Google（Gemini）

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 を再利用しながら、モデル参照を正規の google/* として維持します。

はじめに

使用する認証方法を選択し、セットアップ手順に従います。

API キー
Gemini CLI (OAuth)

最適な用途: Google AI Studio を通じた標準的な Gemini API アクセス。

API キーを取得する

Google AI Studio で無料のキーを作成します。

オンボーディングを実行する

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"

デフォルトモデルを設定する

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

モデルが利用可能か確認する

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。

API キーが設定されている場合、OpenClaw は Gemini models.list API から Google AI Studio のテキストモデルカタログを更新します。そのため、新しくリリースされた Gemini 3 Pro、Flash、Flash-Lite の各バリアントは、OpenClaw のリリースを待たずに openclaw models list --provider google に表示されます。検出を利用できない場合、OpenClaw は同梱のフォールバックカタログを維持します。

最適な用途: 別個の API キーを使用せず、Gemini CLI OAuth を通じて Google アカウントでサインインする場合。

google-gemini-cli プロバイダーは非公式の連携機能です。この方法で OAuth を使用すると、アカウントに制限がかかることがあると一部のユーザーから報告されています。自己責任で使用してください。

Gemini CLI をインストールする

ローカルの gemini コマンドが PATH 上で使用可能である必要があります。

# Homebrew
brew install gemini-cli

# または npm
npm install -g @google/gemini-cli

OpenClaw は、一般的な Windows/npm レイアウトを含め、Homebrew インストールとグローバル npm インストールの両方をサポートします。

OAuth でログインする

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

モデルが利用可能か確認する

openclaw models list --provider google

デフォルトモデル: google/gemini-3.1-pro-preview
ランタイム: google-gemini-cli
エイリアス: gemini-cli

Gemini 3.1 Pro の Gemini API モデル ID は gemini-3.1-pro-preview です。OpenClaw は利便性のため、短い google/gemini-3.1-pro をエイリアスとして受け入れ、プロバイダー呼び出しの前に正規化します。環境変数:

OPENCLAW_GEMINI_OAUTH_CLIENT_ID / GEMINI_CLI_OAUTH_CLIENT_ID
OPENCLAW_GEMINI_OAUTH_CLIENT_SECRET / GEMINI_CLI_OAUTH_CLIENT_SECRET

ログイン後に Gemini CLI OAuth リクエストが失敗する場合は、Gateway ホストに GOOGLE_CLOUD_PROJECT または GOOGLE_CLOUD_PROJECT_ID を設定して再試行します。

ブラウザフローが開始する前にログインが失敗する場合は、ローカルの gemini コマンドがインストールされ、PATH 上にあることを確認します。

オンボーディングの自動検出では、既存の Gemini CLI ログインが一覧表示されますが、Gemini CLI にはツールを使用しないプローブがないため、自動テストは実行されません。続行するには、Gemini CLI OAuth または Gemini API キーを選択します。google-gemini-cli/* モデル参照は、レガシー互換性のためのエイリアスです。ローカルで Gemini CLI を実行する場合、新しい設定では google/* モデル参照と google-gemini-cli ランタイム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、設定された古い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	サポート状況
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

同梱の gemini ウェブ検索プロバイダーは、Gemini Google Search Grounding を使用します。 plugins.entries.google.config.webSearch に専用の検索キーを設定するか、GEMINI_API_KEY の後に models.providers.google.apiKey を再利用できます。

{
  plugins: {
    entries: {
      google: {
        config: {
          webSearch: {
            apiKey: "AIza...", // GEMINI_API_KEY または models.providers.google.apiKey が設定されている場合は省略可能
            baseUrl: "https://generativelanguage.googleapis.com/v1beta", // models.providers.google.baseUrl にフォールバック
            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、最後に models.providers.google.apiKey です。webSearch.baseUrl は任意であり、運用者の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用意されています。省略した場合、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、デフォルトまたは低レイテンシの実行で無効な thinkingBudget 値が送信されることはありません。/think adaptive は、固定の OpenClaw レベルを選択せず、Google の動的思考セマンティクスを維持します。Gemini 3 と Gemini 3.1 では、Google がレベルを選択できるように固定の thinkingLevel を省略します。Gemini 2.5 では、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 にマッピングされず、思考が無効のまま維持されます。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 のリクエストで、その値を送信せずに取り除きます。

画像生成

同梱の google 画像生成プロバイダーは、デフォルトで google/gemini-3.1-flash-image を使用します。

google/gemini-3-pro-image もサポート
生成: リクエストごとに最大 4 枚の画像
編集モード: 有効、最大 5 枚の入力画像
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、次のように設定します。

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

共通のツールパラメーター、プロバイダーの選択、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

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。

デフォルトの動画モデル: google/veo-3.1-fast-generate-preview
モード: テキストから動画、画像から動画、単一動画の参照フロー
aspectRatio（16:9、9:16）と resolution（720P、1080P）をサポート。現在、Veo は音声出力をサポートしていません
対応時間: 4、6、または 8 秒（その他の値は、許可された最も近い値に調整されます）

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、次のように設定します。

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

共通のツールパラメーター、プロバイダーの選択、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

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。

デフォルトの音楽モデル: 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: デフォルトでは mp3、google/lyria-3-pro-preview では wav も使用可能
参照入力: 最大 10 枚の画像
セッションに基づく実行は、action: "status" を含む共有のタスク／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、次のように設定します。

