Providers

Google (Gemini)

El plugin de Google proporciona acceso a los modelos Gemini a través de Google AI Studio, además de generación de imágenes, comprensión de medios (imagen/audio/video), texto a voz y búsqueda web mediante Gemini Grounding.

Proveedor: google
Autenticación: GEMINI_API_KEY o GOOGLE_API_KEY
API: Google Gemini API
Opción de Runtime: proveedor/modelo agentRuntime.id: "google-gemini-cli" reutiliza OAuth de Gemini CLI mientras conserva las referencias de modelo canónicas como google/*.

Primeros pasos

Elige tu método de autenticación preferido y sigue los pasos de configuración.

Clave de API

Ideal para: acceso estándar a Gemini API a través de Google AI Studio.

Ejecutar la incorporación

bash

openclaw onboard --auth-choice gemini-api-key

O pasa la clave directamente:

bash

openclaw onboard --non-interactive \  --mode local \  --auth-choice gemini-api-key \  --gemini-api-key "$GEMINI_API_KEY"

Establecer un modelo predeterminado

json5

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

Verificar que el modelo esté disponible

bash

openclaw models list --provider google

Gemini CLI (OAuth)

Ideal para: reutilizar un inicio de sesión existente de Gemini CLI mediante PKCE OAuth en lugar de una clave de API separada.

Instalar Gemini CLI

El comando local gemini debe estar disponible en PATH.

bash

# Homebrewbrew install gemini-cli # or npmnpm install -g @google/gemini-cli

OpenClaw admite instalaciones de Homebrew e instalaciones globales de npm, incluidas disposiciones comunes de Windows/npm.

Iniciar sesión mediante OAuth

bash

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

Verificar que el modelo esté disponible

bash

openclaw models list --provider google

Modelo predeterminado: google/gemini-3.1-pro-preview
Runtime: google-gemini-cli
Alias: gemini-cli

El ID de modelo de Gemini API para Gemini 3.1 Pro es gemini-3.1-pro-preview. OpenClaw acepta el google/gemini-3.1-pro más corto como alias de conveniencia y lo normaliza antes de las llamadas al proveedor.

Variables de entorno:

OPENCLAW_GEMINI_OAUTH_CLIENT_ID
OPENCLAW_GEMINI_OAUTH_CLIENT_SECRET

(O las variantes GEMINI_CLI_*).

Las referencias de modelo google-gemini-cli/* son alias de compatibilidad heredados. Las configuraciones nuevas deben usar referencias de modelo google/* más el Runtime google-gemini-cli cuando quieran ejecución local de Gemini CLI.

Capacidades

Capacidad	Compatible
Completados de chat	Sí
Generación de imágenes	Sí
Generación de música	Sí
Texto a voz	Sí
Voz en tiempo real	Sí (Google Live API)
Comprensión de imágenes	Sí
Transcripción de audio	Sí
Comprensión de video	Sí
Búsqueda web (Grounding)	Sí
Pensamiento/razonamiento	Sí (Gemini 2.5+ / Gemini 3+)
Modelos Gemma 4	Sí

Búsqueda web

El proveedor de búsqueda web gemini incluido usa grounding de Gemini Google Search. Configura una clave de búsqueda dedicada en plugins.entries.google.config.webSearch, o deja que reutilice models.providers.google.apiKey después de GEMINI_API_KEY:

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",          },        },      },    },  },}

La precedencia de credenciales es webSearch.apiKey dedicado, luego GEMINI_API_KEY, luego models.providers.google.apiKey. webSearch.baseUrl es opcional y existe para proxies de operadores o endpoints compatibles de Gemini API; cuando se omite, la búsqueda web de Gemini reutiliza models.providers.google.baseUrl. Consulta Búsqueda de Gemini para el comportamiento de la herramienta específico del proveedor.

Tip

Los modelos Gemini 3 usan thinkingLevel en lugar de thinkingBudget. OpenClaw asigna los controles de razonamiento de alias de Gemini 3, Gemini 3.1 y gemini-*-latest a thinkingLevel para que las ejecuciones predeterminadas/de baja latencia no envíen valores thinkingBudget deshabilitados.

/think adaptive conserva la semántica de pensamiento dinámico de Google en lugar de elegir un nivel fijo de OpenClaw. Gemini 3 y Gemini 3.1 omiten un thinkingLevel fijo para que Google pueda elegir el nivel; Gemini 2.5 envía el centinela dinámico de Google thinkingBudget: -1.

Los modelos Gemma 4 (por ejemplo, gemma-4-26b-a4b-it) admiten el modo de pensamiento. OpenClaw reescribe thinkingBudget a un thinkingLevel de Google compatible para Gemma 4. Configurar el pensamiento como off conserva el pensamiento deshabilitado en lugar de asignarlo a MINIMAL.

Generación de imágenes

El proveedor de generación de imágenes google incluido usa de forma predeterminada google/gemini-3.1-flash-image-preview.

También admite google/gemini-3-pro-image-preview
Generación: hasta 4 imágenes por solicitud
Modo de edición: habilitado, hasta 5 imágenes de entrada
Controles de geometría: size, aspectRatio y resolution

Para usar Google como proveedor de imágenes predeterminado:

json5

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

Generación de video

El Plugin google incluido también registra la generación de video mediante la herramienta compartida video_generate.

Modelo de video predeterminado: google/veo-3.1-fast-generate-preview
Modos: texto a video, imagen a video y flujos de referencia de un solo video
Admite aspectRatio (16:9, 9:16) y resolution (720P, 1080P); Veo no admite salida de audio actualmente
Duraciones admitidas: 4, 6 u 8 segundos (otros valores se ajustan al valor permitido más cercano)

Para usar Google como proveedor de video predeterminado:

json5

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

Generación de música

El Plugin google incluido también registra la generación de música mediante la herramienta compartida music_generate.

