Skip to main content
Плагін Google надає доступ до моделей Gemini через Google AI Studio, а також генерування зображень, розпізнавання медіа (зображень/аудіо/відео), перетворення тексту на мовлення та вебпошук за допомогою Gemini Grounding.
  • Постачальник: google
  • Автентифікація: GEMINI_API_KEY або GOOGLE_API_KEY
  • API: Google Gemini API
  • Параметр середовища виконання: agentRuntime.id: "google-gemini-cli" повторно використовує OAuth Gemini CLI, зберігаючи канонічні посилання на моделі у вигляді google/*.

Початок роботи

Виберіть бажаний метод автентифікації та виконайте кроки налаштування.
Найкраще підходить для: стандартного доступу до Gemini API через Google AI Studio.
1

Отримайте ключ API

Створіть безкоштовний ключ у Google AI Studio.
2

Запустіть початкове налаштування

Або передайте ключ безпосередньо:
3

Установіть модель за замовчуванням

4

Перевірте доступність моделі

Приймаються як GEMINI_API_KEY, так і GOOGLE_API_KEY. Використовуйте той варіант, який уже налаштовано.
google/gemini-3-pro-preview було виведено з експлуатації 2026-03-09; натомість використовуйте google/gemini-3.1-pro-preview. Повторне налаштування ключа Gemini API (openclaw onboard --auth-choice gemini-api-key або openclaw models auth login --provider google) замінює застарілу налаштовану модель за замовчуванням на поточну.

Можливості

Вебпошук

Вбудований постачальник вебпошуку gemini використовує прив’язування до Google Search через Gemini. Налаштуйте спеціальний ключ пошуку в plugins.entries.google.config.webSearch або дозвольте повторно використовувати models.providers.google.apiKey після GEMINI_API_KEY:
Пріоритет облікових даних: спеціальний webSearch.apiKey, потім GEMINI_API_KEY, а далі models.providers.google.apiKey. webSearch.baseUrl є необов’язковим і призначений для проксі-серверів оператора або сумісних кінцевих точок Gemini API; якщо його не задано, вебпошук Gemini повторно використовує models.providers.google.baseUrl. Поведінку інструмента, специфічну для постачальника, описано в розділі Пошук Gemini.
Моделі Gemini 3 використовують thinkingLevel замість thinkingBudget. OpenClaw зіставляє елементи керування міркуванням для Gemini 3, Gemini 3.1 і псевдоніма gemini-*-latest з thinkingLevel, щоб під час запусків за замовчуванням або з низькою затримкою не надсилати вимкнені значення thinkingBudget./think adaptive зберігає семантику динамічного міркування Google замість вибору фіксованого рівня OpenClaw. Gemini 3 і Gemini 3.1 не передають фіксоване значення thinkingLevel, щоб Google міг вибрати рівень; Gemini 2.5 надсилає динамічне сигнальне значення Google thinkingBudget: -1.Моделі Gemma 4 (наприклад, gemma-4-26b-a4b-it) підтримують режим міркування. OpenClaw перетворює thinkingBudget на підтримуване значення Google thinkingLevel для Gemma 4. Установлення для міркування значення off зберігає його вимкненим замість зіставлення з MINIMAL.Gemini 2.5 Pro працює лише в режимі міркування та відхиляє явне значення thinkingBudget: 0; OpenClaw вилучає це значення із запитів Gemini 2.5 Pro замість його надсилання.

Генерування зображень

Вбудований постачальник генерування зображень google за замовчуванням використовує google/gemini-3.1-flash-image-preview.
  • Також підтримується google/gemini-3-pro-image-preview
  • Генерування: до 4 зображень на запит
  • Режим редагування: увімкнено, до 5 вхідних зображень
  • Параметри геометрії: size, aspectRatio і resolution
Щоб використовувати Google як постачальника зображень за замовчуванням:
Спільні параметри інструмента, вибір постачальника та поведінку резервного перемикання описано в розділі Генерування зображень.

Генерування відео

Вбудований плагін google також реєструє генерування відео через спільний інструмент video_generate.
  • Модель відео за замовчуванням: google/veo-3.1-fast-generate-preview
  • Режими: перетворення тексту на відео, зображення на відео та процеси з одним еталонним відео
  • Підтримуються aspectRatio (16:9, 9:16) і resolution (720P, 1080P); наразі Veo не підтримує виведення аудіо
  • Підтримувана тривалість: 4, 6 або 8 секунд (інші значення округлюються до найближчого дозволеного значення)
Щоб використовувати Google як постачальника відео за замовчуванням:
Спільні параметри інструмента, вибір постачальника та поведінку резервного перемикання описано в розділі Генерування відео.

Генерування музики

Вбудований плагін google також реєструє генерування музики через спільний інструмент music_generate.
  • Модель музики за замовчуванням: google/lyria-3-clip-preview
  • Також підтримується google/lyria-3-pro-preview
  • Керування запитом: lyrics і instrumental
  • Формат виведення: за замовчуванням mp3, а також wav у google/lyria-3-pro-preview
  • Еталонні вхідні дані: до 10 зображень
  • Запуски на основі сеансу від’єднуються через спільний процес завдань і станів, зокрема action: "status"
Щоб використовувати Google як постачальника музики за замовчуванням:
Спільні параметри інструмента, вибір постачальника та поведінку резервного перемикання описано в розділі Генерування музики.

