--- read_when: - Sie möchten Google Gemini-Modelle mit OpenClaw verwenden - Sie benötigen den API-Schlüssel oder den OAuth-Authentifizierungsablauf summary: Einrichtung von Google Gemini (API-Schlüssel + OAuth, Bildgenerierung, Medienverständnis, TTS, Websuche) title: Google (Gemini) x-i18n: generated_at: "2026-05-11T20:35:41Z" model: gpt-5.5 provider: openai source_hash: 740ff99392d352e8c0f479af6002c52195b0c40e3ef688289d27dec583174847 source_path: providers/google.md workflow: 16 --- Das Google-Plugin bietet Zugriff auf Gemini-Modelle über Google AI Studio sowie Bildgenerierung, Medienverständnis (Bild/Audio/Video), Text-to-Speech und Websuche über Gemini Grounding. - Provider: `google` - Authentifizierung: `GEMINI_API_KEY` oder `GOOGLE_API_KEY` - API: Google Gemini API - Laufzeitoption: Provider/Modell `agentRuntime.id: "google-gemini-cli"` verwendet Gemini CLI OAuth wieder, während Modellreferenzen kanonisch als `google/*` bleiben. ## Erste Schritte Wählen Sie Ihre bevorzugte Authentifizierungsmethode und folgen Sie den Einrichtungsschritten. **Am besten für:** Standardzugriff auf die Gemini API über Google AI Studio. ```bash openclaw onboard --auth-choice gemini-api-key ``` Oder übergeben Sie den Schlüssel direkt: ```bash openclaw onboard --non-interactive \ --mode local \ --auth-choice gemini-api-key \ --gemini-api-key "$GEMINI_API_KEY" ``` ```json5 { agents: { defaults: { model: { primary: "google/gemini-3.1-pro-preview" }, }, }, } ``` ```bash openclaw models list --provider google ``` Die Umgebungsvariablen `GEMINI_API_KEY` und `GOOGLE_API_KEY` werden beide akzeptiert. Verwenden Sie diejenige, die Sie bereits konfiguriert haben. **Am besten für:** Wiederverwendung einer bestehenden Gemini CLI-Anmeldung über PKCE OAuth statt eines separaten API-Schlüssels. Der Provider `google-gemini-cli` ist eine inoffizielle Integration. Einige Benutzer berichten von Kontoeinschränkungen, wenn OAuth auf diese Weise verwendet wird. Die Nutzung erfolgt auf eigenes Risiko. Der lokale Befehl `gemini` muss auf `PATH` verfügbar sein. ```bash # Homebrew brew install gemini-cli # or npm npm install -g @google/gemini-cli ``` OpenClaw unterstützt sowohl Homebrew-Installationen als auch globale npm-Installationen, einschließlich gängiger Windows/npm-Layouts. ```bash openclaw models auth login --provider google-gemini-cli --set-default ``` ```bash openclaw models list --provider google ``` - Standardmodell: `google/gemini-3.1-pro-preview` - Runtime: `google-gemini-cli` - Alias: `gemini-cli` Die Gemini API-Modell-ID von Gemini 3.1 Pro lautet `gemini-3.1-pro-preview`. OpenClaw akzeptiert den kürzeren Wert `google/gemini-3.1-pro` als praktischen Alias und normalisiert ihn vor Provider-Aufrufen. **Umgebungsvariablen:** - `OPENCLAW_GEMINI_OAUTH_CLIENT_ID` - `OPENCLAW_GEMINI_OAUTH_CLIENT_SECRET` (Oder die `GEMINI_CLI_*`-Varianten.) Wenn Gemini CLI OAuth-Anfragen nach der Anmeldung fehlschlagen, setzen Sie `GOOGLE_CLOUD_PROJECT` oder `GOOGLE_CLOUD_PROJECT_ID` auf dem Gateway-Host und versuchen Sie es erneut. Wenn die Anmeldung fehlschlägt, bevor der Browser-Flow startet, stellen Sie sicher, dass der lokale Befehl `gemini` installiert und auf `PATH` verfügbar ist. `google-gemini-cli/*`-Modellreferenzen sind Legacy-Kompatibilitätsaliase. Neue Konfigurationen sollten `google/*`-Modellreferenzen plus die Runtime `google-gemini-cli` verwenden, wenn lokale Gemini CLI-Ausführung gewünscht ist. ## Fähigkeiten | Fähigkeit | Unterstützt | | ---------------------- | ----------------------------- | | Chat-Vervollständigungen | Ja | | Bildgenerierung | Ja | | Musikgenerierung | Ja | | Text-to-Speech | Ja | | Echtzeit-Sprache | Ja (Google Live API) | | Bildverständnis | Ja | | Audiotranskription | Ja | | Videoverständnis | Ja | | Websuche (Grounding) | Ja | | Denken/Reasoning | Ja (Gemini 2.5+ / Gemini 3+) | | Gemma 4-Modelle | Ja | ## Websuche Der gebündelte `gemini`-Provider für Websuche verwendet Gemini Google Search Grounding. Konfigurieren Sie einen dedizierten Suchschlüssel unter `plugins.entries.google.config.webSearch`, oder lassen Sie ihn nach `GEMINI_API_KEY` `models.providers.google.apiKey` wiederverwenden: ```json5 { 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", }, }, }, }, }, } ``` Die Priorität für Anmeldedaten ist zuerst dediziertes `webSearch.apiKey`, dann `GEMINI_API_KEY`, dann `models.providers.google.apiKey`. `webSearch.baseUrl` ist optional und existiert für Betreiber-Proxys oder kompatible Gemini API-Endpunkte; wenn es ausgelassen wird, verwendet die Gemini-Websuche `models.providers.google.baseUrl` wieder. Siehe [Gemini-Suche](/de/tools/gemini-search) für das Provider-spezifische Toolverhalten. Gemini 3-Modelle verwenden `thinkingLevel` statt `thinkingBudget`. OpenClaw ordnet Reasoning-Steuerungen für Gemini 3, Gemini 3.1 und `gemini-*-latest`-Aliase `thinkingLevel` zu, damit Standardläufe und Läufe mit geringer Latenz keine deaktivierten `thinkingBudget`-Werte senden. `/think adaptive` behält Googles dynamische Denksemantik bei, statt ein festes OpenClaw-Level zu wählen. Gemini 3 und Gemini 3.1 lassen ein festes `thinkingLevel` aus, damit Google das Level wählen kann; Gemini 2.5 sendet Googles dynamischen Sentinel `thinkingBudget: -1`. Gemma 4-Modelle (zum Beispiel `gemma-4-26b-a4b-it`) unterstützen den Denkmodus. OpenClaw schreibt `thinkingBudget` für Gemma 4 in ein unterstütztes Google-`thinkingLevel` um. Wenn Denken auf `off` gesetzt wird, bleibt Denken deaktiviert, statt auf `MINIMAL` abgebildet zu werden. ## Bildgenerierung Der gebündelte `google`-Provider für Bildgenerierung verwendet standardmäßig `google/gemini-3.1-flash-image-preview`. - Unterstützt auch `google/gemini-3-pro-image-preview` - Generieren: bis zu 4 Bilder pro Anfrage - Bearbeitungsmodus: aktiviert, bis zu 5 Eingabebilder - Geometriesteuerungen: `size`, `aspectRatio` und `resolution` So verwenden Sie Google als Standard-Provider für Bilder: ```json5 { agents: { defaults: { imageGenerationModel: { primary: "google/gemini-3.1-flash-image-preview", }, }, }, } ``` Siehe [Bildgenerierung](/de/tools/image-generation) für gemeinsame Toolparameter, Provider-Auswahl und Failover-Verhalten. ## Videogenerierung Das gebündelte `google`-Plugin registriert außerdem Videogenerierung über das gemeinsame Tool `video_generate`. - Standard-Videomodell: `google/veo-3.1-fast-generate-preview` - Modi: Text-zu-Video, Bild-zu-Video und Einzelvideo-Referenz-Flows - Unterstützt `aspectRatio` (`16:9`, `9:16`) und `resolution` (`720P`, `1080P`); Audioausgabe wird von Veo derzeit nicht unterstützt - Unterstützte Dauern: **4, 6 oder 8 Sekunden** (andere Werte werden auf den nächstgelegenen zulässigen Wert gesetzt) So verwenden Sie Google als Standard-Provider für Videos: ```json5 { agents: { defaults: { videoGenerationModel: { primary: "google/veo-3.1-fast-generate-preview", }, }, }, } ``` Siehe [Videogenerierung](/de/tools/video-generation) für gemeinsame Toolparameter, Provider-Auswahl und Failover-Verhalten. ## Musikgenerierung Das gebündelte `google`-Plugin registriert außerdem Musikgenerierung über das gemeinsame Tool `music_generate`. - Standard-Musikmodell: `google/lyria-3-clip-preview` - Unterstützt auch `google/lyria-3-pro-preview` - Prompt-Steuerungen: `lyrics` und `instrumental` - Ausgabeformat: standardmäßig `mp3`, außerdem `wav` auf `google/lyria-3-pro-preview` - Referenzeingaben: bis zu 10 Bilder - Sitzungsbasierte Läufe werden über den gemeinsamen Aufgaben-/Status-Flow entkoppelt, einschließlich `action: "status"` So verwenden Sie Google als Standard-Provider für Musik: ```json5 { agents: { defaults: { musicGenerationModel: { primary: "google/lyria-3-clip-preview", }, }, }, } ``` Siehe [Musikgenerierung](/de/tools/music-generation) für gemeinsame Toolparameter, Provider-Auswahl und Failover-Verhalten. ## Text-to-Speech Der gebündelte `google`-Sprach-Provider verwendet den Gemini API-TTS-Pfad mit `gemini-3.1-flash-tts-preview`. - Standardstimme: `Kore` - Authentifizierung: `messages.tts.providers.google.apiKey`, `models.providers.google.apiKey`, `GEMINI_API_KEY` oder `GOOGLE_API_KEY` - Ausgabe: WAV für reguläre TTS-Anhänge, Opus für Sprachnotiz-Ziele, PCM für Talk/Telefonie - Sprachnotiz-Ausgabe: Google PCM wird als WAV verpackt und mit `ffmpeg` in 48-kHz-Opus transkodiert Googles Batch-Gemini-TTS-Pfad gibt generiertes Audio in der abgeschlossenen `generateContent`-Antwort zurück. Verwenden Sie für gesprochene Unterhaltungen mit geringster Latenz den Google-Echtzeit-Sprach-Provider, der auf der Gemini Live API basiert, statt Batch- TTS. So verwenden Sie Google als Standard-TTS-Provider: ```json5 { messages: { tts: { auto: "always", provider: "google", providers: { google: { model: "gemini-3.1-flash-tts-preview", voiceName: "Kore", audioProfile: "Speak professionally with a calm tone.", }, }, }, }, } ``` Gemini API TTS verwendet natürlichsprachliche Prompts zur Stilsteuerung. Setzen Sie `audioProfile`, um dem gesprochenen Text einen wiederverwendbaren Stil-Prompt voranzustellen. Setzen Sie `speakerName`, wenn Ihr Prompt-Text auf einen benannten Sprecher verweist. Gemini API TTS akzeptiert außerdem ausdrucksstarke Audio-Tags in eckigen Klammern im Text, wie `[whispers]` oder `[laughs]`. Um Tags aus der sichtbaren Chat-Antwort herauszuhalten, sie aber an TTS zu senden, platzieren Sie sie in einem `[[tts:text]]...[[/tts:text]]`- Block: ```text Here is the clean reply text. [[tts:text]][whispers] Here is the spoken version.[[/tts:text]] ``` Ein auf die Gemini API beschränkter API-Schlüssel aus der Google Cloud Console ist für diesen Provider gültig. Dies ist nicht der separate Cloud Text-to-Speech API-Pfad. ## Echtzeit-Sprache Das gebündelte `google`-Plugin registriert einen Echtzeit-Sprach-Provider, der auf der Gemini Live API für Backend-Audio-Bridges wie Voice Call und Google Meet basiert. | Einstellung | Konfigurationspfad | Standard | | ----------------------------------- | ------------------------------------------------------------------- | ------------------------------------------------------------------------------------- | | Modell | `plugins.entries.voice-call.config.realtime.providers.google.model` | `gemini-2.5-flash-native-audio-preview-12-2025` | | Stimme | `...google.voice` | `Kore` | | Temperatur | `...google.temperature` | (nicht gesetzt) | | VAD-Startempfindlichkeit | `...google.startSensitivity` | (nicht gesetzt) | | VAD-Endempfindlichkeit | `...google.endSensitivity` | (nicht gesetzt) | | Stilledauer | `...google.silenceDurationMs` | (nicht gesetzt) | | Aktivitätsbehandlung | `...google.activityHandling` | Google-Standard, `start-of-activity-interrupts` | | Turn-Abdeckung | `...google.turnCoverage` | Google-Standard, `only-activity` | | Automatische