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

共通のツールパラメーター、プロバイダーの選択、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

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

デフォルト音声: Kore
認証: tts.providers.google.apiKey、models.providers.google.apiKey、GEMINI_API_KEY、または GOOGLE_API_KEY
出力: 通常の TTS 添付ファイルでは WAV、ボイスノート対象では Opus、Talk／電話では PCM
ボイスノート出力: Google PCM は WAV としてラップされ、ffmpeg を使用して 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 レスポンスで生成済み音声を返します。レイテンシを最小限に抑えた音声会話には、バッチ TTS ではなく Gemini Live API を利用する 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、次のように設定します。

{
  tts: {
    auto: "always",
    provider: "google",
    providers: {
      google: {
        model: "gemini-3.1-flash-tts-preview",
        speakerVoice: "Kore",
        audioProfile: "落ち着いた口調でプロフェッショナルに話してください。",
      },
    },
  },
}

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、読み上げるテキストの前に再利用可能なスタイルプロンプトが付加されます。プロンプトテキストで名前付きの話者を参照する場合は、speakerName を設定します。 Gemini API TTS は、[whispers] や [laughs] など、テキスト内の表現力豊かな角括弧付き音声タグも受け入れます。タグを TTS に送信しながら、表示されるチャット返信には含めないようにするには、[[tts:text]]...[[/tts:text]] ブロック内に配置します。

これは表示用の返信テキストです。

[[tts:text]][whispers] これは読み上げるバージョンです。[[/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

同梱の 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 を利用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.model`	`gemini-3.1-flash-live-preview`
音声	`...google.voice`	`Kore`
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.activityHandling`	Google のデフォルト、`start-of-activity-interrupts`
ターンの対象範囲	`...google.turnCoverage`	Google のデフォルト、`audio-activity-and-all-video`
自動 VAD の無効化	`...google.automaticActivityDetectionDisabled`	`false`
セッション再開	`...google.sessionResumption`	`true`
コンテキスト圧縮	`...google.contextWindowCompression`	`true`
API キー	`...google.apiKey`	`models.providers.google.apiKey`、`GEMINI_API_KEY`、または `GOOGLE_API_KEY` にフォールバック

Voice Call のリアルタイム設定例：

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

Google Live API は、WebSocket 経由で双方向音声と関数呼び出しを使用します。 OpenClaw はテレフォニー／Meet ブリッジの音声を 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で維持します。サンプリングを変更する必要がない限り、 temperature は未設定のままにしてください。Google Live は temperature: 0 に対して音声なしで文字起こしを返すことがあるため、OpenClaw は正でない値を省略します。 Gemini API の文字起こしは languageCodes なしで有効になります。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。

Gemini 3.1 Live はリアルタイム入力による会話テキストを受け入れ、逐次的な関数呼び出しを使用します。OpenClaw はこのモデルに対して、旧式の NON_BLOCKING、関数応答のスケジューリング、感情的対話フィールドを省略します。 thinkingLevel を推奨します。設定された正の thinkingBudget 値は、サポートされる最も近いレベルにマッピングされます。一方、-1 の場合は Google のデフォルトがそのまま使用されます。Gemini Live の機能比較を参照してください。

Control UI Talk は、制限付きの使い捨てトークンを使用する Google Live ブラウザーセッションをサポートします。 Video Talk では、ブラウザーがサイズ制限された JPEG フレームを、プロバイダーの上限である毎秒 1 フレームで Google Live に直接送信します。 describe_view 関数は、そのカメラストリームがアクティブかどうかを報告します。カメラフレームは Gateway を経由しません。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を介して実行でき、プロバイダーの認証情報は Gateway 上に保持されます。

メンテナーがライブ検証を行うには、 OPENAI_API_KEY=... GEMINI_API_KEY=... node --import tsx scripts/dev/realtime-talk-live-smoke.ts を実行します。このスモークテストでは OpenAI のバックエンド／WebRTC パスも対象になります。Google 側では、 Control UI Talk が使用するものと同じ制限付き Live API トークン形式を発行し、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と JPEG フレームを送信して、テキスト応答と describe_view 関数のラウンドトリップを検証します。

高度な設定

Gemini キャッシュの直接再利用

Gemini API を直接実行する場合（api: "google-generative-ai"）、OpenClaw は設定された 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を、cachedContent または旧式の cached_content のいずれかで設定します
より具体的なスコープ（グローバルよりモデルレベル）のパラメーター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 1 つのキーのみを使用してください。
値の例：cachedContents/prebuilt-context
Gemini のキャッシュヒット使用量は、アップストリームの 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",
          },
        },
      },
    },
  },
}

Gemini CLI の使用上の注意

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。旧式の --output-format json オーバーライドでは、引き続き JSON パーサーが使用されます。

ストリーミングされた応答テキストは、アシスタントの message イベントから取得されます。
旧式の JSON 出力では、応答テキストは CLI JSON の response フィールドから取得されます。
CLI が usage を空のままにした場合、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 から入力トークン数を算出します。

環境とデーモンのセットアップ

Gateway がデーモン（launchd/systemd）として動作する場合は、GEMINI_API_KEY をそのプロセスで使用できるようにしてください（たとえば、~/.openclaw/.env 内で設定するか、 env.shellEnv を使用します）。

モデルの選択

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の選択。

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の選択。

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の選択。

Overview

Concepts and configuration

Providers

Google（Gemini）

はじめに

機能

ウェブ検索

画像生成

動画生成

音楽生成

テキスト読み上げ

リアルタイム音声

高度な設定

関連項目

モデルの選択

画像生成

動画生成

音楽生成

​はじめに

​機能

​ウェブ検索

​画像生成

​動画生成

​音楽生成

​テキスト読み上げ

​リアルタイム音声

​高度な設定

​関連項目

モデルの選択

画像生成

動画生成

音楽生成

はじめに

機能

ウェブ検索

画像生成

動画生成

音楽生成

テキスト読み上げ

リアルタイム音声

高度な設定

関連項目