- Постачальник:
google - Автентифікація:
GEMINI_API_KEYабоGOOGLE_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 виглядіgoogle/*.
Початок роботи
Виберіть бажаний метод автентифікації та виконайте кроки налаштування.- Ключ API
- Gemini CLI (OAuth)
Найкраще підходить для: стандартного доступу до Gemini API через Google AI Studio.Або передайте ключ безпосередньо:
1
Отримайте ключ API
Створіть безкоштовний ключ у Google AI Studio.
2
Запустіть початкове налаштування
3
Установіть модель за замовчуванням
4
Перевірте доступність моделі
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 вебпошукуgemini 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:
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.
Генерування зображень
Вбудований постачальник генерування зображеньgoogle 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,aspectRatioіresolution
Спільні параметри інструмента, вибір постачальника та поведінку резервного перемикання описано в розділі Генерування зображень.
Генерування відео
Вбудований плагінgoogle 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) іresolution(720P,1080P); наразі Veo не підтримує виведення аудіо - Підтримувана тривалість: 4, 6 або 8 секунд (інші значення округлюються до найближчого дозволеного значення)
Спільні параметри інструмента, вибір постачальника та поведінку резервного перемикання описано в розділі Генерування відео.
Генерування музики
Вбудований плагінgoogle 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:
lyricsіinstrumental - Формат виведення: за замовчуванням
mp3, а такожwavуgoogle/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"
Спільні параметри інструмента, вибір постачальника та поведінку резервного перемикання описано в розділі Генерування музики.
Перетворення тексту на мовлення
Вбудований постачальник мовленняgoogle 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_KEYабоGOOGLE_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
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:
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 плагінgoogle 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.
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
Безпосереднє повторне використання кешу Gemini
Безпосереднє повторне використання кешу Gemini
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
cachedContentчи застарілогоcached_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
cacheReadз вхідногоcachedContentTokenCount
Примітки щодо використання Gemini CLI
Примітки щодо використання Gemini CLI
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 залишаєusageпорожнім. stats.cachedнормалізується в OpenClawcacheRead.- Якщо
stats.inputвідсутній, OpenClaw обчислює кількість вхідних токенів ізstats.input_tokens - stats.cached.
Налаштування середовища та фонової служби
Налаштування середовища та фонової служби
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.