VAD deaktivieren | `...google.automaticActivityDetectionDisabled` | `false` | | Sitzungsfortsetzung | `...google.sessionResumption` | `true` | | Kontextkomprimierung | `...google.contextWindowCompression` | `true` | | API-Schlüssel | `...google.apiKey` | Fällt auf `models.providers.google.apiKey`, `GEMINI_API_KEY` oder `GOOGLE_API_KEY` zurück | Beispiel für die Realtime-Konfiguration von Voice Call: ```json5 { plugins: { entries: { "voice-call": { enabled: true, config: { realtime: { enabled: true, provider: "google", providers: { google: { model: "gemini-2.5-flash-native-audio-preview-12-2025", voice: "Kore", activityHandling: "start-of-activity-interrupts", turnCoverage: "only-activity", }, }, }, }, }, }, }, } ``` Google Live API verwendet bidirektionales Audio und Function Calling über einen WebSocket. OpenClaw passt Audio aus Telefonie-/Meet-Bridges an Geminis PCM-Live-API-Stream an und hält Tool-Aufrufe auf dem gemeinsamen Realtime-Voice-Vertrag. Lassen Sie `temperature` nicht gesetzt, sofern Sie keine Sampling-Änderungen benötigen; OpenClaw lässt nicht positive Werte aus, weil Google Live bei `temperature: 0` Transkripte ohne Audio zurückgeben kann. Die Transkription der Gemini API ist ohne `languageCodes` aktiviert; das aktuelle Google SDK lehnt Sprachcode-Hinweise auf diesem API-Pfad ab. Control UI Talk unterstützt Google Live-Browsersitzungen mit eingeschränkten Einmal- Tokens. Realtime-Voice-Provider, die nur im Backend laufen, können auch über den generischen Gateway-Relay-Transport ausgeführt werden, der Provider-Anmeldedaten auf dem Gateway belässt. Für die Live-Verifikation durch Maintainer führen Sie `OPENAI_API_KEY=... GEMINI_API_KEY=... node --import tsx scripts/dev/realtime-talk-live-smoke.ts` aus. Der Smoke-Test deckt auch OpenAI-Backend-/WebRTC-Pfade ab; der Google-Abschnitt erstellt dieselbe eingeschränkte Live-API-Token-Form, die von Control UI Talk verwendet wird, öffnet den Browser- WebSocket-Endpunkt, sendet die anfängliche Setup-Nutzlast und wartet auf `setupComplete`. ## Erweiterte Konfiguration Für direkte Gemini-API-Läufe (`api: "google-generative-ai"`) leitet OpenClaw ein konfiguriertes `cachedContent`-Handle an Gemini-Anfragen weiter. - Konfigurieren Sie Parameter pro Modell oder global entweder mit `cachedContent` oder dem alten `cached_content` - Wenn beide vorhanden sind, hat `cachedContent` Vorrang - Beispielwert: `cachedContents/prebuilt-context` - Die Gemini-Cache-Hit-Nutzung wird aus dem Upstream-`cachedContentTokenCount` in OpenClaw `cacheRead` normalisiert ```json5 { agents: { defaults: { models: { "google/gemini-2.5-pro": { params: { cachedContent: "cachedContents/prebuilt-context", }, }, }, }, }, } ``` Bei Verwendung des OAuth-Providers `google-gemini-cli` normalisiert OpenClaw die CLI-JSON-Ausgabe wie folgt: - Antworttext stammt aus dem CLI-JSON-Feld `response`. - Die Nutzung fällt auf `stats` zurück, wenn die CLI `usage` leer lässt. - `stats.cached` wird in OpenClaw `cacheRead` normalisiert. - Wenn `stats.input` fehlt, leitet OpenClaw Eingabe-Token aus `stats.input_tokens - stats.cached` ab. Wenn der Gateway als Daemon ausgeführt wird (launchd/systemd), stellen Sie sicher, dass `GEMINI_API_KEY` für diesen Prozess verfügbar ist (zum Beispiel in `~/.openclaw/.env` oder über `env.shellEnv`). ## Verwandte Themen Provider, Modellreferenzen und Failover-Verhalten auswählen. Gemeinsame Bild-Tool-Parameter und Provider-Auswahl. Gemeinsame Video-Tool-Parameter und Provider-Auswahl. Gemeinsame Musik-Tool-Parameter und Provider-Auswahl.