Google (Gemini)

Google Plugin は、Google AI Studio 経由で Gemini モデルへのアクセスを提供し、さらに 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 Web検索も提供します。

• Provider: google
• Auth: GEMINI_API_KEY または GOOGLE_API_KEY
• API: Google Gemini API
• Runtime オプション: provider/model agentRuntime.id: "google-gemini-cli" は モデル参照を正規の google/* として保ちながら Gemini CLI OAuth を再利用します。

はじめに

任意の認証方式を選び、セットアップ手順に従います。

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

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

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

openclaw models list --provider google

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

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

openclaw models list --provider google

機能

Web検索

バンドルされた gemini Web検索 provider は Gemini Google Search grounding を使用します。 plugins.entries.google.config.webSearch の下に専用の検索キーを設定するか、 GEMINI_API_KEY の後で models.providers.google.apiKey を再利用させます。

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

認証情報の優先順位は、専用の webSearch.apiKey、次に GEMINI_API_KEY、 次に models.providers.google.apiKey です。webSearch.baseUrl は任意で、 operator 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存在します。省略した場合、 Gemini Web検索は models.providers.google.baseUrl を再利用します。provider 固有のツール動作については Gemini search を参照してください。

画像生成

バンドルされた google 画像生成 provider は、デフォルトで google/gemini-3.1-flash-image-preview を使用します。

• google/gemini-3-pro-image-preview もサポート
• 生成: リクエストあたり最大 4 画像
• 編集モード: 有効、入力画像は最大 5 枚
• ジオメトリ制御: size、aspectRatio、resolution

Google をデフォルトの画像 provider として使用するには:

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

動画生成

バンドルされた google Plugin は、共有の video_generate ツール経由で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、単一動画参照フロー
• aspectRatio（16:9、9:16）と resolution（720P、1080P）をサポート。Veo は現在、音声出力をサポートしていません
• サポートされる長さ: 4、6、または 8 秒（その他の値は最も近い許容値に丸められます）

Google をデフォルトの動画 provider として使用するには:

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

音楽生成

バンドルされた google Plugin は、共有の music_generate ツール経由で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: デフォルトは mp3、さらに google/lyria-3-pro-preview では wav
• 参照入力: 最大 10 画像
• セッションに基づく実行は、action: "status" を含む共有タスク/ステータスフローを通じて切り離されます

Google をデフォルトの音楽 provider として使用するには:

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

テキスト読み上げ

バンドルされた google 音声 provider は、 gemini-3.1-flash-tts-preview を使用する Gemini API TTS パスを使用します。

• デフォルト音声: Kore
• Auth: messages.tts.providers.google.apiKey、models.providers.google.apiKey、GEMINI_API_KEY、または GOOGLE_API_KEY
• 出力: 通常の TTS 添付では WAV、音声メモターゲットでは Opus、Talk/テレフォニーでは PCM
• 音声メモ出力: Google PCM は WAV としてラップされ、ffmpeg で 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。最も低レイテンシの音声会話には、バッチ TTS ではなく Gemini Live API によって支えられた Google リアルタイム音声 provider を使用してください。

Google をデフォルトの TTS provider として使用するには:

{  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 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、話されるテキストの前に再利用可能なスタイルプロンプトを付加できます。 プロンプト本文で名前付きの話者に言及する場合は、speakerName を設定してください。

Gemini API TTS は、テキスト内の表現豊かな角括弧の音声タグも受け付けます。 たとえば [whispers] や [laughs] です。TTS に送信しながら、表示されるチャット返信からタグを除外するには、 それらを [[tts:text]]...[[/tts:text]] ブロック内に置きます。

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

リアルタイム音声

バンドルされた 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 によって支えられたリアルタイム音声 provider を登録します。

Voice Call リアルタイム設定の例:

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

メンテナー向けのライブ検証では、 OPENAI_API_KEY=... GEMINI_API_KEY=... node --import tsx scripts/dev/realtime-talk-live-smoke.ts を実行します。 この smoke は OpenAI バックエンド/WebRTC パスも対象にします。Google 側は Control UI Talk で使用されるものと同じ 制約付き 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を送信して、 setupComplete を待ちます。

高度な設定

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

関連