Перетворення тексту на мовлення

Вбудований постачальник мовлення google використовує шлях TTS Gemini API з gemini-3.1-flash-tts-preview.
  • Голос за замовчуванням: Kore
  • Автентифікація: messages.tts.providers.google.apiKey, models.providers.google.apiKey, GEMINI_API_KEY або GOOGLE_API_KEY
  • Виведення: WAV для звичайних вкладень TTS, Opus для цільових голосових повідомлень, PCM для Talk/телефонії
  • Виведення голосових повідомлень: PCM від Google обгортається у WAV і транскодується в Opus із частотою 48 кГц за допомогою ffmpeg
Пакетний шлях Gemini TTS від Google повертає згенероване аудіо в завершеній відповіді generateContent. Для голосових розмов із найнижчою затримкою використовуйте постачальника голосу Google у реальному часі на основі Gemini Live API замість пакетного TTS. Щоб використовувати Google як постачальника TTS за замовчуванням:
Gemini API TTS використовує запити природною мовою для керування стилем. Установіть audioProfile, щоб додати багаторазовий запит стилю перед озвучуваним текстом. Установіть speakerName, якщо текст запиту посилається на названого мовця. Gemini API TTS також приймає виразні аудіотеги у квадратних дужках у тексті, як-от [whispers] або [laughs]. Щоб теги не відображалися у видимій відповіді чату, але надсилалися до TTS, розмістіть їх усередині блока [[tts:text]]...[[/tts:text]]:
Ключ API Google Cloud Console, доступ якого обмежено Gemini API, підходить для цього постачальника. Це не окремий шлях Cloud Text-to-Speech API.

Голос у реальному часі

Вбудований плагін google реєструє постачальника голосу в реальному часі на основі Gemini Live API для серверних аудіомостів, як-от Voice Call і Google Meet. Приклад конфігурації Voice Call для роботи в реальному часі:
Google Live API використовує двоспрямоване аудіо та виклики функцій через WebSocket. OpenClaw адаптує аудіо з мосту телефонії/Meet до потоку PCM Live API Gemini та зберігає виклики інструментів у спільному контракті голосового зв’язку в реальному часі. Не задавайте temperature, якщо не потрібно змінити дискретизацію; OpenClaw пропускає недодатні значення, оскільки Google Live може повертати транскрипції без аудіо для temperature: 0. Транскрибування Gemini API увімкнено без languageCodes; поточний Google SDK відхиляє підказки коду мови в цьому шляху API.
Gemini 3.1 Live приймає текст розмови через введення в реальному часі та використовує послідовні виклики функцій. OpenClaw пропускає старіші NON_BLOCKING, планування відповідей функцій і поля емоційного діалогу для цієї моделі. Віддавайте перевагу thinkingLevel; налаштовані додатні значення thinkingBudget зіставляються з найближчим підтримуваним рівнем, тоді як -1 залишає чинним типове значення Google. Див. порівняння можливостей Gemini Live.
Talk у Control UI підтримує браузерні сеанси Google Live з обмеженими одноразовими токенами. Постачальники голосового зв’язку в реальному часі, що працюють лише на сервері, також можуть працювати через універсальний релейний транспорт Gateway, який зберігає облікові дані постачальника на Gateway.
Для перевірки в реальному середовищі супровідником виконайте OPENAI_API_KEY=... GEMINI_API_KEY=... node --import tsx scripts/dev/realtime-talk-live-smoke.ts. Ця димова перевірка також охоплює серверні шляхи/WebRTC OpenAI; частина Google створює токен Live API тієї самої обмеженої форми, яку використовує Talk у Control UI, відкриває браузерну кінцеву точку WebSocket, надсилає початкові дані налаштування та очікує на setupComplete.

Розширена конфігурація

Для безпосередніх запусків Gemini API (api: "google-generative-ai") OpenClaw передає налаштований дескриптор cachedContent до запитів Gemini.
  • Налаштуйте параметри для окремої моделі або глобально за допомогою cachedContent чи застарілого cached_content
  • Параметри з конкретнішої області (рівня моделі, а не глобального) завжди мають пріоритет. У межах однієї області, якщо задано обидва ключі, пріоритет має cached_content. Використовуйте лише один ключ на область, щоб уникнути несподіванок.
  • Приклад значення: cachedContents/prebuilt-context
  • Використання в разі влучання в кеш Gemini нормалізується в OpenClaw cacheRead з вхідного cachedContentTokenCount
Під час використання постачальника OAuth google-gemini-cli OpenClaw типово використовує виведення Gemini CLI stream-json і нормалізує дані про використання з остаточних даних stats. Застарілі перевизначення --output-format json усе ще використовують синтаксичний аналізатор JSON.
  • Потоковий текст відповіді надходить із подій асистента message.
  • Для застарілого виведення JSON текст відповіді надходить із поля JSON CLI response.
  • Дані про використання беруться з stats, якщо CLI залишає usage порожнім.
  • stats.cached нормалізується в OpenClaw cacheRead.
  • Якщо stats.input відсутній, OpenClaw обчислює кількість вхідних токенів із stats.input_tokens - stats.cached.
Якщо Gateway працює як фонова служба (launchd/systemd), переконайтеся, що GEMINI_API_KEY доступний цьому процесу (наприклад, у ~/.openclaw/.env або через env.shellEnv).

Пов’язані матеріали

Вибір моделі

Вибір постачальників, посилань на моделі та поведінки в разі відмови.

Генерування зображень

Спільні параметри інструмента для роботи із зображеннями та вибір постачальника.

Генерування відео

Спільні параметри інструмента для роботи з відео та вибір постачальника.

Генерування музики

Спільні параметри інструмента для роботи з музикою та вибір постачальника.