Modelo de música predeterminado: google/lyria-3-clip-preview
También admite google/lyria-3-pro-preview
Controles de prompt: lyrics e instrumental
Formato de salida: mp3 de forma predeterminada, además de wav en google/lyria-3-pro-preview
Entradas de referencia: hasta 10 imágenes
Las ejecuciones respaldadas por sesión se desacoplan mediante el flujo compartido de tarea/estado, incluido action: "status"

Para usar Google como proveedor de música predeterminado:

json5

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

Texto a voz

El proveedor de voz google incluido usa la ruta TTS de Gemini API con gemini-3.1-flash-tts-preview.

Voz predeterminada: Kore
Autenticación: messages.tts.providers.google.apiKey, models.providers.google.apiKey, GEMINI_API_KEY o GOOGLE_API_KEY
Salida: WAV para adjuntos TTS normales, Opus para destinos de notas de voz, PCM para Talk/telefonía
Salida de nota de voz: el PCM de Google se encapsula como WAV y se transcodifica a Opus de 48 kHz con ffmpeg

La ruta TTS por lotes de Gemini de Google devuelve el audio generado en la respuesta generateContent completada. Para conversaciones habladas con la menor latencia, usa el proveedor de voz en tiempo real de Google respaldado por Gemini Live API en lugar de TTS por lotes.

Para usar Google como proveedor TTS predeterminado:

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 usa prompting en lenguaje natural para el control de estilo. Define audioProfile para anteponer un prompt de estilo reutilizable antes del texto hablado. Define speakerName cuando el texto de tu prompt se refiera a un hablante con nombre.

Gemini API TTS también acepta etiquetas de audio expresivas entre corchetes en el texto, como [whispers] o [laughs]. Para mantener las etiquetas fuera de la respuesta visible del chat mientras se envían a TTS, colócalas dentro de un bloque [[tts:text]]...[[/tts:text]]:

text

Here is the clean reply text. [[tts:text]][whispers] Here is the spoken version.[[/tts:text]]

Voz en tiempo real

El Plugin google incluido registra un proveedor de voz en tiempo real respaldado por Gemini Live API para puentes de audio de backend como Voice Call y Google Meet.

Ajuste	Ruta de configuración	Valor predeterminado
Modelo	`plugins.entries.voice-call.config.realtime.providers.google.model`	`gemini-2.5-flash-native-audio-preview-12-2025`
Voz	`...google.voice`	`Kore`
Temperatura	`...google.temperature`	(sin definir)
Sensibilidad de inicio de VAD	`...google.startSensitivity`	(sin definir)
Sensibilidad de fin de VAD	`...google.endSensitivity`	(sin definir)
Duración del silencio	`...google.silenceDurationMs`	(sin definir)
Manejo de actividad	`...google.activityHandling`	Predeterminado de Google, `start-of-activity-interrupts`
Cobertura de turno	`...google.turnCoverage`	Predeterminado de Google, `only-activity`
Desactivar VAD automático	`...google.automaticActivityDetectionDisabled`	`false`
Reanudación de sesión	`...google.sessionResumption`	`true`
Compresión de contexto	`...google.contextWindowCompression`	`true`
Clave de API	`...google.apiKey`	Recurre a `models.providers.google.apiKey`, `GEMINI_API_KEY` o `GOOGLE_API_KEY`

Ejemplo de configuración en tiempo real de 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",              },            },          },        },      },    },  },}

Para la verificación en vivo de mantenedores, ejecuta OPENAI_API_KEY=... GEMINI_API_KEY=... node --import tsx scripts/dev/realtime-talk-live-smoke.ts. La prueba smoke también cubre rutas de backend/WebRTC de OpenAI; el tramo de Google emite la misma forma de token restringido de Live API que usa Control UI Talk, abre el endpoint WebSocket del navegador, envía la carga inicial de configuración y espera setupComplete.

Configuración avanzada

Direct Gemini cache reuse

Para ejecuciones directas de Gemini API (api: "google-generative-ai"), OpenClaw pasa un identificador cachedContent configurado a las solicitudes de Gemini.

Configura parámetros por modelo o globales con cachedContent o el heredado cached_content
Si ambos están presentes, cachedContent tiene prioridad
Valor de ejemplo: cachedContents/prebuilt-context
El uso de aciertos de caché de Gemini se normaliza en cacheRead de OpenClaw desde el cachedContentTokenCount ascendente

json5

{  agents: {    defaults: {      models: {        "google/gemini-2.5-pro": {          params: {            cachedContent: "cachedContents/prebuilt-context",          },        },      },    },  },}

Gemini CLI JSON usage notes

Al usar el proveedor OAuth google-gemini-cli, OpenClaw normaliza la salida JSON de la CLI de la siguiente manera:

El texto de respuesta proviene del campo response del JSON de la CLI.
El uso recurre a stats cuando la CLI deja usage vacío.
stats.cached se normaliza en cacheRead de OpenClaw.
Si falta stats.input, OpenClaw deriva los tokens de entrada de stats.input_tokens - stats.cached.

Environment and daemon setup

Si el Gateway se ejecuta como daemon (launchd/systemd), asegúrate de que GEMINI_API_KEY esté disponible para ese proceso (por ejemplo, en ~/.openclaw/.env o mediante env.shellEnv).

Relacionado

Model selection

Elegir proveedores, referencias de modelo y comportamiento de conmutación por error.

Image generation

Parámetros compartidos de la herramienta de imagen y selección de proveedor.

Video generation

Parámetros compartidos de la herramienta de video y selección de proveedor.

Music generation

Parámetros compartidos de la herramienta de música y selección de proveedor.

Was this useful?