます。 同じスコープ内で両方のキーが設定されている場合、cached_content が優先されます。 予期しない動作を避けるため、スコープごとにキーは 1 つだけ使用してください。
  • 値の例: cachedContents/prebuilt-context
  • Gemini のキャッシュヒット使用量は、上流の cachedContentTokenCount から OpenClaw の cacheRead に正規化されます
{
  agents: {
    defaults: {
      models: {
        "google/gemini-2.5-pro": {
          params: {
            cachedContent: "cachedContents/prebuilt-context",
          },
        },
      },
    },
  },
}
google-gemini-cli OAuth プロバイダーを使用する場合、OpenClaw はデフォルトで Gemini CLI の stream-json 出力を使用し、最後の stats ペイロードから使用量を正規化します。レガシーの --output-format json 上書きは、引き続き JSON パーサーを使用します。
  • ストリーミングされた返信テキストは、アシスタントの message イベントから取得されます。
  • レガシー JSON 出力では、返信テキストは CLI JSON の response フィールドから取得されます。
  • CLI が usage を空にした場合、使用量は stats にフォールバックします。
  • stats.cached は OpenClaw の cacheRead に正規化されます。
  • stats.input がない場合、OpenClaw は stats.input_tokens - stats.cached から入力トークンを導出します。
Gateway がデーモン (launchd/systemd) として実行される場合、GEMINI_API_KEY がそのプロセスで利用できることを確認してください (たとえば、~/.openclaw/.env または env.shellEnv 経由)。

​
関連

モデル選択

プロバイダー、モデル参照、フェイルオーバー動作を選択します。

画像生成

共有画像ツールのパラメーターとプロバイダー選択。

動画生成

共有動画ツールのパラメーターとプロバイダー選択。

音楽生成

共有音楽ツールのパラメーターとプロバイダー選択。